混合动力车辆整车仿真模型

雷达目标检测与恒虚警处理 （第二版） 何友 仿真程序 CFAR 均值类 CAGO SO-CFAR

现代控制理论及其应用--周凤歧--西北工业大学

VB+SQL版 财务管理信息系统+数据库文件+论文+PPT

本书是开关电源类的经典书籍，几乎所有搞电源的的人士都知道这书，但是现在书店基本不卖，是一本很好的书。

在这个压缩文件中包含了一个FFT类以及一个复数类，实现了快速傅里叶变换及其反变换（FFT和IFFT）以及复数的运算。综合考虑各细节使碟形算法达到最高的效率。头文件中还包括了FFT类的使用方法。此算法的准确性经过多人多次验证，已是毋庸置疑了。上传此文件是希望帮助正在学习的同志加速开发，以及希望高手们看完后不吝赐教。

windows下自动FTP脚本，上传下载数据。

我室(南京悦能科技工作室)推出的低压有源滤波器（APF）和静止无功发生器（SVG）产品为三电平结构模块化设计，完全自主研发、性能优异、价格合理。 我是做技术的，我们的有源滤波器采用目前最先进的控制技术（自我独创），实现产品的高性能高稳定性，在多个工程中已有应用。我室刚开展业务，诚心寻找合作伙伴，合作方式多样，以深入的技术合作为主，也可代理销售本工作室授权公司生产的APF、 SVG成品。若贵公司有这方面的业务需求欢迎联系参观合作。:负载建模Three load棖据实际负载情况设置负载参数,下图分别为三相三线制和三相四线制仿真的负载连接C三相三线值负载为:三相整流负载。Three LoadI模块展开「mm「三相四线值负载为:单相整流负载。四:有源滤波器主回路建模如下图,各AP主回路模块接口图。注意图中有以下区别1,三柱三线制AFF的强电输入为A,B、C三根电源线:三四线制APF的强电输入为A、B、C、N四根电源线2,APF_2 level_3p3的调旨系数为3路,产生驱动脉冲6谘PWM信号APF2 level_3p4L的阗亐系数为4路,产生驱动脉冲8路PWM信号;APF3 level3p3L和APF3 level3p4L的凋节系数都为3路,产生驱动脉冲12路PWM信号;3,在AP回路,四种APF都需婁采集3路APF电流信号;但是APF2 leyel3p3L和APF2 elevel3p4L直流母线电压只有一路,只采集一路,APF3levl3p3L和APF3 dlevel_3puL直流母线电压有两路,采集两路yd- char geCnangevdc lpwmInVuuVdr m出gAl changhnresA onAFF2|乳Lapf leve 4LFF3Eve孔以下匹图,分别为APF2 level_3p3L、APP2leel3p4L、APF3 level3p3LAPF3lvel3p4L的拓扑结构」APF2eve3p3主拓扑逆APF2eve3p4L宇拓扑本本4本本本本本本本本TadTAPF3evel3p3主拓扑本本x本小本本本本小本CrrtiCYF本本山本本时本La 2 LeI」APF_3leve3p4L主拓扑APF2 level3p3主叫路建模如下图,APF2leve3p仅多一路线IGBT和进线电抗PMM領电流检测的直流突波容甲容滤波回路主电抗模拟杂数电感APF_2leve1_3p3L主回路建模AFF3evl建模如下图,APF3evel3p3和APF3 level3p4L网别在于装置N点是否连接电网N线。电流检测PW_an主电抗0.0013·1均压电阻宰牛C=9220uF和幸+∞苧滤波板GB逆变回路0直流电压检测APF3leve1主回路建模五:电压、电流检测回路建模电压、电流信号釆集电路实昒在数据釆集板或滮波板(50A模块)上,包括3路电源电压釆集SV、直流母线电压CV釆集(两电平1路,三电平2路)、3路AP电流AI采集3路负载电流II采集。1,电网电压SvV采样处理如下图,采用原副边电压比为300707380V系统的电压互感器。PT changESv changer07300res n2,直流母线电压〔V釆样处理如下图,额定电压375V(三电平,两路路)或750V(两电平,一路)的直流母线电压,通过R1电阻网络转化为75mA左右的电流信号,通过L25P(原副边电流比为15)转换,再通过主控板上的200欧接收电阻R转化为电压信号(此电玉信号为375V左右,若追求更精准可调节主控板上的运放电阻,使其进入AD转换芯片时变为7V左右的信号)。-E SenT1c2751150002三宅平直流母线采样两路vocc ant日=2HaT〓n11两电平直流母线采样-路3,APF电流AI釆样处理如下图,50A模块釆用原副边电流比为10001)的电流传感器IP-128:控制板上接收电阻为50欧。Rcang=ChangCXchange50re-311090(50A only)4,负载电流I釆样处理如下图, CTl change为负载现场安装的互感器图中为100045A的,CT2 change为滤波板模块釆用原副边电流比为10004)的电流传感器IP-128:滤波板上通过接收2000欧电阻转为电压信号CHange2000n2.I0arno六:主控板控制部分建模61概述妇下图,APF内部控制主要包括模块 APF RIFI(主要作月是得AFF给定电流信号、APF反缋电流信号、电网电压信号)、闭环控制模块ⅣI,两电平三相四线制还多一个N线调节系数产生模块APF RIF 2记rY ntLrGsAl ntAPF21eve1_3p3L和APF31eve1内部控制框图N通可LLI intad res川finAl inAPF_21evel_3p4L内部控制框图62:主控板控制部分模块 APF RIF作用模块 APF RIFI作用如下1,对所有集量进行量化处理;2,对采样到得AFF电流信号进行合适的数字滤波、限幅等处理,获得AF反馈电流信号 Al res;对采样到得电网电压信号进行合适的数字滤波、限塥等处理,获电网

动态贝叶斯网络（Dynamic Bayesian Network, DBN），是一个随着毗邻时间步骤把不同变量联系起来的贝叶斯网络。这通常被叫做“两个时间片”的贝叶斯网络，因为DBN在任意时间点T，变量的值可以从内在的回归量和直接先验值（time T-1）计算。DBN是BN（Baysian Network）的扩展，BN也称作概率网络（Probabilistic Network）或信念网络（Belief Network）。前言不确定性理论在人工智能机器学习、自动控制领域已经得到越来越广泛的应用。本书以当前国际上不确定性研究领域的核心工具—动态贝叶斯网络为线索,进行了动态网络推理算法、平稳系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离散、连续、混合模型的推理算法,并进行了算法复杂度及应用领域的讨论;结构学习研究首先从度量体制人手,讨论了动态网络度量体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主控制领域,并通过大量仿真检验。本书的研究工作得到了西安工业大学专着甚金及国家自然科学基金重大研究计划(90205019)的资助。本书全面系统地介绍了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网络的产生与发展、基本操作及表达。第2章和第3章为本书的理论基础部分,首先从静态网络已经取得的理论成果及研究内容人手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本书将要解决的主要问题:DBN推理问题和连续变量的DBN结构学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯网络的推理即隐变量离散、隐变量连续、隐变量混合DBN推理;隐马尔科夫模型是所有离散动态网络的基础,故首先介绍其表达及推理,由此派生出其他离散动态网络,并讨论了奶何将复杂离散网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了离散动态网络的相应属性,得出了相应结论,为合理选择DBN推理算法提供依据;在推理中,若系统参数未知或为时变系统,必然涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的BIC及BD度量机制;通过描述基于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的基于贪婪箅法思想的遗传算法解决动态网络学习,然后应用动态贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过仿真验证了其有效性针对非平稳随机系统DBN的结构学习模型,提出了一种自适应窗口法用于在线自适应学习变结构DBN结构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从以往UCAⅴ路径规划中使用的方法以及涉及的定义、术语等出发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的基本问题,通过对原始 Voronoi图的改进,提出了平面改进型Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态路径重规划区域原则等,为动态路径规划提供有力的整体构型支撑,进而应用前几章理论基础,建立基于DBN的战场环境感知模型,仿真结果均表明了构图及动态决策模型的正确性。第8章在DBN推理及结构学习的理论基础上,将其用于自主优化及动态数据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化机制进行推广,提出了一种动态优化的新方法,利用DBN作为t到t+1代转移网络,适时改变优化的基本条件,实时确立新的种群及优化的方向,使得自主智能体在无人干预下顺利完成一系列复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应Ⅳ用实例,将DN推理学习理论进行融合,并用于实际模型。附录给出了与DN结构度量相关定理、性质的证明,为读者进一步研究和学习动态贝叶斯网络提供参考。本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的一个总结。在本书的编写过程中,得到了西安电子科技大学焦李成教授和清华大学戴琼海教授及英国BankUniversity陈大庆教授的热心指导和鼓励,新加坡南洋理工大学的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表示衷心的感谢。由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当之处在所难免,希望读者不吝赐教指正。作者目录第1章图模型与贝叶斯网络1.1图模型简介1.2动态贝叶斯网络鲁+垂香曲1.3动态贝叶斯网络应用研究1.3.1动态时序数据分析与挖掘曾··會世57781.3.2无人机的态势感知与路径规划1.3.3.进化算法与动态贝叶斯网络混合优化…10第2章静态贝叶斯网络…112.1静态贝叶斯置信网络2.2贝叶斯网络的特点与应用范围……………152.3贝叶斯网络的研究内容162.3.1计算复杂性162.3.2网络结构的确定问题2.3.3已知结构的参数确定问题…………182.3.4在给定结构上的概率计算…4福通而看高自曲着看西画192.3.5贝叶斯网络推理算法…………………19第3章动态贝叶斯网络基础283.1从静态网到动态网283.1.1概述283.1.2推导…………………………293.1.3动态贝叶斯网络表达要鲁垂鲁鲁中t曲·曹市壘曾曹吾普·量313.2动态贝叶斯网络的研究内容…………353.2.1动态贝叶斯网络推理……………………363.2.2动态贝叶斯网络学习…………………………39第4章动态贝叶斯网络推理464.1隐变量离散动态网络推理464.1.1模型数学描述…………………464.1.2马尔科夫的研究内容…4.1.3隐马尔科夫推理学习仿真…534.1.4隐马尔科夫其他拓扑形式…………564.1.5一般离散动态网络和隐马尔科夫关系584.2动态贝叶斯网络推理算法性能分析604.2.1动态网络转化隐马尔科夫仿真…614.2.2离散动态网络推理算法比较仿真……634.2.3连续动态网络推理比较仿真………724.3模糊推理与隐马尔科夫结合炮火校射……………754.3.1概述…音曲曹香音音音吾晋自粤吾·自·754.3.2模糊动态网络环境感知框架754.4隐变量连续动态网络推理4.4.1模型数学描述…794.4.2卡尔曼滤波图模型推理·日·曹曹曾鲁····804.5混合隐状态动态贝叶斯网络834.5.1模型数学描述……b音量章申曾要中命要即命·甲看834.5.2混合动态贝叶斯网络推理864.5.3混合动态贝叶斯网络学习89第5章动态贝叶斯网络结构学习算法……915.1动态贝叶斯网络结构度量体制…………915.1.1概述…………915.1.2动态网络的贝叶斯信息度量935.1.3动态贝叶斯网络BD度量965.2动态贝叶斯网络度量分解性能分析省着带鲁曹曹曹鲁鲁鲁虚鲁鲁中·985.3构建动态网络结构寻优算法…1145.3.1基于概率模型的进化算法…1155.3.2基于贝叶斯优化构造动态网络结构算法…1165.3.3学习动态贝叶斯网络……………1185.3.4动态夏叶斯网络推理1275.4基于贝叶斯优化构建动态网络结构算法仿真…128第6章动态贝叶斯网络结构学习模型1346.1平稳系统动态网络结构学习模型设计1346.1.1模型设计1356.1.2仿真试验1386.2变结构动态网络自适应结构学习模型设计…………1446,2,1模糊自适应双尺度1446.2.2动态系统非平稳程度和平稳性的测量1516.3非平稳系统网络结构学习仿真试验153第7章基于动态贝叶斯网络的路径规划1657.1无人机平面静态路径规划…1657.1.1基本概念……………1657.1.2基于相同威胁体的路径规划…1667.1.3不同威胁体下平面路径规划1717.1.4路径细化暨要命要曹吾帝吾辛事壶要面要吾吾曹中垂要晋吾曹事1767.2无人机动态路径规划1787,2.1概述1797.2.2平面动态环境下局部路径构图原则1797.2.3威胁变化下无人机平面路径规划………1827.2.4突发威胁体下无人机平面路径重规划研究1867.3无人机空间路径规划研究………………………1907.3.1空间改进型 Voronoi图………1907.3.2威胁变化下局部路径构图区域原则1957.3.3局部路径选择原则及战场感知模型…197第8章基于动态贝叶斯网络的自主控制…1998.1概述…1998.2快速构建决策网络结构方法…2008.2.1链形决策网络模型的建立………2018.2.2决策网络树形模型结构学习算法…2048.2.3一般决策网络结构学习算法2058.3进化算法与动态网络混合优化……2068.3.1算法基本思想2068.3.2转移网络作用中鲁鲁··章鲁···自··………2108.3.3混合优化自主控制算法描述…2108.3.4混合优化自主控制算法软件实现………211第9章无人机自主控制应用研究2249.1基于混合优化的无人机路径重规划.2249.1.1自主控制过程描述2249.1.2混合优化无人机路径规划仿真…2259.2无人机攻击多目标路径规划………………2379.2.1自主控制过程描述……………2389.2.2初始动态网络图构型2399.2.3无人机自主攻击多随机运动目标仿真240附录贝叶斯网络局部结构度量数学基础250A.1链形模型局部结构度量250A.2树形模型局部结构度量253A.3局部贝叶斯网络度量………………………………257参考文献…………………………………262

数值分析第五版答案，第一章 绪论 第二章 插值法 第三章 函数逼近与曲线拟合

这是我收藏的西门子plc的具体的编程实例，很值得学习，学完了再好好收藏着，绝对的！