功率循环下IGBT模块电热参数变化规律分析

为了分析IGBT模块老化过程中电热参数的变化规律,对IGBT模块进行了功率循环加速老化试验,并基于单脉冲测试方法在加速老化试验进程中每间隔1 000次功率循环,测取一次IGBT的结温、集电极电流与饱和压降三维关系曲面、开关能耗、热阻抗以及瞬态热阻抗曲线。IGBT模块老化失效时,其饱和压降、开通能耗、关断能耗以及热阻较其初始值分别增大了3.92%、12.05%、18.87%和22.65%,试验结果表明随着IGBT模块功率循环次数的增多,相同工作条件下IGBT饱和压降的增幅逐渐加大,而饱和压降、结温和集电极电流三者间的内在关系没有明显变化;IGBT瞬态热阻抗曲线暂态部分几乎不变,稳态部分向上移动的幅度逐渐加大;测取的IGBT模块电热参数中饱和压降增幅最小,开关能耗增幅较大,模块热阻的增幅最为明显。     

中远程战术导弹预测命中点的计算

探讨了如何根据被动段反战术弹道导弹运动状态来计算其弹道根轨道参数和预测命中点的一般方法。     

一种齿轮箱振动控制方法

从机械结构的振动控制理论出发 ,提出了一种齿轮箱振动控制方法 ,研究并讨论几种齿轮箱箱体以及齿轮本体的结构参数对动态特性的影响 ,其结论可以为齿轮箱的振动设计提供参考依据     

参数法估算船用增压锅炉试验时的燃油耗量

针对船用增压锅炉的运用 ,在分析比较传统方法的不足之后 ,推出了用参数法估算船用增压锅炉试验时的燃油耗量的方法 .     

一种双参数批更换系统的优化问题

研究了一种在更换时间有限的情况下 ,基于交替更新过程的双参数批更换系统的优化问题 ,这一问题的目标是平均费用率的极小化。给出了一种特殊情况的讨论结果。     

系统辨识方法在微型飞行器建模中的应用

为对微型飞行器的飞行进行控制,需要建立其动力学模型。讨论了微型飞行器模型的系统辨识方法,设计了实验方法与采集装置,在数据处理、模型结构选择、模型评价等方面进行了探讨。简要介绍了输入输出端存在噪声时系统的线性最小二乘无偏辨识方法原理,最后给出了微型飞行器的纵向通道的仿真算例,结果表明,运用这种方法对微型飞行器进行建模是准确而有效的。     

基于直流混合型超导限流器的超导带材失超和耐受性能研究

为进一步了解3 kV/3 kA直流混合型超导限流器中超导带材在不同电流脉冲下的超导特性及其失超后耐受电压能力,对上海超导公司生产的超导带材进行了实验,测量了在不同电流上升率情况下超导带材的电压和在5 ms短路时间下超导带材的极限耐压值。结果表明:电流上升率越大,相同时间下带材的两端电压越高,给真空灭弧室的介质恢复时间越短; 5 ms短路时间下每米超导带材的极限耐压值为239. 78 V; 3 kV/3kA直流混合型超导限流器中超导带材单根长度最小为12. 52 m,并联根数最小为25根。     

图像超分辨率卷积神经网络加速算法

为了实现模型的实时和嵌入式运行,提出了一种轻量级的卷积神经网络结构。通过采用较小的滤波器尺寸和引入深度可分离卷积,可大量减少模型参数,提高模型非线性表达能力;在网络末端引入子像素卷积层,直接从原始低分辨率图像学习到高分辨率图像的映射,计算成本为原来的1/k²(k为放大因子)。在Set5数据集上的实验表明,所提模型的速度较经典的图像超分辨率重建算法速度提高了25.8倍,能够在通用GPU上实时运行,峰值信噪比平均提高了0.17 dB,并且参数只有它的35%。     

一种极区统一坐标系及其导航参数转换方法

为了实现横向导航体系和格网导航体系的统一,化简不同导航体系的转换关系,提出了一种基于横向坐标系的极区坐标系定义方法,并证明采取本极区坐标系可以在地理极区范围内使横向坐标系的横向经纬线近似构成格林尼治导航格网,从而实现横向地理坐标系与格林尼治格网坐标系的统一,使得格网导航坐标系的建立独立于海图。基于新定义的坐标系进一步定义了统一的极区横向经纬度位置和格网航向等主要导航参数,并给出本极区坐标系与目前常见极区坐标系简捷的转换关系。分别在中低纬度和极区对横向坐标系编排和传统地理坐标系编排的仿真进行对比,验证了提出的横向坐标系的可行性。     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。