摘要：电流环直接影响表贴式永磁同步电机(surfacepermanent magnet synchronous motor,SPMSM)伺服系统的电流波形和电磁转矩,使系统的动、静态性能变差。当系统运行工况变化使得电机电感饱和时,电流环中含有电感参数的解耦项就会失效。从合成矢量的角度出发,提出了一种同步dq旋转坐标系下无需电感参数的电流解耦调节器,实现了无电感参数解耦控制,改善了SPMSM系统的动态性能。另外,由于死区、电机制造工艺、磁场饱和等原因,电机电流中含有影响系统性能的5、7、11、13等低次谐波。提出了同步旋转dq坐标系下比例积分+比例谐振(proportionalintegral+proportional resonance,PI+PR)的电流复合调节器,对低次电流谐波进行闭环调节,从而显著减小了谐波电流,改善了系统性能。仿真分析和实验结果均验证了该方案的可行性。

摘要：分析了已有的水资源承载力计算方法,筛选了辽宁沿渤海地区的重点产业,设计了基于国家总体发展愿景和最大限度反映地方发展意愿的两种辽宁沿渤海地区经济发展方案,跨行政区域预测了辽宁沿渤海地区经济发展的需水量、可供水量,计算了区域的水资源承载力.预测到2015年,按照两种经济发展方案,辽宁沿渤海地区水资源承载力均有盈余;到2020年,按照后一种经济发展方案,辽宁沿渤海地区水资源承载力将超载,届时水资源将每年短缺5.2亿m3.

摘要：对乙醇氧化生成乙醛的演示,笔者经多次实验、优化筛选设计了如下的实验装置,演示效果明显提高.现介绍如下:

摘要：目标在被局部遮挡、与背景灰度信息相似以及纹理比较明显等情况下,传统CV模型无法进行准确分割.为此,将模型中活动轮廓曲线的水平集函数用先验形状的水平集函数来代替,使得曲线在演化过程中始终保持某一类特定形状,从而实现了目标分割过程中的形状保持.根据形状保持的CV变分水平集分割模型建立适用于矩形目标分割的能量函数模型,推导出一组Euler-Lagrange常微分方程;通过水平集函数的不断迭代演化最终实现了矩形目标的分割;最后演化得到的水平集函数是对矩形目标的定量描述.3组实验结果证明,该模型能够解决复杂情况下的矩形目标分割问题,且具有计算量小、鲁棒性强的优点.

摘要：采用ＮＣⅡ交配设计，选用５个陆地棉亲本和３个柱头外露种质系组配１５个Ｆ１，分析了１４个性状的竞争优势和配合力。结果表明，Ｆ１代竞争优势明显，产量性状中，皮棉总产的竞争优势最大，其余依次为衣分、衣指、单株铃数等；品质柱状中，麦克隆值的竞争优势最大，其余依次为伸长率和２．５％跨长等。通径分析表明，铃重对霜前子棉的效应最大，单株铃致对子棉总产的效应最大。配合力上，陆地棉亲本以８０２７５６和０３０５的ＧＣＡ较好，柱头外露种质系以９３－１６３和－３－１４２台ＧＣＡ较好，ＳＣＡ效应显著的７个性状中，没有出现效应值均为正的组合，霜前皮棉、子棉总产和比强效应值均为正的组合有２个。文中讨论了柱头外露种质的利用价值和用配合力预测Ｆ１表型值的条件。

摘要：在地震信号和建筑结构系统的范数分析基础上,使用了混合控制优化指标J作为优化目标,并给出其物理含义·针对H2控制方案和H∞控制方案的优缺点,通过LMI凸优化方法求解混合控制器,给出了在给定γ值的前提下极小化指标J的H2/H∞混合控制方案,并给出了仿真算例·

摘要：位标器的跟踪性能由跟踪信号驱动形成的周期平均力决定,跟踪收敛性是位标器跟踪性能的重要体现。应用级数理论分析了位标器的跟踪收敛特性,得出了位标器的跟踪收敛性受到位标器跟踪系数k和跟踪相位误差Δθ影响的结论。并通过计算给出了位标器跟踪的收敛条件和收敛步长,即随着跟踪系数k与1的偏差Δk及跟踪相位误差Δθ增大,跟踪收敛步长也会相应增大。这些结论会给位标器跟踪算法的设计提供重要的理论支撑。

摘要：本文以提高计算机专业的程序设计水平为目的，主要探讨面向对象程序设计的教学模式、教学内容和教学方法，提出了如何充分认识面向对象程序设计的特点和怎样选择属于主流方向的程序设计语言，并以C＋＋语言教学为实例，提出了如何提高面向对象的程序设计水平。最后，根据计算机技术的发展，提出了实施可视化程序设计方法的必要性，并总结了在讲授Visual C＋＋．NET的过程中应该突出的重点内容。

摘要：为了提高电网的运行效率,抑制电网谐波,有源PFC得到了广泛的应用。针对现行PFC的过零检测有相位延迟、开关频率较高,对功率管损害比较大等问题,提出了新的控制方法,该方法的过零点选在整流桥前端,成功解决过零点相位延迟问题;利用国标规定的谐波标准进行叠加负载电流基波得到匹配模板,通过比对模板和采样电流的差异确定功率管的开关时机和时间,通过DSP对电流进行实时FFT分析,利用基波更新模板,利用谐波特性调整功率管开关响应,并最终确定最少的开关次数,从而最大程度延长功率管的使用寿命,而且输出结果符合国标要求。

摘要：生成对抗网络(GAN)是无监督学习领域最近几年快速发展的一个研究方向,其主要特点是能够以一种间接的方式对一个未知分布进行建模.在计算机视觉研究领域中,生成对抗网络有着广泛的应用,特别是在图像生成方面,与其他的生成模型相比,生成对抗网络不仅可以避免复杂的计算,而且生成的图像质量也更好.因此,本文将对生成对抗网络及其在图像生成中的研究进展做一个小结和分析:本文首先从模型的架构、目标函数的设计、生成对抗网络在训练中存在的问题、以及如何处理模式崩溃问题等角度对生成对抗网络进行一个详细地总结和归纳;其次介绍生成对抗网络在图像生成中的两种方法;随后对一些典型的、用来评估生成图像质量和多样性的方法进行小结,并且对基于图像生成的应用进行详细分析;最后对生成对抗网络和图像生成进行总结,同时对其发展趋势进行一个展望.