脉频调制神经网络VLSI的设计及应用

本文提出了一种用于故障诊断识别的改进脉冲频率调制(PFM)VLSI神经网络电路,改进了传统的基于软件的机械故障诊断模式,发挥了神经网络超大规模集成电路(VLSI)的优势.利用单层感知器网络、场效应管电路实现了一种新的数字模拟混合突触乘法/加法器电路,而且该神经网络电路的突触权值不需要学习调整,降低了电路的复杂性.以此电路为基础,设计了进行主轴承噪声故障诊断的神经网络故障识别系统.将含有故障信息的原始噪声信号,经过前置信号处理分析、故障特征值提取和神经网络运算,得出VLSI电路输出端电容的电压——代表待识别信号与模板故障信号的“欧氏距离”,进而判断出故障的类别.经过仿真测试,基于硬件的诊断系统的识别性能接近于基于软件的系统.     

直流充电桩快速变化的电流和电压波形模态特性分析

针对电动汽车充电桩输出电流和电压呈现出“随机性、波动性、时变性”的快速变化特性,引发电能计量较大超差问题,首先建立充电桩快速变化直流电流和电压的随机信号数学模型,及其时频域表征模型;其次,提出快速变化波形模态提取方法,提取了6类12种快速变化直流波形模态;最后,提出并构建了幅度域8个特征参量数学模型,表征影响电能计量的电流和电压特征;提取了典型特征参量数值和重要特性;该特征参量数值和特性可为制定直流电能表动态误差的测试评价试验条件提供理论依据。     

某极低品位含铷矿石选矿试验研究北大核心

某含铷矿石中Rb_(2)O的含量为0.046%,铷元素没有独立的矿物存在,以类质同像赋存于含钾矿物(钾长石和黑云母)中,且铷的载体矿物与脉石矿物石英紧密共生,属于极低品位难选含铷矿石。为确定该含铷矿石的选矿工艺,较好地实现资源综合利用,对其进行磨矿细度试验、捕收剂条件试验、精选条件试验和浮铷尾矿综合回收试验的研究。结果表明,确定使用组合捕收剂椰油胺+SDS和抑制剂水玻璃的药剂制度下,固定磨矿细度为-0.074 mm占65%,采用“一粗两精两扫”浮选回收黑云母和部分钾长石中的铷,浮铷尾矿经磁选—浮选回收长石的工艺。全流程闭路试验可获得Rb_(2)O品位0.114%、Rb_(2)O回收率57.23%的铷精矿和Na_(2)O品位4.21%、Na_(2)O回收率48.66%,K_(2)O品位3.96%、K_(2)O回收率31.92%,白度为69%的长石精矿,有效地回收铷资源和长石产品,为该含铷矿石工业开发提供技术支撑。