<code id="kmes2"></code>
對於輸出電壓處於輸入電壓範圍之內 (這在鋰離子電池供電型應用中是一種很常見的情形) 的 DC/DC 轉換器設計，可供采用的傳統解決方案雖有不少，但迄今為止都不能令人非常滿意
上傳時間： 2013-11-19
上傳用戶：urgdil
在汽車、工業和電信行業的設計師當中，使用高功率升壓型轉換器的現像正變得越來越普遍。當需要 300W 或更高的功率時，必須在功率器件中實現高效率 (低功率損耗)，以免除增設龐大散熱器和采用強迫通風冷卻的需要
上傳時間： 2014-12-01
上傳用戶：lhc9102
反激式轉換器通常應用於具有多個輸出電壓並要求中低輸出功率的電源。配合采用一個反激式轉換器，多輸出僅增加極少的成本或復雜度––– 每個額外的輸出僅要求另一個變壓器繞組、整流器和輸出濾波電容器。
上傳時間： 2013-11-22
上傳用戶：3294322651
透過增加輸入電容，可以在獲得更多鏈波電流的同時，還能藉由降低輸入電容的壓降來縮小電源的工作輸入電壓範圍。這會影響電源的變壓器圈數比以及各種電壓與電流應力(current stresscurrent stress current stresscurrent stress current stress current stress )。電容鏈波電流額定值越大，應力越小，電源效率也就越高。
上傳時間： 2013-11-11
上傳用戶：jelenecheung
具備處理外部模擬信號功能是很多電子設備的基本要求。為了將模擬信號轉換為數字信 號，就需要藉助A/D 轉換器。將A/D 功能和MCU 整合在一起，就可減少電路的元件數量和 電路板的空間使用。 HT45F23 微控制器內建6 通道，12 位解析度的A/D 轉換器。在本應用說明中，將介紹如何 使用HT45F23 微控制器的A/D 功能。
上傳時間： 2013-10-27
上傳用戶：nostopper
在室內環境中可結合式子母機器人系統，子機為一多功能平臺，可放置各種家庭所需之設備，而母機為一輪式機器人，經由兩者的結合，可提供高機動性與多功能的服務。在結合的技術面，傳統的吸塵器機器人與充電站之間的導航系統使用紅外線感測作為依據，當兩者間有障礙物阻擋時，紅外線感測器導航系統將會失效。因此本系統利用聲源方向做為機器人決定移動方向的依據，由於聲波傳遞的特性，即使在有障礙物的情況下，依然可以有效地偵測。此外，在移動的過程中，本系統利用光流偵測法判斷是否遭遇障礙物或是利用Support Vector Machine分類判斷與聲源之間為是否有障礙物的阻隔；若發現前方有障礙物，則啟動避障策略，用有效的方式繼續往目標移動。最後，當母機接近子機時，可根據多種紅外線感測器資訊進行子母機器人的結合，結合成功後，母機將可搭載子機成為一自由行動之機器人。
標簽： 系統
上傳時間： 2013-12-19
上傳用戶：mhp0114
華為開關電源電感器設計 正激式開關電源變壓器設計步驟
上傳時間： 2021-12-03
上傳用戶：fliang
許多電信和計算應用都需要一個能夠從非常低輸入電壓獲得工作電源的高效率降壓型 DC/DC 轉換器。高輸出功率同步控制器 LT3740 就是這些應用的理想選擇，該器件能把 2.2V 至 22V 的輸入電源轉換為低至 0.8V 的輸出，並提供 2A 至 20A 的負載電流。其應用包括分布式電源繫統、負載點調節和邏輯電源轉換。
上傳時間： 2013-12-30
上傳用戶：arnold
對於集成電路而言，汽車是一種苛刻的使用環境，這裡，引擎罩下的工作溫度範圍可寬達 -40°C 至 125°C，而且，在電池電壓總線上出現大瞬變偏移也是預料之中的事
上傳時間： 2013-11-20
上傳用戶：zhaiye
提出了一種改進的LSM-ALSM子空間模式識別方法，將LSM的旋轉策略引入ALSM，使子空間之間互不關聯的情況得到改善，提高了ALSM對相似樣本的區分能力。討論中以性能函數代替經驗函數來確定拒識規則的參數，實現了識別率、誤識率與拒識率之間的最佳平衡；通過對有限字符集的實驗結果表明，LSM-ALSM算法有效地改善了分類器的識別率和可靠性。關 鍵 詞 學習子空間; 性能函數; 散布矩陣; 最小描述長度在子空間模式識別方法中，一個線性子空間代表一個模式類別，該子空間由反映類別本質的一組特征矢量張成，分類器根據輸入樣本在各子空間上的投影長度將其歸為相應的類別。典型的子空間算法有以下三種[1, 2]：CLAFIC(Class-feature Information Compression)算法以相關矩陣的部分特征向量來構造子空間，實現了特征信息的壓縮，但對樣本的利用為一次性，不能根據分類結果進行調整和學習，對樣本信息的利用不充分；學習子空間方法(Leaning Subspace Method, LSM)通過旋轉子空間來拉大樣本所屬類別與最近鄰類別的距離，以此提高分類能力，但對樣本的訓練順序敏感，同一樣本訓練的順序不同對子空間構造的影響就不同；平均學習子空間算法(Averaged Learning Subspace Method, ALSM)是在迭代訓練過程中，用錯誤分類的樣本去調整散布矩陣，訓練結果與樣本輸入順序無關，所有樣本平均參與訓練，其不足之處是各模式的子空間之間相互獨立。針對以上問題，本文提出一種改進的子空間模式識別方法。子空間模式識別的基本原理1.1 子空間的分類規則子空間模式識別方法的每一類別由一個子空間表示，子空間分類器的基本分類規則是按矢量在各子空間上的投影長度大小，將樣本歸類到最大長度所對應的類別，在類x()iω的子空間上投影長度的平方為()211,2,,()argmax()jMTkkjpg===Σx (1)式中 函數稱為分類函數；為子空間基矢量。兩類的分類情況如圖1所示。
上傳時間： 2013-12-25
上傳用戶：熊少鋒
