电机控制专用集成电路 pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:机械工业出版社

作者:谭建成编

出品人:

页数:569

译者:

出版时间:1997-07

价格:32.0

装帧:平装

isbn号码:9787111056270

丛书系列:

图书标签:

电机控制
集成电路
电力电子
驱动电路
微电子
控制系统
工业控制
功率电子
半导体
电机驱动

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小美书屋

book.quotespace.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

本书集实用性、资料性、手册性于一体，较详细地介绍了国

内外著名集成电路制造厂商生产的约150种各类交直流电动机、

伺服电动机、步进电动机、自整角机数字转换、锁相环控制IC，霍

尔IC，智能功率IC，功率半导体器件的驱动IC，运动控制和电动

机控制专用微处理器，以及它们的应用技术和示例。附录还给出

数百种IC的索引，供读者查寻和选用。

本书适用于从事电机控制、电气自动化、伺服系统、机电一

体化和ASIC研究开发、生产、维护使用的科技人员，也可供相关

专业的大专院校师生参考。

好的，这是一份关于不同主题图书的详细简介，完全不涉及“电机控制专用集成电路”的内容。 --- 图书名称：《深度学习的理论基石与前沿算法实践》内容简介：本书深入剖析了现代人工智能领域的核心驱动力——深度学习的理论基础，并结合当前最活跃的前沿算法进行详细的实践指导。全书结构严谨，从数学原理出发，逐步构建起对复杂神经网络模型的直观理解，旨在为读者提供一个扎实而全面的知识体系。第一部分：理论基础与数学内核本部分聚焦于支撑深度学习的数学框架。我们首先回顾了概率论、线性代数和多元微积分在神经网络优化中的核心作用。重点阐述了梯度下降及其变体的演化，包括随机梯度下降（SGD）、动量法（Momentum）和自适应学习率方法如AdaGrad、RMSProp和Adam。书中用清晰的图示和推导过程解释了反向传播算法（Backpropagation）的计算流程和计算图的构建原理，这是理解任意深度网络训练机制的关键。此外，我们详尽讨论了正则化技术，包括L1/L2范数、Dropout的统计学意义及其对模型泛化能力的影响。激活函数部分，我们不仅仅停留在ReLU、Sigmoid和Tanh的表面，而是深入探讨了它们的导数特性、梯度消失/爆炸问题以及如何利用Leaky ReLU、ELU和Swish等新型激活函数来改善训练动态。第二部分：经典网络架构的演进与深入本部分系统梳理了从基础前馈网络（FNN）到复杂序列模型的发展脉络。在卷积神经网络（CNN）方面，本书详细分析了LeNet、AlexNet、VGG、GoogLeNet（Inception系列）以及ResNet（残差网络）的结构创新点。我们着重讲解了如何通过空洞卷积（Dilated Convolution）和分组卷积（Grouped Convolution）来平衡模型的感受野、计算复杂度和参数效率。对特征图（Feature Map）的尺寸变化、池化层的设计选择及其在不同视觉任务中的适用性进行了对比研究。对于循环神经网络（RNN）及其在处理时序数据上的局限性，本书引入了长短期记忆网络（LSTM）和门控循环单元（GRU）。通过详细解析输入门、遗忘门和输出门的工作机制，清晰地展示了它们如何解决传统RNN的长期依赖问题。随后，我们过渡到序列到序列（Seq2Seq）模型，并引入了注意力机制（Attention Mechanism），阐述了它如何允许模型动态地关注输入序列的不同部分，极大地提升了机器翻译和文本摘要的性能。第三部分：前沿算法与新兴趋势实践随着模型的深度和数据规模的增加，新的挑战和解决方案应运而生。本部分聚焦于当前研究热点。 Transformer架构是本部分的核心内容。我们完全抛弃了RNN和CNN的序列处理范式，深入探讨了多头自注意力机制（Multi-Head Self-Attention）的计算过程，以及位置编码（Positional Encoding）如何为模型提供序列顺序信息。我们详细解析了BERT、GPT系列等基于Transformer的预训练模型，区分了编码器（Encoder-only）和解码器（Decoder-only）架构的差异及其应用场景（如掩码语言模型和自回归生成）。此外，本书还涵盖了生成对抗网络（GAN）的原理，包括其博弈论基础、DCGAN、WGAN的稳定化训练技巧。对于强化学习（RL），我们介绍了Q-Learning、Policy Gradient（如REINFORCE）以及Actor-Critic方法（如A2C和A3C），展示了深度学习如何与决策过程相结合。第四部分：模型部署、优化与伦理考量本部分关注理论转化为实际应用的关键步骤。我们探讨了模型量化（Quantization）、模型剪枝（Pruning）和知识蒸馏（Knowledge Distillation）等模型压缩技术，以优化推理速度和内存占用。我们还介绍了如何利用ONNX、TensorRT等框架进行跨平台部署优化。最后，本书以批判性的视角审视了深度学习模型中的偏见（Bias）问题、可解释性（XAI）的初步探索以及模型公平性设计的必要性，引导读者负责任地应用这些强大技术。本书适合具有一定微积分、线性代数和Python编程基础的计算机科学、电子工程、数据科学等领域的学生、研究人员和工程师阅读。通过本书的学习，读者将不仅能熟练应用主流的深度学习框架（如PyTorch或TensorFlow），更能深入理解模型背后的数学直觉和架构选择的依据。 --- 图书名称：《现代材料科学中的计算模拟：从第一性原理到介观尺度》内容简介：本书全面系统地介绍了在当代材料科学研究中至关重要的计算模拟方法，旨在构建一个从原子尺度到宏观尺度的完整模拟工具箱。本书强调理论的严谨性与实际应用的结合，为材料学家和计算物理学家提供了一份详尽的参考指南。第一部分：量子力学基础与第一性原理计算本部分奠定了所有原子尺度模拟的理论基石——量子力学。我们首先复习了薛定谔方程的物理意义及其在多电子系统中的应用困难。随后，本书核心深入探讨了密度泛函理论（DFT）。我们详细剖析了 Kohn-Sham 方程的推导过程，并着重对比了局域密度近似（LDA）、广义梯度近似（GGA，如PBE、BLYP）以及后DFT方法（如HSE06混合泛函）在处理电子结构、能带结构和晶格常数预测时的优缺点和适用范围。书中详细介绍了平面波基组和投影波（PAW/USPP）方法在实际计算中的实现细节，并指导读者如何高效地设置计算参数，如K点采样（Monkhorst-Pack）、能量截断和自洽场（SCF）收敛标准。我们还涵盖了计算磁性材料的自旋极化计算，以及如何利用线性响应理论计算材料的弹性常数、铁电响应和线性光吸收光谱。第二部分：介观尺度的介观尺度模拟：分子动力学（MD）本部分转向处理较大时间尺度和系统尺寸的分子动力学模拟。重点讲解了经典分子动力学的理论框架，即牛顿运动方程的数值积分（如Velocity Verlet算法）。本书的核心内容之一是对势函数（Force Field）的构建与选择。我们详细分析了各种常见的势函数类型，包括范德华势（Lennard-Jones）、静电相互作用（Ewald求和法）以及针对特定材料（如金属、陶瓷、聚合物）的经验或半经验势（如嵌入原子法EAM）。在模拟实践方面，我们讨论了如何使用各种动力学采样技术，如NPT/NVT系综的控制、温度和压力的耦合算法（如Berendsen、Nosé-Hoover）。此外，本书还介绍了如何利用MD模拟计算扩散系数、粘滞系数以及材料的相变过程，并解释了如何从长时间尺度的模拟结果中提取有意义的宏观热力学性质。第三部分：多尺度建模的桥梁：粗粒化与耗散粒子动力学为了连接原子级模拟和宏观现象，本部分介绍了介观尺度的建模技术。粗粒化（Coarse-Graining, CG）方法是连接桥梁的关键。我们探讨了如何通过信息守恒或能量守恒的原则，将精细原子模型映射到更简单的CG模型，如MARTINI力场。书中对比了自下而上（Bottom-up）和自上而下（Top-down）的粗粒化策略。针对复杂流体和软物质系统，本书详细阐述了耗散粒子动力学（DPD）和格子玻尔兹曼方法（Lattice Boltzmann Method, LBM）。DPD如何通过引入保守力、耗散力和随机力来精确模拟流体的热力学和流变学性质，以及LBM在模拟多相流和界面现象中的优势和实施步骤。第四部分：计算结果的可靠性与后处理任何计算模拟的价值都取决于其可靠性。本部分侧重于验证和分析。我们讲解了如何进行收敛性测试（系统尺寸收敛、时间步收敛），以及如何进行统计误差分析。书中介绍了误差的来源，如采样不充分导致的统计误差和势函数局限性带来的系统误差。在数据处理方面，本书指导读者如何有效地后处理模拟轨迹，利用主成分分析（PCA）识别系统中的低频运动模式，以及如何构建自由能景观（Free Energy Landscape, FEL）来理解反应路径和稳定相。本书内容涵盖了目前计算材料学领域最前沿且实用的工具集，非常适合致力于通过计算手段探索新材料性质、理解复杂物理化学过程的科研工作者和高年级本科生/研究生使用。 ---

作者简介

目录信息

目录
《电气自动化新技术丛书》序言
前言
第1章绪论
1.1电机控制和运动控制
1.2功率半导体器件和智能功率集成电路
1.3电机控制专用集成电路
第2章直流电动机控制专用集成电路
2.1概述
2.2MC33030微型直流伺服电动机控制器/驱动器
2.3L290/L291/L292三芯片直流电动机速度和位置伺服控制
2.4SG1731直流电动机PWM控制器
2.5UC3637直流电动机双PWM控制器
2.6TCA955直流电动机PWM稳速控制集成电路
2.7M51970L/M51971LFG反馈的直流电动机稳速控制
集成电路
2.8TDA7272直流电动机速度控制器
2.9AN6657/AN6657S微型直流电动机控制器
2.10收录机用小型直流电动机稳速控制集成电路
第3章无刷直流电动机控制专用集成电路
3.1概述
3.2LS7260/LS7261/LS7262无刷直流电动机控制器
3.3LS7263/LS7264高精度无刷直流电动机速度控制器
3.4MC33033/MC33034/MC33035无刷直流电动机控制器
和MC33039电子测速器
3.5UC3620/UC3623三相无刷直流电动机驱动器
3.6UC3625三相无刷直流电动机控制器
3.7UDN2936三相无刷直流电动机控制－驱动器
3.8LM621无刷直流电动机换相电路
3.9AN8290NSCD机主轴驱动器
3.10A8902无转子位置传感器三相无刷电动机控制前驱动器
3.11TDA5140/TDA5141/TDA5142T无转子位置传感器的
无刷直流电动机控制器
3.12ML4411无转子位置传感器的无刷直流电动机控制器
第4章锁相环电动机速度控制专用集成电路
4.1概述
4.2几种通用数字型锁相环集成电路
4.2.1MC4044/MC4344频相比较器
4.2.2M14046锁相环集成电路
4.2.3CH5081相位比较器
4.3UC3633/UC3634/UC3635电动机锁相环控制集成电路
4.4M51728直流电动机转速锁相环控制器
4.5TC9142/TC9203/TC9193/TC9192电动机控制专用锁相环
集成电路
第5章步进电动机控制专用集成电路
5.1概述
5.2PMM8713/PMM8723/PMM8714步进电动机脉冲分配器
5.3UCN5804B四相步进电动机驱动器
5.4SAA1042两相步进电动机驱动器
5.5MTD系列位流斩波步进电动机驱动器
5.6UC3717/UC3717A/U3770A/UC3770B步进电动机驱动器
5.7L297/L298步进电动机控制器械驱动器
5.8TA7289步进电动机微步距驱动器
5.9IXMS150高性能双PWM步进电动机微步距控制器
5.10L6217/L6217A两相步进电动机微步距驱动器
5.11UC3637在步进电动机微步距控制中的应用
第6章异步电动机控制专用集成电路
6.1概述
6.2HEF4752专用大规模集成电路
6.3SLE4520三相可编程脉宽调制器
6.4ZPS-101脉宽调制信号发生器
6.5MA818可编程三相脉宽调制大规模集成电路
第7章单相交流换向器电动机控制专用集成电路
7.1TDA1085A/TDA1085C单相交流换向器电动机控制器
7.2TDA1185A单相交流换向器电动机控制器
第8章自整角机类控制电机专用转换器集成电路
8.1概述
8.2固态型自整角变压器和固态差动自整角发送机
8.3数字/自整角机（旋转变压器）转换器
8.4自整角机（旋转变压器，感应同步器）/数字转换器
8.5AD2S80A/AD2S81A/AD2S82ARDC单片集成电路
8.6AD2S90串行数据输出的12bitRDC单片集成电路
8.7国产自整角机类转换器模块
第9章霍尔集成电路及其应用
9.1霍尔元件和霍尔电流传感器模块
9.2霍尔集成电路
9.3UGN3501/UGN3503线性霍尔集成电路
9.4UGN/UGS3100系列开关型霍尔集成电路
9.5UGN3175/UGN3177锁存型霍尔集成电路
9.6UGN5275K互补功率输出锁存型霍尔集成电路
9.7UDN3625M/UDN3626M单相无刷直流电动机霍尔传感器
和驱动器
9.8HAL×00系列CMOS霍尔集成电路
第10章开关电源脉宽调制器集成电路在电机控制中
的应用
10.1概述
10.2TL494在有刷和无刷直流电动机控制中的应用
10.3TL494在步进电动机细分驱动中的应用
10.4SG3524在开关磁阻电动机调速控制中的应用
10.5UC3842在三相逆变器基极驱动开关电源中的应用
第11章智能功率集成电路
11.1概述
11.2功率运算放大器集成电路
11.2.1LM12功率运算放大器
11.2.2OPA541和OPA2541功率运算放大器
11.2.3SG3173/SG3172/SG3272功率运算放大器
11.2.4IN8500系列功率运算放大器
11.3智能功率开关
11.3.1SmartSIPMOS智能功率开关
11.3.2其他厂商生产的智能功率开关
11.4半桥、H全桥功率开关集成电路
11.4.1L293/L293E/L298H桥驱动器
11.4.2LMD18200/LMD18201/LMD18245H桥驱动器
11.4.3TLE4203H桥功率开关驱动器
11.4.4L295双开关型线圈驱动器
11.5智能三相逆变桥功率集成电路和智能功率模块
第12章功率半导体器件驱动专用集成电路
12.1概述
12.2KJ004晶闸管移相触发集成电路
12.3TCA785晶闸管和晶体管移相触发控制集成电路
12.4TH103三相全控及半控晶闸管移相触发单片厚膜
集成电路
12.5TC787/TC788高性能移相触发集成电路
12.6HL202GTR基极驱动厚膜集成电路
12.7UAA4002GTR基极驱动和保护集成电路
12.8IR2110高性能MOSFET和IGBT驱动集成电路
12.9IR2130高性能集成六输出高压MOS栅极驱动器
12.10HL402具有自保护功能的IGBT驱动器集成电路
第13章运动控制和电动机控制专用微处理器
13.1概述
13.2HCTL－1100通用型运动控制集成电路
13.3LM628/LM629运动控制处理器
13.4GL－1200步进伺服控制器
13.5CY500系列智能步进电动机控制器
13.6PPMC101C/PPMC102A/PPMC103A智能步进电动机
控制器
13.7AD2S100交流矢量处理器
13.8几种电动机控制专用单片微处理器
附录电机控制专用集成电路型号索引
参考文献
· · · · · · (收起)