switches中文的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

More Effective C#中文版：寫出良好C#程式的50個具體做法(第二版)

為了解決switches中文的問題，作者BillWagner 這樣論述：

涵蓋C# 7.0 　　在《More Effective C# 中文版 第二版》中，世界知名的.NET專家Bill Wagner指出並解說50個特定強大與效能良好的C# 7.0中高級技巧。針對可能遇到的問題，提出強而有力的新解法，以因應越來越複雜的C#語言與日漸龐大的開發社群。 　　歷經三個版本的《Effective C#》，Wagner清楚的解釋、專業的建議與實際範例程式碼，已被證明對成千上百位開發者而言是無價的。《More Effective C#，第二版》以經過驗證的相同方式介紹C# 7.0新功能，協助你更有效率地執行熟悉工作。 　　基於卓越的C#經驗，以及在全球C#標準委員會的

關鍵性角色，Wagner強調以物件導向、函數式及服務導向的方式，以C#處理資料、以更好的方式向使用者與其他程式設計師表達您的用意、以及運用強大的非同步與動態程式設計。 　　‧使用屬性取代可存取的資料成員(做法1) 　　‧區分實質與參考型別(做法4) 　　‧了解多種相等概念之間的關係(做法9) 　　‧在你的API中避免轉換運算子(做法11) 　　‧了解介面與virtual methods之間差異(做法15) 　　‧避免在基底類別中定義方法多載(做法19) 　　‧建立清楚的、最少的、以及完整的方法群(做法22) 　　‧在iterators 及async方法中使用區域函式啟動立即錯誤回報(做法26

) 　　‧非同步工作中使用async方法(做法27) 　　‧避免執行緒配置與context switches(做法30) 　　‧建構有考慮例外情況的平行演算法(做法36) 　　‧使用執行緒區集取代建立執行緒(做法37) 　　‧使用BackgroundWorker做跨執行緒通訊(做法38) 　　‧了解動態程式設計的利弊(做法43) 　　‧了解如何運用expression API(做法46) 　　‧在公開的APIs中減少動態物件的使用(做法47) 　　你已經是一位成功的C#程式設計師，本書會使你更為出色。

switches中文進入發燒排行的影片

微型電網併聯多模組變流器智慧型控制策略研究

為了解決switches中文的問題，作者楊艷 這樣論述：

逆變器是微型電網系統中的重要電力電子介面，可將分佈式發電系統與當地負載連接構成微型電網系統，或者與公共大電網連接實現併網運行。隨著分佈式能源發電規模的擴大，考慮電力電子開關的應力以及系統冗餘性能，通常將多個小容量逆變器模組併聯以建立大容量的微電網系統。此外，介面逆變器也通過併聯運行方式將微型電網系統中不同的分佈式能源接至公共連接點。研究智慧型控制方法以提高微型電網系統中併聯逆變器模組的控制性能及優化微型電網輸出電力品質，對於提高分佈式能源接入微型電網的滲透率顯得相對重要。為了提高微型電網孤島運行模式下併聯逆變器模組在不同負載及不同運行狀況下的動態性能及供電可靠性，本文設計基於主-從電流均衡控

制策略下的併聯逆變器模组自適應模糊類神經網路模擬滑動模式控制(Adaptive Fuzzy-Neural-Network-Imitating Sliding-Mode Control, AFNNISMC)，將併聯逆變器模组視為主體，構建完整的數學模型以保證其系統級的穩定性，並在此基礎上，首先設計全域滑動模式控制(Total Sliding-Mode Control, TSMC)和具有自適應觀測器的全域滑動模式控制架構。為了提高系統的強健性、克服傳統全域滑動模式控制對系統詳細動力學模型的依賴，及消除由全域滑動模式控制引起的控制抖動現象，本文使用四層模糊類神經網路(Fuzzy Neural Net

work, FNN)來模擬全域滑動模式控制律，根據里亞普諾夫穩定理論(Lyapunov Stability Theorem)和投影算法(Projection Algorithm)，利用模糊神經網路與全域滑動模式控制律之間的近似誤差，設計網路參數的線上自適應調整律，以保證網路參數的收斂性和控制系統的穩定性。因此，即使系統存在不確定性的情況下，也可以保證併聯逆變器模組輸出高品質的電能，以及併聯逆變器模組之間高精度電流均衡性能。此外，當單一逆變器從併聯系統斷開或重新接入時，所提出的 AFNNISMC 可以保證併聯系統的不斷電運行，從而提高微型電網系統的冗餘度和操作靈活性。進一步，藉由數值模擬和實驗結

果，驗證所提出自適應模糊神類經網路模擬滑動模式控制的可行性和有效性。此外，亦與傳統的適應性全域滑動模式控制(Adaptive TSMC, ATSMC)和比例積分控制(Proportional-Integral Control, PIC)架構進行性能比較，驗證所提出的自適應模糊類神經網路模擬滑動模式控制的優越性。考慮到固定結構的模糊神類經網路難以兼顧計算負擔及控制性能，本文進一步研究 一 種 自 組 織 結 構 模 糊 類 神 經 網 路 模 擬 滑 動 模 式 控 制 (Self-Constructing Fuzzy-Neural-Network-Imitating Sliding-Mode

Control, SFNNISMC)，用於執行主-從電流均衡控制策略下的微型電網併聯逆變器模組的併網電流跟蹤控制，所設計的模糊類神經網絡同時具有結構和參數自學習能力。本文所提出自組織結構模糊類神經網路(Self-Constructing Fuzzy Neural Network, SFNN)中，輸入層的初始節點由併網逆變器模組的數目決定，而隸屬函數層的規則由動態規則生成機制依據當前的暫態輸入從無到有自動生成。同時，本結構還引入了動態派翠(Petri)網路實現規則刪減機制，派翠網路使用於重新激活與新接入的從逆變器相對應的規則，只有被派翠網路激活的規則相關的網路參數才會被線上更新，而不是所有的網路

參數皆更新，從而減輕參數學習過程的計算負擔。此外，利用里亞普諾夫穩定理論和投影算法設計網路參數的線上學習律，保證網路參數及併網電流跟蹤誤差的收斂性。藉由數值模擬展示所提出的自組織結構模糊類神經網路模擬滑動模式控制在併聯逆變器模組不同運行狀況下規則演化的過程。本文亦利用兩個逆變器模組併聯的實驗平臺，亦與傳統的比例積分控制(PIC)、滑動模式控制(Sliding-Mode Control, SMC)及固定結構的自適應模糊神經網路模擬滑動模式控制(AFNNISMC)進行對比實驗，進一步驗證所提出的自組織結構模糊類神經網路模擬滑動模式控制方案的優越性。

1分鍾聽透VOA慢速新聞英語

為了解決switches中文的問題，作者王靜（主編） 這樣論述：

1.新聞背景：簡明扼要地介紹每則新聞的時代背景，其中涉及的新聞關鍵詞都標出了相應的英語表達法。2.新聞原聲再現：新聞報道的選材盡量體現多樣性、時效性、實用性及簡短性。3.新聞譯文：我們給出了英語新聞報道相應的中文譯文，以方便讀者在聽到較復雜難懂的句子時參考理解。譯文采取直譯與意譯相結合的方式，同時秉承簡潔易懂的准則。4.新聞背後：大家聽VOA新聞英語時的最大障礙往往來自不熟悉的人名、地名、機構名稱及其他背景知識，所以我們特意設置了「新聞背後」環節，介紹相關背景知識以及常識，以幫助讀者更好地理解新聞內容，了解世界，從而達到既能為讀者增長知識，又能開闊視野的目的。5.精句點楮：

這一版塊用一兩個句子來概括新聞大意，著重突出when、where、what、why、how、how many等新聞點。這是對於新聞理解的檢測，該歸納部分所需填寫的內容通常為1~2個單詞，題後附有參考答案。這部分的設置能夠幫助讀者更好地復習鞏固段落大意，理解文意。6.新聞熱點表達：為了掃除您學習中的生詞障礙，積累專屬於您的新聞詞匯庫，我們把每一篇新聞的「新聞熱點表達」部分抽取出來並與「VOA必備新聞詞匯」一起單獨裝訂成冊，隨書附贈給您。建議您在聽新聞之前先瀏覽相應詞匯，然後再開始聽力練習。7.本書的100篇新聞都配有二維碼：讀者只要掃描相應的二維碼就可以在書鏈平台上收聽本書中的VOA原聲音頻文件

，真正做到隨時隨地聽書。同時，讀者也可以在我們的官方網站（http://dutp.dlut.edu.cn）免費下載全書音頻。

矩陣轉換器永磁同步電動機驅動系統的輸入濾波器及預測型控制器研製

為了解決switches中文的問題，作者李佳翰 這樣論述：

本文探討三相矩陣轉換器永磁同步電動機驅動系統的研製，在輸入側由於雙向功率開關元件的切換，導致輸入電流的波形中含有脈波寬度調變的高頻諧波成分。故本文提出兩種矩陣轉換器永磁同步電動機驅動系統的輸入濾波器的設計方法，加裝方法一濾波器將輸入電流諧波由132.14%降至9.55%，加裝方法二濾波器則降至12.08%。為了改善驅動系統的動態響應，文中探討速度迴路預測型控制器與電流迴路預測型控制器，提升電動機驅動系統的暫態響應及追蹤能力。文中亦探討速度迴路單步預測型控制器及兩步預測型控制器。使用單步速度預測型控制器將最大超越量由6%降至2%，使用兩步速度預測型控制器將最大超越量降至1%。使用電流預測型控制

器將輸出電流諧波由11.9%降至9.3%。本文使用瑞薩電子所生產的數位訊號處理器SH7237與英特爾所生產的現場可程式化邏輯閘陣列10M16SAU169I7G作為控制核心，配合周邊硬體電路達成驅動控制。相關實驗結果驗證，說明本文所提方法的可行性及正確性。