【摘 要】
:
基于法拉第磁致旋光效应的光学电流互感器具有测量准确、绝缘安全、易于集成、网络物联等优势,是品质优良的电子式电流互感器,代表了电流互感器的重要发展方向。在科技进步和研究工作者们在不懈攻坚努力下,光学电流互感器的研究工作已经取得了重要的实用化研究成果。尽管如此,距离普及应用还存在差距,其中一方面表现为不均匀磁场会对测量准确度造成不利影响。本文主要针对光学电流互感器的不均匀磁场问题开展研究工作。本文遵循
论文部分内容阅读
基于法拉第磁致旋光效应的光学电流互感器具有测量准确、绝缘安全、易于集成、网络物联等优势,是品质优良的电子式电流互感器,代表了电流互感器的重要发展方向。在科技进步和研究工作者们在不懈攻坚努力下,光学电流互感器的研究工作已经取得了重要的实用化研究成果。尽管如此,距离普及应用还存在差距,其中一方面表现为不均匀磁场会对测量准确度造成不利影响。本文主要针对光学电流互感器的不均匀磁场问题开展研究工作。本文遵循先一般物理场再磁场、先局部后整体的学术研究路线,研究感应不均匀介质的琼斯矩阵,探索不均匀磁场法拉第磁致旋光的磁场感知情况,分析不均匀磁场光学电流互感器的传感特性。首先,通过微元级联方法,分析了感应不均匀介质琼斯矩阵的基本属性,指出琼斯矩阵非对角元素为实部、虚部兼有的复数是感应不均匀介质有别于均匀介质的基本特征,是本征坐标系沿介质光程变化的结果。其次,通过酉变换的数学手段,建立了感应不均匀介质琼斯矩阵三元模型。三元模型没有冗余,由介质相移差、介质感应角和介质不均匀角三个相互独立物理参量准确刻画。定义了磁场不均匀度概念,研究了磁场不均匀度与介质不均匀角的关系,指出介质不均匀角能够在介质整体上表征物理场的不均匀程度。再次,推演了感应不均匀介质琼斯矩阵三个物理参量的光程积分表达式。光程积分表式揭示了介质琼斯矩阵整体参量与截面感应张量的关系。感应不均匀介质三元参量模型与微元级联模型的仿真对比表明了积分表达式具有一定的合理性与准确性;与分布参数模型相比,三元参量模型没有改变琼斯矩阵的酉矩阵属性,适用范围更宽广。最后,基于感应不均匀介质琼斯矩阵三元参量模型建立了磁光型光学电流互感器的不均匀磁场传感模型。指出在磁场分布均匀与不均匀情况下,光学电流互感器的光路输出表达不同,其中,后者受到新物理量介质不均角的影响。光学传感输出仿真研究表明:基于感应不均匀模型的磁场感知分量更为贴近微元级联模型的,电流传感准确性高。
其他文献
音乐教育是素质教育中不可或缺的一部分,良好的音乐教育不仅可以提升学生的审美情趣、表现力、创造力以及艺术鉴赏力,还能够帮助学生实现身心和谐统一。但教育不公平现象仍是
文章总结了2015~2017湛江市雷州半岛菠萝新品种引种,为了解决当地菠萝品种单一问题,引进菠萝新品种台农16号、台农17号、台农22号、金菠萝、大菠萝等5个品种进行比较试验.通过
作为课堂教学中常用的教学手段之一,课堂提问无论是在传统课堂还是在当前倡导培养学科核心素养背景下的教学过程中,均发挥着十分重要的作用。课堂提问是完成教学任务、实现教
近几年,直流-直流转换器在高速、低压和高效率等方面的要求越来越苛刻。传统的模拟电源转换器受环境影响较大,并且控制精度难以提高。相对于模拟方式,数字化DC-DC转换器通过数字脉宽调制(DPWM)电路输出占空比可调信号,实现对输出的控制,它具有控制精度高、受环境影响小和外围元件少的特点。DPWM作为数字电源的的重要组成部分,提供数字控制反馈环路的输出,其性能决定了数字电源的好坏,因此,数字电源中的DP
在本论文中我提出新的彩色图像去噪模型。它关键地基于图像的几何结构及特点。我考虑各向异性的、非线性的、非均质的扩散过滤,带三种特征值模型。特征值定义得利用图像结构的材料基于综合便微分分析在Riemann几何意义下,因此它能使最薄的元素保存,同时使噪声去除。我考虑两个相关的问题,一个是使能量泛函极小化,另一个是解决扩散偏微分方程Neumann第二初边值问题。本文中对两个模型都被提出并仔细地研究相关的理
微弱信号检测技术是应用在生物医学、图像处理、机械故障检测、雷达系统、地质学等领域的一种从噪声中提取弱信号的处理方法,传统对噪声处理的方法是利用不同的降噪技术处理噪声带来的影响,但是也削弱了信号的能量。论文首先介绍了随着非线性科学的发展而兴起的混沌振子检测法和随机共振(Stochastic Resonance,SR)检测法,其中随机共振检测技术是论文研究的一个重点,它是利用信号、非线性系统及噪声三者
河西地区东连关陇,西通西域,是东西文化交流的重要场所。自张骞通西域之后,中央政府先后设立了武威、张掖、酒泉、敦煌四郡。于此同时,还派驻了大量军队,对河西地区进行屯垦
聚类是机器学习中一种无监督学习算法,它已成功地应用于诸多领域,如数据挖掘、机器学习、图像处理和生物学等。聚类的过程是将数据对象分到不同簇,这些对象与同一簇中的对象彼此类似,与其他簇中的对象相异。然而,传统数据聚类方法存在诸多缺点,诸如(1)对初始中心的选取敏感,(2)容易陷入局部最优,(3)不能很好地处理非球形的聚类边界等。膜计算是一类由生物细胞机制启发的分布式并行计算模型,它利用对象的进化与转运
图像的风格化是一个非常具有挑战的问题,特别对于监督方法尤为如此。因为一张具有特定风格的图像往往是没有对应的源图像(例如一幅油画),所以要收集这样的且大量的数据是非常困难的、耗力的、费时的,并且人工打标数据价格高昂。所以,如何实现无监督的图像风格化一直是一个困难任务。由于现有的学习范式很难利用未标注的数据进行学习,为了解决这个问题,相关研究人员提出了新的方法:对偶学习。它与其他学习范式的不同点在于利
互联网和人工智能的飞速发展,也带动着机器人技术的不断发展,机器人技术实现了为人们减轻负担以及代替人们完成高难度的任务。机器人的轨迹跟踪问题一直是机器人技术研究领域的一个热点话题。在实际情况中,机器人系统往往需要在有限的时间内达到控制目标,并且有限时间稳定相比于渐近稳定收敛的速度更快,而且有限时间控制能使被控系统具有优良的鲁棒性,研究非线性机器人系统有限时间控制很有现实意义。本文针对机器人系统的有限