利用ANSYS软件进行行波管振动模态分析

建立行波管模型并进行模态分析,提取行波管振动模态参数。从模态结果可知,2000 Hz以内的振动薄弱部位落在电子枪部位,行波管整管模型的固有频率和振型与管子单个部件的固有振动特性相对应。本文应用VC＋＋软件对ANSYS软件进行了二次开发,形成行波管振动特性模拟仿真软件,使用该软件可以快捷实现行波管及部件的参数优化设计。     

基于IGBT并联技术的PEBB设计

受电力电子器件生产制造工艺的限制,为了提高电力电子装置的功率等级,一般采用电力电子器件直接串并联或是变流单元多重化串并联的方法。文章在总结绝缘栅双极晶体管并联技术的基础上,设计了一个容量为250kVA的功率半导体组件。试验结果表明,该PEBB设计符合各项指标,具有很强的实用性和可操作性。     

28 nm超大规模FPGA的BRAM单粒子效应测试方法研究

为了建立一种28 nm工艺超大规模SRAM型FPGA块随机读取存储器(BRAM:Block Random Access Memory)模块的单粒子效应测试方法,实现敏感位的精确定位,通过研究逻辑位置文件和回读文件,建立了敏感位和FPGA逻辑地址的对应机制,推导出了对应的关系公式,并提出了一组针对BRAM模块的系统测试方法.该方法大幅度地提高了现有测试方法的效果,并且为器件失效机理的分析和下一步的器件加固设计提供了指导.     

电解液对于锂离子电池可靠性的影响研究

以使用SW电解液和使用XZB电解液制造的1380120型号锂离子电池为研究对象,对电解液对于电池可靠性的影响进行了分析.通过倍率充放电测试、 低温测试、 短路测试、 过充测试、 过放测试和针刺测试等可靠性测试,发现:两种电解液制造的电池的电化学性能基本一致;商用SW电解液更加有利于电池低温性能的发挥;商用XZB电解液能够明显地提升电池的可靠性.     

5MW海上风力发电机组关键技术浅析

本文主要介绍了5MW海上风力发电机组研发过程中涉及到的一些关键技术,主要包括变流器、发电机、齿轮箱、控制系统、输电技术、并网技术、叶片、塔架等关键技术。此外．本文还简单介绍了风机基础和安装过程中涉及到的一些技术,为研发海上风力发电机组提供了参考。     

先进工艺对MOS器件总剂量辐射效应的影响

器件栅氧厚度的减小、场氧工艺的改变以及衬底材料的不同等都将导致MOS器件的总剂量辐射效应发生改变.亚阈斜率、阈值电压漂移、衬底技术和场氧抗辐射能力已经成为器件按比例缩小给器件带来冲击的最主要的四个方面.综述了上述条件、高k介质/硅系统以及选择SOI材料作为衬底材料对MOS器件总剂量辐射效应的影响.     

倒装芯片焊点可靠性的有限元模拟法探讨

随着集成电路封装技术的发展,倒装芯片技术得到广泛应用.由于材料的热膨胀失配,使倒装焊点成为芯片封装中失效率最高的部位,而利用快捷又极具参考价值的有限元模拟法是研究焊点可靠性的重要手段之一.简单介绍了集成电路芯片焊点可靠性分析的有限元模拟法,重点概括了利用该方法对芯片焊点进行可靠性评价常见的材料性质和疲劳寿命预测模型.     

根据行为级模型方法对CMOS 图像传感器的BJPG 晶体管的分析

本文提出一种新的用于CMOS图像传感器像素的光电检测器－－双极结型光栅晶体管。由于引入p^ n注入结，光电荷的读出速率大大增加，改善了CMOS图像传感器的工作速率和响应灵敏度。尽管传统的光电集成电路的电路级模拟采用微电子集成电路的模拟方法，但是光电子集成电路不仅含有微电子器件和电信号还含有光电检测器和光信号，采用传统的集成电路模拟方法有其局限性。本文提出一种行为级模拟方法（光电子检测器设计的新方法，利用C、MATLAB和HSPICE等语言写出光电子器件的模拟器）来模拟分析双极结型光栅晶体管的特性。基于0.6μm CMOS工艺的分析结果表明双极结型光栅晶体管在不同栅氧化层厚度随栅压变化与传统光栅晶体管的特性一样，但光电流密度呈指数式增长且光电流密度增大，因此改善了CMOS图像传感器的工作速率和响应灵敏度。     

磁偏转线圈的一个简单模型

本文针对复杂的磁偏转线较圈实体,提出了一个简单的模型,使得对实际偏转线圈结构的测量和数值模拟都较为简单,利用该模型,对实际14＂彩色显像管（CRT）的偏转线圈绕线结构进行了测量,在此基础上对该偏转线圈所产生的偏转磁场,光栅畸变和会聚误差进行了数值模型,计算所得结果与测量值相比,光栅畸变的最大差为0．84％,会聚误差的最大误差为0．61mm.     

基于小波域的深度残差网络图像超分辨率算法

单幅图像超分辨率（SISR）是指从一张低分辨率图像重建高分辨率图像.传统的神经网络方法通常在图像的空间域进行超分辨率重构，但这些方法常在重构过程中忽略重要的细节.鉴于小波变换能够将图像内容的"粗略"和"细节"特征进行分离，提出一种基于小波域的深度残差网络（DRWSR）.不同于其他传统的卷积神经网络直接推导高分辨率图像（HR），该方法采用多阶段学习策略，首先推理出高分辨率图像对应的小波系数，然后重建超分辨率图像（SR）.为了获取更多的信息，该方法采用一种残差嵌套残差的灵活可扩展的深度神经网络.此外，提出的神经网络模型采用结合图像空域与小波域的损失函数进行优化求解.所提出的方法在Set5、Set14、BSD100、Urban100等数据集上进行实验，实验结果表明，该方法的视觉效果和峰值信噪比（PSNR）均优于相关的图像超分辨率方法.