日本com,国产网友愉拍精品视频手机人,亚洲AV无码乱码在线观看

Latch-up測試中負(fù)電流的影響和防護(hù)[電源技術(shù)][其他]

闡述了在Latch-up測試中負(fù)電流的產(chǎn)生機(jī)理，以及芯片內(nèi)部寄生雙極晶體管對(duì)負(fù)電流的連鎖反應(yīng)機(jī)理，并以模擬電壓緩沖器和線性穩(wěn)壓器為例分析了負(fù)電流對(duì)芯片可能造成的影響，最后提出了一系列在芯片內(nèi)部可以采取的防護(hù)措施。

發(fā)表于：5/21/2018 11:55:00 AM

無線電力傳輸接收系統(tǒng)RF-DC轉(zhuǎn)換模塊的設(shè)計(jì)[電源技術(shù)][智能電網(wǎng)]

傳統(tǒng)橋式全波RF-DC變換電路在設(shè)計(jì)過程中忽略了二極管導(dǎo)通損耗，從而影響系統(tǒng)效率。采用了E類零電壓開關(guān)（Zero Voltage Switching，ZVS）RF-DC變換電路，設(shè)計(jì)了諧振頻率為8 MHz，輸入功率為1.21 W的無線電力傳輸系統(tǒng)接收模塊。并利用multisim軟件進(jìn)行了仿真。結(jié)果表明，該設(shè)計(jì)方法降低了二極管導(dǎo)通損耗，有效避免了傳統(tǒng)橋式全波RF-DC變換電路存在的缺陷，效率可達(dá)92%。

發(fā)表于：5/21/2018 11:45:00 AM

射頻LNA的低噪聲LDO電源設(shè)計(jì)[電源技術(shù)][通信網(wǎng)絡(luò)]

設(shè)計(jì)了一種給單片毫米波集成電路(MMIC)中射頻低噪聲放大器(LNA)供電的電源模塊。該電源模塊集成在MMIC中并利用低壓差線性穩(wěn)壓器(LDO)提供穩(wěn)定的低噪聲電源電壓。由于傳統(tǒng)LDO結(jié)構(gòu)噪聲較大，因此設(shè)計(jì)了一種電壓預(yù)調(diào)節(jié)和RC低通濾波相結(jié)合的新型LDO結(jié)構(gòu)來降低電路噪聲，并針對(duì)RC低通濾波電路啟動(dòng)慢的缺點(diǎn)提出了一種快速啟動(dòng)的電路結(jié)構(gòu)。利用SMIC 0.18 μm CMOS工藝對(duì)電路進(jìn)行設(shè)計(jì)和仿真測試，測試結(jié)果表明，輸入電源電壓5 V，輸出電壓在1～4.2 V范圍內(nèi)可調(diào)，電壓輸出線性調(diào)整率(LNR)為8.2 mV/V，負(fù)載調(diào)整率(LDR)為83.3 μV/mA，輸出噪聲電壓在1 kHz～100 kHz內(nèi)的噪聲積分為34.94 μVrms，滿足LNA的供電要求。

發(fā)表于：5/18/2018 11:30:00 AM

D類放大器pop-click噪聲抑制和飽和失真補(bǔ)償技術(shù)[模擬設(shè)計(jì)][消費(fèi)電子]

基于移動(dòng)設(shè)備應(yīng)用，在D類放大器設(shè)計(jì)中提出爆裂和咔嚓（pop-click）噪聲抑制及飽和失真補(bǔ)償技術(shù)。通過檢測電源電壓，順序控制前置放大器、功率級(jí)驅(qū)動(dòng)電路，并在放大器輸出與地之間提供放電通道，有效減小爆裂和咔嚓噪聲幅度；在反饋環(huán)路結(jié)構(gòu)D類功率放大器中，音頻輸入信號(hào)幅度過大，導(dǎo)致放大器輸出飽和失真，通過對(duì)脈沖寬度調(diào)制器輸出進(jìn)行補(bǔ)償，可有效降低放大器的飽和失真，亦可消除因功率晶體管導(dǎo)通時(shí)間過長，而導(dǎo)致功率管發(fā)生熱損壞的風(fēng)險(xiǎn)。采用上述技術(shù)的D類功率放大器在0.35 μm CMOS工藝技術(shù)上實(shí)現(xiàn)，在電源電壓為3.6 V時(shí)，放大器pop-click噪聲幅度為2.0 mV，THD+N為0.025%。

發(fā)表于：5/18/2018 11:07:00 AM

DME應(yīng)答接收機(jī)技術(shù)研究[通信與網(wǎng)絡(luò)][航空航天]

應(yīng)答接收機(jī)是通用航空測距機(jī)地面設(shè)備的核心，接收來自飛機(jī)的高斯脈沖對(duì)測量其與地面臺(tái)之間的距離。接收機(jī)采用數(shù)字化、模塊化的設(shè)計(jì)方法，按功能劃分成不同的模塊，以FPGA為核心進(jìn)行設(shè)計(jì)。將設(shè)計(jì)分為接收機(jī)通道部分和后端信號(hào)處理部分兩大模塊，其中，接收機(jī)通道部分又分為射頻處理、半幅檢波等模塊；后端信號(hào)處理部分又分為譯碼編碼、莫爾斯識(shí)別脈沖生成、發(fā)射脈沖優(yōu)先權(quán)控制等模塊。經(jīng)測試表明，電路性能穩(wěn)定，工作可靠。

發(fā)表于：5/17/2018 12:06:00 PM

基于復(fù)雜適應(yīng)理論的電力系統(tǒng)生產(chǎn)模擬[電源技術(shù)][智能電網(wǎng)]

針對(duì)電力系統(tǒng)發(fā)展規(guī)劃、需求側(cè)管理、電力市場的理論和模擬研究工作對(duì)時(shí)序性、互動(dòng)性、隨機(jī)性生產(chǎn)模擬的需要，在智能工程的空間基礎(chǔ)和方法工具支持下，根據(jù)復(fù)雜適應(yīng)系統(tǒng)框架建立了生產(chǎn)模擬模型。模型通過用戶需求模塊、電網(wǎng)企業(yè)調(diào)度模塊、電力市場模塊和電源企業(yè)生產(chǎn)模塊模擬電力系統(tǒng)的不同環(huán)節(jié)和功能，利用k-means聚類法、整數(shù)規(guī)劃法等算法，模型實(shí)現(xiàn)了對(duì)系統(tǒng)的生產(chǎn)模擬，模擬結(jié)果與實(shí)際數(shù)據(jù)差異在可接受范圍之內(nèi)，可以在電力發(fā)展規(guī)劃、需求側(cè)管理、電力市場等相關(guān)分析研究方面起到一定支撐作用。

發(fā)表于：5/17/2018 11:54:00 AM

面向試驗(yàn)數(shù)據(jù)的裝備大數(shù)據(jù)模型[嵌入式技術(shù)][工業(yè)自動(dòng)化]

從海量的裝備試驗(yàn)數(shù)據(jù)中，利用大數(shù)據(jù)挖掘思想建立裝備大數(shù)據(jù)分析處理與智能信息服務(wù)，是開展裝備數(shù)據(jù)工程建設(shè)的關(guān)鍵技術(shù)之一。分析了裝備試驗(yàn)數(shù)據(jù)的特點(diǎn)，結(jié)合大數(shù)據(jù)處理分析思想，提出了一種裝備大數(shù)據(jù)模型，以海軍裝備試驗(yàn)為例，進(jìn)一步分析了模型的特點(diǎn)，為裝備數(shù)據(jù)工程的建設(shè)提供了一種技術(shù)路線參考。

發(fā)表于：5/16/2018 1:24:00 PM

基于RSSI的差分定位模型在糧庫測溫中的應(yīng)用[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

傳統(tǒng)糧庫糧食溫度測量中,測溫節(jié)點(diǎn)的室內(nèi)定位精度依賴大量信標(biāo)節(jié)點(diǎn)，給實(shí)際的工程應(yīng)用帶來了極大不便。為簡化應(yīng)用模型，根據(jù)無線電波的距離衰減曲線特性建立差分定位模型，提出了基于接收信號(hào)強(qiáng)度指示(Received Signal Strength Indication，RSSI)差分定位模型的糧庫測溫節(jié)點(diǎn)定位方法。模型采用動(dòng)態(tài)信標(biāo)節(jié)點(diǎn)，根據(jù)RSSI值依次確定距離信標(biāo)節(jié)點(diǎn)最近的未知節(jié)點(diǎn)，最終實(shí)現(xiàn)全部節(jié)點(diǎn)的定位。實(shí)驗(yàn)表明，基于RSSI差分定位模型的糧庫測溫節(jié)點(diǎn)不需要額外布置信標(biāo)節(jié)點(diǎn)，可以降低環(huán)境隨機(jī)誤差，而且定位精度高于傳統(tǒng)測距定位模型。

發(fā)表于：5/16/2018 1:12:00 PM

生鮮產(chǎn)品的共享云物流資源優(yōu)化調(diào)度算法[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

為提高草原生鮮產(chǎn)品的物流水平，促進(jìn)草原生鮮產(chǎn)品物流的轉(zhuǎn)型升級(jí)，提出了一種新的云物流概念。在此基礎(chǔ)上，設(shè)計(jì)了一種面向草原生鮮產(chǎn)品的共享云物流資源優(yōu)化調(diào)度算法。該算法首先運(yùn)用DFS、Mapreduce等大數(shù)據(jù)相關(guān)技術(shù)，實(shí)現(xiàn)并行計(jì)算并設(shè)計(jì)新的物流資源封裝與組織形式，分析當(dāng)前云物流資源調(diào)度算法方面存在的問題并提出解決方案。面向草原生鮮產(chǎn)品的共享云物流資源優(yōu)化調(diào)度算法采用動(dòng)態(tài)NSGA-II（多目標(biāo)遺傳算法）資源規(guī)劃模型，尋找NSGA-II模型的快速求解方法，為云物流突破發(fā)展瓶頸提供解決方案。實(shí)驗(yàn)表明，該算法調(diào)度高效、適用性強(qiáng)、穩(wěn)定性好，能有效提高當(dāng)前草原生鮮物流的水平，能夠促進(jìn)當(dāng)前物流企業(yè)的轉(zhuǎn)型升級(jí)。

發(fā)表于：5/15/2018 1:03:00 PM

電力通信大數(shù)據(jù)并行化聚類算法研究[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

隨著電力通信技術(shù)的發(fā)展，產(chǎn)生了大量分布式電力通信子系統(tǒng)以及海量電力通信數(shù)據(jù)，在海量數(shù)據(jù)中挖掘重要信息變得十分重要。聚類分析作為數(shù)據(jù)并行化處理和信息挖掘的一個(gè)有效手段，在電力通信中得到了廣泛的應(yīng)用。然而，傳統(tǒng)聚類算法在處理海量電力數(shù)據(jù)時(shí)已不能滿足時(shí)間性能的要求。針對(duì)這一問題，提出了一種基于MapReduce模型的并行化k-medoids聚類算法，首先采用基于密度的聚類思想對(duì)k-medoids算法初始點(diǎn)的選取策略進(jìn)行優(yōu)化，并利用Hadoop平臺(tái)下的MapReduce編程框架實(shí)現(xiàn)了算法的并行化處理。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的并行化聚類算法與其他算法相比，減少了聚類時(shí)間，提高了聚類精度，有利于對(duì)電力數(shù)據(jù)的有效分析和利用。

發(fā)表于：5/15/2018 11:55:00 AM