MATLAB SIMULINK控制MLI双电平逆变器仿真分析

版权申诉
0 下载量 174 浏览量 更新于2024-10-12 收藏 9KB RAR 举报
资源摘要信息: "MLI_danceqeo_matlab_SIMULINK_" 标题中提到的“MLI”是“多电平逆变器(Multi-Level Inverter)”的缩写。多电平逆变器是一种电力电子转换设备,它能够产生多于两个电平的输出电压波形。这种设计能够在较小的开关频率下提供高质量的交流输出电压波形,同时降低电磁干扰和开关损耗。多电平逆变器广泛应用于中高压电机驱动、可再生能源发电系统、以及牵引驱动等领域。 描述中提到的“simulation d'onduleur a deux niveaux commande par MLI”翻译成中文是“使用MLI控制的双电平逆变器模拟”。这表明文件中涉及的是对双电平逆变器的模拟,而这种逆变器是多电平逆变器中的一种简单形式,它只产生两个电平的输出电压。在逆变器的控制策略中,MLI指的是使用特定的算法或多电平技术来控制逆变器的开关动作,以达到预期的输出电压和电流波形。 标签中的“danceqeo”没有明确的含义,可能是一个错误的拼写或者是一个缩写词,但在当前的语境下没有足够的信息来确定其具体意义。而“matlab”指的是广泛用于工程计算、数据分析、算法开发等领域的数学计算软件——MATLAB。它提供了强大的数值计算和可视化功能,并且与SIMULINK紧密集成,后者是一种基于模型的设计和多域仿真环境,允许工程师对复杂的动态系统进行建模、仿真和分析。 文件名称列表中的“MLI.mdl”指的是一个SIMULINK模型文件。在MATLAB中,以“.mdl”为扩展名的文件是用来保存SIMULINK模型的。这个模型文件包含了模拟双电平逆变器使用多电平技术控制的全部元素,包括系统组件、参数设置、控制逻辑等。 在撰写这段内容的知识点时,需要针对以上关键信息进行扩展。首先可以对多电平逆变器的工作原理和结构特点进行解释,然后是对双电平逆变器的介绍以及其在实际应用中的优缺点。接着需要解释MLI控制技术是如何应用于逆变器的,以及它与传统的双电平控制方法相比有哪些优势。此外,对MATLAB和SIMULINK软件的功能进行介绍也是必要的,特别是SIMULINK环境在模拟电力电子系统中的应用。最后,对SIMULINK模型文件的构成和创建过程进行说明,帮助理解如何利用这些文件进行模拟和分析。 由于给定文件信息仅包含标题、描述、标签以及文件名列表,没有提供具体模型内容,所以无法提供更深入的关于模型内部结构和模拟过程的详细信息。对于想要进一步了解和使用该模型的个人或团队,他们需要具备一定的电力电子、控制理论、MATLAB和SIMULINK操作知识。在实际操作中,他们可能需要根据逆变器的具体技术参数调整模型,运行模拟,并分析结果以优化控制策略和系统性能。

优化以下代码 df_in_grown_ebv = pd.read_table(open(r"C:\Users\荆晓燕\Desktop\20230515分品种计算育种值\生长性能育种值N72分组 (7).txt"), delim_whitespace=True, encoding="gb18030", header=None) df_in_breed_ebv = pd.read_table(open(r"C:\Users\荆晓燕\Desktop\20230515分品种计算育种值\繁殖性能育种值N72分组 (7).txt"), delim_whitespace=True, encoding="gb18030", header=None) # df_in_grown_Phenotype.columns = ['个体号', '活仔EBV', '21d窝重EBV', '断配EBV'] # df_in_breed_Phenotype.columns = ['个体号', '115EBV', '饲料转化率EBV', '瘦肉率EBV', '眼肌EBV', '背膘EBV'] df_in_breed_ebv.columns = ['个体号', '活仔EBV', '21d窝重EBV', '断配EBV'] df_in_grown_ebv.columns = ['个体号', '115daysEBV', '饲料转化率EBV', '瘦肉率EBV', '眼肌EBV', '背膘EBV'] NBA_mean = np.mean(df_in_breed_ebv['活仔EBV']) NBA_std = np.std(df_in_breed_ebv['活仔EBV']) days_mean = np.mean(df_in_grown_ebv['115daysEBV']) days_std = np.std(df_in_grown_ebv['115daysEBV']) fcr_mean = np.mean(df_in_grown_ebv['饲料转化率EBV']) fcr_std = np.std(df_in_grown_ebv['饲料转化率EBV']) output = pd.merge(df_in_grown_ebv, df_in_breed_ebv, how='inner', left_on='个体号', right_on='个体号') # output['计算长白母系指数'] = 0.3 * (NBA - NBA_mean)/NBA_std - 0.3 * (days - days_mean)/days_std - 0.3 * (fcr-fcr_mean)/fcr_std + 0.1 * (pcl-pcl_mean)/pcl_std output['计算长白母系指数'] = 0.29 * (df_in_breed_ebv['活仔EBV'] - NBA_mean)/NBA_std - 0.58 * (df_in_grown_ebv['115daysEBV']- days_mean)/days_std - 0.13 * (df_in_grown_ebv['饲料转化率EBV']-fcr_mean)/fcr_std MLI_mean = np.mean(output['计算长白母系指数']) MLI_std = np.std(output['计算长白母系指数']) output['校正长白母系指数'] = 25 * ((output['计算长白母系指数'] - MLI_mean)/MLI_std) + 100 output.to_excel(r"C:\Users\荆晓燕\Desktop\20230515分品种计算育种值\权重3-N72权重指数_20230602.xlsx",index=False) print(NBA_mean) print(NBA_std) print(days_mean) print(days_std) print(fcr_mean) print(fcr_std) print(MLI_mean) print(MLI_std)

2023-06-03 上传

优化这段代码df_in_grown_ebv = pd.read_table(open(r"C:\Users\荆晓燕\Desktop\20230515分品种计算育种值\生长性能育种值N72分组 (7).txt"), delim_whitespace=True, encoding="gb18030", header=None) df_in_breed_ebv = pd.read_table(open(r"C:\Users\荆晓燕\Desktop\20230515分品种计算育种值\繁殖性能育种值N72分组 (7).txt"), delim_whitespace=True, encoding="gb18030", header=None) # df_in_grown_Phenotype.columns = ['个体号', '活仔EBV', '21d窝重EBV', '断配EBV'] # df_in_breed_Phenotype.columns = ['个体号', '115EBV', '饲料转化率EBV', '瘦肉率EBV', '眼肌EBV', '背膘EBV'] df_in_breed_ebv.columns = ['个体号', '活仔EBV', '21d窝重EBV', '断配EBV'] df_in_grown_ebv.columns = ['个体号', '115daysEBV', '饲料转化率EBV', '瘦肉率EBV', '眼肌EBV', '背膘EBV'] NBA_mean = np.mean(df_in_breed_ebv['活仔EBV']) NBA_std = np.std(df_in_breed_ebv['活仔EBV']) days_mean = np.mean(df_in_grown_ebv['115daysEBV']) days_std = np.std(df_in_grown_ebv['115daysEBV']) fcr_mean = np.mean(df_in_grown_ebv['饲料转化率EBV']) fcr_std = np.std(df_in_grown_ebv['饲料转化率EBV']) output = pd.merge(df_in_grown_ebv, df_in_breed_ebv, how='inner', left_on='个体号', right_on='个体号') # output['计算长白母系指数'] = 0.3 * (NBA - NBA_mean)/NBA_std - 0.3 * (days - days_mean)/days_std - 0.3 * (fcr-fcr_mean)/fcr_std + 0.1 * (pcl-pcl_mean)/pcl_std output['计算长白母系指数'] = 0.29 * (df_in_breed_ebv['活仔EBV'] - NBA_mean)/NBA_std - 0.58 * (df_in_grown_ebv['115daysEBV']- days_mean)/days_std - 0.13 * (df_in_grown_ebv['饲料转化率EBV']-fcr_mean)/fcr_std MLI_mean = np.mean(output['计算长白母系指数']) MLI_std = np.std(output['计算长白母系指数']) output['校正长白母系指数'] = 25 * ((output['计算长白母系指数'] - MLI_mean)/MLI_std) + 100

2023-06-03 上传