基于PageRank的主动学习算法

在许多分类任务中,存在大量未标记的样本,并且获取样本标签耗时且昂贵。利用主动学习算法确定最应被标记的关键样本,来构建高精度分类器,可以最大限度地减少标记成本。本文提出一种基于PageRank的主动学习算法（PAL）,充分利用数据分布信息进行有效的样本选择。利用PageRank根据样本间的相似度关系依次计算邻域、分值矩阵和排名向量;选择代表样本,并根据其相似度关系构建二叉树,利用该二叉树对代表样本进行聚类,标记和预测;将代表样本作为训练集,对其他样本进行分类。实验采用8个公开数据集,与5种传统的分类算法和3种流行的主动学习算法比较,结果表明PAL算法能取得更好的分类效果。     

基于PWM+PFM控制的两级DC-DC变换器效率优化

为了提高LLC谐振变换器宽输入电压范围和解决轻载时损耗大导致整体效率不高的问题,基于Boost-LLC两级式拓扑,提出一种全负载范围数字控制效率优化方法.根据不同的负载对前后两级建立双环控制,前级升压Boost电路通过脉宽调制(PWM)方式实现不同负载对应调整输出电压大小,并将其值作为后级LLC电路的母线电压;后级LL...     

一种对称极化掺杂增强型高压GaN HFET

针对传统AlGaN/GaN HFET击穿电压远低于理论值,以及阈值电压与开态电流之间存在制约关系的问题,提出一种对称极化掺杂增强型高压GaN HFET。采用Al组分对称渐变的AlGaN势垒层,因极化梯度分别在正向渐变AlGaN层和逆向渐变AlGaN层中诱导产生了三维电子气(3DEG)和三维空穴气(3DHG)。利用3DHG,阻断了源极与3DEG之间的纵向导通沟道,实现了新的增强型模式。同时,正向渐变AlGaN层的高浓度3DEG显著提升了器件输出电流。器件关断时,极化电荷形成的极化结有助于耗尽漂移区,优化了电场分布,提升了器件耐压。与传统AlGaN/GaN HFET相比,新器件的击穿电压从39 V提高至919 V,饱和漏电流提升了103.5%。     

宽输入电动汽车车载DC-DC电源研究

针对电动汽车车载DC-DC电源器件损耗高、稳定性差、效率低等问题,设计一种Boost变换器级联与半桥LLC变换器的车载DC-DC 电源。首先提出一种两级DC-DC变换器的主电路拓扑,结合输出功率与电压增益对其进行详细分析;其次采用基于数字信号处理器（DSP）的双环控制方式,引入母线电压可调,并给出参数设计过程,变换器最终能够满足宽输入范围要求,并使整个负载范围内的输出电压维持稳定;最后搭建实验样机,测试DC-DC电源在不同负载下的效率以及调压稳压性能。试验结果表明,该DC-DC电源能够满足宽范围输入电压,实现了宽范围的软开关,提高了整个负载范围内的传输效率。     

一种具有鳍状阳极的垂直GaN功率二极管

针对垂直GaN肖特基二极管击穿电压低、泄漏电流大等问题,提出了一种具有鳍状(Fin)阳极结构的高压垂直GaN功率二极管。该结构利用阳极金属与GaN半导体之间的功函数差耗尽二极管阳极与阴极之间的导电沟道,实现二极管关断及反向耐压的功能,因此,阳极不再需要进行肖特基接触,仅需欧姆接触即可。通过优化Fin阳极结构参数,新结构同时实现高击穿电压和低正向导通压降,该器件的击穿电压为1 791 V(@ 1×10-4 A/cm²),正向导通压降为0.815 V(@ 100 A/cm²),导通电阻仅为0.73 mΩ·cm²且具有高的温度稳定性,开态电流摆幅高达1×10¹²量级。     

基于pHash分块局部探测的海量图像查重算法

数据库中大量重复图片的存在不仅影响学习器性能,而且耗费大量存储空间。针对海量图片去重,提出一种基于pHash分块局部探测的海量图像查重算法。首先,生成所有图片的pHash值;其次,将pHash值划分成若干等长的部分,若两张图片的某一个pHash部分的值一致,则这两张图片可能是重复的;最后,探讨了图片重复的传递性问题,针对传递和非传递两种情况分别进行了算法实现。实验结果表明,所提算法在处理海量图片时具有非常高的效率,在设定相似度阈值为13的条件下,传递性算法对近30万张图片的查重仅需2 min,准确率达到了53%。     

基于BP神经网络的某防空导弹发射机构故障分析

在武器装备维修与技术保障领域中,普遍存在故障模式复杂、分析定位繁琐等问题,一定程度上影响了装备维修工作的效率。为解决上述问题,以陆军某型便携防空导弹发射机构为典型研究对象,设计了一种基于人工神经网络的故障分析方法,研究了神经网络在装备技术保障领域中的应用。该方法以BP神经网络为基础,利用历史维修数据确定网络的正反向传播矩阵,在后期采取一定措施对预测准确率进行了优化,整套方法利用Python环境进行了实现。通过实验验证,该方法对发射机构故障进行定位时,速度快、效率高,准确率超过96%,因此可知该方法对于多种故障现象影响下的故障模式分析具有较高的预测准确率,能满足装备维修中故障模式的快速分析定位,并且具有较强的通用性。