脉冲激光加热下超急速爆发沸腾现象观测

以不同体积配比的纯丙酮/乙醇混合液体为实验工质,进行了脉冲激光加热下超急速爆发沸腾的实验研究.采用快速瞬态温度检测系统测定了爆发沸腾过程中金属薄膜表面温度变化规律,采用显微放大摄影系统观测与拍摄了液体工质产生爆发沸腾时气泡生成与运动的系列照片,揭示了超急速爆发沸腾与常规沸腾的本质区别以及激光加热条件、混合工质体积配比及工质中加入纳米颗粒等因素对超急速爆发沸腾的影响规律.     

基于W77E58单片机的光伏并网电站智能群控器设计

研制了一种基于Winbond公司W77E58单片机的光伏并网电站智能群控器,该群控器由显示模块、通讯模块、时钟模块、报警模块以及大容量数据存储模块等构成。在现场可取代PC机,对多达60台的并网逆变器无人值守监控,具有成本低、安装灵活方便等优点;在大型分布多支路光伏并网电站中,多个智能群控器与PC机可组建多级分布式通讯网络,对整个光伏并网电站进行实时监控和管理。     

三维空间矢量PWM调制算法及其仿真研究

文章针对三维空间矢量PWM调制谐波含量少、可用于四桥臂等特点,重点分析了三维空间矢量调制的原理,对相关矢量发生的算法进行了详细推导;并利用MATLAB/SIMULINK仿真软件进行了仿真,仿真结果验证了三维空间矢量PWM调制算法的正确性。     

一类高穿透二氟甲氧桥单体的合成与性能应用研究

随着液晶显示器件向高分辨率、高像素密度方向发展,提高液晶材料在FFS模式下的穿透率成为重要的研究方向,高穿透率、高可靠性及快响应速度的混合液晶材料具有广阔的应用前景.二氟甲氧桥液晶具有低粘度、高介电、高可靠性的特点,是正性FFS模式中常用的一类单体材料.设计、合成、评测了一类末端侧向二氟取代的二氟甲氧桥液晶单体,并且考察了在液晶组合物中的应用,相对于常见单体,该系类单体的ε⊥8,提高正性FFS液晶的穿透率5%以上,通过液质联用、核磁氢谱、差热分析等方法对结构进行了表征,并对性能参数与液晶分子结构之间的关系作了探讨.     

一种改进的基于人体静电冲击模型应力的瞬态功率模型

提出一种改进的基于人体静电冲击模型(Human Body Model, HBM)应力的瞬态功率模型。利用HSPICE仿真软件, 模拟MOS管遭受的HBM应力, 得到对应的等效直流电压。HBM电路的预充电电压与MOS管对应的等效直流电压值的散点图表明, 两者保持线性关系, 并通过拉普拉斯变化得到证明。与现有的瞬态功率模型相比, 改进后的模型降低了在HBM应力作用下的计算复杂度, 可以更加简便地从统计学上预测MOS管栅氧击穿的发生, 给HBM冲击作用下MOS管栅氧化层可靠性的评估提供参考。     

金纳米薄膜面向导热系数的实验研究

基于电子束物理气相沉积法制备纳米薄膜的悬浮工艺，采用一维稳态恒热流加热法实验测量了80—300K厚度为23nm金薄膜的面向导热系数．研究表明金纳米薄膜的面向导热系数有非常显著的尺寸效应：金纳米薄膜的面向导热系数大大低于体材料的值，并且导热系数随温度的升高而增大，这一趋势与体材料导热系数的温度依赖性相反；同时，金纳米薄膜的Lorenz数大约为体材料值的3倍，并且随着温度的升高有减小的趋势，表明Wiedemann-Franz定律对于金纳米薄膜不再适用．     

基于桥臂电流控制的风力发电并网逆变器研究

在大功率风力发电系统中,并网逆变器控制是实现电能转换与传输的重要环节。针对采用T型滤波器结构的风力发电并网逆变器,提出基于桥臂电流闭环结合前馈补偿间接控制逆变器并网输出电流的控制策略,并根据三相电压源型并网逆变器开关函数的数学模型进行了控制系统仿真研究。仿真实验结果证明采用该控制策略提高了并网逆变器的稳定性和动态性能,同时可以有效抑制并网节点输出电流中的电流谐波。     

回归函数的小波支持向量机鲁棒估计法

小波网络具有小波的多尺度特性和神经网络的自学习功能,在回归估计中得到广泛的应用,但其性能受到样本中粗差的严重影响.虽然以M-估计作为目标函数可以解决这个问题,但由于其对应的影响函数由残差绝对值决定,因此如何选择初始参数值成为一个关键问题.为此,提出回归函数的小波支持向量机鲁棒估计方法(小波支持向量回归,WSVR,Wavelet Support Vector Regression).该方法中首先提出并证明了一种新的小波支持向量机(WSVM,Wavelet Support Vector Machine),用于确定初始参数值方法,这种方法能够确定合理的网络结构和合适的初始参数值,保证含有粗差的样本点的残差绝对值较大;然后使用一种构造的M-估计作为目标函数,并提出了自适应确定阈值方法.仿真结果表明,使用这种方法得到的回归模型不仅具有良好的多尺度逼近特性,而且有较好的鲁棒性和较高的推广性能,具有较高的理论和应用价值.     

基于ARM+FPGA异构平台的目标检测加速模块设计与实现

为解决基于深度学习目标检测模型规模大、在边缘设备上难以部署的问题, 以YOLO目标检测模型为例, 设计实现基于ARM+FPGA异构平台的目标检测加速模块。该系统使用剪枝、量化后的压缩模型, 在FPGA实现神经网络前向推理加速, 在ARM中实现加速器调度。实验结果表明, 部署至Xilinx ZCU102开发板上, 该模块在200 MHz工作频率下, 平均计算性能达到425.8 GOP/s, 推理压缩模型速度达到30.3 fps, 模块功耗为3.56 W, 证明该加速模块具备可配置性。