matlab3854芯片控制电路,高功率因数开关电源的研究与实现

分类号:

UDC:

TN86

密级:

单位代码:

公开

学位论文

高功率因数开关电源的研究与实现

康建胜

申请学位级别:硕士学位专业名称:电力电子与电力传动

指导教师姓名:张开如职称:教授

山东科技大学

二零一零年五月

论文题目:

高功率因数开关电源的研究与实现

作者姓名:康建胜入学时间:

专业名称:电力电子与电力传动研究方向:

指导教师:张亚玺职称:

戴陶珍

}}}教

论文提交日期:

论文答辫日期:

授予学位日期:

STUDYANDREALIZATIONONTHEHIGHPOWER

FACTORS丫VITCHINGPO、VERSUPPLY

ADissertationsubmittedinfulfillmentoftherequirementsofthedegreeof

MASTEROFPHILOSOPHY

from

ShandongUniversityofScienceandTechnology

by

KangJiansheng

SuPervisor:ProfessorZhangKairu

ASSOCiateProfeSS0rDaitaozhell

CollegeofInformation&ElectricalEngineering

May2010

声明

本人呈交给山东科技大学的这篇硕士学位论文,除了所列参考文献和世所

公认的文献外,全部是本人在导师指导下的研究成果。该论文资料尚没有呈交

于其它任何学术机关作鉴定。

硕士生签名:

日期:

如纽

沙I。、乙r毕

AFFIRMAI,ION

1deelarethatthisdissertation,sub而ttedinfulfillmentoftherequirements

fortheawardofMasterofPhilosoPhyinShandongUniversityofSeieneeand

Teehnology,15whollymyownworkunlessreferencedofaeknowledge.The

doeumenthasnotbeensub而ttedforqualifieationatanyotheraeade而e

institute.

Signature:

Date:

吻伽从吩

沙净、示,午

开关电源是实现电能转换和功率传递的重要设备。近年来,随着电力电子技术的快速发展,开关电源因其效率高、性能好、成本低而被广泛应用于国民经济的各个领域,并取得了显著的效益。因此研究设计一款性能稳定、可靠性高的开关电源具有极高的科研意义和商业价值。基于此,本文研究设计了一款输出电压4-20V、输出电流可达25A的高功率因数开关电源,同时它也可设计成固定电压输出。

为保证开关电源保持一个较高的功率因数,采用了高频有源功率因数校正电路,并通过MATLAB仿真软件分析研究了有源功率因数校正的拓扑和控制方法。具体电路采用了UC3854芯片控制的升压型有源功率因数校正电路,包括了升压电路和UC3854控制电路,使校正系统同时具备整流和稳压功能,即在输入功率因数为1时,输出电压同时稳定,并通过仿真电路验证了这一结论。

为了消除和抑制来源于功率半导体开关器件产生的高速du/dt和di/dt的干扰,分析设计了EMI滤波器和软开关半桥式DC/DC变换电路。同时DC/DC变换电路选用TL494芯片作为输出脉宽调制的控制模块。其中稳压电路利用TL494自带的误差放大器和外围电路组成误差积分器,利用负反馈来调节并稳定系统的直流输出电压。过流保护也利用TL494另外一个误差放大器组成的积分器对系统进行过流保护。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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