颗粒物质的两个典型效应研究现状的分析

概述了颗粒物质领域中粮仓现象和巴西坚果效应两个典型现象及其解释理论,分析其理论的成功和不足,并给出一些看法。     

基于SCSO-SVM算法的光伏组件故障识别

光伏阵列通常被安装在恶劣的室外环境中,因此在运行过程中易发生故障。为了准确识别光伏阵列的故障类型,提出沙猫群优化支持向量机(sand cat swarm optimization support vector machine, SCSO-SVM)用于光伏组件故障识别,且对比支持向量机(support vector machine, SVM)、粒子群优化支持向量机(particle swarm optimized support vector machine, PSO-SVM)、遗传优化支持向量机(genetic optimized support vector machine, GA-SVM)、麻雀优化支持向量机(sparrow optimized support vector machine, SSA-SVM)、灰狼优化支持向量机(gray wolf optimized support vector machine, GWO-SVM)和鲸鱼优化支持向量机(whale optimized support vector machine, WOA-SVM)算法。首先,六种SVM混合算法都克...     

基于运算放大器和傅里叶谱分析的电导与微分电导同步测量

提出一种基于运算放大器和傅里叶谱分析仪的电导与微分电导同步测量方法. 针对非线性样品二极管在交直流偏压作用下的输出响应电压特征进行了理论研究,在输出响应电压信号谐波高频成分远小于低频成分的假设条件下,推导了二极管电导及微分电导同步测量方程,得到完整的物理关系解析表达式. 对二极管进行的仿真实验和电路测量实验结果验证了该方法的有效性;并发现二极管在相同的直流偏压下,其微分电导信号的精度比电导信号的精度高一个量级.     

基于LambertW函数提取太阳电池五参数的方法及光强对参数影响的规律

基于Lambert W函数和多项式拟合,提出了一种太阳电池参数提取方法.该方法首先利用Lambert W函数将电池电流输出超越方程显化后积分,得显化积分方程;其次,基于质点平抛运动轨迹与电池伏安特性曲线相似性,对曲线分3段进行拟合后积分,得分段积分方程;最后,根据测量值建立显化积分方程与分段积分方程相等的方程组,解析求解出电池光电流、理想因子、反向饱和电流、串联和并联电阻5个电性参数.结果表明该方法的均方根误差为0.0047A,平均绝对相对误差为0.94%;证明了该方法的正确性.该方法应用于变光强下磷化铟镓/砷化铟镓/锗(In Ga P/In Ga As/Ge)三结太阳电池参数的提取,结果表明提取误差随着光强的增大而下降;原因是随着光强增大,噪声对测量的影响下降导致.且发现光电流随光强的增加而几乎线性增加,而理想因子、反向饱和电流、串联和并联电阻都随光强增加而下降;原因是当光强增加时,入射光子数线性增加、费米能级抬高、空间复合减少、分流路径增加导致的.     

反向传播神经网络及其改进算法用于光伏MPPT的研究

研究了反向传播神经网络(BPNN)、粒子群优化反向传播神经网络(PSO-BPNN)、萤火虫优化反向传播神经网络(FA-BPNN),以及斐波那契优化反向传播神经网络(IM-FSM-BPNN)用于光伏组件在局部阴影下最大功率点的跟踪，以及上述算法在太阳能无人机中飞行光伏发电跟踪。结果首先表明，局部阴影下，IM-FSM-BPNN功率预测精度最低，跟踪时间最长，鲁棒性差，原因是控制参数多，依赖参数初始值。FA-BPNN功率预测精度最高且鲁棒性较好，原因是在训练过程中有效避免梯度消失的问题。其次，在样本数据量增加和太阳能无人机的应用中，发现FA-BPNN的预测效果好和IM-FSM-BPNN的局限性。最后，探讨了参数变化对预测结果的影响。IM-FSM-BPNN、PSO-BPNN和FA-BPNN较BPNN更适用于多样本数据预测，IM-FSM-BPNN相较于其他3种算法更适用于较小的学习率，4种算法的平均跟踪时间和功率平均预测精度随隐含层节点数震荡。     

血液流变学中影响红细胞变形性的因素分析

概述了国内外对血液流变学中红细胞变形性的影响,分析了影响红细胞变形性的众多因素,并给出进一步用物理方法研究红细胞变形性的设想。     

利用迈克尔逊干涉仪测量激光波长的误差分析

文章主要对大学物理实验迈克尔逊干涉仪测量激光波长的误差进行了分析,认为影响系统测量精度的主要误差来源包括干涉条纹的过细导致在读数过程中加入多条条纹的宽度而产生的误差,读数的误差和移动条纹过程引入误差,以及两个反射镜不严格垂直引入误差;并给出了详细的物理解释。