精华内容
下载资源
问答
  • LDO参数解读、特性、参考设计

    千次阅读 多人点赞 2019-12-05 18:34:19
    这篇博客讲述LDO相关知识,包括基本原理,参数解释,特性及参考设计等。

    目录

    一、工作原理

    二、基本参数解释

    三、LDO的一些特性

    1、输出自放电

    2、软启动

    3、LDO效率

    4、动态负载调整(∆VOUT)

    5、线性瞬态响应

    6、压差(Dropout Voltage)

    四、参考设计

    1、输入输出电容选择

    2、Layout参考


    一、工作原理

    LDO是Low Dropout Regulator的缩写,意思是低压差线性稳压器,下面是LDO的内部框图,大致的工作原理就是:参考电压Vref和反馈电压FB(VOUT通过两个电阻分压)分别接在误差放大器的反向和正向端,然后输出误差量,再通过MOS drive调整输出电压大小,达到输出稳定。当输出电压增大时,FB增大,放大器输出电压增加,PMOS管的G极电压增大,Usg减小,PMOS的输出电流和电压较小,形成了一个负反馈系统。

    LDO典型框图

    二、基本参数解释

    1. 输入电压范围:规定设计输入电源范围。

    2. 静态功耗(Quiescent Current):输出电流为0时的输入电流,即VOUT空载时输入电流。好的LDO和差的LDO相比较,是在电源纹波抑制比PSRR差不多的时候,静态耗流会更低。

    3. 关闭功耗(Shut down Current):使能脚拉低,VOUT=0V时,VIN上消耗的电流即为关闭功耗,一般在1uA以内,越小越好。

    4. 电源纹波抑制比PSRR:这个参数越大越好,代表抑制输入纹波的能力越强,一般SPEC给出的是1KHz下的值,如:68dB@F=1KHz,LDO的最大的优点之一是它们能够衰减开关模式电源产生的电压纹波,所以一般在100K到1MHz之间的PSRR非常重要,这也是为什么我们经常看见DC-DC后面搭配一个LDO使用,敏感的模拟电源AVDD上,如ADC,Camera等,选择高PSRR的LDO;

    5. 输出电流:设计时预留50%的余量,实际运用过程中,输出电流的大小和输入输出电压都有关系。

    6. 输出电压:分为可调和固定,根据实际情况选择在,一般最好选择固定的。

    7. 输出电压精度:一般是2%,还有5%的。

    8. 耗散功率:500mW,使用时不能超过这个值。

    9. 地电流(Ground Current):指的是输入电流和输出电流的差值。指的是LDO正常工作状态,在特定的负载下,LDO自身消耗的电流。


    三、LDO的一些特性

    1. 输出自放电

    带自放电功能的LDO,能尽快泄放输出电容上的能量,保证LDO尽快关闭,下次开启是从0电压。坏处是如果外部有电压加到或者串到VOUT上,因为VOUT上的Rdischg电阻,会有一定的耗流产生,确定不会有串电到VOUT上用带自放电的LDO比较好。

    在LDO关闭时,下图中的MOS管会自动打开,VOUT通过Rdischg对地放电,有的LDO框图中没有画这个自放电电阻,但是也是带自放电功能的,自放电电阻大小可以通过RC放电公式进行计算。

    带输出自放电的LDO

    2. 软启动

    带软启动的LDO可以有效的控制电流,使输出较平缓的上升。

    实际测试LDO的上电瞬间,VOUT起来是比较平缓的,并没有电压过冲。

    实测LDO输出

    软启动的时间可以依据下图测试,TSS是输入电压上升到0.5倍到VOUT完全起来的时间间隔。

    软启动时间定义

    3. LDO效率

    LDO效率的计算公式为:

    输入电流等于输出电流加上静态功耗,根据以上公式,当LDO处在轻载时,IQ就非常重要,IQ越小,效率就越高。

    4. 动态负载调整(∆VOUT)

    指的是输入电压一定,输出电压随负载电流变化而产生的变化量,当负载电流变化缓慢时,一般LDO能保持LDO恒定不变。当负载电流快速变化时,输出电压就会随之改变。这个输出电压的改变量决定了负载瞬态性能,这个值越小越好。

    5. 线性瞬态响应

    在负载一定的时候,输出电压随着输入电压改变而产生的变化量。这个值越小越好。

    在AP2127的SPEC上可以看到,动态负载响应和线性瞬态响应都是比较好的。

    6. 压差(Dropout Voltage)

    指保持电压稳定所需要的输入电压和输出电压之间的最小差值。当输入电压为VIN1,输出为VOUT1,缓慢降低VIN1,当输出降低到VOUT1的98%时,此时输入电压为VIN2,那么Vdrop=VIN2-VOUT1*98%,Vdrop越小越好,意味着低功耗高效率。


    四、参考设计

    1. 输入输出电容选择

    现在一般LDO输入输出各加一个1UF陶瓷电容即可,可选择X5R或者X7R,ESR也会影响LDO系统的稳定性,根据SPEC来选择合适ESR的电容。提高输出电容的容值,可以提高LDO的瞬态响应性能,缺点是会延长启动时间。

    2. Layout参考

    输入输出电容靠近LDO管脚放置,LDO和电容要使用同一铜层铺地,输入输出电容的地环路要短。

    展开全文
  • 文章目录单回路控制系统整定参数整定要求常用整定方法理论计算方法理论计算整定法工程整定方法经验法(试凑法)临界比例带法(边界稳定法)衰减曲线法响应曲线法(动态特性参数法) 单回路控制系统整定 参数整定要求 通过...

    pdf版本的下载地址: 过程控制课程设计-单回路控制系统参数整定(访问密码:3834)

    单回路控制系统整定方法的学习与实践

    参数整定要求

    1. 通过整定选择合适的参数,首先要保证系统稳定,这时最基本的要求
    2. 在热工生产过程中,通常要求控制系统有一定稳定裕度,即要求过程有一定的衰减比,一般为4:1~10:1
    3. 在保证稳定的前提下,要求控制过程有一定的快速性和准确性.所谓快速性就是要求控制系统的动态偏差(余差)尽量的小,而快速性就是要求控制过程的时间尽可能地短.

    常用整定方法

    理论计算方法

    理论计算整定法

    当闭环特征方程为二阶时,可以通过理论计算求出各参数与衰减比的对应关系
    在这里插入图片描述
    如上图: 被控对象的传递函数为G(s)=25(4s+1)(20s+1)G(s)=\frac{25}{(4s+1)(20s+1)},采用比例控制器为Gc(s)=1δG_c(s)=\frac{1}{\delta},求解合适的比例带δ\delta值,使得系统衰减比为4:1;
    解: 易求得系统闭环传递函数为
    Gc(s)G(s)1+Gc(s)G(s)=1δ25(4s+1)(20s+1)1+1δ25(4s+1)(20s+1)=25δ(4s+1)(20s+1)+25 \frac{G_c(s)G(s)}{1+G_c(s)G(s)}=\frac{\frac{1}{\delta} \frac{25}{(4s+1)(20s+1)}}{1+\frac{1}{\delta} \frac{25}{(4s+1)(20s+1)}}=\frac{25}{\delta (4s+1)(20s+1) + 25}
    已知衰减率φ\varphi
    φ=1e2παω \varphi = 1- e^{-2 \pi \frac{\alpha}{\omega}}
    系统闭环特征方程为
    s1,2=24±242320(1+25δ)160=α+jω s_{1,2} = \frac{-24 \pm \sqrt{24^2 - 320(1+\frac{25}{\delta})}}{160} = -\alpha + j \omega
    α=24160\alpha=\frac{24}{160},ω=1160320(1+25δ)242\omega=\frac{1}{160}\sqrt{320(1+\frac{25}{\delta})-24^2},将其代入上式可得比例带δ\delta
    δ=0.665=66.5% \delta = 0.665 = 66.5\%

    工程整定方法

    经验法(试凑法)

    试凑法的整定步骤如下所述:

    1. 先采用比例作用,设置积分时间T1=T_1=\infty,微分时间TD=0T_D=0,根据经验设置比例带δ\delta,将系统投入闭环运行,稳定后做阶跃扰动试验,改变比例带δ\delta值,使被调量的阶跃响应曲线出现4:1衰减震荡,记录此时的比例带δ\delta.
    2. 比例积分作用: 在1)的基础上,首先将δ\delta增大10%~20%,做阶跃扰动试验,然后将积分时间TiT_i由大到小的变化,直到得到4:1衰减曲线为止.先增加比例带的原因是加入积分后,系统稳定性,比原来单纯比例调节时要降低,增加δ\delta补偿加积分作用后而引起得稳定性的降低.
    3. 积分时间保持不变,加入比例带,观察控制过程有无改善,如有改善则继续调整,直到满意为止.否则,将原比例带减小一些,再调整积分时间,力求改善控制过程.如此反复试凑,直到找到满意的比例带和积分时间为止.
    4. 最后再加入微分作用,将微分时间TDT_D由小到大的调整.观察每次实验过程,直到满意为止.
      根据上述思路,写出代码如下:
    % 返回pid参数为[kp, ti, td]的闭环控制系统的回路方程
    function gg = getLoop([kp, ti, td])
        % 构建方程
    	g = tf(25, conv([4 1], [20 1]));		% 开环系统
    	gc_p = tf(kp, 1);			% p控制
    	gc_i = tf(kp, [ti 0]);		% i控制
    	gc_d = tf([kp*td 0], 1);	% d控制
    	gc = parallel(parallel(gc_p, gc_i), gc_d);	% pid控制器
    	gg = feedback(series(g, gc), 1);		% 总控制系统
    end
    % 计算pid参数为[kp, ti, td]的闭环控制系统的阶跃响应衰减比
    function delta = getDelta([kp, ti, td])
        % 得到控制系统阶跃响应曲线
    	gg = getLoop([kp, ti, td]);
    	Y = step(gg);
    	% 计算衰减比
    	V = findpeaks(Y);
    	delta = (V(1)-Y(end))/(V(2)-Y(end));
    end
    % 主函数
    % 初始化pid参数
    kp=1; ti=1e32; td=0;
    % 定义状态值,方便debug
    status = 0;		% 状态: 0-未整定,1-整定好p,2-整定好i,3-整定好d,整定完成
    % 整定p, 调整衰减比接近4:1	
    while getDelta([kp, ti, td])>4
    	% getDelta([kp, ti, td])
    	kp = kp*1.01;	% kp增大,衰减比减小
    end
    status = 1
    % 整定i, 调整衰减比接近4:1	
    kp = kp * 0.9;	% 减小kp,补偿引入积分作用造成的稳定性下降
    while getDelta([kp, ti, td])>4
    	% getDelta([kp, ti, td])
    	ti = ti*0.9;
    end
    status = 2
    % 整定d, 调整衰减比接近4:1
    kp = kp * 0.9;	% 减小kp,补偿引入积分作用造成的稳定性下降
    while getDelta([kp, ti, td])>4
    	td
    	getDelta([kp, ti, td])
    	td = td*1.1;
    end
    status = 3
    

    下图体现了四步整定之后,闭环控制系统的阶跃响应曲线:
    在这里插入图片描述
    由图中曲线可知,每一步整定完成之后,闭环控制系统的准确性和快速性都略有上升.

    临界比例带法(边界稳定法)

    临界比例带法的应用较为广泛,将控制器设置为纯比例作用,将系统自动投入运行并将比例带由大到小进行改变,直到产生等幅振荡为止,此时控制系统处于边界稳定状态,记录下此刻的比例带δcr\delta _{cr}和振荡周期TcrT_{cr},然后根据下表中的经验公式进行计算,算出控制器的各个参数.

    控制规律 δ\delta TiT_i TdT_d
    P 2δcr\delta _{cr} - -
    PI 2.2δcr\delta _{cr} 0.85TcrT_{cr} -
    PID 1.7δcr\delta _{cr} 0.5TcrT_{cr} 0.125TcrT_{cr}

    具体步骤如下所述:

    1. 将控制器的积分时间置于最大,即T1=T_1 = \infty,微分时间TD=0T_D = 0,比例带δ\delta置于一个较大的数值
    2. 将控制系统投入闭环运行,待系统稳定之后,逐步减小比例带,直到系统出现等幅振荡,记录此时的比例带δcr\delta _{cr}和振荡周期TcrT_{cr}
    3. 将比例带δcr\delta _{cr}和振荡周期TcrT_{cr}代入上表,计算控制系统各个参数.
      根据上述步骤写出代码如下:
    % 初始pid参数
    kp=1; ti=1e32; td=1e-32;
    getDelta([kp, ti, td])
    % step(getLoop([kp, ti, td]))
    % 整定p, 调整衰减比接近1:1	
    if getDelta([kp, ti, td]) > 1
    	while getDelta([kp, ti, td]) > 1
    		getDelta([kp, ti, td])
    		kp = kp*1.01;	% kp增大,衰减比减小
    	end
    elseif getDelta([kp, ti, td]) < 1
    	while getDelta([kp, ti, td]) < 1
    		% getDelta([kp, ti, td])
    		kp = kp*0.99;	% kp增大,衰减比减小
    	end
    end
    % 计算临界比例带
    [Y, T] = step(getLoop([kp, ti, td]));
    [pks, locs] = findpeaks(Y);
    tcr = T(locs(2))-T(locs(1));
    % 计算对应的三种控制参数
    % history(1, :) = [kp, ti, td];
    % history(2, :) = [kp/2, 1e32, 1e-32];
    % history(3, :) = [kp/2.2, 0.85*tcr, 1e-32];
    history(4, :) = [kp/1.7, 0.5*tcr, 0.125*tcr];
    % 绘制图片
    % step(getLoop(history(2, :))); hold on;
    % step(getLoop(history(3, :))); hold on;
    step(getLoop(history(1, :))); hold on;
    step(getLoop(history(4, :))); hold on;
    legend('initial respond','respond after setting pid')
    

    我们仍对上边的系统进行整定,我们先将系统比例带设置由大到小,直到系统等幅振荡.此时闭环系统阶跃响应如下:
    在这里插入图片描述
    因为我们是模拟实际情况查找比例带,而不是由公式对临界比例带进行计算,因此此时系统的衰减比实际上为0.9992,而非1. 代入上边表格数据时,我发现了一个bug,按照上面表格进行计算,闭环系统采用p控制,pi控制都会导致系统闭环不稳定,而采用pid控制能使系统闭环稳定.整定后的系统的快速性大为改善,然而其准确性略有下降.
    在这里插入图片描述

    衰减曲线法

    如果在生产过程中不允许出现等幅振荡,则只能退而求其次,采用衰减曲线法.我们只能退而求其次,选择衰减曲线法,将上边方法中的等幅振荡过程改为4:1震荡过程.其具体步骤与上边临界比例带法类似如下:

    1. 设置控制器的积分时间Ti=T_i = \infty,微分时间TD=0T_D=0,比例带δ\delta置于较大的数值
    2. 将系统投入闭环运行,待数值稳定之后,做阶跃扰动试验,观察控制过程,若过渡时间衰减率φ\varphi大于要求的数值,则应逐步减小比例带值,直到系统过度曲线出现φ=0.75\varphi=0.75φ=0.9\varphi=0.9为止.记录此时的比例带δs\delta_s,在φ=0.75\varphi=0.75时的衰减曲线上求取衰减周期TsT_s,或在φ=0.9\varphi=0.9的衰减曲线上求取上升时间trt_r
    3. 将比例带δ\delta和振荡周期TT代入上表,计算控制系统各个参数
      φ\varphi 控制规律 δ\delta TIT_I TDT_D φ\varphi 控制规律 δ\delta TIT_I TDT_D
      0.75 P δs\delta_s - - 0.9 P δs\delta_s - -
      0.75 PI 1.2δs1.2 \delta_s 0.5Ts0.5T_s - 0.9 PI 1.2δs1.2\delta_s 2tr2t_r -
      0.75 PID 0.8δs0.8\delta_s 0.3Ts0.3T_s 0.1Ts0.1T_s 0.9 PID 0.8δs0.8 \delta_s 1.2tr1.2t_r 0.4tr0.4t_r

    对于衰减率φ=0.75\varphi=0.75的情况,其实现代码如下:

    % 初始pid参数
    kp=1; ti=1e32; td=1e-32;
    history(1, :) = [kp, ti, td];	% 记录初始值
    % 整定p, 调整衰减比接近4:1	
    if getDelta([kp, ti, td])>4
    	while getDelta([kp, ti, td])>4
    		% getDelta([kp, ti, td])
    		kp = kp*1.01;	% kp增大,衰减比减小
    	end
    elseif getDelta([kp, ti, td])<4
    	while getDelta([kp, ti, td])<4
    		% getDelta([kp, ti, td])
    		kp = kp*0.99;	% kp增大,衰减比减小
    	end
    end
    % 计算临界比例带
    [Y, T] = step(getLoop([kp, ti, td]));
    [pks, locs] = findpeaks(Y);
    ts = T(locs(2))-T(locs(1)); 
    % 记录不同比值
    history(2, :) = [kp, 1e32, 1e-32];			% p控制
    history(3, :) = [kp/1.2, 0.5*ts, 1e-32]		% pi控制
    history(4, :) = [kp/0.8, 0.3*ts, 0.1*ts]	% pid控制
    % 绘图
    step(getLoop(history(1, :))); hold on;
    step(getLoop(history(2, :))); hold on;
    step(getLoop(history(3, :))); hold on;
    step(getLoop(history(4, :))); hold on;
    legend('initial respond','respond after setting p','respond after setting pi','respond after setting pid')
    

    将所得到的结果绘制在坐标轴上,得到图像如下. 由此可见,在引入积分控制后,控制系统的准确度有所下降.但加入pid控制之后,总体的控制效果比初始情况大为改善.
    在这里插入图片描述
    对于衰减率φ=0.9\varphi=0.9的情况下,其实现代码如下:

    % 初始pid参数
    kp=1; ti=1e32; td=1e-32;
    history(1, :) = [kp, ti, td];	% 初始值
    % 整定p, 调整衰减比接近10:1	
    if getDelta([kp, ti, td])>10
    	while getDelta([kp, ti, td])>10
    		% getDelta([kp, ti, td])
    		kp = kp*1.01;	% kp增大,衰减比减小
    	end
    elseif getDelta([kp, ti, td])<10
    	while getDelta([kp, ti, td])<10
    		% getDelta([kp, ti, td])
    		kp = kp*0.99;	% kp增大,衰减比减小
    	end
    end
    % 计算临界比例带
    [Y, T] = step(getLoop([kp, ti, td]));
    [pks, locs] = findpeaks(Y);
    tr = T(locs(1)); 
    % 记录不同比值
    history(2, :) = [kp, 1e32, 1e-32];			% p控制
    history(3, :) = [kp/1.2, 2*tr, 1e-32]		% pi控制
    history(4, :) = [kp/0.8, 1.2*tr, 0.4*tr]	% pid控制
    step(getLoop(history(1, :))); hold on;
    step(getLoop(history(2, :))); hold on;
    step(getLoop(history(3, :))); hold on;
    step(getLoop(history(4, :))); hold on;
    legend('initial respond','respond after setting p','respond after setting pi','respond after setting pid')
    

    将所得到的结果绘制在坐标轴上,得到图像如下. 我们得到的结果与衰减率φ=0.75\varphi=0.75的情况类似,得到结论: 在引入积分控制后,控制系统的准确度有所下降.但加入pid控制之后,总体的控制效果比初始情况大为改善.
    在这里插入图片描述

    响应曲线法(动态特性参数法)

    前面三种方法都是针对系统的闭环特性进行整定,而响应曲线法是根据系统的开环状态下,通过阶跃扰动试验得到pid控制的各种参数.
    下面是响应曲线法的执行步骤:

    1. 给对象一个阶跃输入,记录其输出.
    2. 判断对象是否有自平衡能力:
      • 若对象由自平衡能力,过响应曲线拐点P作切线交稳态值渐近线y()y(\infty)于A点,交时间轴于C点,过直线段上任意一点A作时间垂线并交于B点,则
        τ=0C,T=CB,ε=ABT \tau = 0C, T=CB, \varepsilon = \frac{AB}{T}
      • 若对象无自平衡能力,做响应曲线渐近线交时间轴于C,过直线段上任一点A做时间垂线并交于B,则
        τ=0C,ε=ABCB \tau=0C, \varepsilon = \frac{AB}{CB}
    3. 查下表,确定控制器的整定参数
      控制规律 δ\delta TIT_I TDT_D
      P ετ\varepsilon \tau - -
      PI 1.2ετ1.2 \varepsilon \tau 3.3τ3.3 \tau -
      PID 0.8ετ0.8 \varepsilon \tau 2τ2 \tau 0.5τ0.5 \tau

    根据上述步骤,我们写出代码如下:

    % 初始化开环系统
    g = tf(25, [80 24 1]);
    [Y, T] = step(g);
    % 寻找拐点P及其斜率
    [val, minindex] = min(diff(Y, 2));
    PX = T(minindex)
    PY = val;
    k = (Y(minindex+1) - Y(minindex))/(T(minindex+1) - T(minindex));
    % 找到点C
    CX = PX - PY/k;
    CY = 0;
    AY = Y(end);
    AX = PX + (AY - PY) / k;
    % 计算 tau,epsilon
    tau = CX;
    epsilon = AY / (AX - CX);
    % 记录pid参数
    history(1, :) = [1, 1e32, 1e-32];					% 不加pid控制
    history(2, :) = [epsilon*tau, 1e32, 1e-32];			% p控制 
    history(3, :) = [epsilon*tau, 3.3*tau, 1e-32];		% pi控制
    history(4, :) = [epsilon*tau, 2*tau, 0.5*tau];		% pid控制
    step(getLoop(history(1, :))); hold on;
    step(getLoop(history(2, :))); hold on;
    step(getLoop(history(3, :))); hold on;
    step(getLoop(history(4, :))); hold on;
    legend('initial respond','respond after setting p','respond after setting pi','respond after setting pid');
    

    执行上述代码,我们得到结果如下:
    在这里插入图片描述
    由上图可见,p控制,pi控制的效果并不是很好,但是引入pid控制之后,系统的动态特性大为改善,这时因为我们所选的被控对象的惯性较大.

    各种整定方法的总结与比较

    下面对四种工程整定方法做出总结并加以比较,在本次实验中,我们共使用了四种整定方法:

    1. 经验法: 花费时间长,难以总结出一般规律
    2. 临界比例带法: 方法简单且易用,但是实际情况下难以实现,且整定后的系统容易发生不稳定振荡.
    3. 衰减曲线法: 衰减曲线法作为临界比例带法的改进,方法较简单,且在实际情况下有条件实现,但是在实际整定过程中难以实现完美的4:1衰减模型
    4. 响应曲线法: 简单省时,可以直接通过开环特性整定闭环系统,但是计算误差较大.
      在实际的编程中,我们发现各种程序的运行效率由高到低如下: 响应曲线法>临界比例带法>衰减曲线法>经验法.经验法中因为需要大量试凑,所以程序的运行时间实在太长,且我这个小破电脑还动不动死机.
      在临界比例带正定方法的实现过程中,我们遗憾地发现出现了系统不稳定,因此我们在这里对pid控制方法的稳定想加以总结:
    5. P控制: 比例控制的放大系数KpK_p的大小应适当.
      • KpK_p过小,则控制通道难以屏蔽干扰通道的效果,使得总体上的控制效果较差.
      • KpK_p过大,则系统容易出现不稳定震荡.
    6. PI控制: 引入积分控制,控制系统的稳定性会下降.因此我们在试凑法中整定TiT_i之前要适当增加比例带δ\delta.
    7. PID控制: 引入微分控制后,系统的稳定性增加,因此可以适当降低比例带δ\delta.

    单回路整定系统软件的开发

    创建图形界面

    在这里插入图片描述
    开环传递函数面板定义被控系统的开环传递函数,numden分别为被控系统的分子和分母,点击set向程序注入开环传递函数,点击draw绘制不使用pid调节器时闭环系统的阶跃响应曲线. 系统的开环传递函数可以在程序运行时随时更改.

    编写后台函数

    后台函数分别是整定方法面板五个按钮的回调函数,它们都是由第一部分实现各个控制系统整定方法修改而成.
    在这里插入图片描述
    其中main为程序主界面,shicoufa为使用试凑法整定控制系统,linjiebilidaifa为使用临界比例带法整定控制系统,shuaijianquxianfa75percentage为使用衰减曲线法(φ=75%\varphi=75\%)整定控制系统,shuaijianquxianfa90percentage为使用衰减曲线法(φ=90%\varphi=90\%)整定控制系统,xiangyingquxianfa为使用响应曲线法整定控制系统

    总结与展望

    在本次实验中,我系统学习了如何使用MATLAB整定控制系统,同时也学会了如何进行MATLAB的GUI程序开发.
    但是本次实验还存在两个不足:

    1. 没能对经典的控制系统进行更加深入的修改,例如使用临界比例带法整定控制系统参数时,经典解法计算出的p控制pid控制系统闭环不稳定,而我没能成功地更精细修改参数使之稳定
    2. 程序运行时间过长,没能进行更细致的优化.
      在今后的学习生活中,我会更加注重实践,将书本知识与实践结合起来,加深对知识的掌握.

    MATLAB源代码(含GUI界面)以及排版后的word课设报告的下载地址: 单回路PID控制参数的整定_火电厂热工自动控制的课程设计

    pdf版本的下载地址: 过程控制课程设计-单回路控制系统参数整定(访问密码:3834)

    展开全文
  • Python动态特性

    千次阅读 2015-11-22 02:18:19
    长期习惯了C/C++系的静态语言后,切换到Python中往往仍习惯使用静态办法解决问题,而不能充分利用Python强大的动态特性。大多数时候,这使得代码变得不必要地长且难以理解。 希望在进阶Python的过程中,逐步掌握...

    Python在设计之初,就确立了充分相信用户的原则。轻封装和类型安全机制,用户自己保证其使用正确性。代表性的设计就是class不提供private关键字;无法定义常量;函数参数无类型,只有运行时类型检查;几乎所有定义都可以动态修改。这些设定与传统静态语言相比,牺牲安全性换取了异常强大而便捷的动态特性,使得Python非常适合进行小规模程序的快速开发、策略的高频迭代。
    长期习惯了C/C++系的静态语言后,切换到Python中往往仍习惯使用静态办法解决问题,而不能充分利用Python的动态特性。这往往使得代码变得不必要地长且难以理解。
    希望在进阶Python的过程中,逐步掌握更加高级、简捷的语言特性,将更多的精力放到解决问题当中去。


    继承和多态

    对于Python而言,由于只有运行时类型检查,不需要用abstract class 或interface实现多态,直接将不同对象扔到一个list里依次调用即可,不存在的方法在运行时报错。
    该编程风格称为duck-typing

    用于符号表、数据库、场景管理十分方便


    函数对象

    在Python中,以函数作为对象进行传递是很普遍的做法,典型应用例如:

    • 数值优化中作为目标函数
    • 回调函数

    Python对可变参数列表提供了完善的支持

    
    import inspect
    
    inspect.getargspec(foo)
    #返回ArgSpec(args, varargs, keywords, defaults) 其中default是最后n个默认值
    
    #此外还有
    inspect.getfullargspec(func)
    inspect.currentframe()  #当前执行上下文
    inspect.stack()     #栈

    用字符串创建对应名字的类对象

    
    class ButtonFactory():
        def create_button(self, typ):
            targetclass = typ.capitalize()
            return globals()[targetclass]()

    使用方法

    button_obj = ButtonFactory()
    button_obj.create_button('button').

    类方法的动态指定

    class  Fruit(object):
        pass
    
    def add(self):
        print("add")
    
    def update(self):
        print("update")
    
    if __name__ == "__main__"
        Fruit.grow = add
        fruit = Fruit()
        fruit.grow()
        Fruit.grow = update    #注意此处没有新建对象,只更改了类
        fruit.grow()

    输出

    add
    update

    变量的动态类型转换

    list中可以混合存放各种类型对象
    numpy.array中的


    动态化属性和方法的调用

    • __getattr__ 当调用不存在的属性时,如果存在__getattr__方法,就会调用来尝试获得属性
    • __call__ 使实例本身变成可调用的。
    class Chain(object):
    
        def __init__(self, path=''):
            self._path = path
    
        def __getattr__(self, path):
            return Chain('%s/%s' % (self._path, path))
    
        def __str__(self):
            return self._path
    
        def __call__(self, attr):
            return Chain('%s/%s' % (self._path, attr))

    直接使用 Chain().schools.status.users 就可以得到格式化字符串 schools/status/users
    若需要 /schools/users/ID/report,其中ID是一个参数,则可以利用__call__将对象变成可调用的 Chain().schools.users(ID).report


    展开全文
  • ADC的各种特性参数or指标

    万次阅读 多人点赞 2019-08-11 22:16:38
    结合了《ADC设计基础》和TI的一些教学视频。 分辨率 转换误差 转换速度 采样率 奈奎斯特采样准则 混叠和抗混叠滤波器 DNL INL 热噪声 谐波失真 THD SNR ENOB SFDR IMD 孔径抖动 孔径延迟 奈奎斯特区 补充 分辨率 ...

    特性或指标总述

    本文将从以下特性进行简单的叙述。结合了《ADC设计基础》和TI的一些教学视频。

    • 分辨率
    • 转换误差
    • 转换速度
    • 采样率
    • 奈奎斯特采样准则
    • 混叠和抗混叠滤波器
    • DNL
    • INL
    • 热噪声
    • 谐波失真
    • THD
    • SNR
    • ENOB
    • SFDR
    • IMD
    • 孔径抖动
    • 孔径延迟
    • 奈奎斯特区
    • 补充

    分辨率

    一般ADC都说注明是8bit,16bit或者是24bit。这里的数值也就是分辨率的意思。分辨率是衡量ADC精度一个非常重要的指标。比如采集的电压范围是0-5V,那么8bit的ADC的最小刻度就是5/2^8
    =0.0195V,16bit的ADC的最小刻度是5/2^16=0.000195V.从这两个数值来看,我们就知道16bit的ADC可以采集到更小的电压。所以这里的分辨率表征的ADC的最小刻度的指标。同时分辨率也只能算是间接衡量ADC采样准确的变量。直接衡量ADC采集准确性的是精度。

    转换误差

    也可以称之为精度。精度是在ADC最小刻度基础上叠加各种误差的参数。是可以直接衡量ADC采样精准的指标。通常ADC的精度=N*LSB+Vc_sample+Vshift+Vnoise+Vref+… N一般在ADC的数据手册中体现,表征ADC的集散误差。Vc_sample是ADC内部的采样电容引起的误差。Vshift一般是外围电路带来的偏置,Vnoise是综合前端的驱动电路和ADC得出的噪声电压。Vref一般是由参考电压的散差引起的误差。所以从这里可以看出来。虽然一些ADC的分辨率很高,但是需要精度高,还需要做好各个方面的工作,尽量降低系统误差。从而提高精度。

    转换速度

    是指完成一次从模拟 转换到数字的AD转换所需要的时间的倒数。积分型AD的转换时间是毫秒级属低速AD,逐次比较型AD是微秒级属中速AD,全并行/串并行型AD可达到纳秒级。采样时间则是另外一个概念,是指两次转换的间隔。为了保证转换的正确完成

    采样率

    采样率是指芯片每秒采集信号的个数。比如1KHz/s,表示1s内这个ADC可以采集1K个点。采样率越高,采集的点数越多,那么对信号的还原度就越高。

    奈奎斯特采样准则

    采样频率大于被采样信号频率的两倍

    混叠和抗混叠滤波器

    基带采样意味着要被采样的信号位于第一个奈奎斯特区中。要特别强调的是:在理想采样器的输入中没有输入滤波, 任何落在奈奎斯特区内的奈奎斯特带宽之外的频率成分(或是信号或是噪声)将会被混叠回第一个奈奎斯特区。(由于镜像原因)基于这个原因, 抗混叠滤波器被用在几乎所有的正在采样 ADC 应用中,以去除这些不需要的信号。
    抗混叠滤波器中,其它滤波器类型(除去ButterWorth)通常更适合于高速应用,这些应用有着快速跳变的频带和与线性相位响应相配的带内平坦度的要求。椭圆滤波器符合这些标准,同时过采样放松了对基带抗混叠滤波器的要求。

    DNL

    差分非线性误差是ADC器件的关键静态参数。ADC的DNL可以被看做测试“小信号”或相邻转化步进的线性误差。
    在 ADC 中从一个数字转换到下一个数字转换应该有严格的 1 LSB 模拟输入的变化。
    在模拟信号对应于 1 LSB 数字变化大于或小于 1 LSB 的地方,被称为 DNL 误差。

    测试DNL时,首先通过公式测定该器件的实际的LSB值。一个输出代码N的DNL测试需要两步测量计算。第一步,测试输出代码N对应相应跳变点的模拟输入电压差;第二步,用电压差减去该器件的平均LSB值,结果即为输出代码N的DNL,对ADC器件的所有输入代码均进行以上测试计算,得出每一输出位的DNL。

    在ADC中,可能会因为DNL误差导致编码时丢码。
    在这里插入图片描述

    INL

    积分非线性误差是指大信号的线性误差,是指ADC给定输入所有包含全部差分线性误差的累积代数和。
    可以用于评判一个ADC器件的精度。
    它表示了ADC器件在所有数值点上对应的模拟值,和真实值之间误差最大的那一点的误差值。也就是,输出数值偏离线性的最大的距离。
    计算ADC的INL首先要确定被测器件的端点直线。ADC的INL是基于代码中心的测试,代码中心位于两个相邻跳变点的中间,那么代码N对应的INL与该代码对应的DNL【N】和DNL【N-1】有关。
    在这里插入图片描述

    热噪声

    热噪声通信设备中无源器件如电阻、馈线由于电子布朗运动而引起的噪声,又称为电阻噪声。
    热噪声亦称白噪声,是由导体中电子的热震动引起的,它存在于所有电子器件和传输介质中。它是温度变化的结果,但不受频率变化的影响。热噪声是在所有频谱中以相同的形态分布,它是不能够消除的,由此对通信系统性能构成了上限。

    谐波失真

    谐波失真是指输出信号比输入信号多出的谐波成分。谐波失真是系统不是完全线性造成的。
    所有附加谐波电平之和称为总谐波失真。总谐波失真与频率有关。
    谐波失真是指音箱在工作过程中,由于会产生谐振现象而导致音箱重放声音时出现失真。尽管音箱中只有基频信号才是声音的原始信号,但由于不可避免地会出现谐振现象(在原始声波的基础上生成二次、三次甚至多次谐波),这样在声音信号中不再只有基频信号,而是还包括由谐波及其倍频成分,这些倍频信号将导致音箱放音时产生失真。对于普通音箱允许一定谐波信号成分存在,但必须是以对声音基频信号输出不产生大的影响为前提条件。
    而总谐波失真是指用信号源输入时,输出信号(谐波及其倍频成分)比输入信号多出的额外谐波成分,通常用百分数来表示。一般说来,1000Hz频率处的总谐波失真最小,因此不少产品均以该频率的失真作为它的指标。所以测试总谐波失真时,是发出1000Hz的声音来检测,这一个值越小越好。
    谐波失真可以通过FFT来进行分析,通过他们在频域中的位置,输入信号的谐波可以跟其他失真乘积区分开。

    THD

    总谐波失真,上述已讲明。

    SNR

    信噪比 。是ADC的交流(动态)特性之一。其余比较关键的动态特性还有SINAD、THD、SFDR。
    如果信号的带宽固定,采样频率越高,效果就相当于在一个更宽的频率内扩展量化噪声,如果信号带宽变窄,在此带宽内的噪声也减少,信噪比也会有所提高。通常在ADC采样之前加一个带通或低通滤波器,限制信号带宽,改善信噪比。
    理想N位ADC的理论SNR为:
    SNR=6.02N+1.76dB
    SINAD:也成信纳比。是信号+噪声+谐波的功率与谐波+噪声的功率比值。
    信纳比(SINAD或S/(N + D))指的是信号幅度均方根与所有其它频谱成分(包括谐波但不含直流)的和方根(rss)的平均值之比。SINAD很好地反映了ADC的整体动态性能,因为它包括所有构成噪声和失真的成分。SINAD曲线常常针对不同的输入幅度和频率而给出。对于既定的输入频率和幅度,如果SINAD和THD + N二者的噪声测量带宽相同(均为奈奎斯特带宽),则二者的值相等。

    ENOB

    有效转换位数。由于AD器件不能够做到完全线性,总是存在零点几位或者甚至一位的精度损失,从而实际影响到ADC的分辨率,降低AD的转换位数,例如12位的ADC在实际应用中可能只能做到10位。
    一般情况下,信号幅度越大,信号频率越低,所得到的的有效转换位数就越多。

    SFDR

    即无杂散动态范围。在通信应用中或许最重要的指标就是它的无杂波动态范围。
    ADC 的 SFDR 被定义为信号幅度的均方根值对峰值杂波频谱成分的 均方根值之比(在直流到fs/2的整个第一奈奎斯特区测得)。
    频谱中第一奈奎斯特区域内除信号和直流成分外,功率最大的频率成分成为最大伪峰谱。对于接近满刻度的输入信号,最大伪峰谱一般由信号的最初几级的谐波之一决定,而对于低于满刻度几个dB的输入信号而言,ADC的微分非线性会产生其他伪峰,可能大于谐波产生的伪峰,因此这种情况下的最大伪峰应考虑所有的畸变原。

    IMD

    双音互调失真(IMD) 。
    通过把频率为 f1 和 f2—通常挨得比较近—的两个频谱纯净的正弦波施加在 ADC 上,可以测得双音互调失真。每一个音调的幅度被设置为小于满量程以下 6dB 多一些,以便 ADC 在两个音调同相时不会削波。
    互调失真系指由放大器所引入的一种输入信号的和及差的失真。例如,在给放大器输入频率为1kHz和5kHz的混合信号后,便会产生6kHz(1kHz和5kHz之和)及4kHz(1kHz和5kHz之差)的互调失真成份。 产生互调失真的过程实质上也是一种调制过程

    孔径抖动

    孔径抖动,又称孔径误差,是指采样之间孔径延迟时间的变化。
    如果要求测量准确,数据采样系统必须要有极低的相位噪声。随着模拟输入斜率(dV/dt)的增加,孔径抖动也增大。一般来讲,使用输入频率为MHz级的ADC时,时钟抖动应为亚皮秒级。
    孔径抖动又被称为孔径时间或孔径不确定。
    对于一个动态模拟信号,由于孔径抖动的存在,使得输入的模拟信号在孔径时间内是不确定的,从而导致了孔径误差(电压误差),从另一个角度来看,孔径抖动实际上导致了采样间隔的不确定,当仍以标称的时间间隔对采样信号进行重构时,其中必然包含孔径抖动误差所导致的噪声。
    由孔径抖动引起的噪声将引起高速数据采集系统信噪比的下降。因此需要对孔径抖动给予充分重视。
    下面是别人的图解。
    在这里插入图片描述孔径抖动对于信噪比的影响公式:
    在这里插入图片描述
    在这里插入图片描述在这里插入图片描述在这里插入图片描述

    孔径延迟

    孔径延迟是指在保持命令发出之后到ADC采样保持放大器(SHA)完全打开采样开关所需的时间,即ADC采样发出命令到采样实际开始的时间。有效孔径延迟时间te 包括孔径延迟和SHA中模拟、数字传输延迟的影响,其值可正可负。

    奈奎斯特区

    奈奎斯特带宽被定义为从 dc 到 fs/2 的频谱。该频谱被分割为一个有着无限数目的奈奎斯特区,如图所示,每个区有一个与 0.5 fs 相等的带宽。实际上理想的采样器—继 FFT 处理器之后—由 ADC 所取代。FFT 处理器只能提供从 dc 到 fs/2 的输出,如出现在第一个奈奎斯特区中的信号或混叠。
    在这里插入图片描述
    现在再对第一个奈奎斯特区(见图 2-4B)外的信号予以考虑。信号频率只稍微比采样频率像小一点,这与图 2-3 所示的时域表示中显示的状态是一致的。要注意的是:即使该信号在第一个奈奎斯特区外,其镜像 (或混叠)—(fs?Cfa)—却在第一个奈奎斯特区内。再返回图 2-4A,显然如果不需要的信号出现在任何镜像频率的 fa 上,它也会出现在 fa 中,因此,在第一个奈奎斯特区中产生不真实的频率成分。
    这与模拟混合处理相类似,并且意味着在需要采样器之前就要进行一些滤波,以去除在奈奎斯特区之外的频率成分,但是,那些混叠的成分却不能进入奈奎斯特区内。滤波器的性能将取决于带外信号与 fs/2 有多近,以及所需衰减的量。

    补充:失调误差、增益误差、线性误差等

    失调误差:转换特性曲线的实际起始值与理想起始值(零值)的偏差。在实际中可以定义为ADC的第一个数字输出跳变点Vzst电压减去1/2LSB再减去理想的零点值。
    增益误差:转换特性曲线的实际斜率与理想斜率的偏差(增益误差又称之为满刻度误差)。也可以理解为被测ADC的实际满刻度电压范围减去理想的满刻度电压范围
    线性误差:转换特性曲线与最佳拟合直线间的最大偏差,或者转换特性曲线与理想特性曲线的最大偏差
    最小有效位值:ADC器件的理想的LSB通过器件技术规范中的满刻度范围FSR除以器件的总输出代码计算得到的,例如一个12位的ADC的Vzst是2.4mV,Vfst=9996.4mV,那么该器件的LSB=(999.6-2.4)/(2^12-
    2)=2.441133mV。同时可知该ADC共有2^12(4096)个输出代码,输出代码范围是0-4095
    满刻度范围:满刻度范围是施加到ADC器件模拟输入端的最大输入信号范围。ADC器件的FSR值可以由该器件Vfst与Vzst之间的电压加两个LSB值计算得出
    量化误差:也称量化不确定性。ADC的模拟输入可以取任意值,但是数字输出被量化,所以在实际模拟输入和严格的数字输出值之间,可能有高达1/2LSB的误差,这就被成为量化误差或者量化不确定性。在采样应用中,这种量化误差造成了量化噪声的上升。
    噪声也存在好处
    所有ADC都有一定量的折合到输入端噪声。

    (1)在精密、低频测量应用中,以数字方式对ADC输出数据求平均值可以降低该噪声,代价是采样速率会降低并且需要额外的硬件。该均值方法实际上可以提高ADC的分辨率,但无法降低积分非线性误差。通过均值技术提高分辨率时,需要少量的折合到输入端噪声,但如果噪声太高,均值法将需要大量样本,而且存在一个“效益递减”点。

    通过数字均值法提高ADC分辨率并降低噪声:折合到输入端噪声的影响可以通过数字均值方法降低。假设一个16位ADC具有15位无噪声分辨率,采样速率为100 kSPS。对于每个输出样本,如果对两个样本进行平均,则有效采样速率降至50 kSPS,SNR提高3 dB,无噪声位数提高到15.5位。如果对四个样本进行平均,则采样速率降至25 kSPS,SNR提高6 dB,无噪声位数提高到16位。 事实上,如果对16个样本进行平均,则输出采样速率降至6.25 kSPS,SNR再提高6 dB,无噪声位数提高到17位。为了利用额外的“分辨率”,均值算法必须在较大的有效位数上执行。

    均值过程还有助于消除ADC传递函数的DNL误差,这可以通过下面的简单例子来说明:假设ADC在量化电平“k”处有一个失码,虽然代码“k”由于DNL误差较大而丢失,但两个相邻代码k – 1和k + 1的平均值等于k。 因此,可以利用该技术来有效提高ADC的动态范围,代价是整体输出采样速率降低并且需要额外的数字硬件。

    不过应注意,均值并不能校正ADC固有的积分非线性。 现在考虑这样一种情况:ADC的折合到输入端噪声非常低,直方图总是显示一个明确的代码,对于这种ADC,数字均值没有作用!无论对多少样本进行平均,答案始终相同。但只要将足够大的噪声增加到输入信号中,使得直方图中有一个以上的代码,那么均值方法又会发挥效用。因此,少量噪声可能是好事情(至少对于均值方法而言),但输入端存在的噪声越高,为实现相同分辨率所需的均值样本数越多。

    (2)
    在某些高速ADC应用中,增加适当数量的带外噪声扰动可以改善ADC的DNL,并提高无杂散动态范围(SFDR)。

    对于高速ADC,若要最大程度地提高SFDR,存在两个基本限制:第一是前端放大器和采样保持电路产生的失真;第二是ADC编码器部分的实际传递函数的非线性所导致的失真。提高SFDR的关键是尽可能降低以上两种非线性。 要显著降低ADC前端引起的固有失真,在ADC外部着力是徒劳的。然而,ADC编码器传递函数的微分非线性可以通过适当利用扰动(即外部噪声,与ADC的模拟输入信号相加)来降低。

    然而,扰动对改善SFDR的效力高度依赖于特定ADC的特性。

    在一定的条件下,扰动可以改善ADC的SFDR。例如,即使在理想ADC中,量化噪声与输入信号也有某种相关性,这会降低ADC的SFDR,特别是当输入信号恰好为采样频率的约数时。将宽带噪声(幅度约为½ LSB rms)与输入信号相加往往会使量化噪声随机化,从而降低其影响。然而,在大多数系统中,信号之上有足够的噪声,因此无需额外添加扰动噪声。ADC的折合到输入端噪声也可能足以产生同样的效果。将宽带均方根噪声电平提高约1 LSB以上会成比例地降低ADC SNR,且性能不会有进一步的提高。 还有其它一些方案,都使用更大数量的扰动噪声,使ADC的传递函数随机化。

    还有一种方法更容易实现,尤其是在宽带接收机中,即注入信号目标频带以外的一个窄带扰动信号,如图6所示。一般来说,信号成分不会位于接近DC的频率范围,因此该低频区常用于这种扰动信号。扰动信号可能还位于略低于fs/2的地方。相对于信号带宽,扰动信号仅占用很小的带宽(数百kHz带宽通常即足够),因此SNR性能不会像在宽带扰动下那样显著下降。

    展开全文
  • 了解Objective-C的动态特性

    千次阅读 2013-03-25 22:55:50
    Objective-C具有相当多的动态特性,基本的,也是经常被提到和用到的有动态类型(Dynamic typing),动态绑定(Dynamic binding)和动态加载(Dynamic loading)。 这些动态特性都是在Cocoa程序开发时非常常用的...
  • 今天做公司的以前项目的时候发现项目中有个特别好的东西,记录下来,分享一下 发现spring有个这样的功能,我也不知道这个是东西应该怎么称呼,就是通过输入参数动态决定调用接口的实现类。简单理解就是在spring...
  • MOS管的主要参数与重要特性

    千次阅读 2019-05-23 14:23:04
    双极性晶体管:NPN和PNP管; 单极性晶体管:场效应管(MOSFET和JFET); MOS管相对三极管具有速度快、输入阻抗高、...静态特性参数 BVDSS:漏源击穿电压,为正温度系数。 BVGS:栅源击穿电压 VGS(th):阈值电...
  • 深入Objective-C的动态特性 转摘自:http://www.onevcat.com/blog/archives/—— Objective-C具有相当多的动态特性,基本的,也是经常被提到和用到的有动态类型(Dynamic typing),动态绑定(Dynamic binding)...
  • 动态调整线程池参数实践

    千次阅读 热门讨论 2021-04-26 22:19:35
    欢迎大家关注我的微信公众号【老周聊架构】,Java后端主流技术栈的原理、源码分析、架构以及各种互联网高并发、高性能、高可用的解决...开发人员个人经验与水平参差不齐,配置线程池参数都是按照自己想法来,没有统一.
  • 设计和应用中我们会经常关注到它们的温度系数,下面笔者就定性的来说说它们的参数及其温度特性。 场效应晶体管(MOS、MOSFET): 1)阈值电压:vth 该参数为负温度系数,即:随着温度升高,MOS管的开启电压会线性...
  • 行为参数化是使方法接受多种行为作为参数,并在内部使用,完成不同的行为。行为参数化可让代码更好地适应不断变化的要求,减轻未来的工作量,是可以帮助你处理频繁变更的需求的一种软件开发模式。
  • 手机NFC天线的集总参数设计

    千次阅读 2018-12-15 20:16:47
    本文侧重于对手机NFC天线设计的探讨,分析各种材料,走线,布局对NFC设计参数的影响,通过对NFC天集总参数的理论分析和计算并同实际测试结果相对比,进一步的总结和验证NFC天线重要参数设计,提出NFC天线的设计...
  • DDR4实战教学(三):特性与电气参数

    千次阅读 2020-09-08 10:24:24
    为大家带来DDR4的特性,DDR4的重要信号描述,DDR4的电气参数介绍,基于Hyperlynx的DDR4 SI仿真,DDR4的时序参数简介。 本节仅讲解DDR4的特性,DDR4的关键信号作用,DDR4的电气参数。 DDR4有哪些特性? DDR系列有DDR...
  • VR光学设计的关键参数

    千次阅读 2017-04-03 21:57:06
    光学设计的关键参数原文英文链接.翻译中有一些个人添加的辅助信息,以括号标识,”注:”开头,以粗体表示,例如(注:以下为个人翻译,水平有限,欢迎指正).
  • VR游戏设计之三大特性

    千次阅读 2016-08-16 19:40:28
    游戏发展至今一个限制游戏创新的重要特征是硬件提供更加全新的概念与游戏开发者,而VR设备的崛起提供了这样一个...体验(设计者超越认知的想象力与合理性的完美融合) 输入方式 VR输入设备颠覆式的概念是空间含义,它
  • 天线设计相关性能参数

    万次阅读 多人点赞 2018-10-06 09:50:46
    天线的指标参数分为两部分:1.电路参数,天线高效率辐射的保证,天线应用的必要条件 2.辐射参数,天线应用的本质,天线应用的充分条件 下面将每部分的参数做介绍(终端小天线大多数时候较强调电路参数)。电路参数:...
  • 研究、开发了真空断路器机械特性测试系统,克服了以往的一些应用难题,能实现包括机械、电气、触头温度等多种断路器运行特性的综合监测;该系统采用上下位机结构,下位机是一个基于TI公司的VC33数字信号处理器的数据...
  • 设计模式演化之动态代理

    千次阅读 2020-06-22 18:57:39
    前言 在设计模式演化之代理模式中实现的代理模式是静态代理模式。静态的代理类由我们手动完成,在编译期间,代理类的功能就已经被完全确定下来了。而动态代理的代理类却是在运行期间根据我们给出的规则动态生成的,...
  • 一、信号衰减输出部分设计 1.1增益测量时输入信号峰峰值选择  通过计算待测的共射放大电路在1kHz频率下的增益大约在100以上,这个增益会根据不同的管子呈现出细微的不同,我手头搭建的电路经过测试发现此时的增益...
  • 增量同步-spring batch(6)动态参数绑定与增量同步 tags:springbatch 文章目录增量同步-spring batch(6)动态参数绑定与增量同步1.引言2.开发环境3.增量同步简述3.1 基于源数据的`CDC`3.2 基于触发器的`CDC`3.3 基于...
  • 晶体管(transistor),是一种把输入电流进行放大的半导体元器件。 晶体管的结构由三极、三区、...参数定义 结论 外部条件:发射结正偏、集电结反偏 电流分配关系 把基极电流的微小变化能够引起集电极电流较大变化的特
  • 在《程序员》2003年第12期的一篇访谈录中,Ruby的发明人Matz较详细地阐述了Ruby的设计思想及遵循的原则,其中大部分我都深以为然,特别是他高度重视语言设计过程中人的因素则更是让人激赏。不过他对正交特性的看法...
  • 叶片泵的6个性能参数: 1、流量(抽水量)——水泵在单位时间内所输送的液体数量。用字母Q表示,常用的体积流量单位是、 、L/s。常用的重量流量单位是t/h。 2、扬程(总扬程) ——泵对单位重量(1kg)液体所作功,也...
  • Carson带你学设计模式:动态代理模式(Proxy Pattern)

    千次阅读 多人点赞 2018-06-06 09:02:54
    手把手带你全面了解动态代理模式
  • 由于深度学习在欧几里得数据中的广泛应用,图表示学习重新成为一个趋势,它激发了非欧几里得领域(尤其是网络图)神经网络的各种创造性设计。随着这些图神经网络(GNN)在静态设置中的成功,我们进一步考虑图动态演化的...
  • 10分钟看懂动态代理设计模式

    万次阅读 多人点赞 2018-03-14 10:38:00
    原文作者:欧阳锋点击打开链接动态代理是Java语言中非常经典的一种设计模式,也是所有设计模式中最难理解的一种。本文将通过一个简单的例子模拟JDK动态代理实现,让你彻底明白动态代理设计模式的本质,文章中可能会...
  • 产品分析,产品测试需求分析,测试规格分解分配,特性测试需求分析,特性测试设计,测试设计维护,测试用例设计,测试用例设计维护。 测试特性方案设计任务书 测试特性方案设计任务书包含了测试特性、测试方案设计...
  • 本系统设计是从低成本、低功耗、高效率等概念出发,采用32位单片机STM32F103C8T6为处理核心,在数据采集节点端控制一系列的传感器(如DS18B20、DHT11、MQ-135、光敏二极管、雨滴传感器、土壤水分传感器等)来采集...
  • 程序设计语言正交特性的一点思考

    千次阅读 2010-09-09 15:05:00
    <br /> 在《程序员》2003年第12期的一篇访谈录中,Ruby的发明人Matz较详细地阐述了Ruby的设计思想及遵循的原则,其中大部分我都深以为然,特别是他高度重视语言设计过程中人的因素则更是让人激赏。...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 371,288
精华内容 148,515
关键字:

动态特性参数设计过程