新闻详情

新闻详情

首页 / 资讯中心 / 详情

抛载检测 → 重复控制 RPT 清窗逻辑 → RPT 缓投使能 → 二阶滤波处理

发布时间:2026/11/8 23:07:04来源:尧图网络
抛载检测 → 重复控制 RPT 清窗逻辑 → RPT 缓投使能 → 二阶滤波处理
可以专门 提供 储能一体机ARM通信管理单元,从ARM单元代码,主DSP代码、方案、硬件软件全部开源;一体化解决方案提供西门子200全套解决方案,软硬件解决方案,全部源代码。抛载检测 → 重复控制 RPT 清窗逻辑 → RPT 缓投使能 → 二阶滤波处理 前置背景: 你的逆变器是50Hz,20kHz PWM,PWM 周期 50μs。 50Hz 工频周期 = 20ms;20ms ÷ 50μs =400 个 PWM 拍。重复控制 RPT 核心思想:当前工频周期的误差波形,在下一个工频周期同一时刻拿来补偿。 RPT 内部保存一整周期(400 点)的误差缓存数组,记住上一轮 50Hz 波形的畸变,下一个周期提前抵消谐波。类比理解: 你投篮,第一球投偏了,记住出手时刻的偏差;下一次同一出手时机,提前反向修正。 每一轮投篮周期(对应 50Hz 工频),复用上个周期的误差。 问题:如果中途突然抛载(突卸负载),电压瞬间冲高,缓存数组里存了大量错误的 “偏大误差”;下一个周期拿这个错误值补偿,会越补越震荡,甚至炸机。 所以必须:抛载触发 → 清空 RPT 历史缓存(清窗),等波形平稳后再慢慢投入 RPT。模块输入输出清单输入(来自中断,本拍采样,只读)ADValue.f32INV_PHASE_VOLT_1:当前采样输出相电压 (V)f32InvErr:瞬时电压环路误差(本次拍计算出来的电压误差)RPT 结构体StOffGridVoltLoop_RPT:包含误差缓存数组、索引、输出值二阶滤波器结构体StOffGridVoltLoop_2rdFilter:滤波器历史状态输出RPT 输出值,送入二阶滤波器二阶滤波输出,叠加到电压环 PI 输出,作为电流给定一部分标志位:清窗启动标志、清窗进行标志、RPT 投入系数s_f32RPT_K一、函数完整代码/** * @brief 重复控制RPT处理函数:抛载判断、清窗、RPT缓投、二阶滤波 * @param pStInvL1Ctrl 控制寄存器结构体指针 * @param pADValue AD采样结构体指针,本拍采样值 * @param f32InvErr 本拍电压误差,来自电压环 * @retval none * @note 调用位置:PWM中断内,电压误差计算完成之后,电压PI之前 */ void INV_L1_RptCtrlProcess(ST_INV_L1_CTRL_REGS *pStInvL1Ctrl, ST_AD_VALUE *pADValue, float32 f32InvErr) { //===== 1. 抛载判断:输出电压超过 ±210V,判定抛载冲击 ===== if((pADValue-f32INV_PHASE_VOLT_1 210.0f) || (pADValue-f32INV_PHASE_VOLT_1 -210.0f)) { //置清窗启动标志,下一拍开始逐个清空RPT缓存
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/8 22:42:07

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/8 2:22:29

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/8 8:25:50

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/8 22:41:24

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/8 3:02:34

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/8 3:02:33

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉