子默的小屋

降临 商将军与女主的对话 其实时间只是我们定义的，在我们的语言中时间是线性的，一直向前的。但过去和未来可能就像两个剧场中的演出。在未来的某一刻，商将军突然领悟了为什么女主可以对他说出他妻子临终时的遗言，因为女主掌握了七肢桶的语言，从而获得了感知未来的能力（其实我认为也不能说感知未来，应该说时间的线性感在她的感知中消失了，所以她能感知到未来、过去以及现在各个时刻中自己的感受）。所以在那个晚会上，商将军知道他要告诉女主电话和说了什么。商将军不一定也掌握了七肢桶的语言（大概率没有掌握），但是他在那一刻明白了这种语言和时间的逻辑，从而明白了需要在未来（也就是宴会的那个时刻）告诉女主电话和说什么。可见在这部电影中商将军绝对是智商在线的。 非线性的时间 很多弹幕、评论都在讨论女主明知道结果不好，但还是选择生孩子。可以打个比方，如果你能预知这段旅程的结果不愉快，你还会开启这段旅程吗？我好像也经历过类似的处境，只是我不是很女主一样与未来的自己“共感”，而是凭自己的经验判断出的预感。我做了和女主一样的决定。这又像在讨论“故事的结局重不重要？”，或者是“过程重要还是结果重要？”。不过至少我们...

Search (Depth-First Search) DFS and (Breadth-First Search) BFS 搜索问题，确保找到解： frontier 集（边界），explored set 集（已探索集） DFS stack: last-in first-out data type BFS queue: first-in first-out data type 编程实现： 在 Python 中，class（类）是面向对象编程（OOP）的核心概念。你可以把“类”看作是创建对象的蓝图或模板，而“对象”（也叫实例）则是根据这个蓝图制造出来的具体实体。 1. 类的基本语法与实例化 定义一个类使用 class 关键字。类名通常采用大驼峰命名法（如 MyFirstClass）。 123456789101112131415>class Dog: # __init__ 是类的构造函数（初始化方法），在创建对象时自动调用 def __init__(self, name, age): self.name = name ...

写在前面：本文是我学习知乎大佬“烦恼归林”的系列文章——手把手教你搭建Simulink电力电子控制仿真——的笔记。文章见手把手搭建Simulink电力电子控制仿真——（1）离散化的PI电流环模型 - 知乎 离散化的PI电流环模型 这一篇文章基本没有遇到什么问题。在仿真时，发现Rate Transition模块可以自带一拍延时。即勾选Rate Transition Settings中的“确保确定性数据传输（最大延迟）”后，该模块会自带一拍延时。如果不勾选，则需要自己加入一拍延时（即Delay模块）。 Rate Transition 设置 高校做实验用的都是10kHz的控制频率，因此这里Tsample取1e-4。 H桥逆变器&无差拍预测电流控制 这里全桥逆变器调制算法参照了文章WANG W, LIN S, YU Z, 等. Double-Symmetrical-Voltage Placement PWM Method for Phase Voltage Controlled Open-End Winding PMSM Drives[J/OL]...

前言 在电机控制中，许多物理量都需要经过A/D转换，由模拟量变成数字量后，才能输入控制器。对于这些数字量，既要将物理量的真实值还原出来(比如滑模观测器中扩展反电动势的处理，详见无感控制之滑模观测器 | 子默的小屋)，又要去除可能的高频干扰，因此常用到一阶低通数字滤波器。因此了解一阶低通数字滤波器的基本原理、参数和相位补偿方法很有必要。 一阶RC低通滤波电路 一阶低通数字滤波器对应的物理电路模型是一阶RC低通滤波电路，电路如下图所示。 一阶RC低通滤波电路图 该电路的网络函数为： 上式中τ = RC，。 可以求出式(1)的幅频特性和相频特性： 还可以根据绘制出bode图，如下图所示。从中可以清楚看出该电路对高频信号的滤波作用。同时也可以看出对中低频分量会产生一定的相位滞后，这就是后面需要相位补偿的原因。 一阶RC滤波电路Bode图 一阶低通滤波器的离散化 该电路的传递函数为： 可以得到时域的微分方程(零初始条件)： y + τy′ = x 化简得： 若使用前向欧拉法离散化： 若使用后向欧拉法离散化： 相位补偿 由前...

原理 传统滑模观测器算法 传统滑模观测器算法先估计含有转子位置信号的扩展反电动势值，然后通过反正切函数或锁相环提取扩展反电动势中的转子位置和转速信号。 扩展反电动势估计 永磁同步电机在d、q轴上的电压方程： 大多数传统滑膜观测器(Sliding Mode Observer, SMO)算法的设计是基于静止坐标系下的电机数学模型的，这是因为我们的目标是实现无感控制，不知道转子位置角，我们期望通过α、β坐标系下的定子电压来估计转子位置。因此首先要写出α、β轴上的电压方程。(网上大部分教程都是直接得到α、β轴上的电压方程，但是其实这个推导过程是比较复杂的，而且很多教程甚至电压方程都是错的) 首先将d、q轴上的电压方程进行重构，便于后面化简： 乘以Anti-Park矩阵将上式变换到α、β坐标系下： 化简得： 其中，Eα、Eβ为扩展反电动势： 在上面的推导过程中，有一个地方很容易出错，我一开始在推导时一直没有看出来，后来反复检查才发现。对于Ldpidcosθe − Ldpiqsinθe这一项，因为有iα = idcosθe − iqsinθe，容易直接化简为Ldpi...

git学习——learn git branching https://github.com/pcottle/learnGitBranching 基础git命令 git commit：提交 git branch：建立新分支 git checkout或git switch：切换到某一分支

概述 传统FOC控制框架下的PI电流控制环节虽然结构简单，但是无法实现dq轴的完全解耦，因此无法实现最优的电流控制性能。常见的前馈解耦策略在电机参数失配的情况下，解耦效果下降，也有研究提出将内模控制策略或滑膜控制应用于电流控制环节，以消除参数摄动带来的影响，但是存在电流纹波增大和“抖振”等问题。模型预测电流控制MPCC就是将FOC中的PI电流控制环节替换为MPC控制，实现高度解耦，性能最优的电流调节。 MPCC可以分为有限集模型预测电流控制FCS-MPCC和连续集模型预测电流控制CCS-MPCC。FCS-MPCC通过计算不同逆变器电压矢量作用下电机下个时刻的dq轴电流，并根据最小价值函数的原则，选择最优的电压矢量，无需PWM调制环节。CCS-MPCC则是根据价值函数先计算出最优的电压矢量，再将最优的电压空间矢量输入PWM调制环节进行调制。CCS-MPCC可以预测单个或未来多个周期的电流，也可以使用多种价值函数以实现多目标优化。其中，专注于电流无差拍跟踪的单步CCS-MPCC也被称为无差拍预测电流控制（Deadbeat Predictive Current Control，D...

一级标题 公式测试 α = 4