三相交流电源的相序怎么判断?如万用表

  三相电源相序判断:

  某相电荷的相位布置在前部,而电荷的相位滞后。三种相容性相差120度,第二相比第一相相差120度,最后一相比第一相相差240度。但是因为360度的差等于相同的相位,所以最后的相位也等于第一相前120度的电角。

  三相电源:

  三相电源是一组振幅、频率相同、相位差为120°的三相交流电。它是由一个三绕组三相发电机产生的。它是工业上常用的动力源。

  三相电机:

  三相电机是指当电机的三相定子绕组(每个绕组的电气角度相差120度)转换成三相交流电时,会产生一个旋转磁场。旋转磁场切断转子绕组,从而在转子绕组中产生感应电流(转子绕组为闭合路径)。
 

三相交流电源的相序怎么判断?如万用表
三相交流电源的相序怎么判断?如万用表

  三相电机相序简单判断方法:

  对于电机的六个接线头,如果用电阻文件测量电阻,相同的绕组电阻很小,但不相同的绕组电阻无穷大;

  然后将万用表的电流文件串联到同一绕组上,再将手动盘式电机(按照指定的工作方向),电流端正方向为磁头,电流端负方向为磁头。然后用上述方法确定另外两相绕组电阻。

  A、B、C三相排列,请按照直线栏的标签;如果没有,你自己标记一下。

  万用表测试三相电源相序的具体方法:

  如你所知,电力系统的并列就是在相同电压下A、B、C三相的并列。我们只需要将一侧设置为电源侧,另一侧设置为同步侧,并将电源侧与同步侧进行并联。当满足其他三个并行条件时,不进行相序表试验。你不必紧张。你仍然可以使用万用表来确定两个源相序的一致性。

  如果低电压0.4 kV及以下,你会在万用表交流500 v或750 v电源侧的第一组,B, C三相,然后使用钢笔和固定在一个阶段的电力供应方面,使用其他笔和同期的侧方,B, C三相,这个时候会得到三个不同的电压值,但是有两个电压值高,几乎相同的情况下,另一个是低的,选择测量端和电源端最低的一个相位到一个相位。根据该方法,另外两相B和C分别测量。最后将两个相同电压为0.4kV的电源并置。当然,若两侧10kV及以上高压电源并联,则应采用上述方法对两侧电压互感器的二次出线进行测量。选择的电压范围应为200V交流电,同时还要检查两侧电压互感器的接线,以免因相位不同而造成事故。

       吉事励电子(苏州)有限公司专业致力于电力电子变换技术的研发和应用,专业生产变频电源、直流电源、交流负载、直流负载、回馈式电子负载、回馈式电网模拟器、电池模拟器、光伏阵列模拟器、光伏逆变器测试设备、新能源电机电控测试电源及自动化测试系统等产品制造及解决方案厂家,是国内电源行业与测试系统核心技术自动化的高新技术企业。

      转载请注明来源:吉事励电子(苏州)有限公司http://www.jshlpower.com/

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检的定义 目标检(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检一直是计算机视觉领域最具有挑战性的问题。 目标检任务可分为两个关键的子任务,目标定位和目标分类。首先检图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检算法主要分为两类:Two stage和One stage。Two stage方法将目标检过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检模型一般会给出目标的多个预边界框,对成百上千的预边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预类别匹配真实值(Ground truth)的类别 预边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预结果时,只有最高置信度分数的预结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值