针对机床刀具磨损数据稀少与刀具磨损状态识别精度低的问题,提出了一种基于样本扩充与改进领域对抗网络(sample expansion and improved domain adversarial training of neural networks,SE-IDANN)的刀具状态识别方法。首先对机床刀具...
详细信息
针对机床刀具磨损数据稀少与刀具磨损状态识别精度低的问题,提出了一种基于样本扩充与改进领域对抗网络(sample expansion and improved domain adversarial training of neural networks,SE-IDANN)的刀具状态识别方法。首先对机床刀具数据进行两次特征提取,并通过Smote算法进行样本扩充,解决机床刀具磨损数据量稀少的问题;其次在领域对抗网络(domain adversarial training of neural networks,DANN)模型特征提取器中加入残差块,进一步提取有效特征信息,解决刀具磨损特征微弱的难题;最后将Wasserstein距离作为目标域与源域的数据分布相似度标准引入DANN模型,实现对刀具磨损量的精确识别。通过对机床刀具数据的分析与仿真试验验证,证明该方法能够有效地识别刀具磨损量。
针对新能源领域对开关变换器具有宽电压增益范围的要求,提出一种多模式变频宽输出LLC变换器。该变换器原边为全桥结构,副边整流器为两级倍压结构,通过控制副边开关管的导通与截止,具有3种不同的电路模式,其增益比为1∶2∶4。各种模式对应不同的输出电压等级,采用变频控制方式,变换器可以实现50~430 V的宽输出电压范围。多种模式切换,使得变换器具有较窄的开关频率范围(65~100 k Hz)。通过合理的参数设计,变换器可以实现原边开关管零电压开通(ZVS)和副边二极管零电流关断(ZCS)。新的电路拓扑结构降低了副边二极管和副边电容的电压应力,仅为输出电压的一半。在理论和仿真分析基础上,制作了1.3 kW的实验样机。实验结果表明,该变换器可以在保证效率的同时实现宽输出电压范围,适合应用于宽输出场合。
暂无评论