包含Kink效应的改进型GaN HEMTs模型

提出了一种GaN高电子迁移率晶体管（HEMTs）建模方法.该模型以ADS（advanced design system）中的符号定义器件SDD（symbolically defined device）为基础,结合宽带S-参数与脉冲直流测试数据,对GaN器件进行精确建模.本文所用晶体管为双指AlGaN/GaN HEMT器件,其栅长为90 nm,单指栅宽为40 μm.数据测试采用在片测试方法,在常规S参数测试和直流测试基础上,增加了脉冲直流测试,并针对测试数据体现的Kink效应和阈值电压漂移现象进行建模.研究结果表明,该模型可以准确拟合器件0~110 GHz S参数及直流特性,谐波平衡仿真显示该模型具有良好的收敛特性,可用于GaN HEMTs器件电路仿真.      

江苏沿海盐渍土的造林技术研究简报

一、引言 江苏沿海盐渍土区,位于长江以北,陇海铁路以南,串场河以东,约当北纬31°37′—35°,东径119—122°之间,共有面积二万一千平方公里左右,为一滨海冲积平原,南起南通专区的启东、海门、南通、如东、盐城专区的东台、人丰、射阳、滨海、淮阴专区的灌南、灌云,北至徐州专区的赣榆与新海连共12县市,南北全长约1000余华里,解放几年来,党和政府领导人民向盐渍土进行斗争先后成立了国营农场把这一广大平原的荒地垦种为棉田和部份的水稻田,全区渠道纵横,农田整齐,沿海堤设有挡潮闸,基本达到涨潮不倒灌,大雨不内涝,     

双向加载下正交异性裂纹板的非线性能量率

本文分析双向加载下正交异性裂纹板的非线性能量率,指出所研究的裂纹板的非线性能量释放率与双向加载因子有关.     

非线性弹性、粘弹性力学中的若干变分原理

本文建立了一个反映线弹性静力学包含余能型应力应变关系的所有场方程和边界条件的新变分原理,并由该原理的推广而得到弹性、粘弹性力学线性和非线性理论的一组新变分原理.     

纤维增强复合材料层合板的损伤演变过程

本文对单边及双边裂纹单轴拉伸试样的损伤演变过程进行系统的云纹法实验研究.建立了一种从云纹图直接测量损伤区几何特性的方法.文中还研究了试样损伤演变过程中的应变分布规律和损伤形态,计算和分析了损伤过程中某些力学参数间的关系,给出了损伤阻力曲线.     

计算墙体反应系数的模型降阶方法

反应系数法是空调动态负荷计算的常用方法,但用基于经典控制理论的传统方法求解多层墙体反应系数时可能发生漏根现象．文中基于Ｒｏｕｔｈ稳定性理论提出一种模型降阶方法,避免了求根,保留了原模型的渐近稳定性和低频特性,实例计算效果很好．     

制冷压缩机热力性能的神经网络模拟

压缩机热力性能的准确计算,对于使用压缩机制冷空调装置的优化设计起到很关键的作用,而单纯的理论模型难以反映实际的复杂因素,影响计算精度．采用人工神经网络与传统理论模型相结合的方式,建立智能型的压缩机热力计算模型,利用人工神经网络的自学习和泛化功能改善压缩机容积效率和电效率的计算模型精度．神经网络采用多层前向网络（ＭＬＰ）,网络训练采用同伦ＢＰ算法．对房间空调器用滚动转子式压缩机启动过程的输入功率变化,以及汽车空调器用变转速往复式压缩机的容积效率进行仿真,并与实验结果对照．结果表明,智能型压缩机模型很好地改善了传统计算模型的精度,而且适应能力更强     

绝热毛细管性能模拟的平均参数模型

根据分区集中和参数平均的思想,建立了一种简单、精度和通用性良好的绝热毛细管流动模型．出于系统动态仿真的需要,模型中考虑了过热流动和壅塞流动．基于Ｒ１２的分布参数模型计算结果,提出了不同流动区域内参数平均的一个关联式．该关联式对制冷剂Ｒ１３４ａ和Ｒ６００ａ也取得了与Ｒ１２相仿的效果,表明该关联式具有良好的通用性．对Ｒ１２、Ｒ１３４ａ和Ｒ６００ａ在毛细管内的流动特性进行了模拟计算．结果表明,该模型可用于制冷装置系统仿真和工程计算     

基于互补滤波算法的倾斜RTK姿态解算

针对目前倾斜RTK(real time kinematic)由于姿态解算角度偏差大,导致测量精度较差的问题,提出了一种基于差分进化(differential evolution, DE)算法的向量外积补偿的互补滤波算法。所提算法对传感器中的高低频信号进行向量外积补偿,通过比例积分(proportion integration, PI)补偿器完成数据融合,利用DE算法寻求补偿器的最优参数,实现最佳姿态估计。通过惯性传感器搭载全站仪模拟倾斜RTK使用环境,进行动静态仿真实验。实验结果表明：所提算法可以有效地得到高精度姿态角,且姿态角精度高于传统的拓展卡尔曼滤波算法,满足倾斜RTK的使用环境。     

基于机器学习和超声成像的缺陷识别与分析

为了量化分析样本中的缺陷,利用卷积神经网络(Convolutional Neural Network,CNN)结合阈值分割和深度优先搜索算法实现了对超声检测图像中样品内部缺陷的识别,将实际图像输入神经网络模型中,成功完成了对缺陷的标记,验证了模型的可靠性.利用Field Ⅱ对全矩阵捕获(Full Matrix Capture,FMC)过程及对数据以全聚焦成像方法(Total Focus Method,TFM)进行成像的过程进行了仿真模拟,获得了可用于机器学习的数据集.基于方向梯度直方图(Histogram of Oriented Gradient,HOG)提取了全聚焦成像结果图的图像特征,利用改进的支持向量机(Support Vector Machine,SVM)获得由图像预测缺陷半径的模型并对该模型进行了评价.结果表明,利用上述方法提取的缺陷半径信息精准度在0.1 mm,能够应用于缺陷半径的量化分析,预测误差主要来源于数据集两端,可以通过预处理算法进一步提升检测精度.