CN105467305B - 一种变工况下Buck-Boost电路故障特征提取方法 - Google Patents
一种变工况下Buck-Boost电路故障特征提取方法 Download PDFInfo
- Publication number
- CN105467305B CN105467305B CN201610023484.0A CN201610023484A CN105467305B CN 105467305 B CN105467305 B CN 105467305B CN 201610023484 A CN201610023484 A CN 201610023484A CN 105467305 B CN105467305 B CN 105467305B
- Authority
- CN
- China
- Prior art keywords
- cat
- value
- fitness
- circuit
- buck
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 241000282326 Felis catus Species 0.000 claims abstract description 62
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/316—Testing of analog circuits
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Dc-Dc Converters (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种变工况下Buck‑Boost电路故障特征提取方法，首先，获取Buck‑Boost电路的两种频域特性，其次，获取电路状态监测信号，利用离散二进小波变换得到电路频域响应幅频特性，基于获得的幅频特性，利用猫群算法辨识各元器件参数，并以电路元器件参数值作为故障特征参数，本发明中的方法不涉及外部参数，从而能够实现变工况下buck‑boost电路故障特征的提取。
Description
技术领域
本发明涉及电力电子电路故障特征提取技术领域，尤其涉及一种变工况下Buck-Boost电路故障特征提取方法。
背景技术
在21世纪，受节能环保大趋势的推动，在新能源发电、大规模储能装置，以及电动汽车等领域，人们对电力电子装置的电压等级和功率等级的要求不断提高，其中，Buck-Boost电路正受到越来越多的关注，对Buck-Boost电路的故障特征提取的研究具有重要意义和应用前景。目前，Buck-Boost电路的故障特征提取方法易受输入电压、负载等外部工况的影响，所提取故障特征参数难以适用于变工况下的故障诊断与预测。为此，本发明给出一种变工况下Buck-Boost电路故障特征提取方法，首先基于电路拓扑结构与工作原理构建电路的两种频域特性，通过对电路信号进行离散二进小波变换分析获取相应频域特性，再利用猫群算法辨识各元器件参数，将所辨识的电路元器件参数作为电路故障特征参数，用以判定电路故障情况，对恒定工况或工况变化下的Buck-Boost电路故障诊断与预测均适用。
发明内容
本发明的目的在于提供一种变工况下Buck-Boost电路故障特征提取方法，该方法不受外部工作状况的影响，能够准确地进行Buck-Boost电路的故障特征提取。
为了达成上述目的，本发明的解决方案是：
一种变工况下Buck-Boost电路故障特征提取方法，包括以下步骤(1)～(4)：
(1)获取Buck-Boost电路的两种频域特性，具体步骤为：
首先，根据连续导通(CCM)模式下的理想开关变换器统一电路模型构建Buck-Boost电路的输出对输入的传递函数Gvg(s)和输出对控制的传递函数Gvd(s)，即:
其中,为输出电压，为输入电压，为扰动控制量，小写字母上面加^表示小信号分量，D和D′为变比为1:M(D)的理想变压器中M(D)的值，V表示输出电压稳态值，R表示电阻值，L表示电感值，C表示电容值；
然后，将s＝jw分别代入式(1)和式(2)得到电路的两种频域特性：
(2)通过监测CCM模式下的Buck-Boost电路的输出电压输入电压控制扰动量状态信号时域波形，对所采集的三种信号进行小波变换获取三种信号的频谱，进而获取输出对输入的幅频特性|Gvg(jw)|，以及输出对控制的幅频特性|Gvd(jw)|，其中|·|表示取幅值。
(3)电路中主要元器件为电感,电容和电阻，基于步骤(2)测试获取的两种幅频特性，利用猫群算法辨识各元器件参数，分别获取电路两种幅频特性下对应的电路各元器件参数值，记为(Lvg,Cvg,Rvg)，(Lvd,Cvd,Rvd)。
(4)将步骤(3)得到的两组元器件参数值(Lvg,Cvg,Rvg)，(Lvd,Cvd,Rvd)加权平均，得到最终的电路各元器件参数值为(L,C,R)，并以电路元器件参数值(L,C,R)作为电路故障特征参数，从而实现变工况下Buck-Boost电路故障特征提取。
本发明的一种变工况下Buck-Boost电路故障特征提取方法，所述步骤(2)的小波变换采用离散二进小波变换，离散二进小波变换为现有成熟技术，具体原理此处不再赘述。
本发明的一种变工况下Buck-Boost电路故障特征提取方法，所述步骤(3)中利用猫群算法进行电路元器件参数辨识，获取电路中两种幅频特性下对应的电路各元器件参数值，具体步骤为：
(3.1)设定算法分组率λ，基因改变域SRD，记忆池SMP＝j(j为记忆池的容量)，每只猫的初始三维位置(lvg,cvg,rvg)，猫群数量β，终止迭代数ζ，适应度误差θ，根据分组率λ随机地将数量为β的猫群分为搜寻模式和跟踪模式并进行标记，搜寻模式的猫标记为0，而跟踪模式标记为1，在搜寻模式下，每只猫对自身位置(lvg,cvg,rvg)复制若干份放入记忆池SMP中，对记忆池中的每个个体副本随机地加上或者减去SRD％(改变域由百分率表示)，并用更新后的位置(l′vg,c′vg,r′vg)代替原来的位置；选择式(3)作为适应度函数，而实际测量得到的|Gvg(jw)|作为理想适应度值(即对应的优化目标最佳值)，并依此计算更新后的每个副本的适应度值，通过计算个体适应度值与最优适应度值之间的误差θ大小来判断个体的适应度优劣，选择适应度最好的副本的位置来替换当前位置，完成猫的位置更新；
(3.2)接下来进入跟踪模式，在跟踪模式下，根据公式(5)
vi,z(t+1)＝vi,z(t)+r*c*(Xbest,z(t)-xi,z(t))..................(5)
来更新猫自身的速度，其中,z＝1,2,3表示维数，vi,z(t+1)表示更新后第i只猫在第z维的速度值(i表示猫群数量β中的一只)Xbest,z(t)表示猫群中当前具有最好适应度值的猫的位置,xi,z(t)指当前第i只猫在第z维的位置，c*是个常量，r*是一个[0,1]之间的随机值，判断每一维的速度变化是否都在SRD内，如果每一维改变后的值超过了SRD的限制范围，则将其设定为给定的边界值；根据公式(6)
xi,z(t+1)＝xi,z(t)+vi,z(t+1)...........................(6)
利用更新后的速度来更新猫的位置，其中，z＝1,2,3表示维数，式中xi(t+1)表示第i只猫更新后的位置；
(3.3)当猫完成搜寻模式和跟踪模式后，根据适应度函数计算它们的适应度并保留当前群体中最好的三维位置，再根据结合率MR更新群体，MR表示执行跟踪模式下的猫的数量在整个猫群中所占的比例，以终止迭代数ζ、适应度误差θ作为算法结束条件，满足则结束算法，否则，继续进行迭代，转向适应度计算；算法结束后得到的最优位置(Lvg,Cvg,Rvg)即为电路待辨识元器件参数值；
(3.4)同理用式(4)作为适应度函数，应用上述猫群算法得到另外一个最优解(Lvd,Cvd,Rvd)。
本发明的一种变工况下Buck-Boost电路故障特征提取方法，将所述步骤(3)中两个适应度函数得到的两组电路参数(Lvg,Cvg,Rvg)和(Lvd,Cvd,Rvd)加权平均，具体实现为：
L＝0.4Lvg+0.6Lvd；C＝0.6Cvg+0.4Cvd；R＝0.3Rvg+0.7Rvd；
从而得到最终的一组电路元器件参数值(L,C,R)，实现变工况下Buck-Boost电路故障特征提取。
附图说明
图1是一种变工况下Buck-Boost电路故障特征提取方法流程图；
图2是猫群算法流程图；
图3是CCM模式下的理想开关变换器统一电路模型；
图4是Buck-Boost电路基本电路图。
具体实施方式
本发明提供一种变工况下Buck-Boost电路故障特征提取方法，该方法不受外部工作状况的影响，能够准确地进行Buck-Boost电路的故障特征提取。
为了达成上述目的，本发明的具体实施方式如下：
(1)首先获取Buck-Boost电路的两种频域特性，具体步骤为：
根据连续导通(CCM)模式下的理想开关变换器统一电路模型构建Buck-Boost电路的输出对输入的传递函数Gvg(s)和输出对控制的传递函数Gvd(s)，即:
其中,为输出电压，为输入电压，为扰动控制量，小写字母上面加^表示小信号分量，D和D′为变比为1:M(D)的理想变压器中M(D)的值，V表示输出电压稳态值，R表示电阻值，L表示电感值，C表示电容值；
然后，将s＝jw分别代入式(1)和式(2)得到电路的两种频域特性：
(2)通过监测CCM模式下的Buck-Boost电路的输出电压输入电压控制扰动量状态信号时域波形，对所采集的三种信号进行小波变换获取三种信号的频谱，小波变换采用离散二进小波，离散二进小波为现有成熟技术，具体原理此处不再赘述。进而获取输出对输入的幅频特性|Gvg(jw)|，以及输出对控制的幅频特性|Gvd(jw)|，其中|·|表示取幅值。
(3)电路中主要元器件为电感,电容和电阻，基于步骤(2)测试获取的两种幅频特性，利用猫群算法辨识各元器件参数，分别获取电路中两种幅频特性下对应的电路各元器件参数值，记为(Lvg,Cvg,Rvg)，(Lvd,Cvd,Rvd)。猫群算法辨识电路元器件参数的具体步骤为：
(3.1)设定算法分组率λ，基因改变域SRD，记忆池SMP＝j(j为记忆池的容量)，每只猫的初始三维位置(lvg,cvg,rvg)，猫群数量β，终止迭代数ζ，适应度误差θ，根据分组率λ随机地将数量为β的猫群分为搜寻模式和跟踪模式并进行标记，搜寻模式的猫标记为0，而跟踪模式标记为1，在搜寻模式下，每只猫对自身位置(lvg,cvg,rvg)复制若干份放入记忆池SMP中，对记忆池中的每个个体副本随机地加上或者减去SRD％(改变域由百分率表示)，并用更新后的位置(l′vg,c′vg,r′vg)代替原来的位置；选择式(3)作为适应度函数，而实际测量得到的|Gvg(jw)|作为理想适应度值(即对应的优化目标最佳值)，并依此计算更新后的的每个副本的适应度值，通过计算个体适应度值与最优适应度值之间的误差θ大小来判断个体的适应度优劣，选择适应度最好的位置来替换当前位置，完成猫的位置更新。
(3.2)接下来进入跟踪模式，在跟踪模式下，根据公式(5)
vi,z(t+1)＝vi,z(t)+r*c*(Xbest,z(t)-xi,z(t))..................(5)
来更新猫自身的速度，其中,z＝1,2,3表示维数，vi,z(t+1)表示更新后第i只猫在第z维的速度值(i表示猫群数量β中的一只)Xbest,z(t)表示猫群中当前具有最好适应度值的猫的位置,xi,z(t)指当前第i只猫在第z维的位置，c*是个常量，r*是一个[0,1]之间的随机值，判断每一维的速度变化是否都在SRD内，如果每一维改变后的值超过了SRD的限制范围，则将其设定为给定的边界值。根据公式(6)
xi,z(t+1)＝xi,z(t)+vi,z(t+1)...........................(6)
利用更新后的速度来更新猫的位置，其中，z＝1,2,3表示维数，式中xi(t+1)表示第i只猫更新后的位置；
(3.3)当猫完成搜寻模式和跟踪模式后，根据适应度函数计算它们的适应度并保留当前群体中最好的三维位置，再根据结合率MR更新群体，MR表示执行跟踪模式下的猫的数量在整个猫群中所占的比例，以终止迭代数ζ、适应度误差θ作为算法结束条件，满足则结束算法，否则，继续进行迭代，转向适应度计算；算法结束后得到的最优位置(Lvg,Cvg,Rvg)即为电路待辨识元器件参数值；
(3.4)同理用式(4)作为适应度函数，应用上述猫群算法得到另外一个最优解(Lvd,Cvd,Rvd)。
(4)将步骤(3)得到的两组元器件参数值(Lvg,Cvg,Rvg)，(Lvd,Cvd,Rvd)加权平均，最终得到电路各元器件参数值为(L,C,R)，并以电路元器件参数值(L,C,R)作为电路的故障特征参数，从而实现变工况下的Buck-Boost电路的故障特征提取。加权平均的具体实现为：
L＝0.4Lvg+0.6Lvd；C＝0.6Cvg+0.4Cvd；R＝0.3Rvg+0.7Rvd，
从而得到最终的一组电路元器件参数值(L,C,R)，从而实现变工况下Buck-Boost电路故障特征提取。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (3)
1.一种变工况下Buck-Boost电路故障特征提取方法，其特征在于，包括以下步骤：
(1)获取Buck-Boost电路的两种频域特性，具体步骤为：
首先，根据连续导通(CCM)模式下的理想开关变换器统一电路模型构建Buck-Boost电路的输出对输入的传递函数Gvg(s)和输出对控制的传递函数Gvd(s)，即:
其中,为输出电压，为输入电压，为扰动控制量，小写字母上面加^表示小信号分量，D和D′为变比为1:M(D)的理想变压器中M(D)的值，V表示输出电压稳态值，R表示电阻值，L表示电感值，C表示电容值；
然后，将s＝jw分别代入式(1)和式(2)得到电路的两种频域特性：
(2)通过监测CCM模式下的Buck-Boost电路的输出电压输入电压控制扰动量状态信号时域波形，对所采集的三种信号进行小波变换获取三种信号的频谱，进而获取输出对输入的幅频特性|Gvg(jw)|，以及输出对控制的幅频特性|Gvd(jw)|，其中|·|表示取幅值；
(3)电路中主要元器件为电感,电容和电阻，基于步骤(2)测试获取的两种幅频特性，利用猫群算法辨识各元器件参数，分别获取电路两种幅频特性下对应的各元器件参数值，记为(Lvg,Cvg,Rvg)，(Lvd,Cvd,Rvd)，其具体步骤为：
(1.3.1)设定算法分组率λ，基因改变域SRD，记忆池SMP＝j，j为记忆池的容量，每只猫的初始三维位置(lvg,cvg,rvg)，猫群数量β，终止迭代数ζ，适应度误差θ，根据分组率λ随机地将数量为β的猫群分为搜寻模式和跟踪模式并进行标记，搜寻模式的猫标记为0，而跟踪模式标记为1，在搜寻模式下，每只猫对自身位置(lvg,cvg,rvg)复制若干份放入记忆池SMP中，对记忆池中的每个个体副本随机地加上或者减去SRD％，改变域由百分率表示，并用更新后的位置(lv′g,cv′g,rv′g)代替原来的位置；选择式(3)作为适应度函数，而实际测量得到的|Gvg(jw)|作为理想适应度值，即对应的优化目标最佳值，并依此计算更新后的每个副本的适应度值，通过计算个体适应度值与最优适应度值之间的误差θ大小来判断个体的适应度优劣，选择适应度最好的副本的位置来替换当前位置，完成猫的位置更新；
(1.3.2)接下来进入跟踪模式，在跟踪模式下，根据公式(5)
vi,z(t+1)＝vi,z(t)+r*c*(Xbest,z(t)-xi,z(t))..................(5)
来更新猫自身的速度，其中,z＝1,2,3表示维数，vi,z(t+1)表示更新后第i只猫在第z维的速度值，i表示猫群数量β中的一只，Xbes,tz(t)表示猫群中当前具有最好适应度值的猫的位置,xi,z(t)指当前第i只猫在第z维的位置，c*是个常量，r*是一个[0,1]之间的随机值；判断每一维的速度变化是否都在SRD内，如果每一维改变后的值超过了SRD的限制范围，则将其设定为给定的边界值，根据公式(6)
xi,z(t+1)＝xi,z(t)+vi,z(t+1)...........................(6)
利用更新后的速度来更新猫的位置，其中，z＝1,2,3表示维数，式中xi,z(t+1)表示第i只猫更新后的位置；
(1.3.3)当猫完成搜寻模式和跟踪模式后，根据适应度函数计算它们的适应度并保留当前群体中最好的三维位置，再根据结合率MR更新群体，MR表示执行跟踪模式下的猫的数量在整个猫群中所占的比例，以终止迭代数ζ、适应度误差θ作为算法结束条件，满足则结束算法，否则，继续进行迭代，转向适应度计算；算法结束后得到的最优位置(Lvg,Cvg,Rvg)即为电路待辨识元器件参数值；
(1.3.4)同理用式(4)作为适应度函数，应用上述猫群算法得到另外一个最优解(Lvd,Cvd,Rvd)；
(4)将步骤(3)得到的两组元器件参数值(Lvg,Cvg,Rvg)，(Lvd,Cvd,Rvd)加权平均，得到电路最终的各元器件参数值(L,C,R)，并以电路元器件参数值(L,C,R)作为电路的故障特征参数，从而实现变工况下Buck-Boost电路故障特征提取。
2.如权利要求1所述的一种变工况下Buck-Boost电路故障特征提取方法，其特征在于，所述步骤(2)的小波变换采用离散二进小波变换，离散二进小波变换为现有成熟技术，具体原理此处不再赘述。
3.如权利要求1所述的一种变工况下Buck-Boost电路故障特征提取的方法，其特征在于，将步骤(3)中两个适应度函数得到的两组电路参数(Lvg,Cvg,Rvg)和(Lvd,Cvd,Rvd)加权平均，具体实现为：
L＝0.4Lvg+0.6Lvd；C＝0.6Cvg+0.4Cvd；R＝0.3Rvg+0.7Rvd；
从而得到最终的一组电路元器件参数值(L,C,R)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610023484.0A CN105467305B (zh) | 2016-01-13 | 2016-01-13 | 一种变工况下Buck-Boost电路故障特征提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610023484.0A CN105467305B (zh) | 2016-01-13 | 2016-01-13 | 一种变工况下Buck-Boost电路故障特征提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105467305A CN105467305A (zh) | 2016-04-06 |
| CN105467305B true CN105467305B (zh) | 2018-06-26 |
Family
ID=55605221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610023484.0A Active CN105467305B (zh) | 2016-01-13 | 2016-01-13 | 一种变工况下Buck-Boost电路故障特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105467305B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108414916B (zh) * | 2018-01-31 | 2020-10-27 | 南京航空航天大学 | 一种Buck变换器多元件健康监测方法及系统 |
| CN110795833B (zh) * | 2019-10-15 | 2023-04-18 | 山东师范大学 | 基于猫群算法的人群疏散仿真方法、系统、介质及设备 |
| CN110954747B (zh) * | 2019-11-25 | 2021-07-20 | 南昌大学 | 一种猫群算法优化最小均方根自适应谐波检测方法 |
| CN111464022B (zh) * | 2020-03-25 | 2023-06-06 | 哈尔滨工业大学 | 一种基于多特征的dc-dc变换器关键器件参数辨识方法 |
| CN111398787B (zh) * | 2020-04-17 | 2022-09-16 | 安徽理工大学 | 复杂工况下的三相电压型pwm整流电路故障诊断方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101533068A (zh) * | 2009-04-08 | 2009-09-16 | 南京航空航天大学 | 基于dagsvc的模拟电路故障诊断方法 |
| CN101907681A (zh) * | 2010-07-15 | 2010-12-08 | 南京航空航天大学 | 基于gsd_svdd的模拟电路动态在线故障诊断方法 |
| CN102323535A (zh) * | 2011-06-01 | 2012-01-18 | 湖南师范大学 | 一种模拟电路故障诊断方法 |
| CN103345660A (zh) * | 2013-06-28 | 2013-10-09 | 广东工业大学 | 一种基于猫群算法优化支持向量机参数的冷负荷预测方法 |
| CN103824135A (zh) * | 2014-03-11 | 2014-05-28 | 合肥工业大学 | 一种模拟电路故障预测方法 |
| CN104361180A (zh) * | 2014-11-20 | 2015-02-18 | 东莞理工学院 | 一种基于猫群算法的辐射部件遥控维护装配序列设计方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009171081A (ja) * | 2008-01-15 | 2009-07-30 | Emiiru Denshi Kaihatsusha:Kk | 波形発生装置、ａ／ｄ変換回路の検査方法および故障予測方法 |
-
2016
- 2016-01-13 CN CN201610023484.0A patent/CN105467305B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101533068A (zh) * | 2009-04-08 | 2009-09-16 | 南京航空航天大学 | 基于dagsvc的模拟电路故障诊断方法 |
| CN101907681A (zh) * | 2010-07-15 | 2010-12-08 | 南京航空航天大学 | 基于gsd_svdd的模拟电路动态在线故障诊断方法 |
| CN102323535A (zh) * | 2011-06-01 | 2012-01-18 | 湖南师范大学 | 一种模拟电路故障诊断方法 |
| CN103345660A (zh) * | 2013-06-28 | 2013-10-09 | 广东工业大学 | 一种基于猫群算法优化支持向量机参数的冷负荷预测方法 |
| CN103824135A (zh) * | 2014-03-11 | 2014-05-28 | 合肥工业大学 | 一种模拟电路故障预测方法 |
| CN104361180A (zh) * | 2014-11-20 | 2015-02-18 | 东莞理工学院 | 一种基于猫群算法的辐射部件遥控维护装配序列设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105467305A (zh) | 2016-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105467305B (zh) | 一种变工况下Buck-Boost电路故障特征提取方法 | |
| Liu et al. | Resource-aware distributed differential evolution for training expensive neural-network-based controller in power electronic circuit | |
| Biswas et al. | An artificial bee colony-least square algorithm for solving harmonic estimation problems | |
| CN111600492B (zh) | 一种双有源全桥直流变换器的效率优化控制方法 | |
| CN105759603B (zh) | 基于自动寻优无模型控制器的变压电路控制系统及方法 | |
| CN104569747A (zh) | 断电电缆绝缘性检验系统及方法 | |
| CN113285593B (zh) | 基于复合积分滑模控制的直流降压变换器系统控制方法 | |
| CN109921504A (zh) | 车载混合储能系统及其非线性鲁棒自适应功率控制方法 | |
| Mishra et al. | A universal high impedance fault detection technique for distribution system using S-transform and pattern recognition | |
| Bizzarri et al. | A nonlinear inductance model able to reproduce thermal transient in SMPS simulations | |
| CN105515430A (zh) | 一种三相并网逆变器的控制方法 | |
| CN105527539A (zh) | 一种微电网故障诊断过程中的故障信号特征值提取方法 | |
| CN109143862B (zh) | 基于参数自适应的降压型直流变换器固定时间滑模控制方法 | |
| CN107769532B (zh) | 单电感双输出开关变换器电容电流纹波控制方法及装置 | |
| Zhang et al. | IEHouse: A non-intrusive household appliance state recognition system | |
| Utomo et al. | Voltage tracking of a DC-DC flyback converter using neural network control | |
| Buswig et al. | Voltage tracking of a multi-input interleaved buck-boost DC-DC converter using artificial neural network control | |
| CN111398692B (zh) | 一种Buck类直直变换器输出滤波电容C值监测方法 | |
| CN116169857A (zh) | 一种级联式开关电路的电压控制方法及装置 | |
| CN113985266B (zh) | 多智能电表集中化负荷识别方法 | |
| CN111398787B (zh) | 复杂工况下的三相电压型pwm整流电路故障诊断方法 | |
| Wang et al. | Short term load forecasting based on vmd-dnn | |
| Hinov et al. | Tolerance analysis of common transistor DC-DC converters | |
| Kamarposhti et al. | The Control of Buck Boost DC-DC Converters for DC Motor Drives on variable DC Voltage by Using Neural Network | |
| Wang et al. | Small signal transfer functions modeling and analysis for open loop KY converter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |