一种基于集总电荷的大功率PIN二极管改进电路模型

提出了一种基于集总电荷建模方法的大功率PIN二极管改进电路模型。传统的集总电荷模型使用有效载流子寿命模型,未考虑载流子寿命和基区电荷浓度之间的关系,导致模型的仿真精度偏低。该文在研究传统PIN二极管集总电荷模型的基础上,首先分析了二极管基区载流子寿命随注入浓度和温度的变化规律,并提出了载流子寿命随浓度和温度变化的集总电荷模型。然后,基于提出的载流子寿命模型建立了改进的PIN二极管集总电荷电路模型,并加入模型物理参数的温度函数,实现了模型对不同温度下PIN二极管通态和瞬态特性的表征,并在PSPICE仿真平台中实现了该模型。最后,用1 700 V/1 000 A IGBT模块中反并联续流二极管对模型进行了实验,仿真和实验结果对比验证了该模型的准确性。     

基于拉氏变换的变温度PIN二极管动态建模

为了实现车载设备的传导噪声预估,二极管模型需在车载环境的宽温度变化范围内对动态特性进行准确描述。以PIN型功率二极管为研究对象,分析了定温度的拉式变换解析模型,引入温度参数,将原模型参数与温度的关系以函数的形式表达,实现任意结温下的模型参数温度修正,从而建立变温度的PIN二极管动态特性模型。在此基础上,通过温箱实验对感性负载条件下的功率二极管动态性能进行测试,实现了模型参数抽取和模型验证。结果显示,该模型在25~120℃的宽温度范围内,可实现反向恢复特性的精确模拟,各项特性参数的误差均较小,不会出现PSPICE通用模型的异常振荡问题,能满足宽频率及宽温度范围的汽车级EMI预估需求。     

三电平移相全桥变换器整流二极管RC吸收参数多目标优化设计

传统的整流二极管RC吸收参数设计基于谐振等效电路,不能精确刻画二极管反向恢复过程,RC参数难以优化。为此,基于大功率PIN二极管集总电荷模型,采用多目标优化设计RC吸收电路参数。首先,根据三电平移相全桥变换器拓扑结构及调制方式,分析了RC参数对整流二极管反向电压尖峰的影响规律。其次,基于大功率PIN二极管的集总电荷模型对理论分析进行了仿真验证。然后,采用多目标优化设计RC吸收电路。最后,实验结果验证了最优RC参数抑制整流二极管反向电压尖峰的有效性。     

PIN二极管的PSPICE子电路模型

提出了一种PIN二极管的PSPICE子电路模型。该模型同时考虑了二极管的反向恢复、端区复合以及空间电荷区边界移动效应。能更精确地模拟PIN二极管的开关特性。仿真结果证明了该模型的正确性和准确性。     

柔性单晶锗PIN二极管在关态下的建模研究

介绍了柔性单晶锗纳米薄膜（GeNM ）PIN 二极管的制备方法和反向偏置下对应不同弯曲状态下的射频特性。为了定量研究在反向偏置下机械弯曲对柔性PIN二极管射频特性的影响，分别搭建了不同弯曲半径下的等效电路模型。通过研究不同机械应力作用下模型中的各个参数的变化得到二极管内部电阻，寄生电感，p＋ p-结的电阻以及p-n＋结的电容为影响其射频特性的主要因素，机械弯曲使这些参数值单调变化，导致柔性单晶锗PIN二极管关态下的射频特性变好。这在应变测量领域显示出很大的发展应用潜力。     

用于传导EMI仿真的二极管高频模型的研究

阐述了一种能够仿真PIN二极管传导EMI的高频模型。该模型全面考虑了二极管的正向恢复、端区复合以及空间电荷区边界移动效应,并且利用Saber的MAST语言得以实现。仿真和实验结果的比较也证明了该模型的正确性和准确性。     

PIN二极管开关在微波控制电路中的应用

本文主要介绍了PIN二极管开关的原理和特性，并在实际中得到了应用。     

PIN型功率二极管动态特性物理模型参数提取

PIN型功率二极管在电能变换和处理的电力电子装置中被广泛应用,但是长期以来其内部物理模型参数有效提取方法的缺乏限制了其仿真模型的应用和使用水平的提高。本文以PIN型功率二极管为对象,在对其内部物理结构与动态特性分析基础上,确定了决定其动态特性的关键参数。采用Saber软件动态仿真与量子遗传算法相结合的方法对PIN型功率二极管内部关键物理模型参数进行优化辨识。最后,对ZP800A3000V型号的PIN型功率二极管器件进行了参数提取和实验测试,证明了该方法的有效性。     

采用缓冲层结构的软恢复二极管研究

介绍了一种采用缓冲基区结构的快速软恢复二极管。二极管基区由传统的轻掺杂衬底基区N^-与扩散形成的较重掺杂的N区(缓冲基区)两部分组成。实验结果表明，该二极管不仅具有传统PIN二极管的高电压、低压降特性，而且反向恢复软度因子提高到了1．0左右，大约是传统的电子辐照PIN二极管的3倍。     

高功率锁式差相移开关

在现代雷达设备、遥控遥测、广播卫星中常常需要快速的高功率转换以完成极化变换、天线选择、备用发射机的换接等功能。常用的微波快速开关可分为铁氧体和PIN二极管两种,PIN二极管虽然转换速度快,体积小,但不能承受很大功率,特别是很高的峰值功率。目前,在厘米波段能承受高峰值功率的快速开关,只能用铁氧体来实现。     

Volterra神经网络水文模型及应用研究

本文在对Volterra泛函模型与ANN模型进行一致性研究的基础上,提出了基于Volterra泛函结构的神经网络水文模型(VNNH)。VNNH模型吸取了Volterra模型和ANN模型的优点,克服了它们的不足之处。VNNH模型设计了一种多项式的激活函数,克服了Volterra模型求解高阶核函数的困难。并利用自组织神经网络算法确定VNNH模型隐含层神经元的数目;根据Volterra模型的结构由流域的单位线确定VNNH模型的初始权值。将VNNH模型应用于两个实际流域的洪水模拟和预测中,取得了较为满意的结果。     

基于分布鲁棒机会约束的机组组合模型

可再生能源的大量渗透使得传统的机组组合的解决方法不可行,文中主要对含有不确定变量约束的机组组合模型进行研究.将含不确定变量的功率平衡约束松弛为不等式约束,并将该不等式约束与旋转备用约束以及传输极限约束均转化为基于矩信息模糊集的分布鲁棒机会约束模型,采用双边模型处理传输极限约束以提高可靠性;为了使模型便于求解,双边模型采用Bonferroni近似,通过线性化手段将分布鲁棒机会约束机组组合模型转化为混合整数线性规划模型;以假定模糊集中的分布函数具有单峰性的方式降低模型的保守性;应用六机系统的算例验证了所建模型的有效性.     

一种改进池化模型对卷积神经网络性能影响的研究

池化模型作为卷积神经网络模型中至关重要的一部分,具有降维、提高模型泛化能力等作用。为了进一步提高卷积神经网络模型的准确率,优化模型的学习性能,提出了一种基于最大池化和平均池化的改进池化模型,并在全球手写数字数据集MNIST和CIFAR-10上分别对改进池化模型的有效性进行了验证。通过与常见池化模型的对比实验发现,采用改进池化模型的卷积神经网络的学习性能较优,一次迭代情况下,在MNIST和CIFAR-10数据集上,错误率分别下降了4.28%和2.15%。     

应用模型拼接建立的全电网模型

为提高电网分析的准确性,调度中心采用的电网模型应从外网等值模型逐步过渡到全电网模型。通过BPA(bonneville power administration)电网模型与能量管理系统电网模型进行模型拼接可生成全电网模型,分析了模型拼接的难点、步骤。算例结果表明应用全电网模型进行电网分析可提高计算精度。     

基于混合建模的蒸汽管道参数计算

提出一种结合机理建模和数据驱动建模的混合模型用于蒸汽管道的参数计算。在机理模型的基础上,采用向量机算法建立数据驱动误差预测模型,对机理模型计算所造成的机理误差进行预测,并将该模型的误差预测结果用于修正机理模型计算结果。为验证混合建模计算的有效性,通过实例建立机理模型和基于向量机算法的蒸汽参数预测模型计算管道末端蒸汽参数,并与混合模型的计算结果进行比较。结果证明,混合模型具有更高的计算精度,可为供热管道的运行优化提供参考。     

基于累积式自回归动平均传递函数模型的短期负荷预测

针对短期负荷预测,提出了累积式自回归动平均(auto-regressive integrated moving average,ARIMA)传递函数模型的简化建模方法。传递函数模型考虑了干扰因素对因变量的作用,体现了干扰因素中变量间相互影响的关系。其构造灵活,可用较少的参数建立阶数较高的模型;并且假定值较少,容易得到满足。该文还将温度因素考虑在内,通过算例将传递函数模型和ARIMA模型的预测结果与实际值进行了比较,结果表明采用传递函数改进后的ARIMA模型预测精度提高,预测误差减小,具有较强的实用性。     

动态工况电池在线参数辨识及SOC估计研究

基于电池模型的荷电状态(SOC)估计方法,其估计精度主要取决于模型的精度。电池在动态工况下,输入电流变化激烈,传统的辨识方法因其收敛性差,导致模型精度降低。为了提高动态工况下电池模型精度,对传统带遗忘因子最小二乘法(FFRLS)进行改进,通过设置精度阈值,引入梯度矫正的方法,提出了改进带遗忘因子递推最小二乘法(IFFRLS)。利用改进算法进行在线参数辨识,建立二阶RC等效电路模型,与其他传统参数辨识建立的模型进行对比,验证IFFRLS对模型精度提高的有效性,模型平均误差为0.003 8 V。最后,将不同辨识方法所建立的模型与扩展卡尔曼滤波(EKF)算法进行联合估计SOC并对比其误差,结果表明通过IFFRLS辨识出来的高精度模型可有效提高SOC的估计精度,DST工况下,误差在1.51%以内。     

基于边界层理论旋风分离器分离效率的改进模型

针对工业上广泛应用的旋风分离器结构(除了筒体和锥体外，还应包括料腿和灰斗)，利用最新的旋风分离器自然旋风长预测模型修正了 Leith & Licht模型中有关气流的停留时间；分析了边界层中颗粒的受力情况，认为由于边界层中较高的速度梯度会导致颗粒受力的改变，即除了受到离心力和阻力外，还会受到这种速度差所导致的升力作用。在此基础上基于边界层理论，文中改进了旋风分离器分离效率模型，并将所得模型的计算结果和有关试验数据进行比较。结果表明：改进的分离模型和试验数据吻合较好。和其它经典的分离模型相比，改进模型在预测旋风分离器分离效率方面更具优势。     

含中性点参数的三相变压器建模及其在潮流计算中的应用

建立变压器的三相模型对于配电网潮流计算非常重要。针对传统的关联矩阵法不再适用于中性点不接地星形接线的变压器的问题,文中提出计及中性点的三相变压器模型,此模型可以用关联矩阵法求得,应用于潮流计算可以直接方便地求出变压器中性点电压。当不接地星形接线方式的变压器模型含有中性点参数时,可以用关联矩阵借助转换矩阵推导所有连接组别的三相变压器模型,使得变压器模型的推导更加简洁。IEEE-4节点标准测试系统的计算结果验证了所建变压器模型的正确性与有效性。     

溪洛渡拱坝内部温度预测的串并混联融合模型

准确、可靠、高效地预测反映大坝工作性态的关键变量对大坝安全建设与运行具有重要作用。本文针对大坝全过程温度场分析预测问题,构建了机理与数据驱动的串、并混联式融合模型,以溪洛渡大坝工程为例对大坝内部温度进行了预测建模。在串联融合中,采用营地链方法及主成分分析的辅助技术对大坝材料的热传导系数进行反演分析,以获得经参数优化后的机理模型响应输出。在并联融合中,利用解释因子法以及线性-高斯模型,建立了从优化的机理模型到实际监测数据的预测模型。试验表明,解释因子串并混联融合模型受益于机理模型的解释能力及线性-高斯模型的预测优势,可对测试数据的波动做出较准确的预测,并具中长期预测优势。串联模型相对于原始机理模型的整体预测误差缩减了13%,串并混联模型相对于串联模型的预测误差缩减了81%。