matlab中zpk模型是什么

hello， 大家好，这期视频呢给大家介绍一下几种 llc 谐音托普结构的对比分析。大家知道不同数量的 llc 原件的组合可以形成不同的 llc 谐音托普。在我们电源设计当中，常见的谐音托普结构就有这么多种， 第一种呢就是这种 d a b 的， 这种也是最简单的一种，它只有 l， 没有 c 的。 第二种呢是 l c 串联的。第三种呢是 l c 并连的电容，它是并在这个变压器两端的。第四种呢是这种 l c c 的， 它是有两个谐振电容。然后第五种呢是我们常见的 l c 两个谐振电感。 这种呢就是我们常说的双向 lc， 也叫 clc。 最后一种呢也是双向的 lc， 它是叫 clc， 它是三个 l 的 三个旋转电杆。 我们一般说的双向 lc 变换器指的就是这种，这边呢是他的一些控制方式。现在的 lc 旋转变换器用的都是变频的一项结合控制的，在欠旋转状态下采用的是一项控制。这边呢是他们的一些优劣分析啊。 这种双向的 l c， 它的参数设计会比较复杂，体积也会比较大，这就是双向全桥 l c 的 top 结构，大家有兴趣的可以自己去看一下高频变压器的设计，旋转网络的参数设计。然后接下去我们可以一起看一下，这是一个双向全桥 l c 的 仿真模型， 他的 dc 输入是七十二伏， dc 输出是四十八伏，也就是说他在正向运行的时候，可以实现从七十二伏到四十八伏的降压，然后他在反向运行的时候，可以实现从四十八伏到七十二伏的升压， 这就是双向全桥 lc 变频器，它的优势啊，一套电路，一套控制逻辑，它既可以实现降压，也可以实现升压。这是圆边的四只 mouse 管，这是负边的四只 mouse 管，我们首先看一下正向运行的时候，它是怎么样工作的吧。双向 lc 电路，它的 mouse 管都是实现对角线开通的， 一三开通，然后二四开通，所以一三用的是同一对驱动信号，二四用的是同一对驱动信号，副边也是一样的， 输出电压是 bo 一， 然后呢我们参考电压是这个 v i f 四十八伏输出电压，参考电压经过这个 p i 运转，然后进入这个 v c o， 然后再经过这个 p w m 模块的运转，最终输出这四路驱动信号。 这个 p c o 大家应该还记得吧，这个 p c o 实际上就是我们的压频变换器，这个呢就是 p r 变换的环节，这部分呢就是压频变换的环节，压频变换的输出进入这个 p w 模块的运转，最终输出这四路 p w 的 驱动系统。 我们可以运行一下这个仿真模型啊，运行完了以后，我们可以看一下它的输出波形啊，上面这个波形呢，就是在正向运行的时候，它的斜正电流和粒子电流的波形，下面这个波形呢，就是它的输出电压的波形， 可以看得出来，这个绿色的波形最终是稳定在五十伏下面一点点，也就是四十八伏的位置，开机启动是有一点超调的，我们可以具体展开看一下它的波形细节。 红色的这个呢就是旋转电流，而蓝色的这一条呢就是立磁电流，可以看得出来啊，此时他是工作在欠旋转状态，旋转电流和立磁电流相等， 正向运行的时候，它的输出是 bo 一 啊，这个时候它的能量流向是从左往右的，然后反向运行的时候，它的输出是 bo 二，这个时候它的能量流向是从右往左的，但是它的控制逻辑用的是同一套，这用的是一套电路啊，一套硬件电路， 刚才我们已经运行过了，我们可以直接看它的输出波形啊，反向运行的时候，它的输出电压是在这里啊，是绿色的，这一条线大概在七十伏上面一点点，也就是七十二伏的位置， 同样的上面是斜震电流和历史电流，我们可以展开看一下他们的波形。同样的斜震电流和历史电流有相等的部分，这说明他也是工作在欠斜震的状态， 在反向运行的时候，他同样也是 bo 二，这个输出电压和我们七十二伏这个插卡电压进行比较，然后经过 pr 运算压平变换 p w， 我 们来运算最终输出这四路的驱动信号。 这四路的驱动信号他们之间的关系是怎么样的？大家有兴趣的可以借个示波器来测一下。比如说圆边的同一桥臂的两路驱动信号，他们之间肯定是互补的，对角线的这两路驱动信号他们肯定是同时的。 好，这期视频关于这个双向 l 的 仿真模型，我就为大家介绍这么多，大家可以自己去尝试一下， 在这个仿真模型的基础上改一改，也可以自己去看一下这些仿真参数，斜正参数它是怎么来的？实际上万变不离其宗啊，大家还是要把我们的全桥二六二七学的好一点，然后再来学这个双向全桥二六二七的话，学起来就会比较轻松啊。好，谢谢大家，拜拜。

在上一个视频里，我们已经搭建了一套无人机半实物仿真系统，这次更新准备将其中的几个问题集中解决一下。一是控制响应速度， 上次明显可以看到操纵摇杆手柄到仿真模型接收到控制信号，延迟大概有三秒左右，这次优化极大提升了控制信号的响应速度。二是摇杆从单摇杆改成了双摇杆， 操作更加方便。之前的版本还需要在仿真模型上操作，这次彻底改成了物理手柄全面接管控制。 现在硬件连接已经完成，两个仿真软件也已经就绪。本次更新的另外一个地方是增加了飞行轨迹实时显示功能，增加空间三维坐标系显示 飞行器实时位置和飞行轨迹，并用红心标注遥感控制的目的地坐标位置。增加两个状态显示灯，左边是目的地到达状态显示灯，到达目的地时，指示灯切换为蓝色，右边是无人机电源开关，绿灯开红灯关。 我们先来试验一下遥感信号的响应速度，可以发现控制信号波形能随遥感动作改变，三维坐标显示的目标红点也可以进行相应移动。 这次的控制信号响应速度比上次快了很多，已经大幅度缩短了信号延迟，延迟大约为零点二到零点五秒左右，基本不影响手柄的实时操控感受。我们来实际控制无人机进行一次飞行，将左摇杆目标推向右极限位置， 注意看三维坐标系上的红点。目标坐标和蓝色的无人机飞行轨迹 已经非常接近目标点了，注意观察目标抵达状态指示灯，当到达目标后会变蓝色。好的，已经到达目标状态，灯也已经变为蓝色。 我们再控制无人机进行更多飞行尝试。现在我们让无人机提升高度， 再次抵达目标，坐标指示灯变为蓝色。 好啦，基本功能都算是正常了。我们停止仿真， 看看 msm 软件的后处理三维动画， 这里的三维视角出现了一点偏差，我们稍微调整一下视角， 基本上调整的差不多了。让我们和 simulink 的 三维坐标轨迹进行一下对比， 可以看到也是先提升高度，再水平移动到第一个目标，然后再提升高度到第二个坐标轨迹，完全一致。 双摇杆办实物仿真升级方案已成功，三维实时坐标轨迹显示功能正常，抵达状态指示灯功能正常。 后续我计划继续对这套系统进行改造和升级，希望能集成更多功能，或者能够进一步优化仿真性能， 或者是进行其他领域的仿真实件内容感谢大家观看，有什么问题欢迎与我交流，我们下次再见。

大家好，欢迎来到扣鼎茶水间，今天给大家介绍的题目是基于优漏算法的花朵识别系统，这个项目呢是我们做好的一个成品项目，如果有定制需求，开发的小伙伴也可以和我们私信沟通。 我们的主要技术站以业务范围包括计算机视觉领域，支持 python 的 开发，主要承接的方向包括目标检测，图像分类与识别，图像分割增强以及深度学习算法的复现与改进。 好的，我们废话不多说，继续看我们这个项目。这道系统呢是可以识别一百零三种花朵，这是我们所以所有能识别到的花朵的种类，可以看到山茶花，美人蕉，风铃草等等，还有 牵牛啊，爱牵牛，一品红，对，总共是一百零三种。然后呢，让我们看一下我们这个主界面，我们主界面呢分为三个区域，左侧区域呢是我们的功能按钮区，可以加载不同的模型来进行检测， 可以看到这块是加载图片，加载视频，这个文件夹选择呢是可以批量化的检测多张图片。摄像头呢是可以实时的检测连接到电脑上的摄像头传过来的视频流， 这个模型选择是可以选择我们使用哪个模型来进行检测，我们这套系统呢，代码中默认配置是使用 u 十二进行检测的，然后这个结果保存呢，是可以将我们检测后的图片以及视频生成新的图片和视频保存下来，然后新的图片和视频中呢，是叠加有我们检测的目标结果信息的。 然后呢，我们界面的中间区域上方有两个参数调节，一个知心度，一个交汇米，就可以通过滑动来调节。这个检测耗时呢，是我们当年画面检测的目标，用了多长时间，以及这块是检测多少个目标。 中间这个语音播报呢，当我们选中之后，我们检测到目标的时候，它会进行一个语音播报提醒界面。中间区域呢，这块是我们预制了一个启动页的动画，它是用来展示我们加载的图片和视频，以及摄像头传感器的实时的视频流。然后下方这块区域呢，是我们的一个推爆列表，它是用来展示这个 检测到的目标的详细数据，会展示到下方右侧区域。上方这个类别统计呢，是可以统计我们当前画面检测到某个类别分别检测多少个目标，这个类别过滤呢，是可以过滤我们想要检测的类别。 然后下方这块区域呢，是用来展示我们这个 tab 列表中的艾特姆的详细数据，当我们点击某个艾特姆的时候，它的详细的数据会展示到这块，这个结果导出呢，是可以把这个 tab 列表中的数据导出到表格中保存起来。然后这个侧边栏呢，还可以点击收缩展开。对， 我们现在呢，先选择一张图片看一下， 发现目标可以看到当前画面是检测到有一个花朵叫无尽龙胆，识别出来它是无尽龙胆，它的视 这个知情度呢是零点九八。然后下方呢也是有一条数据展示，那我点击这条数据的时候，他会在右下方会展示他的详细的包括他的检测类别，他的知情度以及他的坐标位置。然后这个统计呢也是统计到这个无尽的龙胆，这个花有一个， 对，然后呢这个检测耗时显示是二点八五秒，因为我们第一次检测的时候需要加载模型，所以第一次时间它都比较长，我可以再选择一张图片看一下，发现目标。对，现在显示是零点零六秒，也是检测到一个目标， 发现目标，这个呢是检测到零点零三秒，有两个目标，那叫秘鲁百合。对，我们每次检测到目标之后呢，它就会进行这个语音播报，这个语音播报呢是我们预制的一个语音文件，就这个 alarm 这个语音文件，当我们检测到目标的时候，就会播放这个语音文件，所以呢这个可以根据自己的需求可以更改。 对，然后呢我们可以看到这个花朵的这个知心度，它一个是零点五八，一个是零点九七，差别还是比较大，比如说我，我现在这个知心度设置的是零点五，我把它设置到零点，设置到零点八，对，然后呢我再选择这张图片的时候，发现目标，检测到一个目标，因为另一个目标的知心度太低了， 对，这就是这个知心度的过滤，我们默认呢都设置的是零点五对。然后我们再选择一个视频看一下，发现目标，发现目标，我把这个语音关了，因为它每次都很火爆， 它会依次检测这个视频中的每一个目标。对，那最后一张画面是检测到有三个渐蓝这种花卉。好的，然后呢我们先点击结果保存一下， 好视频一保存，我结果导出一下，结果一导出，然后我们看一下我们保存的这个结果， 这是我们的原视频，这是我们检测后的视频，从这就可以看到它是带有检测的目标结果信息的。 对，可以看到这视频中是带有也加有我们这个检测的信息。对，然后这个表格中呢，会把所有的数据保存到一个表格中， 每一帧的画面可以看到这个时间点，每一帧的画面它都会保存到这个里面，所以这个数据会比较多，有个两百多条数据，对，这就是这个数据的保存。 然后呢我们再看一下这个文件夹选择的功能，我现在来选择一个文件夹， 会看到它会依次的检测文件夹中的每一张图片。 好的，这就是这个文件夹的选择。然后呢我们再点击一下结果保存，我需要新建一个文件夹， 点击选择文件夹好了，然后我点击结果导出也导出了，然后我们再看一下我们保存的这个数据，这是我们新建的这个文件夹，这里面是我们检测后的这个图片，可以看到啊，这个图片呢都是带有这个 检测信息的。对，然后呢这块是我们保存的这个数据表格，这里面是会把每一张图片的数据都会保存到一个文件夹，可以看到这是不同图片的文件路径，然后呢这是它检测出来它的类别、知心度以及它坐标位置。 好的，这就是这个文件夹的选择。然后呢我们再看一下我们摄像头的功能，我现在呢点击打开摄像头。 好，摄像头打开了之后呢，我现在打开一张图片 可以看到啊，对，可以检测出来，因为它有的时候会有点反光，反光比较严重， 好的就是这个摄像头的功能，然后这个模型选择呢？我们刚才检测都是使用的是优酷十二模型，我们现在可以选择一个另其他模型看一下。我们这套代码呢是训练了四个模型，我可以选择这个优酷 v 八，看一下 我选择的权重文件。好，已成功加载。然后呢我再检测一下图片 也是可以检测到的，看一下不同的模型之间呢会有微小的差异，但是这种基本上都没啥问题，检测的 对，这就是这个不同模型的这个检测，这是我们这个界面操作的所有的检测的功能和数据保存的功能。然后呢我们这套系统也实现了一个登录的功能，这是我们这个登录的脚本，我直接点击运行， 这是我们登录界面，登录需要用户名密码以及验证码，或者可以刷新验证码。然后呢我直接需要先注册一个账号，我先选择头像， 然后用户名密码，点击注册，然后我登录一下， 点击进入。 我登录成功之后呢，会在左上角会有个个人中心按钮，点击个人中心有个人信息展示，展示它的 头像还有他的用户名，我可以修改信息，可以修改密码，修改头像我就不演示了，然后点击注销，用户确定就会退出到这个登录界面，这就是我们登录的功能。然后我们这个代码呢也可以实现了，不需要任何界面操作，可以通过脚本来检测图片视频以及摄像头实时视频流的一个功能，这是我们检测图片的脚本， 可以看到这是配置了两个，这有两个比较重要的参数配置，一个是这个模型全中文文件路径，我的默认配置是 u 六十二。然后呢是我们要检测的这个图片的路径，这块呢我们配置一下我们那个图片路径，然后呢我直接点进行， 可以看到这是它的原图，这是一个检测后的一个图，对，这就是这个图片的检测，然后呢这是视频的检测，这里面是我们配置好的一个视频聊，我直接点进行 会看到它会检测，依次检测出视频中的所有的目标，检测完成之后就自动退出了，这个是摄像头的这个检测脚本，我就不演示了。然后我们这个代码呢也实现了一个训练的脚本，这就是我们这个训练的脚本，这里面是配置了四个要训练的模型， 这个可以根据你自己的需求进行删减就可以。然后呢下方这块呢是我们的训练轮次，我们默认每个模型都是要训练一百次以上。然后这块呢是每批次的图片处理数量，这是根据自己电脑配置来决定的，我们把它设成八就可以，电脑配置一般的话改成八就行。然后我点击开始运行，现在提示已经开始训练。第一个模型， 这块是加载我们的数据集，这是它的验证集，这是它的训练集呢是四千两百三十四张图片。 然后这块是它的验证集，验证集呢是一千两百零九张图片，所以这套数据集呢总共是五千四百多张图片。 因为这个训练的时间比较长，我就不演示了，我给大家看一下我们这个目录的结构，这个春，对头这个目录下呢放的是我们的数据集，这里面包括有训练集、验证集，然后训练完成之后输出的结果是在这个 russ 目录下，这里面呢是我们训练好的四个模型， 我们可以看一下这是 u 十二的这个输出结果，每个模型呢，训练完成之后都会有这么多的这个输出的结果，这里面包括有这个 f 一 参数， 它是一个召回率和精准度的一个参数曲线，然后还有这个很小矩阵，这个呢就表示它的这个识别率颜色越深呢，它的识别率是越高的。对，还有这个训练过程中的一些标注图， 然后这个 wait 这目录下呢放了两个权重文件，一个 best， 一个 last， 这个 best 是 训练过程中数据最好的一个权重文件，这个 last 是 最新一次训练输出的权重文件，我们使用这个模型的时候，使用这个 best 就 可以。 好的关于这个训练结果的详细的说明，我们之前有一条视频，叫一条视频讲清楚 yellow 训练结果的含义，大家可以去看一条视频，讲得非常详细。好的，这就是这套系统完整的功能演示和说明。

大家好，非常荣幸能够在这学期和大家一起来学习自动控制原理。在这个系列里，我会从自己学习的角度出发，和大家一起来学习这门非常有意思的专业课， 也希望我的讲解能够为大家今后的学习提供一定的帮助。咱们的课程主要是围绕教材展开，侧重点可能会与课堂上讲的有所不同， 我们会更偏向于一些具体公式的推导，以及知识点之间的相互联系。当然，如果可以的话，我也会和大家一起学习，并做一些简单的 my lab 仿真， 最好能复现一些书上的经典图像，甚至是搭建简易控制系统的模型。我们希望大家不仅能够记住结论是什么样的，更能够理解它是怎么推导来的，以及它能运用到什么样的场景里。 当然，受限于我个人的专业能力和学术水平还是有限的，如果在讲解的过程中出现疏漏，甚至于是错误的部分，还是恳请大家能够对我进行批评和指正的。 那 ok， 话不多说，我们直接进入第二章控制系统的数学模型，这一章我们可以把它分为五个部分，而本次课的内容就相当于是我们对缺失的第一章做一个简单的引入。也给大家来介绍一下这门课里我们主要会讲哪些内容。 那请大家先闭上眼睛，六月份不是就要世界杯了吗？虽然非常可惜国足没有闯进世界杯，但是大家不妨来想象一个场景， 在不久的将来，你带领国足杀入了世界杯的决赛。熬战九十分钟，双方战至零比零平，你带球杀入禁区， 对方防守队员一脚把你踢倒，裁判哨响怒指十二码前，你正在点球点前。 ok， 下面这一段好好听， 你的脑子里在想，我要踢球门的左上死角。接着你的腿响应了这个想法，奋力踢向足球，足球划出了一道美妙的弧线，钻入了球门的左上死角。咻！你带领国足夺得了世界杯的冠军。 哎，那这跟我们的自动控制原理有什么关系呢？怎么讲着讲着还做上白日梦了呢？ ok， 那 别急，不妨听我慢慢道来。 我们不妨把刚刚这个场景抽象一下，把它想象成是一个人击球的简单控制系统。在这个系统里，人是控制装置，足球是被控对象， 你的腿执行了踢球动作，那么我们是不是就可以把它看作是一个执行部件啊？同时，我们刚刚说，在你的大脑中产生了我要踢球门左上角的想法，那么这个想法就是这个控制系统对应的输入， 同时他是不是也是我们期望的输出？你的想法，这个输入在经过人这个控制装置计算后，产生了相应的控制信号。控制执行部件腿去踢球，执行部件在接收到控制量后，对背空对向足球产生了一个输入。 足球在接收到这个输入后，是不是也就产生了相应的输出，对应的也是我们刚刚所讲的，球飞向了球门的左上角。 那如果对控制理论有些了解的朋友可能已经发现了，这是一个简单的开环控制系统的结构框图， 我们不妨再来梳理一下。一个开环控制系统主要包含三个环节，控制装置、执行部件和被控对象。 当输入量作用在系统上时，控制装置根据相应的控制规律产生控制量作用，在执行部件上驱动执行部件对被控对象产生一个输入，被控对象在接收到这个输入后，最终产生系统的输出。 那么这样我们就认识了什么是开环控制系统。那讲到这里，你可能已经产生了一些疑问，也就是在开环控制系统中，这三个环节没有什么样的作用呢？ 被控对象最好理解，就比如说你们这个学期在学的单片机里面的智能车，他就可以被看作是一个被控对象。换言之，被控对象就是我们想要去控制的一个东西。 那么你可能又会产生一个新的疑问，那既然我们是要去控制被控对象，为什么不直接根据被控对象的输入输出关系，给予他相应的输入量去控制这个被控对象呢？ 那 ok， 我 们不妨做一种极端的假设，就假如啊，你在你的脑海里产生了一个想法， 这个想法是这个系统的输入，那我们知道我们是人类，我们不是修仙的，没有办法用意念去控制一个系统。 因此我们是不是就需要将这个想法转化为这个被控对象能够理解并接受的一种输入形式？那么前两个环节就实现了这种转化。 对于一个控制装置，它的作用就是把系统的输入根据某种控制规律转化为相应的控制量。就比如说我们后面要讲的 pid 控制，或者说记控里会讲的最小拍控制。 那么常见的控制装置有什么呢？这一期你们学的单片机里面的单片机，下一学期你们会学的 plc， 这些都是我们常见的控制装置， 那对于这些装置呢？他们输出的控制量形式通常是电信号，那这里就会存在一些问题，对于我们实际控制装置里流进的信号强度往往不是一个量级的， 也就是你控制装置这个电信号如果直接用于去驱动被控对象的话，好比小马拉大车，他是驱动不动的，所以我们是不是就要对这个信号进行放大？ 第二个，我们说控制装置输出的控制量一般是电信号，但我们实际被控对象所需要的输入形式，他可不一定是电信号，他有可能是力，也有可能是扭矩这些。 因此我们是不是就需要把这个电信号转化为这个被控对象所需要的输入形式？那么执行部件是不是就实现了上述的作用， 它将我们的控制量进行放大和转化，把它转化成能够直接驱动被控对象的物理形式，进而使被控对象产生相应的输出。那 ok， 到这里我们就简单的了解了开环、控制系统三个环节的作用， 你会发现这个系统的结构非常简单，就是一个从左向右的单项链条，那么他既然这么简单，难道他就完美了吗？就像你认识三天就奔现的 crush， 他 是不是就是完美的？会不会也存在一些不足？ 我们不妨从下面三个角度来简陋的分析一下。首先是建模误差，这个非常好理解啊， 我们先用一个例子来引入，有一天你的 crush 给你发了一张美照，然后你就美美的心动。但是我们大家都知道，就是网上的照片有非常重的美颜和滤镜，与你的 crush 在 现实中的形象是有一定的不吻合的。 那对于我们的控制系统也是如此。我们在为实际的系统建立数学模型时，我们也希望他尽可能表现的简单以及美观。因此，我们在分析时 往往会忽略非常多的分线性因素，做大量的现行化处理，以便于我们去分析和设计相应的控制规律。那可想而知的是，这就会导致我们实际用于分析的数学模型与现实里的模型不是完全吻合的。 那么如果你直接把基于理论模型分析得到的输出关系应用于实际系统时， 由于这个模型不是完全匹配的，实际系统的输出是不是就会与我们期望的输出产生一定的偏差？第二个是开环控制系统，他的抗干扰能力比较弱。 想象一下，有一天你走在路上，你的好朋友突然窜出来踹了你一脚，那么你是不是就会偏离自己的期望路线？ 控制系统也是如此，如果系统在运行的过程中有内部或者外部的扰动作用，那么系统的输出也不会按照我们期望的方向发展。此外，当开关控制系统的输出产生偏差时，他没有办法对这个偏差进行自适应调节， 也就是他无法自动消除这个偏差。因此，开环控制系统就有上述的几个主要的不足，一个是他没有办法克服模型误差，第二个是他的抗干扰能力比较弱。第三个就是当他的输出产生偏差后，没有办法对这个偏差进行自适应的调节。 那 ok， 既然开环控制系统有这么多不足，难道我们就不管了吗？就像你的 crash 有 一些缺点，你就可以直接抛弃它吗？那答案肯定是不可以的，我们要想办法解决这些问题。 还记得我们刚刚举的那个例子吗？你被你的好兄弟踹了一脚，拼了一个期望路线，但是过了几秒，你自己却又走回你的预期路线，哎，那其实答案非常简单， 因为你有眼睛，你看到了你实际走的路线与你的期望路线之间产生了一定的偏差，你根据这个偏差驱动自己走回了自己的期望路线。 但是控制系统又没有长眼睛，那么他就没有办法看到他输出的偏差，也就更别谈去根据这个偏差进行自行调节了。因此我们就必须为系统安装眼睛和大脑纠错机制，也就是反馈回路的由来。 那正如我们刚刚所说，首先系统需要看到输出的偏差，那么反馈回路的引入点是不是就应该在控制系统的输出侧？ 同时我们需要用一个测量装置去帮助我们看到系统当下的输出值。那常见的测量装置有什么呢？就比如说我们的传感器、变送器这些。 此外，我们是不是还说了，我们要根据偏差去调节这个系统，也就是利用偏差进行控制，那么反馈回路的输出点是不是就应该被引到控制器之前？ 同时他还需要形成一个偏差信号，那他是不是就要与某信号去作差？那咱们最为常见的做法呢，就是将设定值与测量值进行比较，生成我们的偏差信号，也就是将输入信号与反馈信号作差，所以这里是一个减号 控制器，根据这个偏差信号产生相应的控制量，控制这个系统，消除这个偏差。那么很好理解的是，在理想情况下，是不是只有当这个偏差为零时，也就是系统的实际输出与期望输出相吻合时，这个控制作用才会消失？ 那么 ok， 这样我们就认识了什么是闭环控制系统。再整体回顾一下闭环控制系统，在开环控制系统的基础上，引入了反馈回路，并把反馈信号与我们的输入信号作差，得到了偏差信号， 控制器根据这个偏差信号去控制系统，消除这个偏差。最终在理论情况下，系统实际的输出值会与我们的期望输出值相吻合，也就是与我们设定值相吻合。 那 ok， 相较于我们的开环控制系统，闭环控制系统是不是也就具有了相应的优势？首先是它的抗干扰能力比较强，能够抑制内外部扰动对输出的影响。此外，它鲁棒性更高，能够克服模型本身的不精确性， 使系统输出更稳定，更精确的追踪预期目标。那我们其实可以用八个字来概括，闭环控制系统，也就是感知偏差、反馈纠正， ok， 在 大家认识了开关控制系统和闭环控制系统之后，就像你买手机和电脑时，你会去看它的一些参数，也就是关注它的一些性能指标。那对于我们一个控制系统，我们显然也需要关注它的一些性能指标。 在我们的控制原理里，系统最为重要的三个性能指标可以概括为稳、准、快。 稳说的是系统的稳定性。稳定性是控制系统能够正常工作的首要前提， 他要求系统在受到扰动或者输入作用后，他的动态过程能够收敛并最终恢复到一个平衡状态。或者我们可以换一种语言去描述，对于一个稳定的系统，当他受到有界输入作用后， 他产生的输出是有界且收敛的，那对于一个不稳定系统，他的输出就会产生无限极的发散或者是持续的等幅震荡，这样就会导致这个系统失效甚至是损坏。 我们认为一个不稳定系统是不可控的，那如果一个系统是不可控的，我们去讨论他的其他性能指标也就没有什么意义了。因此，我们说稳定性是我们讨论系统其他性能的基础。 准说的是系统的准确性，或者我们也叫它稳态精度。准确性是在系统稳定性基础上对其长期静态性能的要求，它衡量了系统在进入稳态后，实际输出值与我们期望值之间的吻合程度，也就是稳态误差大小。 系统的准确性越高，稳态误差越小。快，说的是系统的快速性，或者我们叫它动态性能。快速性是在系统稳定的条件下对其短期顺带性能的要求。它描述的系统的动态过程的响应速度， 也就是系统在输入作用后，从初时状态到达新的稳定状态或跟踪变化输入所需要的时间。 那 ok， 这里我们其实引入了两个新的概念，也就是静态性能和瞬态性能。那是什么东西呢？对于一个稳定系统，当一个有界输入作用后，他会先经历一个瞬态过程，然后才到达他的稳定状态。 快速性和准确性就是分别描述这两个状态的性能指标。 ok， 这样我们就可以从稳、准、快这三个方面去定性的评估一个控制系统。 但是对于我们实际分析和设计一个系统，只做定性的评估是远远不够的。就像你去设计一个精密的仪器，你肯定不能说它的大概性能是什么样的。因此我们还需要对系统进行定量分析， 这就需要我们用精确的数学语言去描述系统，也就是建立起系统的数学模型。在大家前两年的学习里已经学过了在四个维度上去分析一个函数，分别是时域、平域、负数域以及离散域，同时也应该掌握了如何在这四个维度间进行自由的变换。 我们所讲的内容主要是围绕连续的控制系统进行分析，离散域上的系统分析，如果有时间的话再给大家进行讲解， 那我们就可以从右边这张变换关系图上看到，对于一个时域上的函数，我们可以通过复利液变换得到它在频域上所对应的频谱，并通过复利液反变换将这个频谱翻译回时域。 同时对于一个十以上的函数，我们还可以通过拉普拉斯变换得到它在复数上对应的象函数，并通过拉普拉斯反变换得到这个象函数所对应的象元函数。同时平域和负数域之间也存在一定的联系， 我们可以用 s 减 j omega 这个式子将平域和负数域联系到一起，那这里可以顺带提一嘴，对于一个负平面上的复数，我们可以将它写成 s 减 five 加上 j omega 的 形式。 但是我们频率和负数域之间的关系式是 s 等于 j omega， 是 不是此时这个 f 等于零，也就是这个负数的十步为零？所以我们其实就可以说复列变换是 r plus 变换在十步为零时对应的一种特殊的形式， 或者换言之，负数域其实是频率的推广，那当然这个是题外化，大家了解一下即可。那通过这些积分变换， 对于一个连续系统，我们是不是就掌握了如何在这三个维度间进行自由的切换？那也因此我们后续的学习任务就非常明确了，我们要分别在时域、复述域以及频率上建立起系统的数学模型， 并以此为依据去定量的分析系统的稳定性、准确性和快速性这三个最为重要的性能指标。那 ok， 这一小节内容就非常愉快结束了，相信大家对我们的自动控制原理也会有一个初步的了解。

嗯，先打开我们的模型，这个整个一个模型的话就是一个小型的光伏电站， 然后第一个模块的话就是咱们的并网点和电网接口，它就相当于电网去接入大电网的一个插座，同时呢还负责呃测量并网点的三项电压和电网节奏， 然后后面的光伏逆变器啊和储能逆变器都要参考这里的电压和相角，才能知道自己该按什么样的节奏向电网送电。 然后这一个的话就是咱们的调度控制部分，也就是整个电站的战绩大佬， 他就是主要是接收天气目标功率、频率变化和设备的在线状态，然后呢去判断每个方阵现在能发多少，最后把总任务分配给三个光伏方阵和储能站， 然后第二三四个就是咱们的中间的三个就是。呃，三个光伏方阵嘛，就是三个发电小组，每个方阵都要看自己的太阳强度、温度、在线状态和功率命令，然后通过光伏阵列、直流母线、逆变器、滤波器和断路器把电送到电网里面。 然后这一个的话就是储能站，储能站的话就是电站里面的备用充电宝吧， 就是一间没有太阳的时候，他就是承担主要的一个支撑，白天光伏不够或者是某个方阵故障的时候，他就帮助去补上去。额，在局部有负余的时候就是小功率可以吸收， 然后这个模块的话就是监测记录部分，他不参与控制，他就是把功率、电压、电流、频率和可用功率这些记录下来。然后的话， 嗯，这个的话就是，呃，电力仿真环境就是相当于整个电力系统的一个规则书，就是告诉软件用理算方式去怎么去计算这些电力电子原件嘛。 然后先来看呃一个战绩调度控制吧。 嗯，这里的话就是呃整个模型的最重要的控制中心，然后它的作用的话就是不是直接发电，就是去决定每个发电单元应该去发多少电。 然后左边的一个场景发生器的话就是负责去呃安排仿真过程，中间的战机主控的话就是主要去计算功率分配的一个结果， 然后嗯，左边的呃左边的场景发生器的话，他就是根据仿真时间安排一天的一个运行的一个情况嘛，就是比如说什么时候世界间啊，什么时候太阳升起来，什么时候进入高辅照，高辅高照辐射工况，然后 呃什么时候第二个方阵故障，什么时候电网频率偏低偏高啊。然后中间这个的话就是战机主控，他就是呃 核心吧，他就是会看三个方阵中当前的一个太阳强度、温度和在线状态，然后去算出每个方阵现在最多能发多少。 然后呢？他再看目标功率和频率变化，然后决定权杖此刻到底需要多少功率，然后最后把功率分配给三个光方阵，并去决定储能是否需要参与。 然后上面几个模块的作用的话就是呃，比如说我们把太阳强度要拆成第一方阵，第二方的第三方阵的各自的一个太阳强度，然后温度和在线状态也是这样的，就是这样每个方阵才能拿到自己的一个输入嘛。 然后下面的话就是实际的一个功率的一个呃反馈，比如说咱们三个方阵实际发了多少电，会重新汇总回到战机主控，然后这样的话就是主控就是不只是按自己的计划进行分配了，而是会参考实际的情况进行执行。 然后呢这里有一个延迟环节，然后它的作用的话就相当于让信号往一个很小的计算步再回来，然后避免这个控制器和执行层，嗯，在同一时间，然后卡住。 然后右边的话就是分发的部分，就是站机主控器算出，嗯，三路光伏功率命令，然后会被拆开，然后分别送到三个光伏方阵，然后算出来的三路可用容量也会被拆开送到监测部分， 呃，这样的话这个整个部分就完成了从信息收集，然后到计算命令再到分发命令的一个全部过程。 然后的话接下来就是并网点和一个电网接口，然后嗯， 也就是光伏电站和外部电站的一个连接的一个位置吧，他就是又提供电气连接，也提供测量信号，嗯，并且所有的光伏方阵和储能站呢，都要通过这里去并入电网。 然后嗯，这一个的话就是咱们的一个三项电源网，电网源吧，就是他提供一个三项交流电网环境， 然后并且呢可以按照场景去改变频率，比如说在千频测试的时候频率会降低，在过频测试的时候频率会升高，然后这个的话就是一个并网线路， 呃，就是真实的电线的话，它并不是一个理想导线，会有电阻啊，电感这些，所以说咱们这里的线路用等向模块去模拟并网电路的影响，这样电在在输出电流的时候会更加真实，一个真实的一个并网过程。 然后这个的话就是三项电流电压测量的一个东西，他就是可以把并网点的一个三项电压给测量出来，就然后送给去光伏和储能的一个逆变控制器。 呃，逆变器的话就是如果不知道电网电压的话，就没有办法去计算自己应该去输出什么样的电流，是吧？ 然后这个的话就是三项锁线环，嗯，它也可以理解成一个节拍器吧，它就是从三项电压里面去，嗯，提取 电网当前的一个象角和频率，嗯，逆变器要变网的话就必须跟着电网的节奏，嗯，去输出电流，不然的话就像两个人跳绳一样，就是节拍不一致吧，就容易冲击系统。 然后最右边的话就是发送标签，就是把并网点的一个电压，频率还有橡胶，嗯，把它送到其他模块， 嗯，电压送给逆变器控制器，逆变器控制，然后频率送给监测，然后橡胶送给电流。参考三层，这样就是同时完成了连接电网和提供同步参考的一个两个任务。 然后接下来的话就是光伏方阵的一个执行层嘛，嗯，这页的话就是以第一光伏的第一光伏的方阵为例吧，呃，因为第二第三的结构几乎是一样的，只是信号的编号不一样， 嗯，光负方阵执行层的任务就是，呃，把这个战机主控给出的功率命令变成真实的一个并网输出功率。然后， 嗯，这一个的话就是咱们的一个光负正列的一个泵体，它的作用的话就是去接收一个太阳的强度和温度，然后去产生直流车的电压和电流， 嗯，你可以这样把它理解成一个太阳能板嘛，就是太阳越强的话，它提供的能量也就越多，温度越高的话它的发电能力就会下降。 然后这边的三个的话就是呃启动许可判断嘛，它就是分别判断太阳的强度够不够呀，然后设备是否在线啊，然后功率命令是否有意义啊？ 因为只有太阳够强，设备没有故障，并且确实有发电任务的时候，方阵才会准备启动嘛。 然后的话这个的话就是咱们的模式管理器，嗯，它的作用的话就是去负责光伏站的启动同步 还有正常运行和退出，因为他不会让功率突然跳变，而是按照一定的功率去慢慢的升，然后退出时也会让功率慢慢的降，然后在等待电流变小的时候断开。这个模块的话就相当于光伏方阵的一个安全源来保证安全了。 然后这个模块的话就是咱们的逆变控制器，嗯，它的作用的话就是把功率命令，嗯转化成三项电流参考，然后呢再根据实际电流进行调节，然后最后的话把这些信号呃输出为调制信号，然后， 嗯， 然后这个模块的话就是呃咱们的一个脉冲发生器，它就是把调制信号变成开关脉冲， 然后这一个的话就是呃三项桥吧，它就是把这些脉冲信号从直流电转化成一个交流电， 然后这个的话就是滤波器，嗯，因为咱们逆变器输出的电流嘛，嗯，一般会带有开关波动，然后滤波器的作用的话就是让这个电流更平滑， 哎呦哎，然后这个模块的话就是断路器吧，他就是负责把这个方阵接入或者是断开电网， 然后这些模块的话就是呃功率呀，电压，电流啊测量，然后用来记录这些结果的 这一页就是整总的来说的话就是说，呃，先由太阳能板去产生一个自流电，然后再用再有这个启动许可和这个模式管理，决定能不能够发电。然后呢有逆变控制和这个脉冲发生器 去控制一个三相桥，然后最后经过滤波器和这个断路器，然后再并入电网，然后并且把这个呃功率跟这个电气量给全部记录下来， 然后再说这个储能站执行层吧。嗯，刚刚也说过，哎呀，这个储能站的话就是充电宝，就是白天，就是白天少处理，然后夜间的话就是夜间或者是方阵故障的时候就拿出来补功率吧。 嗯，然后先说第一个模块吧，这个就是电池的一个本质，它就是储能这样的一个能量来源，嗯，在这里的话我们的一个储值电量设置的是百分之八十，嗯，这个电池里面有额定的电压容量跟内容，然后这些参数就是模拟这个真实电池的嘛， 然后这个模块的话就是放电侧直流变换器控制和开关。嗯，他的一个，他们两个的作用的话就是把这个电池车的这个能量，然后送到直流母线， 并且尽量让这个直流母线的电压呢，就是维持在合理的范围内吧，就是也可以你可以把这部分理解成电，就电池到直流母线的一个水龙头，就是控制开到多大。 然后这个模块呢就是呃小功率吸收控制，它就是在呃储能功率命令为吸收功率，并且呢呃直流电压足够高的时候工作，它不是大功率充电模块，就是保留一个小功率的一个吸收通道，然后用来处理一些局部的一些富裕的。 然后，嗯，然后这个模块的话就是咱们的一个储能模式的管理器，嗯，它就是决定了储能站什么时候进行投入，什么时候保持，然后什么时候退出。 然后呢？这个模块的话就是，哎， 就是咱们的储能异变控制器，他就是把储能的功率命令变成一个三项电流控制信号，然后后面的脉冲发生器啊，三项桥和测量模块的话就是，嗯，把这些直流车的能量变成交流车，然后输出，然后并把这些结果给记录下来。 然后这一部分的话就是监测记录系统吧，就是他不参与控制，他就是只是把这个模型中的一个结果呃进行一个集中显示和保存。 嗯，这里呢就是可以看到一个并网点的一个电压波形，然后太阳强度和温度的一个波形，然后山路光伏功率的一个命令，实际功率还有 频率支撑相关信号都能看到。然后咱们看这信号的话，就是可以判断这个模型是否能通过呃玉器进行运行吧？ 嗯，就是除了施波器以外的话，咱们还有比如说呃 two 个 space， 然后他可以把这个数据保存到工作器。然后的话就是呃施波器的话，就主要是咱们看波形嘛，然后工作区的数据的话，就咱们去做一个数字检查，还有一个公司的验证。 然后呢就是咱们这个模型呢，就是采用的是固定的一个布长仿真， 嗯，因为这个布长设置比较小，是因为这个模型里面有这个脉冲控制开关起见，如果布长你用的比较大的话，就这个电流和电压和开关都不够准确吧。 然后我们来看这个仿真图吧。嗯，先来看这个工况一吧，这个工况一的话就是夜间的这个储能之声，然后也就是零到六秒的一个夜间工况， 就是说这个夜间没有太阳的时候呢，就是三个光伏方阵基本不具备一个发电能力，但是呢这个电站呢， 他肯定是有功率的，基础功率的需求，所以说，嗯，这个时候就是看储能站能不能承担一个支撑任务吗？ 第第一个曲线可以看到这个平均的太阳强度为零，就是，嗯，说明这个此时的光方阵是没有太阳资源的， 然后光伏总功率的话也也是接近零，说明这个光伏确实没有承担这个主要处理，是吧？然后储能功率的话就比较高了，他这就说明他就承担了一个主要的输出吧， 所以说这总的来说就是说夜间的一个阶段下就是模型呢，他没有强行让光负去发电，嗯，就是让储能来支撑一个全站的功力需求，就这说明了这咱们这个储能站就是是合理的正常的运行的，而且并且承担了一个 无光照条件下的一个基础的一个任务。 然后第二课的话，就是层间 晨间爬升功课，就是六到八秒的时候，就是太阳刚刚开始升起的时候，就光雾方阵，它并不能呃从发电，呃， 嗯，怎么说呢，就是从不能发电逐步变为可以发电，然后同时呢这个全站的目标功率也是从夜间水平然后升为白天水平了嘛，然后这个平均太阳强度的话就是逐渐爬升。光伏总功率的话，它也也不是一下从从 从低跳到高，它就是随着这个太阳的一个强度和这个执行层，然后就去呃逐步升高的，然后这个储能功率的话也是了，它就是从夜间的一个主要之力，然后就是变成了一个补偿的一个角色吧。 这个图就主要说明就是晨间的切换，它不是突然发生的，就是光伏逐步接管嘛。然后第三的话就是千平支撑的一个工况， 嗯，就是主要是八到十秒吧，主要是呃电网频率，它低于正常值的话，就说明电网此刻这个缺少有功功率吧。嗯，就咱们就需要光伏电站来多出一点力来支撑电网， 然后控制频率的话就是从正常时下降到较低值，然后这个频率支撑功率的话也就是变成了呃正值，就是说明这个时候呢，这个战机主控判断此刻应该增加这个有功支持。然后再看这个， 呃全站的需求功率就被抬高了吧，就说明这个频率支撑已已经被叠压到了一个总功率的需求里面。 然后最后看这个光伏加这个储能总数处，就是可以看到执行层会跟随的就新的需求来进行变化吧，就整的一个来说的话，就是频率偏低的时候，模型会增加有功支撑， 然后看第四个就是高辐射高温浸满发吧，就是十到十四秒的时候， 嗯，这个时间段的话就太阳强度比较高，就是光伏具备的较强的一个发电能力，但是这个温度呢也在升高，并且呢这个温度升高呢，会让这个光伏逐渐的这个能力，呃要有所衰减嘛， 然后太阳强度的话升高噻，然后温度也升高嘛，嗯，总的来说的话就是，呃 就实时可用的容量，不只是只看这个太阳强度，还要考虑这个温度影响，也就是说这个太阳的呃太阳强时光伏能力会增强，但是温度高时又会打一点折，就是这样模型的话会更加接近一个真实的一个光伏电站。 然后功控无的话就是第二方阵的一个故障在分配，嗯， 就是第二方阵在这个时间里面退出运行吗？就是不能去承担一个原来的功率任务，呃，这工况的话就是去验证这个故障在分配功能的， 然后第二方阵的一个这样状态，他从在线变成了离线，然后功率的话也是呃经过一个平滑，然后再退出，过程逐渐到零， 嗯，这里不能要求它瞬渐变为零，因为它这个呃执行层有安全退出逻辑，需要先降低功率，然后再进行电的一个衰减， 就等于说这个主要是描述，嗯，就是模型不是简单让故障方阵退出，而是先让这个功率任务迁移出去，然后保证全站的输出尽量连续吧。 然后工况六的话就是过频现发嘛，嗯，主要是说这个电网功率的频率高于正常值的时候，就说明这个系统的有功功率偏多一点，然后电站此刻呢应该少输出一点， 嗯，这个工况的话和第二第二方的故障有重叠，所以说它更能够说明这个控制器在这个复杂情况下就是依然能够去正常响应嘛。 呃，总的来说的话就是呃这个频率偏高的时候，这个模型会呃降低有功需求，呃，就是说明这波咱们这个过频现发的这个方向是正确的。 然后这功放的话就是一个午后的一个资源衰减功放， 就是说下午这个太阳逐渐变弱的时候，光伏资源开始下降了吗？然后电电电站呢，就是需要根据新的这个可用容量，然后重新来去调整一个功率分配。 嗯，这张图主要说的是，呃暂级主控的话，他并不是按固定的比例进行一直发电的，而是会就是跟随着资源的变化，然后去调整一个输出，比如说当这个光伏资源变弱的时候，呃功率分配的话也就会重新组织吧。 然后第八个的话就是日落后的一键支撑，嗯，就是太阳已经落山了嘛，然后太阳强度又重新回到了零，然后光雾方阵的话就是需要逐步退出，然后全站的话又回到了这个储能需要支撑的一个状态。 然后总的来说就是日落切换后就是光伏能够平滑退出吧，然后咱们的储能也够支撑一个全站的需求，然后这说明咱们这个模型的一个昼夜切换的逻辑是完整的，并且呢这个展示的效果也是对的。 然后八个工况讲完了之后的话，这个整体的话就可以可以概括为这样说吧，就是咱们这个模型的话，就是能够根据一个太阳强度、温度和一个在线状态去计算可用容量， 并且呢能够在这个频率偏低的时候增加支撑，然后频率偏高的时候呢能够降低输出，并且能够在方阵故障的时候把这个任务转移给健康单元，然后也能够在夜间和光火不足的时候让储能去参与支撑。

大家好，今天我们介绍基于 m 期望最大化的 g m m 模型参数估计。 首先我们将当前文件夹定位到程序所在路径，我们打开 run me， 点击运行。运行之后有这么几个图，第一个图是原始数据以及对应的标准 g m m 模型的参数分布， 我们这里用等高线进行表示。第二个是 m 算法初始状态下随机设置的参数值， 其对应的等高线模型与第一个图的标准参数有着较大的偏差。然后第三个图是通过 m 参数估计得到的结果， 我们可以看到他的中心点基本上跟标准数据吻合。然后这个是 m 的一个收敛图，在迭代二十七次的时候，迭代误差接近于零。 matlab 指令窗口输出的这些数据就是对应的参数估计值，可以看到基本上误差是很小的， 演示完毕。

好，来看一下结构方程模型部分，来看一下它这个结构方程它的结果展示形式。呃，第一部分呢，是给出来了一个结构方程模型的 路径技术模型图，然后其中呢这技术呢标标记的是标准化的一个路径器， 呃系数值，呃，第二个呢，就是展示的是模型的一个你和呃度的一个检验结果。第三部分呢，是一个路径系数的一个表格，包括标准化系数，非标准化系数以及假设检验的一个结果。好，我们在 前面验证性因子分析这个模型图的基础上呢，给它来修改做这个模型图，先另存为一个 s， e， m 杠， 然后调整一下，画布错了， 然后把这些 f 的 呢这几条线先删掉， 然后可以把这个 f 呢拿出来， 然后把 a， b， c， d， e 这些呢也去掉， 然后给它旋转一下， 然后再把 f 呢拖动一下， 好，然后给它连上线条 中间头，然后 b， c， d， 然后单箭头呢，就是 a 到 f， b 到 f， c 到 f， d 到 f， e 到 f， 然后再加上个物差相给它命名， 然后再给它美化一下。 好，这样这个模型图呢，就是绘出来了，然后数据呢已经导出了，再保存一下， 然后再来看一下它的一个输出结果的展示形式啊，第一项，第二项，然后这 m， i 这样就可以了，运行好再来看结果， 先来看一下他这一个标准化的一个路径技术图，显示这个呃估计，然后点上面这个，这样呢，我们就把这个标准化的一个路径技术图展示出来了，每条路径的标准化的一个路径技术 就对应这一块内容，然后再来看模型的一个识别度情况， model fit， 然后我们可以看出呢，这个卡方自由度比值呢是一点二零零，然后 g， f， i， a， g， f i 以及这几个 i 呢，都是大于零点九， 还有 i m， s， e， a 呢，是零点零二二，就是这个结果呢，就是适配度良好。呃，再来看一个路径技术，标准化的一个。呃，结果，模型的路径技术表可以从哪里找呢？从这模型估计， 模型估计里面的这标准化的一个路径技术，这是标准化路径技术，前面呢是非标准化的一个路径技术。好，我们这样来复制一下 copy， 呃，这是非标准化的，然后前面呢加上一个标准化的路径技术， 标准化路径系数，标准化系数，然后这呢前面呢就是路径了， 路径后面呢是未标准化的一个路径系数 s， 一 呢是，呃，呃，标准物 c， 二呢就是我们说的 t 值，然后 p 值呢是显著性，然后这一条呢是不显著的。 好，这是我们的一个这三个结果的一个制作方法。好，这是关于结构方程模型的一个结果解读。 本次内容就介绍到这里，关于中介交易分析和多群组分析，可到前面已发布视频里面去找对应内容。好， 呃，本人呢，可以提供 spssorms， mplus 等软件的数据分析咨询讲解和代做，如有需要可以联系。好，谢谢。

各位老师好，下面我对风机控制模型和仿真结果进行说明。 本模型研究的是设备寿命与发电效率优化的风机控制问题，主要对象是一点五兆瓦水平轴永磁同步风力发电机组。 模型的核心目的不是单纯提高发电量，而是在保证发电效率的同时降低叶片和齿轮相振动，从而延长设备寿命。 首先看模型整体结构，模型主要包括风速输入、气动计算、风轮与传动力 p、 m、 s g、 发电机电流器并网输出以及控制参数输入等部分。 左侧输入风速和控制参数后，模型会计算夜间速比、功率系数、气动功率和气动转矩， 中间部分完成机械能到电能的转换，右侧用于观察输出功率、电压、电流等运行结果。 底部控制参数主要包括奖具、脚杯塔和转矩控制系数 kt， 用来实现不同工况下的优化调节。然后看仿真输出统计 结果，重功率系数 c p 均值约为零点三八，夜间速比栏目打均值约为八点五五，说明风机大部分时间运行在比较合理的气动效率区间。 同时仿真数据中 anno 和 inf 数量为零，说明模型计算过程稳定，没有出现无效值或发散问题。接着看风速扫描结果， 当风速从切入风速逐渐升高时，输出功率快速增加。当风速继续升高后，功率被限制在一千五百千瓦附近，也就是额定功率附近， 这符合实际风机运行规律。低风速时尽量捕获风能，高峰速时通过控制限制功率，避免机械载荷过大。 右侧 c p 与夜间速比曲线说明低风速下风能利用系数较高。高风速下随着桡锯角增大， c p 逐渐下降，说明桡桡控制起到了保护设备的作用。 本模型设置了三种典型工况，第一种是强断流工况，平均风速为十米每秒，主要模拟风速波动较大的情况。 第二种是阵风工况，平均风速为十四米每秒，阵风风值达到十八米每秒，用来模拟短时间风速突然升高。 第三种是复合工况，平均风速为十二米每秒，同时包含团流和阵风，更接近实际复杂风场。 在三种工况下，优化控制都会对碑塔角和 kt 参数进行调整。与普通 m p、 p t 相比，优化控制后发电效率均有所提升，等效寿命也由原来的十二年提高到十四年到十六年左右， 这说明该控制策略对不同风况都有一定适应性。从效率和寿命对比结果来看，强断流工况下发电效率由百分之三十四点七零提高到百分之三十七点三九，寿命由十二年延长到十四点零五年。 阵风工况下，发电效率由百分之十一点二八提高到百分之十二点二七，寿命由十二年延长到十六点零五年。 复合工况下发电效率由百分之十七点八六提高到百分之十九点九八，寿命由十二年延长到十四点九七年。 可以看出，优化控制不仅提高了发电效率，而且对设备寿命提升更加明显，尤其在阵风冲击较强时效果最突出。再看震动结果， 优化控制后三种工况下，叶片震动 r、 m、 s 均明显降低，强断流工况降低百分之二十六点五七，复合工况降低百分之二十一点七二， 齿轮箱震动也同步下降，强断流工矿降低百分之十六点四三，震风工矿降低百分之二十二点二九，复合工矿降低百分之十九点三三。 这说明优化控制能够减小风速扰动对机械转动系统的冲击，从而减少疲劳损伤。 综合三种工况来看，优化控制使平均发电效率提升百分之九点四七，叶片震动平均降低百分之二十二点二零，齿轮箱震动平均降低百分之十九点三五，设备等效寿命平均延长三点零二年。 这些结果说明该模型实现了发电效率和设备寿命之间的协调优化，而不是以牺牲设备安全为代价来提高功率。 最后看载荷校核结果，叶根简历和叶根弯曲的仿真值与参考值变化趋势基本一致，随着风速升高，载荷也同步增大， 相对误差整体较小。说明模型对叶片载荷的计算结果具有一定的可能性，可以作为后续疲劳损伤分析和寿命评估的基础。 综上所述，本模型能够根据不同风况调节控制参数，在提升发电效率的同时降低叶片和齿轮相振动，并延长设备等效寿命。 因此，仿真结果验证了优化控制策略在设备寿命与发电效率协调优化方面的有效性。我的讲解到这里结束。

啊，大家好，今天我们介绍一下基于 fga 的 四分子派 qpsk 调制解调系统的实现。首先我们打开工程，打开之后的话可以看到整个系统的结构是这样的，它包括了一个 四分子派的调制，然后这个的话是高氏白皂素性的，然后这个是四分子派 qpsk 解调， 然后在顶层模块中我们增加了一个接口 s n 二，我们可以通过这个接口控制这个啊信导模型的信噪比，然后整个系统的话，我这里只实现了啊基础的啊四分子派 q b s k 调制和协调不考虑同步，这个地方需要注意一下。 那么下面的话，我们啊先看一下整个系统的 r t l 结构，我们在这个地方打开 r t l 分 析， 然后整个 dior 是 这样的，首先这个的话是四分之 pad 的 调制，然后调制之后它的信号通过这条线路我们进入了这个新导模型，然后我们通过外部输入接口控制这个新导模型的新导臂， 然后将啊通过信导之后的数据输入到那四分子派解条，然后输出最后的解条数据 o y 这个变量大概这么一个流程啊，下面的话我们进行纺织演示，点击这个行为纺织 好，我们将这个纺织时间设置为一百就可以了，然后点击运行好，这里的话，我们稍微耐心等待一下， 好，差不多仿真结束了，对，直接暂停就可以了。然后我们看一下，首先我们看一下发射和接收，这个是发射啊，这是接收，可以看到可以正确恢复出数据， 然后我们再看一下它的中间各个环节的一些变量输出，我们选中之后设置为有符号式帧制， 然后再设置为高度数值为六十，然后点击后的模式 好，可以看到四分子派 qbsk 各个环节的一些输入输出。前面是这几个的话是发送端的一个个变量的含啊功能，首先产生四分子派映色图，映色度，映色变量 i q， 然后进行调制， 然后再进行相加合并得到四分子派的 qbsk 的 中频信号。然后这个的话是通过啊新导模型这里的话，在啊 testbench 里面我们可以修改这个新噪比，我这里是二十，也可以改为其他值。 然后计数端首先进行解调节，调之后的话可以得到啊 copy 数据弹， copy 分 量的数据我们可以放到看一下， 然后通过低通滤波之后恢复除物原始的数据包络，最后的话得到啊二进的数据，大概这么个流程演示完毕，谢谢大家。

本实力说明如何创建并可视化猫儿靠脸模型的结构和演化。考虑从随机转移矩阵中创建马尔可夫恋的四状态马尔可夫恋。该模型模拟了国内生产总值 gdp 的动态。