In situ growth monitoring of AlGaN/GaN distributed Bragg reflectors at 530 nm using a 633 nm laser

The metal-organic chemical vapor deposition(MOCVD) growth of AlGaN/GaN distributed Bragg reflectors (DBR) with a reflection peak at 530 nm was in situ monitored using 633 nm laser reflectometry.Evolutions of in situ reflected reflectivity for different kinds of AlGaN/GaN DBR were simulated by the classical transfer matrix method.Two DBR samples,which have the same parameters as the simulated structures,were grown by MOCVD.The simulated and experimental results show that it is possible to evaluate the DBR...     

基于小波分析的电缆故障测距

电力电缆日益广泛地应用于输配电系统，为了减少电缆故障停电损失，对电缆故障测距的精度要求越来越高。文中指出了传统的脉冲电流测试法（ICE）电缆故障测距存在误差的原因，提出了电感式脉冲电流测试法（IICE）。运用小波分解和重构实现信号滤波，再利用多尺度边缘检测理论实现电缆故障测距算法。EMTP仿真和模拟试验表明：IICE测试法消除了传统的ICE测试法反射脉冲识别带来的误差；基于小波分析的电缆故障测距算法是精确的，其测距误差不大于1个采样距离。     

角马的迁徙：执行就是力量

让人不可思议的长途跋涉，换来了角马这个看似没有任何“核心竞争能力”物种的世代繁衍生息、畜丁兴旺。     

惊心动魄的怒江峡谷阻截战

近年热播的电视剧《我的团长我的团》和《滇西1944》，再现了60多年前滇缅抗战的悲壮历史，也将人们的视线引向了滇西这片土地。当我们掀开那沉重的帷幕，才发现原来在滇西的怒江峡谷，曾经有过那么一段惊心动魄的历史。     

纯电动汽车用锂离子电池的建模和模型参数识别

极化电压是电池状态估算的重要参数,但不能直接测量.采用阻容模型分析,指出极化电压模型阶次与极化深度密切相关,提出一种极化电压的快速识别方法,给出变电流放电情况下电池的去极化时间和容量的计算方法,并采用FUDS模拟工况对新、旧电池和不同厂家的电池进行测试,验证了该方法的有效性和可行性,为电池状态的准确估算提供了数据支持.     

全面提升OPPO蓝光机的影音性能 Golden Sound HD-V3

最近,编辑部收到一款很特别的HDMI线,这款HDMI的特别之处在于包装盒上印有"Not For Sale"和"is Only available forOPPO"的字样。也就是说,这款HDMI线不仅是非卖品,而且还是OPPO原厂向Golden Sound订制的线材,专门赠送给BDP-105和BDP-103的用户(仅限中国大陆以及香港、澳门、台湾地区才有)。本刊编辑部所使用的蓝光机正是BDP-105,而这款线材刚好就是随BDP-105所附送的线材。尽管HD-V3是一款赠品,但在制作上也绝不马虎了事。它采用扁平状的结构,导体均以相互平行的方式排列。同时,信号传输导体和供电导体均各自独立,既可减低串音干扰,又可减低供电导线     

纯电动汽车用锂离子电池的建模和模型参数识别

极化电压是电池状态估算的重要参数,但不能直接测量.采用阻容模型分析,指出极化电压模型阶次与极化深度密切相关,提出一种极化电压的快速识别方法,给出变电流放电情况下电池的去极化时间和容量的计算方法,并采用FUDS模拟工况对新、旧电池和不同厂家的电池进行测试,验证了该方法的有效性和可行性,为电池状态的准确估算提供了数据支持.     

多变量时滞对象控制的DCS实现

采用软件控制仪表的概念，在DCS中实现了基于多变量频域理论和多变量Smith预估技术的多变量时滞对象的控制,并成功应用于一大型啤酒发 酵计算机控制系统，大大提高了系统的控制精度和DCS的自动化水平。     

两种多相补偿阻抗继电器动作性能的数字分析

通过在５００ｋＶ典型系统上对常规和新型多相补偿阻抗继电器进行数字计算，全面分析并比较了两种继电器在振荡伴随短路发生等情况下的动作性能，最后得出有用结论并对多相补偿距离保护方案进行了探讨。     

连续状态自适应离散化基于K-均值聚类的强化学习方法

使用聚类算法对连续状态空间进行自适应离散化．得到了基于K-均值聚类的强化学习方法．该方法的学习过程分为两部分：对连续状态空间进行自适应离散化的状态空间学习，使用K-均值聚类算法；寻找最优策略的策略学习．使用替代合适迹Sarsa学习算法．对连续状态的强化学习基准问题进行仿真实验，结果表明该方法能实现对连续状态空间的自适应离散化，并最终学习到最优策略．与基于CMAC网络的强化学习方法进行比较．结果表明该方法具有节省存储空间和缩短计算时间的优点．