ESD防护器件测试系统性能研究

静电放电(ESD)的测试方法主要为人体模型(HBM)、人体-金属模型(BMM)和机器模型(MM)等,近年来传输线脉冲(TLP)测试方法得到广泛使用。基于TLP测试理论建立了ESD防护器件测试系统,并对测试系统的性能进行了测试研究。测试发现不同脉宽的测试方波对器件的峰值电流、峰值电流时间和箝位时间影响不大,但脉冲结束电流和箝位电压随着脉宽增大而减小,同时较长的传输线会产生较宽的延迟脉宽,对测试结果并未产生影响。     

ESD EMP干扰下电路端口响应分析

为了探寻电路在静电放电电磁脉冲(ESD EMP)干扰激励下的响应规律以及响应输出与输入脉冲干扰之间的关系,选用运算放大器集成芯片组成的仪表放大电路进行了脉冲注入实验。根据采集的实验数据,分析了注入脉冲与响应输出之间的关系。根据系统辨识理论,建立了能量耦合模型。经过自验证,其拟合度能够达到94.3%,且具有较好地泛化能力,能够对电路的响应做出定性预测。     

静电放电电磁脉冲辐照效应研究

基于传输线理论研究了静电放电电磁脉冲(ESD EMP)对电路的辐照效应机理,并建立了相关的数学模型.参照IEC61000-4-2标准,进行了ESD EMP辐照效应实验,同时实测了耦合板周围电场强度,实验结果表明,当受试设备电路板平行于水平耦合板(HCP)放置时,在电场强度类似的情况下,对水平耦合板(HCP)放电时的感应干扰电压普遍比对垂直耦合板(VCP)放电时高.将实验结果与模型分析比较,结果吻合良好,因此可以用此模型来研究静电放电产生的电磁脉冲场与电子系统的能量耦合问题.本文研究也表明现行的IEC61000-4-2标准存在不足,水平耦合金属板会改变静电放电电磁脉冲辐射场的入射方向,对测试结果影响较大,需要对被测设备(EUT)的摆放位置作进一步的规范.     

用于纳秒级脉冲电场测试的加载天线研究

针对宽频带、大动态、高灵敏度的脉冲电场测试技术始终是电磁脉冲测试研究领域的1个难点,在国家自然科学基金资助下,研制成功了V型加载偶极子天线测试系统,并通过传输函数、方向图实验、计量标定和测试实验验证表明:该测试系统具有宽频带、快响应、小失真的特点,能够满足小于1 ns的静电放电辐射场的测试要求。     

电磁脉冲与电路之间能量耦合辨识建模方法

针对现有机理建模算法普遍存在计算电磁脉冲过于复杂的问题,探索基于实验统计的电磁脉冲效应仿真新方法,利用系统辨识,对以集成稳压电源电路为实验对象的电磁脉冲能量耦合建模进行了研究.由标准信号发生器产生的阶跃信号和方波信号作为激励,基于最小二乘法的OE(output error)模型对能量耦合传递函数进行建模,并用不同幅度的激励及其响应实测数据验证辨识所得模型的预测能力.结果表明,所得模型能较好地预测出响应波形,阶跃信号波形拟合度分别为90.1%,78.7%,76.0%,方波信号拟合度为61.4%.证实了利用系统辨识对电磁脉冲响应建模的正确性.     

等离子体降解酸性橙Ⅱ的人工神经网络模型

基于人工神经网络用于多因素复杂系统建模的优越性,建立了多针-板电极形式脉冲放电等离子体降解酸性橙Ⅱ(AO7)的人工神经网络模型(ANNs),考察了多因素脉冲放电水处理系统中主要的电气参数(脉冲峰值电压、脉冲频率)和结构参数(针-板电极间距)对AO7脱色效率的影响,并利用BP神经网络模型对多因素条件下AO7的脱色效率进行仿真预测.结果表明:所建立的BP人工神经网络模型可以有效预测脉冲放电水处理体系中各参数对AO7脱色效率的影响趋势.根据预测结果可以归纳:较佳的脉冲峰值电压可以同时保证较好的AO7脱色效果和较高的系统能量利用效率;脉冲频率的增加能有效提高AO7的脱色效率;较小的电极间距有利于AO7脱色.     

DSP通信系统的静电放电电磁脉冲敏感性研究

选用可编程数字信号处理器(DSP)和单片微控制器(SCM)等组成CAN总线通信系统,采用人体-金属静电模型,利用静电放电模拟器对水平耦合板、垂直耦合板放电,对该DSP通信系统进行了静电放电电磁脉冲(ESD EMP)辐照效应实验研究,得出了该DSP通信系统出现"死机"故障的ESD敏感电压值.实验表明,靠近DSP芯片一侧比靠近SCM一侧更易受到静电放电电磁脉冲的干扰.     

基于静电防护的TVS保护电路与电容保护电路的对比评估

针对静电放电(ESD)电流对设备内部芯片造成的功能性破坏,该文基于静电放电电流在电路板中传导的电气模型,并对静电放电波形进行频谱分析,分析表明静电放电干扰含有大量高频成分,丰富的高频成分会干扰到设备的正常工作。然后,通过对比分析了典型的TVS电路和电容电路对ESD电流的抑制能力,并从理论和实验进行分析验证。实验结果表明,两者的滤波效果在频域和时域两个方面有着一定的差别。该文在此基础上提出基于TVS和电容的芯片级保护方案,为产品的设计和整改提供借鉴。     

静电放电电磁脉冲场对针板间隙流注放电的影响分析

为了分析自然环境下静电放电电磁脉冲场对针板间隙流注放电的影响,基于流体动力学理论,建立静电放电电磁脉冲场下流注放电模型,对大气压下10mm针板间隙流注放电过程进行了仿真,研究了静电电磁脉冲场对流注运动发展过程中电场与光子通量的影响,以及得到不同静电电磁脉冲场下流注放电间隙贯穿时间的变化规律。结果表明:无静电电磁脉冲场时,随着时间的推移流注不断向阴极发展,当流注头部靠近阴极时,流注头部电场强度逐渐增大,光子通量幅值亦迅速增长;通入静电电磁脉冲场后,相同时间内,电场向板极推进的速度明显加快,击穿电压阈值显著降低,随着静电放电输出电压的增加,流注贯穿间隙的时间逐渐减小。对于强电磁场环境下电子设备安全防护的研究具有参考意义。     

基于Vector Fitting的金属薄壳电磁脉冲屏蔽效能的计算

金属薄壳电磁脉冲屏蔽效能的计算是电磁兼容研究的基础。为评估金属薄壳电磁脉冲瞬态屏蔽效能,该文提出了一种任意波形激励情况下金属薄壳电磁脉冲时域响应的快速计算方法。该方法将金属薄壳频域屏蔽效能转移函数拟合为有理函数,根据拉氏逆变换性质,得到金属薄壳脉冲时域响应指数叠加的形式,从而采用递归卷积计算任意波形激励时金属薄壳的暂态屏蔽效能。该方法直接在时域内计算,避免了基于FFT(FastFourierTransformation)算法的时域频域转换;同时,采用递归卷积分格式,极大地提高了计算效率。通过与近似公式比较,证明了该方法比近似公式更为准确,计算速度更快。     

一种大工业过程稳态优化控制方法

催化裂化装置是一个高度非线性、时变和长时延、强耦合、分布参数和不确定性的复杂系统。为解决催化裂化过程的优化控制问题 ,采用多层前馈神经网络进行辨识、建模 ,用周期图检验法对模型检验 ,用改进的 Frank- Wolfe算法进行稳态优化计算 ,并以大港炼油厂实际生产过程的稳态数据进行试验和验证 ,说明神经网络适合于解决非线性复杂生产过程的辨识、建模和稳态优化控制问题     

基于改进粒子群优化算法的灰色神经网络模型

根据灰色神经网络的参数随机选择类似于粒子群算法中的粒子初始空间位置,采用改进粒子群算法代替梯度修正法,对网络参数进行了处理,并通过寻找粒子群算法中的最优个体,建立了基于改进粒子群算法的灰色神经网络,提高了预测模型的稳健性和精度.通过解决短期订货量问题,与反向传播(BP)神经网络、灰色神经网络、没有改进的粒子群灰色神经网络算法和基于遗传算法的灰色神经网络等方法进行了比较.分析结果表明,基于改进粒子群算法的灰色神经网络计算更为方便,并具有更好的逼近能力和预测精度.为优化网络模型参数提供了一种新方法,并拓展了预测模型的研究思路.     

多层递归神经网络自适应控制及稳定性分析

提出一种基于多层归神经网络的自适应控制离散时间系统的方法,使用多层递归神经网络及新的动态ＢＰ算法（ＤＢＰ）描述未知系统的输入／输出关系。基于此神经网络模型,提出一种自适应控制方案,并对该方案的闭环稳定性进行了分析。     

补偿递归模糊神经网络及在热工建模中的应用

在传统的模糊神经网络中引入递归环节和补偿环节,构成了一种新型补偿递归模糊神经网络(CRFNN),改善了网络的动态响应特性和学习能力.在此基础上,采用一种新型序贯监督策略对网络进行结构辨识,能够有效地确定模糊规则的条数以及相关参数的初始值.针对CRFNN的结构特点,提出了改进的BP算法,能够对网络的结构参数进行进一步的学习.对典型的热工对象以及复杂的ALSTOM气化炉进行的建模计算结果表明,提出的CRFNN具有优良的动态响应特性和很强的学习能力,值得在热工建模与控制领域中推广应用.     

A Fuzzy Neural Network Model of Linguistic Dynamic Systems Based on Computing with Words

Linguistic dynamic systems (LDS) are dynamic processes involving computing with words (CW) for modeling and analysis of complex systems. In this paper,a fuzzy neural network (FNN) structure of LDS was proposed. In addition,an improved nonlinear particle swarm optimization was employed for training FNN. The experiment results on logistics formulation demonstrates the feasibility and the efficiency of this FNN model.     

基于极限学习的过程神经网络研究及化工应用

针对过程神经网络在化工过程建模中学习速度慢、易陷入局部极值等问题,借鉴极限学习机算法训练网络参数的思想,提出了一种新型的基于极限学习的过程神经网络(EL-PNN).ELPNN网络以过程神经网络的方式得到隐含层的输出后,不再使用梯度下降法进行参数调整,而是根据极限学习机算法通过广义逆直接求解输出权值.同时,为了进一步提高网络的泛化性能,考虑结构风险,在EL-PNN网络中加入风险比例参数.以高密度聚乙烯装置进行验证,结果表明,该网络具有学习速度快、建模精度高的特点,为过程神经网络在复杂化工生产中的应用提供了新思路.     

基于PSO和神经网络的中厚板凸度预报模型辨识

针对在钢板轧制过程中很难精确预报中厚板的凸度问题,将粒子群算法和神经网络用于辨识中厚板凸度预报模型.结合了神经网络和粒子群算法各自的优点,先采用三层神经网络建立神经网络预报模型,再利用粒子群算法对网络的权阀值进行训练.实验结果表明:相对于BP神经网络凸度预报模型,本文设计的PSO神经网络预报模型在收敛速度和预报精度上明显优于BP神经网络,具有精确性、收敛性和快速性等特点.     

基于自回归动态神经网络的逆模型辨识及在线控制

研究了自回归动态神经网络及其学习算法，提出应用于动态逆模型辨识的结构，并与ＰＩＤ控制相结合形成了非线性动态对象的在线自适应控制系统．仿真结果表明此方案简单可行，克服了静态网络的一些局限性．     

Application of FNN to the Modeling of FCCU

IntroductionThe Fluidized Catalytic Cracking ( FCC )process is stable under normal conditions,butsometimes the whole process deviates from theoptimal track due to environmentaldisturbances oraging of the equipment.The optimal productionconditions and the best profit can be found bystudying the stable optimization state.There iscurrently little research or state optimizationapplications due to the difficulties of oldmeasurement and control equipment,modelingdifficulties,formidable research an…