精华内容
下载资源
问答
  • 本文基于HST的非线性动力学,建立了TS模糊线性模型。考虑到安全性,准时性和能效,提出了一种基于TS模糊线性HST控制模型的自适应预测控制方法。考虑到模型的适应性和方法的实时性,在模型预测误差超过给定阈值的...
  • 该文提出了一种基于滑模模型参考自适应系 统(model reference adaptive system,MRAS)的永磁同步电机 无位置传感器控制策略。其中,参考模型为永磁电机本身, 可调模型为永磁电机电流模型。利用两模型输出的偏差...
  • 痛泻要方对小鼠不同机能状态胃肠运动双向调节作用的研究,旺建伟,赵文静,目的 通过对小鼠不同机能状态胃肠运动的影响,研讨痛泻要方对胃肠运动的双向调节作用。方法 采用大黄致小鼠腹泻模型,复方地芬诺�
  • matlab 的馈控制模型

    2012-12-11 12:13:21
    matlab 的馈控制模型,里面包含了3/2变换,和Pi调节器,限幅等等
  • 然后建立基于深度信任网络和回归模型的双向度量模型DM-QSM,将服务描述信息和类似服务历史数据作为训练样本数据集对DM-QSM进行正向训练,再结合用户反馈对DM-QSM进行逆向调优,以实现QoS度量指标权重及其偏好度的...
  • 对于满足反向反应约束的初始状态,我们发现幂的幅值 光谱仍可能发生显着变化,而光谱中的变化仍然很小。 对于这种初始状态,M的上限为几十个H,其中H为充气期间的哈勃参数。 我们表明,对于M〜20H,这种初始状态...
  • 闭环控制的直流调速系统的特点就是电动机的转速和电流由两个独立的调节器分别控制,且转速调节器(ASR)的输出就是电流调节器(ACR)的给定,因此电流环能够跟随转速的偏差调节电动机的电枢电流。当转速低于给定速度...
  • et al., 2018,Radford et al., 2018), BERT 旨在通过联合调节所有层中的左右上下文来预训练深度 双向表示。因此,只需要一个额外的输出层,就可以对预训练的 BERT 表示进行微调,从而为广泛的 任务(比如回答问题...
  • 通过分析三相脉宽调制( PWM) 整流器在d-q 旋转坐标系下的数学模型,设计了具有前馈解耦控制的PWM 整流器闭环控制系统。根据系统对电流内环的控制要求设计电流比例积分( PI) 调节器,提出按闭环幅频特性峰值( Mr) ...
  • 首先,给出改进的周期性双向拍卖模型,采用分段拟 合的方法来确定买卖双方的满意度函数,并且利用供求比例参数来调节买卖双方各自的满意度在总满意度中的权重。在此基础上,提出了即时和批量两种不同匹配算 法来匹配...
  • 对于输入输出系统的模型预测控制(DMC)的MATLAB实现DMC(动态矩阵控制)的简介单变量DMC控制预测模型:滚动优化:反馈校正: DMC(动态矩阵控制)的简介 动态矩阵控制: 基于对象阶跃的预测控制算法,适用...

    对于双输入双输出系统的模型预测控制(DMC)的MATLAB实现

    DMC(动态矩阵控制)的简介

    动态矩阵控制:

    1. 基于对象阶跃的预测控制算法,适用于渐进稳定的线性对象;
    2. 对于非线性的对象,也可以先通过在工作点线性化来使用;
    3. 对于不稳定的对象,可以先通过简单地PID调节使其稳定,再使用DMC算法;

    单变量DMC控制

    在这里插入图片描述

    单变量的DMC可以分为预测模型、滚动优化、反馈校正共三步:

    预测模型:

    通过模型的阶跃响应值来得到模型的动态响应矩阵,作为预测模型:

    在这里插入图片描述

    滚动优化:

    通过对预测值和当前的值进行计算,使得优化公式达到最佳:

    在这里插入图片描述

    反馈校正:

    为防止滚动优化的偏差较大,而引入反馈校正,测量当前的输出,用于预测输出,滚动优化:

    在这里插入图片描述
    除此之外,还要设置离线准备,即一些参数可以直接计算得到,因此,在这里插入图片描述
    再把每个步骤使用代码实现,即可得到相应的单输入单输出DMC控制系统。
    双输入双输出系统只不过多了一部分相互耦合的部分,代码实现:https://download.csdn.net/download/weixin_43058070/11253709

    展开全文
  • 笼型转子无刷馈电机数学模型分析及实验研究,韩力,王斌,无刷馈电机(Brushless Doubly-Fed Machine,BDFM)具有变频器容量小、系统成本低、功率因数和转速调节灵活等优点,在变频调速驱动及变速�
  • 高比例可再生能源电网内,为促进优质可控电源与可控负荷的发展,提高系统供需平衡的调节能力,考虑电源和负荷响应性能进行电力市场交易模式设计。在电源侧引入机组的调节性能指标;在负荷侧设置负荷聚合商参与市场的...
  • 设计通过位置调节器 APR(Automatic position regulator)、 转速调节器ASR(Automatic speed regulator)、电流调节器 ACR(Automatic current regulator)... 利用 MATLAB/Simulink 软件建立了电机伺服控制系统仿真模型
  • 设计通过位置调节器 APR(Automatic position regulator)、 转速调节器ASR(Automatic speed regulator)、电流调节器 ACR(Automatic current regulator)... 利用 MATLAB/Simulink 软件建立了电机伺服控制系统仿真模型
  • 根据采煤机采煤工艺,在分析采煤机工作姿态变化规律的基础上,推导刀示范记忆截割数学模型和再现轨迹时采煤机姿态与示范截割时的姿态关系,并分析误差,最终论证利用推导出的算法对滚筒调节并使之到达示范截割模式下的...
  • 摘要:通过分析三相脉宽调制( PWM) 整流器在d-q 旋转坐标系下的数学模型,设计了具有前馈解耦控制的PWM 整流器闭环控制系统。根据系统对电流内环的控制要求设计电流比例积分( PI) 调节器,提出按闭环幅频特性峰值...
  • http://lianxh.duanshu.com 直播:动态空间面板 | 空间差分 SDID离散型调节变量——该如何设定模型?❝「Source:」 Benjamin Ferland. 2018. The Alternative Specification of Interaction Models With a ...

    连享会[4]-直播平台上线了!
    http://lianxh.duanshu.com313834b7f27104af040c70955aa86555.png

    直播:动态空间面板 | 空间双差分 SDID

    离散型调节变量——该如何设定模型?

    「Source:」 Benjamin Ferland. 2018. The Alternative Specification of Interaction Models With a Discrete Modifying Variable . The Political Methodologist.

    自从 Brambor,Clark 和 Golder (2006) (以下简称 BCG ) 在《Political Analysis》中发表文章以来,我们对交互模型有了更深的理解,现在大多数实证学者也已经整合了正确执行和解释交互模型的工具。其中,BCG 的主要建议之一是在进行模型设定的时候,将交互作用的所有构成项都包含在模型中。

    然而,BCG 也在其论文的公式 (7) 中指出,当一个调节变量 () 是离散型变量时,进行模型设定时可以从交互模型中去掉某些构成项,此时的模型设定 (后文简称「「替代设定」」) 和原有的设定方法 (后文简称「「标准设定」」) 是等价的。

    遗憾的是,这种「「替代设定」」方式并没有得到学术界的广泛认可。因此,本文的目的在于详细说明二者等价的原因,并提供一些实际的例子。

    在下一部分,我将展示关于模型设定的 BCG 「「标准设定」」和「「替代设定」」的等价性。然后,我提供了在实际情况下应用这两种方法的简短示例—— Adams et al. (2006) 的研究《小众政党与主流政党有本质区别吗?》,通过示例的结果分析可以发现,进行模型设定时,无论是使用 BCG 提出的标准方法还是替代方法,都可以得到相同的结果。

    总的来说,虽然两种模型设定的方法的效果是相同的,但是在解释回归结果方面,这两种模型设定的方法各有一些优势。

    • 「标准设定」」的优点是可以在回归结果中直接显示变量 对变量 的边际效应的差异在调节变量 的各个类别之间是否具有统计显著性。
    • 「替代设定」」的主要优点是可以在回归结果中直接显示变量 在调节变量 的每个类别下的边际效应。因此,研究人员可以根据他们想要展示和强调的结果在两个等价的模型设定的方法之间进行选择。

    简言之,简言之,「「标准设定」」可以显示「系数差异」,而「「替代设定」」则有助于显示系数的原始数值。

    1. 模型设定的标准方法和替代方法之间的等价性

    这里,我以一个因变量 为例,它受到连续变量 和虚拟变量 交互作用的影响。我先展示两种模型设定方式,进而说明他们的关系和区别。

    1.1 标准设定

    BCG 的「「标准设定」」要求在模型中同时放入 和交乘项 (后文简写为 ) ,即:

    其中, 是连续变量, 是虚拟变量。当 的边际效应 () 等于 ,而当 的边际效应则等于 +

    1.2 替代设定

    BCG (参见等式 7 ) 和 Wright (1976) 提到的模型设定的替代方法是将虚拟变量 视为两个虚拟变量:原始变量 (等于 0 和 1) 以及 的反面 (当 时为 1,当 时为 0)。例如,如果 是一个虚拟变量,其中 1 代表民主国家,0 代表专制国家,那么 则是一个相反的虚拟变量,其中 1 代表专制国家, 0 代表民主国家。因此, 并且

    模型设定的替代方法如下:将 分别与 相乘得到新的交乘项 ,其次将这两个交乘项和虚拟变量 中的其中一个虚拟变量纳入模型中。

    需要说明的是,由于 以及常数项这三者是完全共线性的,因此在模型中放入常数项后,只需包含 的其中一个。同理,由于模型中已经包含两个交乘项:,我们也无需再放入 本身了。

    因此,替代方法如下式:

    等式 (2) 可以改写为:

    由 (3) 式可以发现,进行模型设定时也可以不创建 ,而只需将 乘以 ()。在 (2) 式和 (3) 式中,当 时 (即当 =1 时) 的边际效应等于 , 而当 的边际效应由 给出。

    1.3 简单对比

    「替代设定」」的主要优点是可以从回归结果中直接得到离散型调节变量 的每个类别对 的边际效应及其相关的标准误。而「「标准设定」」则无法直接得到这些结果,它仅能直接提供这些结果中的一个 (即 ,当 的边际效应)。

    因此,若使用「「标准设定」」,当 时,我们需要将 相加以获得 的边际效应。在 Stata 中,可以使用命令 lincom (lincom _b[coef1] + _b [coef1]) 得到这个结果。

    然而,「「替代设定」」的优点也同时是它的缺点:其回归结果没有表明当 时和 的边际效应之间的差异是否具有统计显著性。而这则是「「标准设定」」的优点,它可以在回归结果中提供此信息。如果在等式(1) 中,系数 具有统计显著性,则表明当 时, 的边际效应在统计上与 的边际效应是不同的。如果要用替代方法设定的模型的结果来回答这个问题,我们必须检验 的等价性。在 Stata 中,使用命令 test (test _b [coef1] = _b [coef2]) 或 lincom (lincom _b [coef1] - _b [coef2]) 可以达到这个检验目的。

    综合而言,我们也可以在论文中同时呈现两种设定两种设定下的结果,以便读者可以一目了然地看到系数之间的关系。

    无论离散型变量是名义变量还是有序变量,这种模型设定的替代方法都可以推广到具有多个类别的离散型变量,方法步骤是一样的。

    • 首先,我们需要为离散型调节变量的每个类别创建一个虚拟变量。
    • 然后,我们将 与每一个虚拟变量中的每一个相乘得到相应的交互项。
    • 最后,在模型中包含虚拟变量 、得到的所有交互项项和其他所有构成项 (除了 )。

    通过这种方法进行模型设定,研究人员可以直接估计 在离散型调节变量的不同值上的实质影响的大小。

    2. 文献重现:小众政党与主流政党有本质区别吗?

    在本节中,我通过重现 Adams  et al.  2006 年发表在《American Journal of Political Science》上的文章《小众政党与主流政党有本质区别吗?》的实证结果,比较了交互模型设定的标准方法和替代方法的结果。

    问题背景

    这篇文章主要研究了两个问题。首先,作者研究了主流政党在调整政策方案方面是否比小众政党更能响应公共舆论的转移。其次,基于这一预测,他们研究了在调节其政策立场时,小众政党是否会比主流政党在选举中受到更多惩罚。这里,我只重现了他们与第一个问题相关的模型。

    Adams  et al. (2006) 对七个发达民主国家(意大利、英国、希腊、卢森堡、丹麦、荷兰和西班牙) 在 1976-1998 年间的数据进行了假设检验,并且使用 Comparative Manifesto Project ( CMP) 的数据衡量政党在左右意识形态层面上的政策立场。欧盟民意调查 (Eurobarometer) 被用于根据相应的左右意识形态维度来定位受访者。舆论是所有受访者自我定义的平均水平。最后,作者将共产主义、绿党和民族主义政党编码为一个虚拟变量——小众政党。

    模型设定和实证结果

    在表 1 中,我研究了政党对舆论的反应,并介绍了模型设定的两种方法的结果。Adams  et al. (2006) 采用常见的标准方法进行模型设定,将变量舆论转移 () 与虚拟变量小众政党 () 进行交互得到交乘项。因变量是一方政党左右立场的变化。因此,Adams  et al. (2006) 设定了一个动态模型。在该模型中,他们评估舆论的变化是否会影响两次选举之间政党立场的变化。模型里包括了对国家的固定影响和一些控制变量(详细解释见原文)。由此,得到的模型设定如下:

    在表 1 的第 (1) 列中,我展示了与 Adams  et al. (2006) 文章中表 1 中公布的结果相同的结果。其中,第 (1) 列的结果支持了作者的观点,即小众政党对舆论转移的反应不如主流政党。舆论转移 () 的系数(0.97) 在统计上显著为正,表明当舆论向左转变时,主流政党 (小众政党 =0) 会相应向左调整政策立场。舆论转移与小众政党的交互项 () 的系数 (-1.52) 表明,面对舆论转移,小众政党调整其政策立场的反应低于主流政党1.52个百分点,并且该差异具有统计学意义(p<0.01)。

    在表 1 的第 (2) 列中,我展示了使用替代方法进行模型设定的结果。生成主流政党 () 的变量后分别将小众政党()、主流政党 () 与舆论转移 () 进行交互得到交乘项,纳入模型后,模型展示如下:

    这里,主流政党 () 等于(1 -小众政党() )。

    我们可以发现,其实第 (1) 和 (2) 列中的结果在数学上是等价的,两列中的控制变量的系数完全相同。然而,两个模型的结果在对交互效应的解释效果上却是存在差异的。一方面,在第 (2) 列中,主流政党-舆论转移 () 系数为 ,等于第 (1) 列中舆论转移 () 的系数。这是因为第 (2) 列中主流政党-舆论转移 () 的系数表明舆论转移对主流政党立场的影响,正如第 (1) 栏中舆论转移 () 的系数代表的含义是一样的。

    另一方面,第 (2) 列中小众政党-舆论转移系数 () 等于 ,在5%水平上具有统计显著性。这表明当舆论向左转变时,小众政党向右调整其政策立场。当使用标准方法进行模型设定时,则未能直接显示这个结果,正如第 (1) 列所示。当使用标准方法进行模型设定时,要想得到小众政党与舆论转移的交互作用的系数,必须 将舆论转移 () 的系数和舆论转移与小众政党交乘项 () 系数相加以获得边际效应。如表中结果可知,第 (1) 列中舆论转移 () 的系数和舆论转移与小众政党交乘项 () 系数之和,即 ,这与第 (2) 列中小众政党-舆论转移 () 的系数相等。

    在第 (2) 栏中,Wald 检验表明,小众政党-舆论转移 () 和主流政党-舆论转移 () 的边际效应的差异在1%水平上具有统计显著性,正如第 (1) 列中舆论转移与小众政党交乘项 () 的系数显示的那样。

    cf085b011a914b4332c443fb394949b2.png
    image

    总体而言,当交互模型中的调节变量是离散型变量时,研究人员可以使用两种不同的方法进行模型设定:BCG 标准方法(包含交互的所有构成项) 和替代方法(不明确包含交互的所有构成项)。这两种方法在解释交互效应方面都有其优势。其中,替代方法的优点是对于离散型调节变量 的每个类别,可以直接显示自变量 的边际效应。另一方面, BCG 标准方法的优点是直接呈现 在离散型调节变量 每个类别下的边际效应的差异是否在统计上显著)。但是,研究人员在两种模型中均需要进行额外的检验,使用替代方法时需要验证边际效应的差异是否在统计上显著,使用常见的标准方法时则需要分别计算离散型调节变量每个类别下的实际边际效应。

    3. Stata 范例

    使用 数据 「c10interaction.dta」 (http://www.stata-press.com/data/agis4/c10interaction.dta) , 研究收入 「inc」 与性别 「male」 和受教育年限 「educ」 之间的关系,其中,关于性别 「male」 的衡量,当为女性时,「male」 =1,当为男性时,「male」 =0

    标准设定

    . use http://www.stata-press.com/data/agis4/c10interaction.dta, clear
    . egen mis = rowmiss(_all)
    . drop if mis
    . gen educXmale= educ*male
    . reg inc male educ educXmale


    Source | SS df MS Number of obs = 120
    -------------+---------------------------------- F(3, 116) = 34.89
    Model | 122604.719 3 40868.2397 Prob > F = 0.0000
    Residual | 135875.281 116 1171.33863 R-squared = 0.4743
    -------------+---------------------------------- Adj R-squared = 0.4607
    Total | 258480 119 2172.10084 Root MSE = 34.225

    ------------------------------------------------------------------------------
    inc | Coef. Std. Err. t P>|t| [95% Conf. Interval]
    -------------+----------------------------------------------------------------
    male | -91.88539 26.27242 -3.50 0.001 -143.9212 -39.84954
    educ | 3.602369 1.388076 2.60 0.011 .8531092 6.351628
    educXmale | 8.196446 1.885263 4.35 0.000 4.462445 11.93045
    _cons | 16.84834 19.07279 0.88 0.379 -20.92773 54.6244
    ------------------------------------------------------------------------------

    . regfit

    inc = 16.848 - 91.885*male + 3.602*educ + 8.196*educXmale
    (0.88) (-3.50) (2.60) (4.35)
    N = 120, R2 = 0.4743, adj-R2 = 0.4607

    . lincom educ + educXmale

    ( 1) educ + educXmale = 0

    ------------------------------------------------------------------------------
    inc | Coef. Std. Err. t P>|t| [95% Conf. Interval]
    -------------+----------------------------------------------------------------
    (1) | 11.79881 1.27572 9.25 0.000 9.27209 14.32554
    ------------------------------------------------------------------------------

    由上述标准方法的回归结果可知,当是男性( 「male」 =0) 时,受教育年限对收入的边际效应为 3.602 (即为 「educ」 的系数) ;当是女性( 「male」 =1) 时,受教育年限对收入的边际效应为 11.799 (即为 「educ」 的系数 3.602 加上 「educXmale」 的系数8.196, 3.602+8.196=11.799) ,并且边际效应具有显著性。

    替代设定

    use http://www.stata-press.com/data/agis4/c10interaction.dta
    egen mis = rowmiss(_all)
    drop if mis
    gen Male = 1-male
    gen educXmale= educ*male
    gen educXMale= educ*Male
    reg inc male educXmale educXMale

    Source | SS df MS Number of obs = 120
    -------------+---------------------------------- F(3, 116) = 34.89
    Model | 122604.719 3 40868.2397 Prob > F = 0.0000
    Residual | 135875.281 116 1171.33863 R-squared = 0.4743
    -------------+---------------------------------- Adj R-squared = 0.4607
    Total | 258480 119 2172.10084 Root MSE = 34.225

    ------------------------------------------------------------------------------
    inc | Coef. Std. Err. t P>|t| [95% Conf. Interval]
    -------------+----------------------------------------------------------------
    male | -91.88539 26.27242 -3.50 0.001 -143.9212 -39.84954
    educXmale | 11.79881 1.27572 9.25 0.000 9.27209 14.32554
    educXMale | 3.602369 1.388076 2.60 0.011 .8531092 6.351628
    _cons | 16.84834 19.07279 0.88 0.379 -20.92773 54.6244
    ------------------------------------------------------------------------------
    regfit
    inc = 16.848 - 91.885*male +11.799*educXmale + 3.602*educXMale
    (0.88) (-3.50) (9.25) (2.60)
    N = 120, R2 =0.4743, adj-R2 = 0.4607

    test educXmale=educXMale

    ( 1) educXmale - educXMale = 0

    F( 1, 116) = 18.90
    Prob > F = 0.0000

    由上述替代方法的回归结果可知,当是男性( 「male」 =0,「Male」 =1) 时,受教育年限对收入的边际效应为3.602 (即为 「educXMale」 的系数) ;当是女性( 「male」 =1,「Male」 =0) 时,受教育年限对收入的边际效应为 11.799 (即为 「educXmale」 的系数 ) ,且两者边际效应的差异在1%水平上具有统计显著性。

    由此范例可知,当交互模型中的调节变量是离散型变量时,模型设定的标准方法和替代方法均可用以检验分析其交互作用,其中,常见的标准设定方法可以直接体现 「educ」「inc」 在 调节变量 「male」 下的边际效应是否具有显著性, (从范例的标准模型设定的结果表格中可以直接获取 「educXmale」 的系数8.196 在1%水平上具有统计显著性) ,而替代设定方法则可以直接显示对于调节变量的各个类别 「male」  和 「Male」「educ」「inc」 的边际效应 (即是范例中的 「educXmale」「educXMale」 的系数)。

    参考文献

    • Adams, James, Michael Clark, Lawrence Ezrow and Garrett Glasgow. 2006. "Are Niche Parties Fundamentally Different from Mainstream Parties? The Causes and the Electoral Consequences of Western European Parties' Policy Shifts, 1976-1998." American Journal of Political Science 50 (3) : 513–529. [[Link]]https://onlinelibrary.wiley.xilesou.top/doi/abs/10.1111/j.1540-5907.2006.00199.x()
    • Brambor, Thomas, William Roberts Clark and Matt Golder. 2006. "Understanding Interaction Models: Improving Empirical Analyses." Political Analysis 14: 63–82. [Link]
    • Wright, Gerald C. 1976. "Linear Models for Evaluating Conditional Relationships." American Journal of Political Science 2: 349–373. [Link]

    a1c55acf8498c69ce372b4c9e5349245.png

    展开全文
  • PID调节器是逆变器中不可或缺的部分,PID调节器的好坏直接影响到逆变器的输出性能和带载能力。文中构建了10 KVA的单相SPWM逆变器的Simulink模型,负载采用纯阻性载和整流载分别进行仿真。仿真结果表明,在不同的负载...
  • 转速电流闭环控制直流调速系统的仿真模型。 运用以下的参数: 转速调节器ASR:Kp=17.72,Ki=1/0.087; 电流调节器ACR:Kp=2.47,Ki=1/0.065; 积分环节的限幅值为,调节器输出限幅值为; 三相晶闸管整流器SCR:Ks=...
  • (3) 在Matlab仿真软件中构建仿真模型; (4) 根据仿真结果修正和调整并确定转速调节器的比例增益和积分时间常数,并用Plot函数绘制理想空载转速下,设定转速800r/min下电机启动过程,转速和电枢电流波形。 (5) 根据...
  • 首先建立了采用级LC滤波电路的DVR的数学模型,根据Routh稳定判据分析了系统的稳定性,并给出了控制系统参数的设计方法,进行了采用级和单级LC滤波器DVR响应特性的比较。通过仿真和实验验证了所提出的具有级LC...
  • 资源包含了基于等距模型的鱼眼图像校正算法的Matlab实现,同时代码中给出了Matlab实现的线性插值和双线性插值。下载后添加图片直接运行即可。(适当调节rows1,cols1的数值,改变映射图像的效果,最好效果建议rows1=...
  • 4月28日,记者了解到,新发布的爱默生的模拟软件,使...必须手动通过单个流来调节模拟工厂资产的每个过程元素的温度、压力和流量等因素,这使得模型的变化变得耗时。此外,改变收集这些数据的格式,通常意味着将模拟...

    4月28日,记者了解到,新发布的爱默生的模拟软件,使植物更容易发展出更准确的数字双胞胎。新的建模能力、可用性增强和调优选项将帮助工程师更容易地创建、修改和集成动态模拟,以便在整个工厂生命周期中改进流程。

    dcafe5d6463c5e9dff6c15e907cdd8d2.png

    大型工程的数字模拟技术的发展很快就会变得复杂起来。必须手动通过单个流来调节模拟工厂资产的每个过程元素的温度、压力和流量等因素,这使得模型的变化变得耗时。此外,改变收集这些数据的格式,通常意味着将模拟过程脱机。在最新发布的模拟速度工程重大变化在线流视图。用户可以在一个具有可变参数的单表中快速查看所有进程元素,从而可以从前面到后面查看和调整整个进程——同时保持在线模拟进程。

    爱默生用新的区块和物体更新了模拟先进的建模对象,以改进模拟----使包括石油和天然气、液化天然气、炼油和石化在内的广泛行业的模拟设计更加容易。先进的建模对象提供了严格的第一原则----植物单元操作的动态模型,如分离器、压缩机、热交换器、阀门、涡轮机、蒸发器等。

    1329f856644d813efb19cd082408aa5a.png

    这些新的模型提供了更大的灵活性,在设计中使用的反应自动化工程师和组织,如那些在专业化学和生命科学行业,通常使用中保真模拟。用户可以在工程设计中创建简化反应----不需要复杂或私人的反应数据,也不需要动力学和热力学的背景----以达到预期的结果,如反应对ph.的影响,模型也允许更快的模拟实现,因为复制复杂的化学反应是没有必要的。

    对于那些依靠标准操作程序(sop)确保安全和成功的关键程序,如启动和关闭,模拟提供了训练模拟的增强评分功能。训练者可以修改评分来优先考虑任何sap中的关键动作,以确保每次正确的完成所有步骤。

    401252762103852a8653ed27113fcc8a.png

    现在,模拟技术已经与aspentech的hysys F4仿真软件有机结合,为hysys模拟提供了控制平台集成和培训功能——对于已经在使用spentech的hysys软件的成千上万的组织来说,建立和维护一个数字双体操作要容易得多。

    展开全文
  • PMSM的Simlink模型

    2019-01-10 21:12:01
    设计了一个转速环,一个电流环,闭环的PMSM模型的Simulink模型模型使用PI调节控制,适合初学者学习
  • 模型

    2020-09-16 19:06:21
    模型box-sizing可控大小——Resize属性内容溢出定义轮廓网页居中:auto设计弹性页面 box-sizing 盒子模型默认设置的宽度为content区域宽度...None:浏览器不提供尺寸调整机制,用户不能调节元素的尺寸 Both:提供双向

    box-sizing

    盒子模型默认设置的宽度为content区域宽度,不包含边框和内外边距
    box-sizing: border-box;表示width是包含padding和border的
    box-sizing: content-box;表示width=content,值包含content(默认值)

    可控大小——Resize属性

    None:浏览器不提供尺寸调整机制,用户不能调节元素的尺寸
    Both:提供双向尺寸调整机制,允许用户调节元素宽高
    Horizontal:提供水平,允许
    Vertical:提供垂直,允许
    Inherit:默认继承
    在这里插入图片描述

    内容溢出

    Overflow-x和overflow-y默认值都是visible,
    Hidden表示显示超出内容
    Scroll表示内容超出显示滚动条
    Auto表示需要时剪切内容并添加滚动条
    No-display表示内容超出不显示元素

    定义轮廓

    轮廓不占用额外的width和height,也有可能不是矩形
    Ontline:边框颜色 边框样式 边框宽度 边框偏移位置 | inherit
    outline: thick solid #aaa
    在这里插入图片描述

    边框样式outline-style:和border样式相同,none,inherit
    设置宽度:outline-width,样式不是none时才有用
    Thin:细轮廓,medium,thick,特定长度值,inherit
    设置颜色:outline-color
    设置偏移:outline-offset轮廓距离容器的值

    网页居中:auto

    Auto是一个自动计算的值,一般为0,根据浏览器决定
    Text-align只能文本和行内元素居中,块状元素居中需要margin:auto来表示

    设计弹性页面

    设置百分比取值是根据父元素的宽度来计算的,能自适应宽度

    展开全文
  • 说明本次主要想写一下关于单相光伏并网逆变器的环路控制问题,即如何对系统建立数学模型, 以及选定环路调节器的参数(主要是逆变器电流环),如何减小并网电流的 THD。通常光伏逆变器的控制都是数字控制,所以本贴...
  • 然后设计了光伏系统的功率调节器,使其在直流微电网中能按需实现功率输出。 储能系统双向DCDC充放电控制 这里以蓄电池为例,基于蓄电池的充放电原理及电路模型,根据DCDC充放电路相关理论,确定了蓄电池的充放电...
  • 气动调节阀通常会因为粘滞故障而导致回路中出现振荡现象,并...该文通过对调节参数粘滞模型进行描述函数分析,提出一种简单有效的数值解析方法得出粘滞特性的参数的估计值。最后通过仿真实例验证了该方法的有效性。
  • 运行仿真前先运行DJCS1.m文件给模型赋值,利用转速电流闭环结构,实现了电机电流快速跟随给定,电机最大转速在2700转左右,可以自己调节给定电压U*的值实现变速,通过改变电流的限幅电压值可以改变启动电机至电机...

空空如也

空空如也

1 2 3 4 5 ... 13
收藏数 247
精华内容 98
关键字:

双调节模型