Advertisement

概率图模型是一种常见的死区工作模式。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
尽管所有可能的组合均得到了支持,但并非所有组合都代表了常见的应用方式。表 10.14 列出了若干具有代表性的死区配置示例。这些配置方案假设 DBCTL[IN_MODE] 被设置为“EPWMxA 信号源同时提供下降沿延迟和上升沿延迟”。通过调整输入信号源的选择,可以实现增强模式或偏离常规的应用模式。表 10.14 中呈现的配置模式可分为以下几类:  模式 1:旁路下降沿延迟(FED)与上升沿延迟(RED)——这种配置能够完全将死区子模块从 PWM 信号通道中隔离出来。  模式 2 到模式 5:这些模式则代表了典型的极性设置,旨在满足业界现有电源开关门极驱动器所必需的高电平有效/低电平有效运行状态。这些典型运行状态下的波形图如图 10.32所示。为了获得与图 10.32 中波形相同的效果,需要将动作限定器子模块配置为产生 EPWMxA 信号。  模式 6:旁路上采用升沿延迟;模式 7:旁路下降沿延迟——表 10.14 的最后两项展示了通过旁路的方式实现下降沿延迟(FED)或上升沿延迟(RED)单元的功能。 表 10.14 展示了死区典型的工作模式,其中 DBCTL[POLSEL] 和 DBCTL[OUT_MODE] 的不同组合定义了不同的运行状态。例如,在 S3 S2 S1 S0 为“1 EPWMxA 和 EPWMxB 直通(无延迟) × × 0 0”的情况下,EPWMxA 和 EPWMxB 将直接连接,不引入任何延时。而在 S3 S2 S1 S0 为“3 低电平有效互补(ALC)”的情况下,则会采用低电平有效互补的配置方式。此外,还有“4 高电平有效(AH)”和“5 低电平有效(AL)”等多种设置。当 DBCTL[OUT_MODE] 为 “6 EPWMxB Out = E 带下降沿延迟的 PWMxA In” 时,EPWMxB 输出端会带有下降沿延迟的 PWMxA 输入信号;当 DBCTL[OUT_MODE] 为 “7 EPWMxB Out = 无延迟的 EPWMxB In” 时,则输出端不带任何延时。 图 10.32 显示了典型 case 的波形图,图中占空比范围在0%到100%之间。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 特征-基于分析
    优质
    本文运用概率图模型对死区工作模式进行了深入分析,揭示了其典型的统计特性和潜在规律,为相关领域的研究提供了新的视角和方法。 尽管所有组合都支持使用,但并非所有的组合都是典型的配置方式。表10.14列出了一些常见的死区设置模式。这些模式假定DBCTL[IN_MODE]被设定为“EPWMxA In 既是下降沿延迟又是上升沿延迟的信号源”。通过改变输入信号源,则可以实现增强或非传统模式的应用。 表中所列的模式分为以下几类: - 模式1:旁路掉下降沿延迟(FED)与上升沿延迟(RED) 可以将死区子模块从PWM信号通道完全移除。 - 模式2~5:典型的死区极性设置 这些模式代表了标准的极性配置,旨在满足现有电源开关门驱动器所需的高低电平有效模式。这些典型情况下的波形如图10.32所示。注意为了生成与图中相同的波形需要将动作限制子模块设定为产生EPWMxA信号。 - 模式6:旁路上升沿延迟;模式7:旁路下降沿延迟 表10.14的最后两个选项展示了当上升或下降沿延迟单元被旁路时的情况。 表10.14 死区典型的工作模式: | DBCTL[POLSEL] | DBCTL[OUT_MODE] | 模式 | 描述 | |---------------|------------------|--------|------------------------------| | S3 | | | | | S2 | | | | | S1 | | | | | S0 | EPWMxA 和 EPWMxB 直通(无延迟) | 1 | ××00 | | | 高电平有效互补(AHC) | 2 | 1011 | | | 低电平有效互补(ALC) | 3 | 0111 | | | 高电平有效(AH) | 4 | 0011 | | | 低电平有效(AL) | 5 | 1111 | | EPWMxA Out =无延迟的EPWMxA In | | | | EPWMxB Out=E带下降沿延迟的PWMxA In |6 |0或10或10 | | EPWMxA Out=带上升沿延迟的PWMxA In |7 | 0或10或11 | 图10.32展示了典型情况下的波形,其中占空比范围为0%至100%。
  • 数学建32
    优质
    本书系统介绍了数学建模领域内的32种常用模型,涵盖优化、预测、分类等多个方面,旨在帮助读者掌握解决实际问题的有效方法。 数学建模模型种类繁多,例如线性规划、整数规划等。
  • Python中开发
    优质
    本工具旨在为开发者提供一个基于Python的概率图模型构建平台,支持便捷高效地设计、实现和应用贝叶斯网络及马尔可夫随机场等复杂模型。 pgmpy 是一个研究概率图模型的有用库。它可以用于创建贝叶斯网络、马尔可夫网络以及动态贝叶斯网络等模型。该工具箱支持Python 2.7 和 Python 3.x,安装时请参考解压后的 REDME.txt 文件中的说明进行操作。欢迎大家一起交流学习和探讨相关知识。
  • 元胞自动机
    优质
    本文章将介绍几种常见的元胞自动机模型,包括但不限于一维和二维元胞自动机、生命游戏等,探讨其基本原理及应用。 元胞自动机是由一系列空间上各项同性的元胞构成的系统,在有限元胞自动机的基础上发展而来,用于模拟和分析几何空间内的各种现象。
  • 灰色预测类
    优质
    本文探讨了四种常见的灰色预测方法及其数学模型,旨在为研究者和从业者提供实用分析工具,以应对数据不足情况下的预测挑战。 灰色预测的四种常见类型包括: 1. 灰色时间序列预测:利用观察到的时间序列数据来构建灰色模型,用于预测未来某一时刻的目标特征量或达到特定特征值所需的时间。 2. 畸变预测:通过灰色模型识别异常值出现的具体时段,并进行相应的异常值预报。
  • ATP
    优质
    ATP常见模型是指在生物学和计算机科学等领域中广泛使用的理论框架或数学模型,用于解释和预测复杂系统的动态行为与相互作用。 ATP常用模型包括一系列用于分析和解决问题的框架和方法。这些模型在不同的应用场景中有各自的特点和优势,能够帮助研究人员或工程师更有效地理解和处理复杂问题。
  • 预测: mortality
    优质
    mortality是一款专注于预测死亡率的高级统计模型。它通过分析大量人口健康数据,为医疗政策制定者、研究人员提供精准的风险评估与趋势预测,助力公共卫生决策优化。 部署计分模型的软件包提供了如何为远程评分/预测部署模型的相关指导。 在R语言环境中安装该软件包的方法如下: ```r library(devtools) install_github(QlikBrianB/mortality) ```
  • 数学建学习记录——预测
    优质
    本资料详细介绍了数学建模中常用的几种预测模型,旨在为初学者提供一个概览和指导,帮助读者快速掌握各类模型的应用场景与方法。 涵盖的预测模型包括:灰色预测模型、差分预测模型、马尔可夫预测以及时间序列预测。
  • Probability Graph Model ().pptx
    优质
    本PPT介绍了概率图模型的基本概念、类型及其应用,包括贝叶斯网络和马尔可夫随机场等内容,旨在帮助理解复杂系统的概率关系。 Probabilistic Graphic Model(概率图模型).pptx这份文档介绍了概率图模型的相关知识和应用。
  • 设计练习(业题)
    优质
    本资料汇集了多种编程语言中常见的设计模式练习题,旨在帮助学习者通过实践加深理解,并提高解决问题的能力。适合编程爱好者和软件开发人员参考使用。 使用工厂方法模式可以实现四则计算器的功能。建造者模式适用于快餐店制作儿童餐的情况。典型的儿童餐包括一个主食、一份辅食、一杯饮料以及一个小玩具(例如汉堡、炸鸡、可乐和玩具车)。这些组成部分在不同的儿童套餐中可能有所不同,但是组装成完整儿童餐的过程是一致的。 不论顾客选择的是汉堡、三明治还是鸡肉作为主菜,制作过程都遵循相同的步骤。柜台员工会将选定的主食、辅食以及小玩具组合在一起,并放入一个袋子内。饮料则被倒入杯子中,放置在袋子外部。这一系列的操作流程,在不同的快餐连锁店之间也是大同小异的。