微波脉冲对硅基双极型晶体管的损伤特性

利用微波脉冲注入实验平台,对硅基双极型晶体管低噪声放大器进行了损伤效应实验。在微波脉冲对硅基双极型晶体管低噪声放大器损伤的失效分析中,当低噪声放大器增益下降大于10d B时,发现硅基双极型晶体管出现了永久损伤。通过对比测量硅基双极型晶体管损伤前后的电特性以及利用扫描电子显微镜观测损伤后晶体管的微观特性发现:硅基双极型晶体管被微波脉冲损伤后,基区的硅材料烧蚀导致发射结和集电结短路,不再具有PN结特性,导致器件失效。     

下期要目

<正>~~     

比例最小偏度单形UKF的RBF神经网络算法

为提高RBF神经网络的建模性能,提出一种基于改进无迹Kalman滤波(UKF)的RBF神经网络训练算法。在该算法中,首先将比例最小偏度单形Sigma点采样策略引入UT,以有效改进UKF,提升其计算效率,然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明,改进的UKF比EKF具有更高的RBF神经网络模型训练精度,与传统UKF的模型精度大体相当,但速度更快,计算效率更高。     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。     

基于紧支径向基函数的固体域耦合数据传递方法

针对热-电场耦合仿真计算中非匹配网格之间的数据插值问题,提出了一种基于紧支径向基函数点插值的数据传递方法。推导了数据传递矩阵,根据所提出的数据传递方法编制了非匹配网格之间数据传递计算程序,以若干组非匹配网格之间的温度插值为例对本文所提方法进行了验证,并分析了不同参数对计算时间及精度的影响,结果表明,本文算法效率较高,计算误差较小,适用于以热-电场耦合为代表的固体域耦合非匹配网格间的数据传递计算。     

应用径向基代理模型实现序列自适应再采样优化策略

针对径向基插值代理模型样本点预测误差为零时无法获得误差函数进行序列再采样优化的问题,将样本点分布约束引入序列再采样过程,利用潜在最优解加速收敛性,提出一种适用于径向基插值代理模型序列优化的再采样策略,该策略兼顾仿真模型的输出响应特性与样本点的空间分布特性。仿真结果表明,使用该再采样策略后,算法寻优效率和精度均优于传统基于代理模型的优化方法,在对最优解进行有效预测的同时,能显著减少原始模型计算次数。     

用紧支径向基函数传递固体域耦合数据的方法

针对热-电场耦合仿真计算中非匹配网格之间的数据插值问题,提出了一种基于紧支径向基函数点插值的数据传递方法。推导了数据传递矩阵,根据所提出的数据传递方法编制了非匹配网格之间数据传递计算程序,以若干组非匹配网格之间的温度插值为例进行了验证,并分析了不同参数对计算时间及精度的影响,结果表明,算法效率较高,计算误差较小,适用于以热-电场耦合为代表的固体域耦合非匹配网格间的数据传递计算。     

要闻

正国务院正式公布修订后的《商标法》国务院日前公布修订后的《中华人民共和国商标法实施条例》,自2014年5月1日起施行。《新商标法》将商标审查、审理和管理工作中一些比较成熟的做法上升到条例中,进一步解决注册商标专用权保护、商标代理等方面的一些具体问题。我国签订第三块国际海底矿区勘探合同4月29日,中国大洋矿产资源研究开发协会与国际海底管理局在北京签订国际海底富钴结壳矿区勘探合同,标志着我国继2001年在东北太平     

基于ARM+FPGA的永磁无刷直流电机控制智能方法

永磁无刷直流电机具有效率高、易维护等特点，目前广泛应用于电动汽车、航空、船舶等行业。由于该种电机存在着转矩波动大等不足，为提升其控制性能，从控制平台改进与控制算法优化两个方向开展研究。首先，研究并设计了基于ARM+FPGA的电机控制硬件平台，使用AXI高速数据交互协议，解决了传统电机控制平台中延时较大、算法能力有限的问题；然后，使用基于径向基神经网络的磁场定向控制智能算法实现了对电机的精确控制；最后，通过仿真和实验与磁场定向控制方案进行了对比，结果表明：采用基于ARM+FPGA的永磁无刷直流电机控制智能方法，其调节时间平均缩短了3.22 ms,超调量平均降低了4.35%,提高了BLDC控制精度和运行性能。     

基于神经网络的绕组电流闭环控制方法

在解决闭环消磁绕组电流优化计算问题时,会面临将外部磁场推算误差带入电流反演计算或完备的基函数难以确定等问题。为了降低这些因素对舰船最终补偿效果的影响,从智能优化的角度出发,在讨论散布常数对模型预测误差的影响后,确定了适宜的散布常数,建立了内部磁场与补偿电流之间的径向基函数神经网络预报模型。该方法通过样本对网络进行训练,无须推算内外磁场,就能直接得到使绕组磁场与目标磁场拟合误差最小的补偿电流向量。对比其他数值建模方法,其换算精度有所提高,且选择不同的同维向量作为基函数对补偿结果影响较小。船模实验验证了该方法的有效性。