脉冲神经网络的简介

脉冲神经网络 （SNN-Spiking Neuron Networks) 经常被誉为第三代人工神经网络。第一代神经网络是感知器，它是一个简单的神经元模型并且只能处理二进制数据。

第二代神经网络包括比较广泛，包括应用较多的BP神经网络。但是从本质来讲，这些神经网络都是基于神经脉冲的频率进行编码( rate coded）。

脉冲神经网络，其模拟神经元更加接近实际，除此之外，把时间信息的影响也考虑其中。

思路是这样的，动态神经网络中的神经元不是在每一次迭代传播中都被激活（而在典型的多层感知机网络中却是），而是在它的膜电位达到某一个特定值才被激活。

当一个神经元被激活，它会产生一个信号传递给其他神经元，提高或降低其膜电位。

在脉冲神经网络中，神经元的当前激活水平（被建模成某种微分方程）通常被认为是当前状态，一个输入脉冲会使当前这个值升高，持续一段时间，然后逐渐衰退。

出现了很多编码方式把这些输出脉冲序列解释为一个实际的数字，这些编码方式会同时考虑到脉冲频率和脉冲间隔时间。借助于神经科学的研究，人们可以精确的建立基于脉冲产生时间神经网络模型。

这种新型的神经网络采用脉冲编码(spike coding)，通过获得脉冲发生的精确时间，这种新型的神经网络可以进行获得更多的信息和更强的计算能力。

谷歌人工智能写作项目：神经网络伪原创

脉冲神经网络的历史

Alan Lloyd Hodgkin和Andrew Huxley在1952年提出了第一个脉冲神经网络模型，这个模型描述了动作电位是怎样产生并传播的好文案。

但是，脉冲并不是在神经元之间直接传播的，它需要在突触间隙间交换一种叫“神经递质”的化学物质。这种生物体的复杂性和可变性导致了许多不同的神经元模型。

从信息论的观点来看，找到一种可以解释脉冲，也就是动作电位的模型是个问题。所以，神经科学的一个基本问题就是确定神经元是否通过时间编码来交流。时间编码表明单一的神经元可以取代上百个S型隐藏层节点。

脉冲耦合神经网络被称为第三代神经网络，那么第一代和第二代分别是什么？

什么是像素点火

这是一个很专业的东西哦 看完下面的东西 可能你会会有一定了解脉冲耦合神经网络模型(Pulse Coupled Neural Networks, PCNN)是一种不同于传统人工神经网络的新型神经网络,有着生物学的背景,是依据猫、猴等动物的大脑视觉皮层上同步脉冲振荡现象提出的[1]。

PCNN可广泛地应用于图像处理、图像识别、运动目标识别、通信、决策优化等各方面[2-4]。本文首先引入PCNN的基本模型,并对其特性进行了分析归纳。

由于PCNN在图像处理中所特有的优势,在此综述了它在图像处理中的应用及所做的部分工作,最后展望了它的应用前景。

1 PCNN的基本模型1990年Eckhorn根据猫的大脑视觉皮层同步脉冲发放现象,提出了展示脉冲发放现象的连接模型。对Eckhorn提出的模型进行了一些修改,得到了PCNN模型[5]。

构成PCNN的单个神经元由树突、非线性连接调制、脉冲产生三部分构成,如图1所示。树突部分即接收部分用来接收来自其他神经元与外部的输入。

一般来说,来自其他神经元的输入是脉冲;来自外部的输入除了脉冲外,还可能包括模拟时变信号或常量信号。

接收域将接收到的输入通过两条通道进行传输,一个通道称为F通道,用于接收包含外部输入信号的馈送输入(Feeding Inputs),其运算关系为:��F�ij(k)=e�-α�FF�ij(k)+S�ij+V�F\M�Y(k)\〗�ij(1)另一个则用于接收来自其他神经元的连接输入(Linking Inputs),其运算关系为:��L�ij(k)=e�-α�LL�ij(k)+V�L\W�Y(k)\〗�ij(2)��式(1)、式(2)中:�M和W是内部连接矩阵(一般M=W);Y(k)为神经元点火与否的信息;α�F和α�L分别为F�ij(k),L�ij(k)的衰减时间常量;V�L和V�F为连接和馈入常量;S�ij为第(i,j)个神经元接受的外部刺激(这里为图像像素构成的矩阵中第(i,j)个像素的灰度值)。

在连调制部分馈送输入F�ij和连接输入L�ij,再经过调制后产生第(i,j)�个神经元的内部活动项,其运算关系为:��U�ij(k)=F�ij(k)\(3)��式中:�U�ij为神经元的内活动,�为连接调制常量。

利用连接输入对馈送输入进行调制是PCNN神经元之间进行通信的关键。神经元的脉冲生成器根据内部活动项�U�ij的一个阶跃函数产生二值输出,并根据第(i,j)个神经元点火与否的状态自动调整阈值大小。

在时间k,如果内部活动项U�ij比阈值函数θ�ij大,Y�ij取值为1,称第(i,j)个神经元点火;否则Y�ij取值为0,称第(i,j)个神经元未点火。

如果第(i,j)个神经元点火,则根据V�θ�对阈值函数按照下面两式进行调整:��θ�ij(k)=e�-α�θθ�ij(k-1)+V�θY�ij(k-1)(4)Y�ij(k)=step(U�ij-θ�ij)=1,U�ij(k)>θ�ij(k)0,otherwise(5)��式中:α�θ为时间衰减常量;V�θ为阈值常量。

图1 标准PCNN神经元模型2 PCNN的特性与传统的反馈型神经网络相比,脉冲耦合神经网络从神经元本身的构成上就具有鲜明的特色,即变阈值、内部行为的乘积耦合、分支树的漏电容积分加权求和等,从而使得PCNN具备以下的特性:(1) 动态脉冲发放特性。

PCNN动态神经元的变阈值特性是其动态脉冲发放的根源,如果将有输入信号与突触通道脉冲相应函数的乘积所产生的信号设为该神经元的(内部)作用信号,则当作用信号超过阈值时,该神经元被激活而产生高电平输出,又由于阈值受神经元输出的控制,导致该神经元输出的高电平又反过来提升阈值,从而使作用信号变得低于阈值,神经元又立即恢复为原来的抑制状态。

这一过程在神经元输出端明显地形成了一个脉冲发放,也称为神经元的点火,其中变阈值特性导致神经元被抑制或激活,而硬限幅函数则实现神经元输出端脉冲的产生,它们相互作用的结果是使神经元输出发放脉冲,而发放脉冲的频率和相位则与神经元输入有关,故神经元输出可视为是对输入信号进行某种频率调制或相位调制,从而携带了输入信号的某种特征,这种特征对于进行图像处理十分有用。

(2) 同步脉冲发放特性。

如果PCNN采用这样的结构,每个神经元有一个输入(对应于图像中一个像素的灰度值),并与邻近神经元的输出有连接,则从神经元的角度讲,对应于亮像素的神经元可以比对应于暗像素的神经元更快地点火;从PCNN的角度讲,当一个神经元点火时,它会将其输出送至与其相邻神经元的输入上,从而引起邻近神经元先于自然点火时刻而提前点火,这样就导致在图像的一个大的区域上产生同步振荡,因此PCNN具有一个非常重要的性质:以相似性集群产生同步脉冲发放,这一性质的运用对于进行图像分割有非常重要的意义。

PCNN用于图像处理时,为一单层二维的局部连接网络,且所有神经元的参数完全一样。神经元的个数等于输入图像中像素点的个数,神经元与像素点一一对应。

每个像素点的亮度输入到对应神经元的馈送域,使得每个神经元的馈送域信号等于其对应像素点的亮度值;同时,每个神经元与其邻域内的神经元通过链接域相连,链接域信号由其邻域内神经元的输出脉冲产生,因此网络中神经元是通过链接域相互影响的。

每个神经元的输出只有两种状态,即激发态(又称点火)或者抑制态(又称不点火)。在图像处理时,大多数情况下,取邻域的大小为3×3。

根据PCNN的基本模型,得到PCNN中神经元的点火频率f�ij为[6]:��f�ij=α�Eln(1+V�E/U�ij)(6)由式(6)可得出,神经元对应像素点的亮度值越大,则该神经元点火的频率越高,开始时的发放脉冲也越早。

同时,通过动态连接项U的非线性相乘调制特性(见式(3)),使得邻域中满足一定条件的原先未点火的神经元也发放出脉冲,从而使得脉冲在整个网络中传播开,这就是PCNN的脉冲传播特性。

将PCNN用于图像处理时,虽然针对不同的图像处理问题,具体的算法有所区别,但这些算法都用到了PCNN的脉冲传播特性。

下面分别介绍PCNN在图像去噪、图像分割、图像增强、图像融合等方面的应用及其在这些方面所做的工作:(1) PCNN图像去噪。应用PCNN进行图像去噪可通过调整像素点的亮度来完成。

大多数情况下,被噪声污染的像素点亮度值与周围的像素点亮度值存在着明显不同,相关性弱。因此,大多数被噪声污染的像素点输出不同于周围像素点输出。

用PCNN进行图像去噪时,根据每个神经元与其邻近神经元是否激发输出脉冲串,可判断和区分噪声或像素灰度值,从而采取相应措施,这也可采用逐步修改灰度值的方法予以实现。

具体来说就是:如果一个神经元点火而大多数邻近的神经元不点火,则应减小其对应像素点的亮度;如果一个神经元不点火而大多数邻近的神经元点火,则应增加其对应像素点的亮度;其他情况下,不改变像素点的亮度。

这样,不断调整其对应的像素点亮度值,可获得减少噪声,恢复图像的目的。在此方面,目前的研究主要集中在对脉冲噪声和高斯噪声的抑制方面。(2) PCNN应用于图像分割。

如果从灰度值来解释图像分割,那么分割就是从复杂背景中分离出感兴趣目标的相似灰度值像素过程。

用PCNN进行图像分割时,亮度值大的像素点对应的神经元先点火,先发放脉冲,通过脉冲的传播,使得对应像素点亮度值相似且空间位置相邻的神经元发放出同步脉冲。

这样,相似的多个神经元对应着图像中相同的区域,这就是利用PCNN脉冲传播特性实现图像分割的机理。

鉴于PCNN直接来自于哺乳动物视觉特性良好研究成果,基于PCNN的图像分割完全依赖于图像的自然属性,不用预先选择处理空间范围,与其他方法相比,这是一种结合视觉特性的具有重要发展前景的更自然的图像分析方法。

基于PCNN的图像分割效果取决于PCNN中各参数的选择。然而,图像分割时,各种不同图像对应的PCNN参数是不同的,对PCNN参数的选择非常困难,大多用人工交互方式获得。

这里对标准的PCNN模型进行了改进,并用最大熵准则确定迭代次数,进行图像分割。图2为原始的256级Lena图像,图3是图2基于改进型PCNN和最大熵准则的图像分割结果。

(3) PCNN用于图像的边缘检测。

PCNN进行图像边缘检测的基本思想是,通过设计不同的捕获权和抑制权,使先点火的神经元对邻域中的边缘像素(即那些在灰度值上与已点火神经元对应象素相差较大的)对应神经元呈现出明显的抑制作用,而对非边缘像素(即那些在灰度值上与已点火神经元对应像素相差较小的)对应神经元则呈现出明显的捕获作用;这样,非边缘像素对应神经元将自然点火或被捕获点火,而边缘像素对应神经元将被得到抑制从而不被点火。

对图像边缘像素的判定遵循这样的原则,即仅当神经元本该发生自然点火却因受到邻域点火神经元的抑制而不能点火时,则判定该神经元为边缘像素对应神经元。

图2 原始的256级Lena图像图3 基于改进型PCNN和最大熵准则的图像分割结果(4) PCNN用于图像融合。由于图像融合技术是多传感器图像融合或多源图像融合。

一般来说,融合后的图像比原图像信息量更大,细节更丰富,轮廓更清晰,更能精确描述目标,同时融合图像包含了原图像更多的冗余信息和互补信息。

PCNN模型所独有的神经元捕获特性——某神经元点火会造成与该神经元亮度相近的邻近神经元捕获点火,能够自动实现信息传递和信息耦合。

PCNN很早就被应用到图像融合领域,文献[7]用小波和数学形态学等抽取乳腺目标图像特征,再用PCNN融合检测得乳腺目标,文献[8]研究了一种并行多通道PCNN模型的图像融合算法。

实践证明,PCNN能有效进行图像融合。

4 结 语介绍了一种新型的第三代人工神经网络即脉冲耦合神经网络(PCNN),并对其模型进行了讨论,同时总结了其特性,较具体地介绍了它在图像去噪、图像分割、图像边缘检测等方面的应用。

研究发现,PCNN因其生物学背景,使之在图像处理方面有着明显的优势。

国外初步的研究表明,PCNN具有广阔的应用前景,但由于PCNN标准模型的复杂性,今后应加强PCNN的理论研究,这是其应用的基础;加强其与其他算法的结合,拓展了PCNN的应用范围;探讨PCNN中参数的选取,从而加快了PCNN的运行效率。

脉冲耦合神经网络和cnn的区别

pcnn比起convolutional neural network，还是稍稍像点cellular neural netowork。结构上看起来总觉得更像是一个胞元自动机。

Convolutional Neural Network和PCNN一点关系都没有，纯粹是靠重复卷积-池化来提取深度特征最后用softmax分类而已。

人工神级网络最简化形式

感知器（英语：Perceptron）。是Frank Rosenblatt在1957年就职于康奈尔航空实验室（Cornell Aeronautical Laboratory）时所发明的一种人工神经网络。

它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类器。感知机是生物神经细胞的简单抽象。神经细胞结构大致可分为：树突、突触、细胞体及轴突。

单个神经细胞可被视为一种只有两种状态的机器——激动时为‘是’，而未激动时为‘否’。神经细胞的状态取决于从其它的神经细胞收到的输入信号量，及突触的强度（抑制或加强）。

当信号量总和超过了某个阈值时，细胞体就会激动，产生电脉冲。电脉冲沿着轴突并通过突触传递到其它神经元。

为了模拟神经细胞行为，与之对应的感知机基础概念被提出，如权量（突触）、偏置（阈值）及激活函数（细胞体）。

在人工神经网络领域中，感知机也被指为单层的人工神经网络，以区别于较复杂的多层感知机（Multilayer Perceptron）。作为一种线性分类器，（单层）感知机可说是最简单的前向人工神经网络形式。

尽管结构简单，感知机能够学习并解决相当复杂的问题。感知机主要的本质缺陷是它不能处理线性不可分问题。

历史1943年，心理学家沃伦·麦卡洛克和数理逻辑学家沃尔特·皮茨在合作的《A logical calculus of the ideas immanent in nervous activity》论文中提出并给出了人工神经网络的概念及人工神经元的数学模型，从而开创了人工神经网络研究的时代。

1949年，心理学家唐纳德·赫布在《The Organization of Behavior》论文中描述了神经元学习法则——赫布型学习。人工神经网络更进一步被美国神经学家弗兰克·罗森布拉特所发展。

他提出了可以模拟人类感知能力的机器，并称之为‘感知机’。1957年，在Cornell航空实验室中，他成功在IBM 704机上完成了感知机的仿真。

两年后，他又成功实现了能够识别一些英文字母、基于感知机的神经计算机——Mark1，并于1960年6月23日，展示与众。

为了‘教导’感知机识别图像，弗兰克·罗森布拉特在Hebb学习法则的基础上，发展了一种迭代、试错、类似于人类学习过程的学习算法——感知机学习。

除了能够识别出现较多次的字母，感知机也能对不同书写方式的字母图像进行概括和归纳。

但是，由于本身的局限，感知机除了那些包含在训练集里的图像以外，不能对受干扰（半遮蔽、不同大小、平移、旋转）的字母图像进行可靠的识别。

首个有关感知机的成果，由弗兰克·罗森布拉特于1958年发表在《The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain》的文章里。

1962年，他又出版了《Principles of Neurodynamics: Perceptrons and the theory of brain mechanisms》一书，向大众深入解释感知机的理论知识及背景假设。

此书介绍了一些重要的概念及定理证明，例如感知机收敛定理。

不间断电源

三相不间断电源的新进展[日期：2006-11-13] 来源：电源技术应用 作者：浙江大学 王林兵 何湘宁 [字体：大 中 小] 摘 要：对三相不间断电源系统的各模块电路拓扑、整机电路结构以及各种流行控制策略做了一个概括性评析，指出了不间断电源设计和应用中存在的问题及当前研究的新热点，最后对UPS的发展动向做出了预言关键词：三相不间断电源；逆变器并联；数字控制O 引言 在今后相当长的一段时间内，我国市电电网供电不足，电压波动大，干扰严重的局面仍将存在。

而各行业、各领域的快速发展对供电质量提出了越来越高的要求，尤其是实时性很强的重要系统、重要部门和重要的用电设备对供电质量的要求和我国的电网实际状况的矛盾日益尖锐。

因此，不间断电源(UPS)作为一种稳压稳频纯净化的绿色电源越来越成为人们关注的焦点。为了不断提高UPS的性能，科研人员对UPS系统做了大量的研究，提出了很多的电路拓扑与控制策略。

1 UPS的电路拓扑 UPS的可靠运行离不开各模块的协调工作，下面就UPS主要功能模块电路拓扑进行简要分析。

1．1 整流和功率因数校正电路 整流电路在应用中构成直流电源装置，是公共电网与电力电子装置的接口电路，其性能将影响公共电网的运行和用电质量。

高性能的UPS要求有较高的输入功率因数，并尽量减少输入电流的谐波分量。传统单相UPS多采用模拟方法，三相UPS多采用相控式整流电路和电压型单管整流电路。

1．1．1 传统三相相控式整流电路和电压型单管整流电路 相控式整流电路采用半控式功率器件作为开关，存在着以下问题： 1)网侧谐波电流的存在将降低设备网侧功率因数，增加无功功率； 2)相控整流换流方式，导致换流期中电网电压畸变，不仅使自身电路性能受到影响，而且对电网产生干扰，对同一接地点的网间其他设备带来不良影响； 3)相控整流环节是一个时滞环节，无法实现输出电压的快速调节。

电压型单管整流电路是三相不控整流桥加Boost电路的简称，它的缺点是：电流峰值大，不仅妨碍系统功率的提高，也增加了导通损耗和开关损耗；为了保持网侧功率因数的提高，Boost电路必须有一定的升压比，这对三相电路会导致直流输出电压过高。

1．1．2 电流型三相桥式整流电路 电流型三相桥式整流电路如图1所示，其优点是反馈控制简单，不需要在控制电路中加入电流反馈，只须调节各开关管的占空比就可以实现输入电流正弦化；直流侧的电压较低。

缺点是输入电流正弦度不是很好，在输入侧必须加入并联电容，实现移相。这种电路现在开始成为研究的热点之一。这种电路适用于大功率整流电路且对功率因数要求不高的场合。

1．1．3 电压型三相桥式整流电路 电压型三相桥式整流电路如图2所示，其特点是采用高频PWM整流技术，器件处于高频开关状态，由于器件的开通和关断状态可以控制，所以整流器的电流波形是可控制的。

这种电路的优点是可以得到与输入电压同相位的输入电流，也就是输入功率因数为1，输入电流的谐波含量可以接近为零；能量可以双向流动，正常时能量从交流侧向直流侧流动，直流输出电压高于给定值时，能量从直流侧向交流侧流动，具有较高的转换效率。

缺点是属于Boost型整流电路，直流侧电压要求较高。这种电路也是近年来研究的一个热点。

1．2 蓄电池组和充放电电路 蓄电池组是UPS的储能单元，市电正常时它吸收来自市电的能量并以化学能的形式储存起来，一旦市电中断，它把储存的化学能转换为电能向逆变器供电，维持负载供电的连续性。

在中小功率的UPS系统中，电池组的电压通常比较低，因此，通常使用能量能够双向流动的充放电电路[4]。大功率系统中为了提高效率，简化电路通常直接把电池组并接在直流母线上。

1．3 逆变电路 逆变器是UPS的核心，它把直流电能转换成用户所需的稳压稳频的交流电能。下面仍以三相逆变器为对象分析近年来逆变器的研究热点。

1．3．1 三相半桥式逆变电路 在三相逆变电路中以三相半桥桥式电路应用最为普遍，这种电路的特点是采用全控型器件组成逆变器，存在着功率密度高，性能好，小型轻量化等优点。

这种电路便于使用新的控制策略以提高逆变器的质量。但是，要实现带100％的独立负载是比较困难的。

1．3．2 H桥逆变器 对于超大容量的逆变器，由于功率等级的大幅度提高，对逆变器的结构提出了新的要求，H桥臂逆变器便是选择之一。

这种逆变器输出变压器采用多绕组接法，输出变压器的原边采用3个独立的绕组，逆变器输出采用3个独立的H桥。这样控制方便，但是成本较高。

1．3．3 三相四桥臂变换技术 由于三相电路中，三桥臂逆变器本身存在着固有的缺陷，人们开始寻求新的电路结构，于是出现了三相四桥臂逆变器，如图3所示。

这种电路结构输出为三相四线制，三相电压可以独立控制，控制方法灵活，但是这种拓扑的算法比较复杂，PWM矢量在三维空间中旋转，必须采用数字控制方法才能实现空间PWM波形的生成，这种电路成为了近年来研究的热点之一。

1.4 三相UPS整机电路1.4．1 传统三相UPS电路结构 传统的三相UPS结构，输入采用晶闸管整流，输出采用逆变器，电池直接挂接于直流母线，整流器同时作为充电器。

输出采用变压器隔离，可以实现输入输出完全隔离，确保电网的扰动不会对负载造成干扰。市电断电时，电池通过逆变器输出稳定的交流电；在逆变器出现故障时，通过旁路输出电压，保证了供电的可靠性。

这种结构的主要缺点是体积和重量都比较大。1．4．2高频链式三相UPS 为了降低成本，减小UPS的体积和重量，出现了高频链式三相UPS，如图4所示。

这种电路省去了庞大的工频变压器，输入采用高频整流，可以获得较高的输入功率因数和较低的输入谐波电流。

其缺点是输入输出没有变压器隔离，电网的扰动可能会给UPS的输出造成扰动；输出三相电压靠电池和电容中点形成中线，所以在控制中必须保持正负直流电压幅值的相等，否则输出中线会有较大的直流成分，对负载和负载中的变压器不利；输入采用三相四线制，中线有电流流过，可能会造成中线电位偏移，对负载造成干扰；输入输出不隔离，并联时的环流问题较难解决。

1．4．3 新的在线互动式UPS 由于以上两种UPS都要经过两次满功率变换，因此系统的效率较低，从提高系统效率的角度出发，出现了一种串并联补偿式的大容量结构，是一种新的在线互动式结构，如图5所示。

这种拓扑输入输出同样没有变压器隔离，所以会有高频链式UPS的缺点。这种UPS的输出频率必须保持与电网一致，而且对电网的扰动的抑制能力不强，因而供电质量比传统的三相UPS差。

它的特点是从输入到输出间的能量不是经过满功率的变换，同样是由两个高频变换器组成，但是变换器1最大只承受20％的功率，从成本上讲，这种结构的成本更低。

在控制方法上，变换器1是一个电压补偿器，用于补偿电网电压的畸变；变换器2是一个电流补偿器，用于补偿负载的谐波电流，并且在市电断电时作为满功率电压型逆变器向负载供电。

1．4.4 输入输出隔离的高频链UPS 由于传统工频UPS的输入输出带有隔离变压器，输出有很好的隔离特性，高频链式的UPS有很好的输入特性，因此，出现了这种带有输入输出隔离的高频链式的UPS如图6所示。

由于高频整流的缺点，在输入侧必须接一个自耦变压器降压，增加了整机的重量和成本；另外，由于输入采用了高频变换器，整机的效率比高频链式和传统式UPS的效率都低。

但是，由于输入功率因数是1，没有谐波电流，所以所消耗的总电能低于传统三相UPS。

1．4．5输入输出并联的UPS 这种电路中，输入端由多个整流器并联而成，给直流母线供电，同时直流母线给多个逆变器提供直流电压，多个逆变器的输出端直接连接同时给负载供电。

这种方式可以增强UPS的容量，增加系统的可靠性，成本下降，可维护性增强，但是，并联模块越多，各模块间的均流问题越难解决。

2 不间断电源的控制技术 随着控制理论和功能丰富，性能优良的各种微控制器的迅猛发展，出现了多种离散化控制方法。从控制反馈回路的数目可分为单环、双环、多环控制。

在硬件允许的条件下尽可能地提高反馈回路数目，可以提高控制效果。从控制原理上看包括数字PID控制、状态反馈控制、无差拍控制、重复控制、滑模变结构控制、模糊控制、神经网路控制、空间矢量控制等方法。

数字PID控制控制的适应性好，具有较强的鲁棒性；算法简单明了，便于用单片机或DSP实现。

但是存在两方面的局限性：一方面是系统的采样量化误差降低了算法的控制精度；另一方面，采样和计算延时使得被控系统成为一个具有纯时间滞后的系统，造成PID控制器稳定域减少，增加了设计难度。

预测控制可以实现很小的输出电流畸变，抗噪音能力强，但是，这种算法要求知道精确的负载模型和电路参数，因此鲁棒性差，而且由于数值计算造成的延时在实际应用中也是一个问题。

滞环控制具有快速的响应速度，较高的稳定性，但是滞环控制的开关频率不固定，使电路工作可靠性下降，输出电压的频谱变差，对系统性能不利。

无差拍控制的基本思想是根据逆变器的状态方程和输出反馈信号推算出下一个开关周期的PWM脉冲宽度，因此，从理论上可以使输出电压在相位和幅值上都非常接近参考电压，由负载变化或非线性负载引起的输出电压误差可在一个开关周期内得到校正。

但是，无差拍控制是一种基于被控制对象精确数学模型的控制方法，鲁棒性很差。 滑摸控制是一种非线性控制，这种控制的特点是控制的非连续性。这种控制既可以用于线性系统也可用于非线性系统。

这种控制方法具有很强的鲁棒性。缺点是要得到一个令人满意的滑模面是很困难的。 重复控制是一种基于内模原理的控制方法。逆变器采用重复控制的目的是为了消除因整流桥负载引起的输出电压波形周期性的畸变。

重复控制器可以消除周期性干扰产生的稳态误差，但是，由于重复控制延时一个工频周期的控制特点，使得单独使用重复控制的UPS逆变器动态特性极差。 模糊控制属于智能控制的范畴。

模糊控制器的设计不需要被控对象的精确数学模型，因此具有很强的鲁棒性和自适应性。模糊控制类似于传统的PD控制，因而这种控制有很快的响应速度，但是其静态特性不令人满意。

神经元网络控制是模拟人脑神经中枢系统智能活动的一种控制方式。神经网络具有非线性映射能力、并行计算能力和较强的鲁棒性等优点，已广泛地应用于控制领域，尤其是非线性系统领域。

目前在神经网络结构的设计、学习算法等方面已取得了一定成果。

但是，由于硬件系统的限制，目前神经网络控制还无法实现对逆变器输出电压波形进行在线控制，多数应用都是采用离线学习获得优化的控制规律，然后利用得到的规律实现在线控制。

谐波注入式PWM技术，直流母线电压的利用率基本上可以达到loo％。

这种方法对于电压开环的控制系统非常有效，但在闭环控制系统中由于谐波注入的初始相位必须与基波保持一致，在电压瞬时值控制中电压基波的初始相位无法精确定位而难以应用。

空间矢量PWM具有电流畸变小、直流母线电压利用率高以及易于数字化实现等优点，因此近年来得到了较多的应用。这种控制方式也需要电路的精确模型。 上述各种控制方案都有其优势，但是也有其不足。

同时采用不同的控制方法形成复合控制的控制方案在实践中得到了广泛的应用，取得了较好的效果。

3 不间断电源设计和应用中存在的问题 美国UPS厂商APC．公司，总结并归纳了UPS供电系统当前面临的、也是今后必须解决的5个方面的问题: 1)生命成本周期问题； 2)不间断电源系统的可适应性及可扩展性问题； 3)提高不间断电源的可用性问题； 4)不间断电源对供电系统的可管理性问题； 5)可服务性问题。

4 不间断电源的最新发展动向 不间断电源的发展动向是UPS的多机并联冗余化，采用冗余并机技术提高UPS的容量和可靠性；采用功能更丰富的硬件设备实现全数字控制，使各种先进的复杂控制算法得以运用而不断提高UPS的性能，即向数字化和高频化发展；UPS的进一步智能化和网络化，使计算机网络成为不间断网络。

4．1 UPS的多机并联技术实现冗余化 UPS的并联技术可以带来以下几个方面的好处： 1)可以灵活地扩大电源系统的容量； 2)可以组成并联冗余系统以提高运行的可靠性： 3)极高的系统可维修性，当单台电源出现故障时，可以很方便地通过热插拔的方式进行更换和维修。

采用并联技术可以形成具有容错功能的冗余式供电系统，从目前掌握的资料来看，主要有以下几种冗余配置方案： 1)集中式并联控制； 2)主从式并联控制； 3)分散式并联控制； 4)环链式并联控制； 5)无线式并联控制。

这几种并联方式，从可靠性的角度看，集中式最差，无线式控制最好，也成为近年来的研究热点。4．2 UPS的数字化、高频化 最初的UPS采用模拟控制方法有很多局限性。

随着数字处理器计算速度的不断提高，使得各种先进的数字控制方法得以实现，使UPS的设计具有很大的灵活性，设计周期缩短，性能大为提高。

UPS高频化，有效地减小了装置的体积和重量，并可消除变压器和电感的音频噪音，同时改善了输出电压的动态响应能力。

数字化控制方法成了当今交流电源领域的一个研究热点，一种必然的发展趋势是各种方法相互渗透，互相结合形成复合控制方案。数字化复合控制是UPS控制的一个发展方向。

4．3 UPS的智能化、网络化 为了适应计算机网络的发展，UPS中已经开始配置RS232接口、RS485接口、USB接口、SNMP卡和MODEM结合，成为计算机网络的一部分，具有以下优异的智能化、网络化特性。

1)实时监控功能它对UPS各模拟参量和表示工作状态的开关量进行实时高速采样，实现数字式监控。

2)自诊断、自保护功能 UPS将实时采集来的各项模拟参量和工作状态数据以及系统中的关键硬件设备的数据与正常值进行分析比较，以判断UPS是否有故障隐患存在。

如果有故障，根据相应的故障信息级别在控制面板的显示屏上以友好的图形界面、文字提示方式报警，或者在现场和控制室以指示灯灯光、报警器呜叫方式报警、也可以用自动拨通电话等方式报警，并做出相应的保护动作。

3)人机对话的控制方式 大型UPS可向用户提供监控器液晶显示屏，以图形和文字方式显示工作流程和参数信息。可以提供让用户操作的可视化菜单。

并以帮助和不断提示的方式引导用户按照既定方式处理故障，有效防止误操作。

4)远程控制功能在网络化时代，UPS不仅应能向由它直接供电的硬件设备提供保护，还应该对整个网络中的运行程序和数据以及数据的传输途径进行全面地保护，使之成为不间断网络。

这就意味着UPS应配置相应的电源监控软件、SNMP(简单网络管理协议)管理器，使其具有远程管理能力，用户可执行UPS与网络平台之间的远程监控和数据的网络通信操作，使UPS成为网络系统中的重要组成部分。

这样，由网管员通过网管软件监控多台UPS，而且被管理的UPS可以在同一个LAN也可以在不同的LAN，甚至可以通过互联网，纳入网络管理系统来管理UPS。

由于未来网络的广泛化和全球化，必然带来网络的复杂化，多种形式的网络系统连接在一起。

作为网络系统的一部分，要求UPS能够实现在各种网络平台上的监控，而且随着Internet、Intranet和电子商务的超高速发展，用户对网络的可用性要求会越来越高，使UPS从对网络关键设备的保护延伸至对整个网络路径的保护。

最短的光脉冲是多少

德国科学家的一项最新研究，找到了实现迄今最短的闪光的新方法，它的持续时间仅有80阿秒（attosecond，1阿秒为10的-18次方秒，飞秒(femtosecond)的千分之一），而此前的记录为2007年的130阿秒。

新的超短光脉冲已经被用于捕获因太短而无法拍到的激光脉冲的图像。相关论文发表在6月20日的《科学》（Science）杂志上。

【光脉冲】光脉冲就是光源按着一定时间间隔时断时续的发光，E=mc^2可算出，影响因素是中间的介质。

【基本信息】【理论概述】光脉冲就是光源按着一定时间间隔时断时续的发光，光的质量，和能量，当研究光子时，通过爱因斯坦质能方程E=mc^2，可以算出来的，而当不研究该微观领域时，通常是忽略的，影响元素就是中间的介质，但是影响不大。

【光脉冲的原理】持续时间短、强度大的光脉冲能够穿透物料，穿透物料的光脉冲不传输，但是以热量的形式在物料中消散。物料的表面和内层产生温度梯度，热量以传导的形式从表面传递到内层。

热传导一直进行到物料温度达到恒定的稳定状态，消散的热量和物料的热学性质决定所需的时间。

光脉冲的持续时间比热传导的时间短，光脉冲的能量在物料表面贮存极短的时间，期间几乎没有出现热传导，这实际上是瞬间加热了薄层表面，使其温度高于具有等量平均功率的连续光束加热所达到的稳态温度。

【光脉冲的应用】光脉冲能够杀灭无菌包装材料、液体食品、肉、鱼等固体食品和培烤食品上的微生物。光处理的肉制品可以延长冷藏状态的货架寿命。

马铃薯、番茄、香蕉、苹果和通心粉、米饭等预制食品都可以应用光脉冲处理，延长货架寿命。番茄尽管在冷藏的条件下易于感染霉菌，但是经过光脉冲处理，在冷藏下可以贮藏30d。

与此类似，脉冲处理包装的白面包切片，在2周之内可以使其保持新鲜状态，而未受处理的切片很快霉变。光脉冲不仅减少了接种在肉中的李斯特菌和沙门氏菌的菌数，而且肉的营养成分变化甚微。

光脉冲可以增加肉的货架寿命和安全性。除了食品的杀菌以外，光脉冲还用于以下的产品和领域:① 制造化妆品的配料和成品。② 要求高度清洁的设备、产品、装置和区域。③ 使用前的医疗和齿科设备。

④ 食品加工设备，以减少交叉污染的程度和可能性。⑤ 处理或半处理的污水，以减少微生物载荷。⑥ 空气或其他气体或气态化合物，以减少微生物载荷。