一种智能电火花脉冲电源核心控制系统设计

来源 :科技与创新 | 被引量 : 0次 | 上传用户:dys206
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统脉冲电源响应速度慢、智能化程度低的问题,提出一款可用于电火花加工的智能脉冲电源核心控制系统,并基于FPGA技术实现。此设计采用自顶向下的设计方法,使用Verilog语言编程,QuartusII和Modelsim进行联调。此脉冲电源不仅可由上位机进行脉宽、脉间设定,而且也可根据模糊神经网络对脉冲放电状态的判断结果自动调整脉冲电源输出脉冲宽度、脉冲间隙。通过仿真,验证本控制系统实现脉冲电源自动、实时、智能调节。
其他文献
在轮胎破损图像识别的应用中,为了提高图像识别的准确率,需要提取轮胎图像的特征信息,通过利用卷积神经网络对数据集进行反复训练,然后得到轮胎破损图像的训练模型。而卷积神经网络在轮胎破损图像识别应用中容易出现过拟合现象,使得图像的训练准确率降低。针对此问题,提出了一种基于AlexNet卷积神经网络与岭回归分析相结合的图像识别算法。通过对岭回归分析和AlexNet卷积神经网络识别算法进行的学习研究,在算法
目标地区的地应力计算模型构建是指导该地区压裂,井壁稳定分析的基础工作。针对模型构建问题,该文构建了一种页岩地应力计算模型,并基于改进的BP神经网络对模型中的岩石力学参数进行反演预测,进而进行地应力预测。首先基于黄式模型,考虑页岩的各向异性,层理倾角影响,构建了符合目标地区的地质概况的地应力计算模型。然后设计了基于BP神经网络的岩石力学参数反演方法,将实测应力值与岩石力学参数通过神经网络建立非线性映射关系,进行网络训练,输出的参数可用于模型计算,进行地应力计算。最后以长宁工区龙马溪组页岩的测井资料为基础数据
网络教学是信息时代的产物,也是未来教育发展的重要方向.从“量子力学”网络课程建设的必要性、网络课程资源建设、教学过程设计以及网络课程中考核方式改革等方面进行了探索
中国传统诗词中蕴含着丰富的文化内涵。为了从海量的诗词库中搜索出最符合图像意境的诗词,实现解析图像内容、提取图像特征关键词,结合项目需求,提出一种基于迁移学习的多EfficientNet融合网络的图像分类算法。收集、整理了基础诗词库,创建了项目专有的诗词意象图像数据集NID(nature image dataset),其中共有9大类;将在ImageNet图像数据集上训练好的EfficientNet模
根据中国气象局气象干部培训学院四川分院的预报培训教学任务及全国气象行业重要天气预报技能竞赛需求,建立“四川省天气预报培训与竞赛历史个例分析及应用平台”。该平台采用javaWeb的MVC设计模式,利用Structs2架构,Hibernate持久化绑定MYSQL数据库,以Tomcat为容器。主要包括历史个例分析、历史资料下载、历史资料查询、历史个例分型、在线考试、自主阅卷等功能,能够基本满足培训和竞赛需求,支撑预报培训业务的发展。
习近平总书记提出量子科技发展突飞猛进,成为新一轮科技革命和产业变革的前沿领域.中国量子科技领域的高速发展,主要基于国家科技体制的保障,冷门领域中的机会以及相关科技人
以青岛地铁施工为背景,基于FLAC3D,研究拱盖法施工中拱脚处围岩强度对地表沉降的影响,分析了拱盖法施工中不同围岩强度对各工序沉降的影响规律以及拱盖发挥作用的施工阶段。
近年来基于车联网技术实现的协同式自适应巡航控制(cooperative adaptive cruise control, CACC)已经成为重要的智能网联汽车应用场景。CACC系统的有效性依赖于基于车联网通信实现的车辆速度、加速度等信息的实时、可靠交互,然而受各类天气条件及行车环境的影响,理想、可靠的通信环境难以在实际交通场景中实现。因此迫切需要在不可靠通信条件下对CACC的适应性进行评估分析,以研究不可靠通信条件对CACC模型的影响。针对上述问题,首先围绕测试评估需求,分析了三种典型CACC跟驰模型;其
放射治疗作为肿瘤治疗常用手段之一,在肿瘤治疗中具有重要的地位,剂量计算的精确性关系到放射治疗疗效。使用蒙特卡罗模拟程序(EGSnrc/DOSXYZnrc)对5MV点源光子束在非均匀介质中的能量沉积进行了计算,研究了模体中心轴上的剂量分布情况。模拟结果表明,在肺/骨等效材料中剂量减弱/增强,剂量扰动的强弱取决于射野大小和介质种类等多种因素。对于肺等效材料,随着射野的增大,剂量减弱效应逐渐减小,最后趋于不明显,而对于骨等效材料,随着射野的增大,剂量增强效应逐渐减小,最后出现剂量减弱效应。
基于某信贷机构历史业务原始数据,经过数据预处理后,分别建立决策树、逻辑斯蒂、BP神经网络和随机森林预测模型,得到的准确率不超过90%。再对原始数据进行特征分箱后,通过XGBoost算法建立模型,准确率提高为91.2%。最后,基于Cook距离的多元模型检测到的离群点与逾期客户有显著关系,模型准确率为96.7%,召回率为99.3%。