時至今日，以太網供電 (PoE) 技術仍在當今的網絡世界中不斷地普及。由供電設備 (PSE) 提供並傳輸至受電設備 (PD) 輸入端的 12.95W 功率是一種通用電源
標簽： PoE 集成 反激式控制器 PD接口
上傳時間： 2013-11-06
上傳用戶：xmsmh
介紹了一種反對稱漸變波導微帶探針過渡結構，采用高頻仿真軟件HFSS仿真分析了這個波導微帶過渡結構在 W 頻段的特性，并對影響過渡性能的幾個因素進行了敏感性分析，得出了可供工程應用參考的設計曲線。在全波導帶寬內，實現了插入損耗小于0.088 dB，回波損耗大于27 dB。該結構具有寬頻帶、結構簡單和易加工等優點，可廣泛用于毫米波固態電路系統中。
標簽： W波段 對稱 探針 轉換
上傳時間： 2013-11-13
上傳用戶：名爵少年
符合全球標準的小巧電源•35～150 W容量支持5 V, 12 V和24 V輸出電壓(100 W, 150 W: 僅24 V型)• 支持DIN導軌安裝• 安全標準 ： UL 508/60950-1, EN 60950-1CSA C22.2 No. 60950-1
標簽： S8JX 100 150 35
上傳時間： 2014-04-17
上傳用戶：fklinran
小麥在儲藏階段由于各種災害導致損失巨大，并降低了面粉質量，及時檢測并分離小麥的受損顆粒迫在眉睫。文章以提取4類小麥碰撞聲信號為基礎，使用數字信號處理方法對小麥完好粒、蟲害粒、霉變粒及發芽粒的碰撞聲信號提取有效特征，最后利用BP神經網絡進行分類，對于3類小麥類型的識別取得了較好的識別率。應用結果表明BP神經網絡能夠較好地實現區分受損小麥顆粒與完好小麥顆粒。
標簽： BP神經網絡 聲信號 分類
上傳時間： 2014-12-29
上傳用戶：lxm
針對硫化鎳礦選礦浮選工業過程中液位控制進行數學分析，建立 BP預測模型并實施多浮選槽液位控制方法，利用目前工程領域流行的 MATLAB 7.0中提供的神經網絡工具箱，對網絡模型進行訓練和仿真，為有效抑制各槽液位擾動、實時調整各浮選槽液位和實現浮選指標的提高提供了有效的途徑。仿真結果證明了BP神經網絡對解決硫化鎳礦浮選過程液位PID控制的有效性，具有廣泛應用和推廣的價值。
標簽： PID BP神經網絡 液位 控制
上傳用戶：凌云御清風
本文介紹了一種由低次級聯形式構成的W波段寬帶六倍頻器。輸入信號先經過MMIC得到二倍頻，再由反向并聯二極管對平衡結構實現寬帶三倍頻，從而將Ku波段信號六倍頻到W波段。該倍頻器的輸入端口為玻璃絕緣子同軸轉換接頭，輸出為 WR-10 標準矩形波導結構。仿真結果表明當輸入信號功率為20dBm時，三倍頻器在整個W波段的輸出三次諧波功率為4.5dBm左右，變頻損耗小于17dB。該設計可以降低毫米波設備的主振頻率，擴展已有微波信號源的工作頻段。
標簽： W波段 寬帶 倍頻器 仿真
上傳時間： 2013-11-16
上傳用戶：qingzhuhu
由于電子對抗技術的飛速發展，低頻段電子干擾設備已經非常完善，低頻段主動雷達的工作效能相應地大幅度降低。為了提高雷達系統的抗干擾能力，通過對國內外雷達技術發展趨勢的研究，以及影響雷達系統抗干擾能力主要因素的分析，說明了采用更高頻段的雷達導引頭技術發展的重要性。以W波段雷達導引頭技術發展及應用為前提，對其中需要解決的關鍵技術進行了分解，論述了W波段雷達導引頭的基本實現方案、關鍵技術解決途徑，得出W波段雷達導引頭技術發展具有策略上的必要性和技術上的可行性的結論。
標簽： W波段 雷達導引頭 技術分析
上傳時間： 2013-12-04
上傳用戶：mikesering
文中將BP神經網絡的原理應用于參數辨識過程，結合傳統的 PID控制算法，形成一種改進型BP神經網絡PID控制算法。該算法利用BP神經網絡建立系統參數模型，能夠跟蹤被控對象的變化，取得較高的辨識精度。針對BP神經網絡對權系初始值敏感的缺點，優化BP神經網絡的初始權系數。通過BP算法修正BP網絡自身權系數，實現PID參數的在線調整。仿真結果顯示了該算法收斂速度快、精度高、魯棒性強、穩定性好，表明了該算法的可行性與有效性。
標簽： PID BP神經網絡 算法 控制器
上傳時間： 2013-10-08
上傳用戶：cxl274287265
在變流器故障診斷系統中，通過MATLAB對牽引變流器建立故障仿真模型，提取故障特征，對輸入輸出數據進行標幺化和模糊化的處理，并基于改進的動量BP神經網絡算法，完成對變流器開關管開路的診斷，誤差滿足要求范圍，結果表明：該算法收斂迅速，能避免陷入局部極值，而且準確率很高，是一種快速有效的方法。
標簽： BP神經網絡 牽引變流器 故障診斷
上傳時間： 2013-11-09
上傳用戶：familiarsmile
針對傳統PID控制系統參數整定過程存在的在線整定困難和控制品質不理想等問題，結合BP神經網絡自學習和自適應能力強等特點，提出采用BP神經網絡優化PID控制器參數。其次，為了加快BP神經網絡學習收斂速度，防止其陷入局部極小點，提出采用粒子群優化算法來優化BP神經網絡的連接權值矩陣。最后，給出了PSO-BP算法整定優化PID控制器參數的詳細步驟和流程圖，并通過一個PID控制系統的仿真實例來驗證本文所提算法的有效性。仿真結果證明了本文所提方法在控制品質方面優于其它三種常規整定方法。
標簽： PID BP神經網絡 控制器 參數優化
上傳時間： 2014-03-21
上傳用戶：diets
蟲蟲下載站版權所有 京ICP備2021023401號-1
