三相电流采样后，由于交流特性出现正负电流。当电机反电动势高于输入电压时，会产生负扭矩。控制算法需考虑电流大小及与转子的夹角，负夹角需转化为负电流处理。通过调节负电流和负电压，简化了控制算法，确保正反转控制一致。需要注意的是，负电流并不等于发电，只有当电流与电压的乘积为负时，才表示发电。

三相电力系统中，电压和电流矢量可通过Park和Clark变换简化为两个垂直矢量。引入极坐标系统后，三相电压和电流可合成为一个矢量，便于计算。控制目标包括功率因素和扭矩，通过调整相位和电流最大值实现。在设计SVPWM调制算法时，需要反向构建电流矢量，计算过程与SVPWM逆运算相似。

该研究提出了一种新颖的量化方法PolarQuant，有效解决了大语言模型在处理长距离上下文时KV嵌入缓存占用大量内存的问题。该方法通过极坐标变换将KV缓存压缩超过4.2倍，并在质量评分上优于现有技术。

本研究解决了大型语言模型中的句法表示不足的问题，提出了“极坐标探针”方法来同时考虑词嵌入之间的距离和方向，从而更全面地获取句法关系类型与方向。研究发现，该方法不仅能显著优于传统的结构探针，而且在最新的语言模型中，该极坐标系统的解释能力更强，揭示了 LLMs 如何自发地学习表示语言理论中的主要符号结构。

本文介绍了多种基于鸟瞰视角（BEV）的3D物体检测算法，如BEVDet、M2BEV和PolarDETR。这些算法通过数据增强、极坐标表示和多视角输入等技术，提高了检测精度和效率。最新的RCBEVDet方法结合雷达与相机特征，展现了在自动驾驶中的应用潜力。

本研究提出了一种基于极坐标的无锚盒实例分割框架，将实例分割重构为极坐标下的物体轮廓预测，具有低计算复杂度和易于嵌入现有检测方法的优点。实验结果表明，该方法在实例分割任务中表现优异，具有竞争力。

这篇文章介绍了一个使用OpenCvSharp库实现图像变换的项目。代码中包括了打开图像、线性极坐标变换和对数极坐标变换等功能。

研究人员提出了一种新的极坐标三维物体检测器PARTNER，通过全局表示重新对齐缓解特征失真问题，并引入实例级几何信息来促进回归。实验证明，该方法在基于流的检测和不同分辨率方面具有优势，并在Waymo和ONCE验证集上相对于先前的极坐标方法取得了显著优势。

本文使用对数极坐标图像数据和凝视控制来减少自主移动机器人上的图像处理时间的长期目标。使用深度强化学习方法和LSTM网络扩展了A3C深度强化学习方法，并训练出了三个Atari游戏的策略和凝视控制的策略。通过将图像像素数量减少5倍而不降低游戏性能，进一步降低了图像像素的数量。

该文介绍了一种基于转换器的深度直接抽样方法，用于电阻抗层析成像中的逆问题。该方法通过引入局部微分方程的特征映射和可学习的非局部核心，将直接采样转化为修正的注意机制。实验证明，该方法比先前的研究具有更高的精度，并且对噪声具有鲁棒性。