基于tps5430的正压转正负电压原理图
2023-04-09 00:47:24 1.83MB 正负电源 DC-DC
1
针对大规模电动汽车充电功率因数较低,谐波对电网污染严重,系统效率低、充电速度慢,不能满足电动汽车充电要求的特点,设计采用了一种前级带Boost-PFC的LLC谐振电源和后级为双向DC-DC的电路拓扑结构。针对功率因数低,采用单周期控制方法实现功率因数校正;利用在高频变压器副边添加电容和变压器漏感间的谐振,达到LLC谐振以减小开关损耗;采取正负脉冲双向DC-DC电路来加快充电速率。在Matlab和PSIM仿真验证了该设计能够实现电源变换电路开关元器件的零电压开通,且可以缩短充电时间,使网侧电流谐波畸变率小于5%,功率因数达到0.975。仿真验证了该设计在高功率因数和快速性方面达到了预期,对于汽车电池的应用有很好的效果。
1
DCDC之12V转正负5V电路图 用CS5171简单,实用电路见下图(图中的二极管都用肖特基二极管或者快速恢复二极管)。它的原理就是PWM电路加上不同方向的整流二极管实现对称正负双电源输出,电压由比例电阻R2和R3的阻值之比决定。 dcdc正负电压转换电路 1、C1用于提供LM2576一开始工作瞬间时的较大电流。 2、*D1, *U1, *R1为过压保护电路,+5V^ +12V转-5V^ -12V时可以不接,当正负压差在36V以上时,关闭LM2576,保护电源IC,防止开关管被击穿3、R3为上拉电阻,ON/OFF弓脚输入低电平工作。 4、D2,U2,R2为输入电压监控电路,当输入电压到达4.5V时,才使LM2576。 工作,若不加改部分电路,则一上电,LM2576的开关管就导通,电路中会有大电流,可能会损坏LM2576, R2可以根据输入电压大小调整一下。 5、R4为电压调整电位器,选择2个电阻接上也可。 6、D3为续流二极管,小于1A时用1N5819即可, 1N5822为3A电流使用。 7、D4为了保护C3上电时不输出反极性电压, 所以D4用1N400
2023-04-03 11:17:47 177KB DCDC 正负转换电路 电源 文章
1
EPICS在正负电子对撞机低温控制系统中的应用rar,EPICS在正负电子对撞机低温控制系统中的应用
2023-03-31 19:24:52 82KB 技术案例
1
计算机图形学实验,利用Matlab实现正负法画圆,画出来是个整圆。
2023-03-27 15:02:22 478B 正负法
1
为揭示电网不对称故障下逆变型分布式电源的故障特征及机理,基于功率平衡和特性受控的思想,推导了基于正负双序独立控制策略下的短路电流表达式并分析了短路电流的影响因素。分析结果表明:逆变型分布式电源的正、负序电流dq轴分量是电压跌落作用下的二阶响应,三相正、负序电流由于二阶响应的超调一般呈现先逐渐增大后衰减到稳态值的趋势;逆变型分布式电源不对称故障电流的稳态值与输出的有功功率、无功功率以及正序电压、负序电压大小有关,暂态特性与变流器的控制参数以及故障瞬间电流相位紧密相关。PSCAD仿真和录波数据验证了理论推导的正确性。分析方法能够有效地表征逆变型分布式电源的故障特征,为通过变流器并网元件的故障特征分析和相关继电保护研究提供了理论参考。
1
C#动态画正弦曲线余弦曲线,C#动态画正弦曲线余弦曲线,C#动态画正弦曲线余弦曲线,应论坛网友要求,上传代码分享。
2023-03-11 08:44:06 232KB c# 正弦曲线 画图
1
中文语义情绪识别训练样本 购物评论训练样本 可用于自然语义识别模型训练和预测 自带2万余条带有正负情绪倾向的中文评论
2023-02-08 16:19:56 2.85MB 机器学习 NLP 训练样本
1
资源里面的每一个函数都有详细的介绍以及使用方法,可以正反相显示正负浮点数,图片,汉字,字符串。也可滚动显示。详情可以到我的主页查看所写文章
2022-10-05 01:55:16 4.9MB stm32 HAL OLED
1
Word2Vec和LDA 使用Word2Vec和LDA和Humır数据集进行文本分析(正负)的示例 通常,我们将经历4个主要步骤(我将按照自己的步骤添加这些步骤); 功能控制 特征创建 模型训练 选型 1)功能控制 我们快速探索将要使用的数据集的阶段; 读取数据 提供列名 以5个内容为例 学习行数和列数 学习有关数据集的一般信息(信息,描述) 一些列的内容中有多少个不同的值 分离我们不会在数据集中使用的数据 将数据集分离为训练和测试 在数据集的测试部分中学习信息 在数据集训练部分中学习信息 可视化正面和负面评论的数量 可视化注释中使用的单词的数字分布 评论和包含250个以上单词的评论中使用的最大,最小,平均单词数 浏览带有1、2、3个字的评论 2)特征创建 自然语言处理中通常的方法是先清除文本。 当两个不同的词表达相似的事物时,我们必须确保我们的模型理解相似性。 我
2022-09-04 21:55:16 254KB Python
1