基于神经网络电极移动速度影响放电参数分析

结合小间隙放电的双过程模型[1],探讨电极移动引起的气体压强变化和场强变化对放电间隙内部相关因子的影响[2],进而分析电极移动速度对放电参数的影响.基于静电放电电极移动速度效应检测仪,不断改变电极移动速度,反复多次进行放电实验,统计试验数据,然后利用神经网络进行仿真分析,探究电极移动速度与放电参数之间的相关性.结果表明:电极移动速度与放电电流峰值、平均上升速度之间具有正的线性相关性,与平均下降速度间具有负的线性相关性.研究结果对于探寻非接触式静电放电的规律和静电放电标准的制定,有一定的参考价值.     

电极移动速度效应的空气动力学分析

基于空气动力学原理解释了电极向靶运动过程中放电间隙形成局部低真空的机理.结合小间隙放电的双过程模型, 初步阐释了气体压强变化对放电间隙内部相关电参量的影响机理, 进而分析电极速度对放电参数的影响.基于我们团队自主研制的电极移动速度效应检测仪,进行反复实验, 对大量的试验数据进行仿真分析, 探索小间隙静电放电过程中放电参数对电极移动速度的依赖性.结果表明:电极移动速度与放电电流峰值、放电电流脉冲上升速度, 具有高度的正相关性; 与放电电流脉冲下降速度具有高度的负相关性.研究结果对于推进非接触静电放电测试标准的提出具有一定的参考意义.     

非接触静电放电测试低重复特性分析研究

基于自主研发的新型测试系统,对小间隙静电放电(Electrostatic Discharge,ESD)中电极移动速度和气体压强引起放电参数的低重复离散特性进行探讨.新型测试系统采用机电一体化设计,解决了带电体与受电体高速相向运动与避免强烈撞击损坏仪器的难题,并实现对多种影响因素的有效测量.用新型测试系统测量了气体压强变化和向放电靶移动电极速度等放电参数.静电放电模拟器移动距离控制在(10～40 cm)的范围.电极移动速度变化(v)为14 cm/s,则放电电流峰值改变(J)达到0.5A,空气压强变化对放电电流最高峰值的影响十分明显,压强变化(p)为0.06个大气压时,则峰值电流变化(D为0.5A,证明了电极移动速度和空气压强对放电参数产生的影响;对放电参数受电极移动速度和气体压强变化而出现显著差异的可能机制给出了初步分析.     

小间隙静电放电中的电极移动速度效应研究

分析已发表的静电放电研究文献,设计了电极移动速度效应测试仪。该新型测试系统通过独特的机电一体化设计,为带电电极既要高速向靶运动放电以研究快速移动速度对放电结果的影响,又要避免二者可能产生强烈碰撞损坏仪器,就静电放电领域长期困扰研究者的难题提供了解决方案。对电极移动速度效应用模型方法和流体动力学理论进行了分析推导,将Townsend放电理论结合小间隙放电模型给出气体压强影响放电电流结果的算法。基于电极移动速度效应测试仪的功能和数据,对所提出的理论分析结果和算法进行了初步验证和讨论。     

人体静电放电参数对带电电压的依赖关系研究

在带电电压为200～3000V的范围内测量了带电人体放电电流和上升时间,计算了其他放电参数;研究了放电参数与电压和电板速度的相关性.将RampeWeizel定理用于空气中带电人体的小间隙静电放电模型.观察发现在电压为800V时放电参数在电极运动速度影响下出现临界值.当电压高于1000V,或低于600V时,电极移动速度对放电参数的影响出现降低的趋势.     

在小间隙放电中用Bernoulli定理分析电极移动速度效应

小间隙静电放电中电极移动速度对放电参数影响的内部因素,是受到很多研究者关心的问题.通过对实验数据的系统分析,应用流体力学中Bernoulli定律,对放电参数电极速度效应的内部原因,提出了较好的理论解释.电极的快速运动速度造成了放电间隙气体压强的下降,从而加速了载流子从电极到靶的运动过程,进而明显改变了放电参数的数值.初步的数值计算表明,表面过程因电极快速移动得到了加强.这对于电极移动速度效应进一步的研究,给出了一种较为明确的方向.     

静电放电参数对电极速度的相关性与机理分析

同步测量了带电人体手握金属小棒电极放电电流的参数和电极运动速度.金属小棒电极与靶电极相撞时的速度对放电电流参数(放电电流峰值、放电电流时间变化率的峰值、火花放电的弧长)的影响,用统计软件SPSS进行了考察,获得了在不同人体电压情况下小棒电极运动速度与放电参数的相关系数.结果表明:充电电压为0.3kV时,放电参数与电极运动速度无关.充电电压为0.5kV及其以上电压时,电极运动速度与放电电流峰值、电流最大上升斜率有极强的正相关性;与放电火花弧长有极强的负相关性.电极向靶的快速接近改变放电间隙的空气压强,改变间隙两端的电场强度,从而引起放电参数的显著变化.     

基于Attention-LSTM-XGBoost的电极移动速度影响放电参数预测分析

基于具有Attention机制的长短期记忆(attention long short-term memory,Attention-LSTM)神经网络模型,设计了一种由Attention-LSTM神经网络与极端的梯度增强(extreme gradient boosting,XGBoost)法共同组成的变权组合模型,用以分析预测静电放电过程中电极移动速度对放电参数造成的影响。该组合模型充分利用静电放电参数的时序特性,并采用Attention机制突出对放电参数预测起到关键作用的输入特征。首先基于由新型电极移动速度效应测试仪的实验结果提供的原始实验数据,采用分箱法对其进行预处理得到新的实验数据;然后将得到的新实验数据集作为两种模型的输入数据,分开训练Attention-LSTM模型和XGBoost模型,求解出各自模型的预测结果及误差;最后利用误差倒数法,重新计算出两种模型预测结果的占比权重,并根据计算的权重求解出最终预测结果。预测结果表明：与Attention-LSTM神经网络模型、XGBoost模型、Attention-LSTMXGBoost定权组合模型相比,本文构建的Attention-L...     

空气静电放电的场路协同仿真研究

场路协同仿真方法可耦合场与路研究空气静电放电的非线性特征,有助于静电放电防护的进一步改进。本文基于CST仿真软件,首先通过静电放电发生器标准电流测试模型对场路协同仿真方法进行验证,然后利用该方法将静电放电发生器的3D全波模型和非线性电弧模型相结合,来探究放电电流随激励电压和放电弧长的变化关系。仿真结果表明：放电上升时间和峰值电流均随着激励电压和弧长指数变化,而小弧长情况下与接触放电类似接近线性变化;而结合实验中电弧长度随电压变化的特性,得出激励电压、电流峰值和上升时间的定量关系。仿真结果和文献中的实验结果相吻合,同时场路协同仿真可获得任一时刻的场分布信息,对电子设备的故障检测具有指导意义。     

空气ESD辐射电磁场和放电间隙区分布研究

在固定放电空气间隙条件,利用电流靶和半圆环天线对空气静电放电(ESD)的辐射电磁场进行了探测和记录,根据空气ESD辐射电磁场的特征研究了空气ESD的放电特性和放电间隙区分布规律。提出了空气ESD存在"增长间隙区"、"跌落间隙区"、"平坦间隙区"和"零放电间隙区"4个放电间隙区,放电间隙区的分布主要与放电电压的大小相关,且在高电压时各放电间隙区分布更明显;一定电极接近速度下的空气ESD与一定放电间隙区的空气ESD相对应。     

Correlation investigation between contact approach speed of handheld metal rod and discharge parameters from charged human body

Characteristic measurement of contact discharge currents are made through a hand-held metal rod from charged human body. Correlation coefficients are obtained, through Statistic Package for Social Science （SPSS）, for various charge voltages, which is based on the effect test of electrode contact approach speeds on discharge current parameters of current peaks, maximum rising slope and spark lengths. Discharge parameters at charge voltage 300V are independent on approach speed. For charge voltages equal to and higher than 500V, the contact approach speed has strong positive correlation with discharge parameters of the peak current and the maximum rising slope, whereas has strong negative correlation with the spark length.     

Aero-optic imaging deviation prediction based on ISSA-ELM

When the aircraft is moving at high speed in the atmosphere, aero-optical imaging deviation will appear due to the influence of aero-optical effect. In order to achieve real-time compensation during the flight of the aircraft, it is necessary to analyze and predict the obtained imaging deviation data. In order to improve the search speed and accuracy of the prediction algorithm and the ability to jump out of local optimum, in this paper, an improved sparrow search algorithm optimized extreme learning machine (ISSA-ELM) neural network model is proposed to predict the aero-optical imagine deviation. Finally, the performance of ISSA-ELM, ELM neural network and SSA-ELM neural network was tested. The results showed that compared with ELM and SSA-ELM algorithms, the convergence speed of ISSA-ELM was significantly enhanced, and the accuracy of data prediction was also significantly improved.     

基于粒子群算法的BP 神经网络在大气 NO2 浓度预测中的应用研究

NO2 是主要的大气污染气体之一, 在大气光化学过程中起着重要作用。研究 NO2 浓度的时空演变, 预测其浓 度变化趋势, 对政府出台改善环境措施具有重要意义。提出利用粒子群算法 (PSO) 的反向传播 (BP) 神经网络对大气 NO2 浓度进行预测。以合肥地区 2017 年 1 月 1 日至 2019 年 12 月 31 日的大气污染数据和气象数据为基础, 结合逐步 回归方法筛选出与 NO2 浓度相关性较大的影响因子作为输入样本。构建 PSO-BP 神经网络预测模型, 利用 PSO 找出 BP 神经网络最优的初始权值和阈值。对比 BP 神经网络、遗传算法改进的 BP 神经网络和 PSO 改进的 BP 神经网络 三种模型的预测结果, 发现 PSO-BP 模型能够较为准确地预测出 NO2 浓度的动态变化规律, 并且预测精度高、模式简 单, 有望广泛应用于大气污染物浓度预测等方面的研究。     

中国东部典型城市群AOD时空演变及预测

为精准预测我国东部典型城市群的气溶胶光学厚度(AOD),基于2010-2019年MODIS数据,分析了京津冀、长三角、珠三角区域之间以及区域内部的AOD时空差异特征,构建了小波变换与BP神经网络相结合的AOD预测模型,并对典型城市群AOD进行了预测.研究结果表明:1)各城市群气溶胶浓度峰值均出现在夏季,京津冀地区AOD...     

高速铣削工件表面粗糙度遗传-BP神经网络建模

遗传算法作为一种高效,并行的全局搜索优化方法,非常适合用于BP神经网络学习率的优化。文中通过基于遗传算法和BP神经网络提出了遗传-BP神经网络。以实验1、实验2、实验5、实验6、实验9、实验11、实验13和实验15下的高速铣削试验数据构建用于高速铣削工件表面粗糙度建模的训练样本对,并用回归的高速铣削工件表面粗糙度预测模型对实验3和实验7状态中的高速铣削工件表面粗糙度进行预测。通过比较表面粗糙度预测结果和实际结果,发现遗传-BP神经网络在高速铣削工件表面粗糙度进行建模方面是一种十分有效的方法。