Virtex-5系列SRAM型FPGA单粒子效应重离子辐照试验技术研究

针对SRAM型FPGA在空间辐射环境下易发生单粒子效应,影响星载设备正常工作甚至导致功能中断的问题,开展了SRAM型FPGA单粒子效应地面辐照试验方法研究,提出了配置存储器(CRAM)和块存储器(BRAM)的单粒子翻转效应测试方法,并以Xilinx公司工业级Virtex-5系列SRAM型FPGA为测试对象,设计了单粒子效应测试系统,开展了重离子辐照试验,获取了器件的单粒子闩锁试验数据和CRAM、BRAM以及典型用户电路三模冗余前后的单粒子翻转试验数据;最后利用空间环境模拟软件进行了在轨翻转率分析,基于CREME96模型计算得到XC5VFX130T器件配置存储器GEO轨道的单粒子翻转概率为6.41×10^(-7)次/比特·天。

功率MOSFET抗单粒子加固技术研究

针对功率MOSFET的单粒子效应(SEE)开展了工艺加固技术研究,在单粒子烧毁(SEB)加固方面采用优化的体区掺杂工艺,有效降低了寄生双极晶体管(BJT)增益,抑制了单粒子辐照下的电流正反馈机制。在单粒子栅穿(SEGR)加固方面,通过形成缓变掺杂的外延缓冲层来降低纵向电场梯度,减弱了非平衡载流子在栅敏感区的累积,并开发了台阶栅介质结构提升栅敏感区的临界场强。实验结果表明,经过加固的功率MOSFET在满额漏源工作电压和15 V栅源负偏电压的偏置条件下,单粒子烧毁和栅穿LET值大于75 MeV·cm^(2)/mg。在相同辐照条件下,加固器件的栅源负偏电压达到15~17 V,较加固前的7~10 V有显著提升。

一种高速时钟分配电路单粒子效应测试系统设计

时钟分配电路是电子系统中信号处理单元参考时钟及多路时钟分配的关键元器件,其跟随系统在宇宙空间中容易受宇宙射线辐照发生单粒子效应,进而影响系统性能指标甚至基本功能。为此,提出一种针对数字单元翻转的微测试方法,结合分段存储技术完成高速时钟分配电路的单粒子效应的在线测试系统设计。另外,在HI-13串列加速器与HIRFL回旋加速器上进行了试验验证,成功监测到单粒子翻转、单粒子功能中断等典型单粒子效应。最后根据试验数据并结合FOM方法进行了电路在轨故障率推算,这对于集成电路研制阶段的测试评估与应用阶段的系统验证都有重要意义。

微流控粒子分选中圆形微凹槽容纳特性研究

微流控技术由于具备操控微通道中微小体积流体的能力,已成为操控粒子和细胞的新平台.基于粒子惯性迁移和微凹槽涡胞捕获的粒子分选方法,是一种重要的微流控粒子操控技术.目前,微凹槽容纳的粒子数量不高,制约了该方法的效率.为了提高微凹槽粒子容量,对圆形微凹槽进行结构设计,并利用高速显微成像技术和数值模拟,研究了不同圆形微凹槽的粒子容纳能力.研究发现,相同入口雷诺数(Re=37~555)下,带底腔的圆形微凹槽相较于普通圆形微凹槽容纳的粒子数量提升了45%,这是因为增加底腔后使得涡流线向下延展,形成更深的“U形”结构,可以容纳更多的粒子;当Re=482时,带底腔的直径500μm的圆凹槽比直径600μm的圆凹槽的粒子容量提高了93.9%,原因是前者凹槽内粒子运动轨道与流线更加吻合,粒子轨道面积与凹槽面积占比达到了97%;随着Re增加,从侧通道收集到的粒子富集浓度整体呈现先缓慢增大后减小的趋势,收集到的20μm粒子的最大富集浓度为初始悬浮液的126.7倍;不同微凹槽内粒子群的轨道运动受到涡流场特性、粒子物性及粒子间相互作用和壁面限制作用等因素的共同影响.研究结果对微凹槽结构设计和提高粒子分选性能有重要指导意义.

放射性粒子125I体外实验模型的发展和现状

放射性粒子125I植入术作为临床治疗肿瘤的重要手段之一,近些年已在临床应用越来越广泛,并取得了令人瞩目的效果[1-5]。在我国,临床上主要使用的125I放射性粒子为6711型,结构见图1[6],半衰期59.6天,主要发射光子能量为 27.4 keV、31.4 keV 的X射线和光子能量为35.5 keV的γ射线,半价层为0.025 mmPb。放射性粒子植入术属于近距离放射治疗范围,不同于其他放射治疗方法,是采用极低剂量率持续照射肿瘤来获得治疗效果的。

行星际超低噪声三维能量粒子谱仪设计

太阳系能量粒子的起源和加速一直是空间物理学的重要前沿课题之一.在行星际空间中观测到的太阳系能量粒子主要分为两类:一类是持续存在的“太阳风能量粒子”,另一类是间歇性的“太阳能量粒子事件”.受限于以往行星际粒子探测器的灵敏度还不足够高,人类迄今仍未洞悉这些能量粒子起源和加速的物理过程与本质.本文设计了技术指标均为国际领先水平的行星际超低噪声三维能量粒子谱仪,采用双端望远镜结构(一端利用薄膜阻挡质子技术实现高灵敏电子探测,另一端利用磁场偏转电子技术实现高灵敏质子探测),结合多层、多像素半导体探测器阵列和覆盖近4π立体角的大视场设计,实现对行星际空间中20~1000 keV电子和25~12000 keV质子的三维分布进行高时间分辨率、高角度分辨率和高能量分辨率探测,用以揭示太阳系能量粒子起源和加速的机理,满足我国行星际探测和即将开展的深空探测的迫切需求.

面向高维非线性最优化问题的粒子折跃算法

针对高维非线性最优化问题,在APSO和GA等智能算法的基础上,加入相邻对比、移动互斥思想,构建了一种新的智能算法——粒子折跃算法(Particle Warp,PW)。该算法通过对比每个粒子(解)在不同维度上的相近值构建虚拟粒子,计算适应度,为应对“早熟”现象,结合粒子跳跃的随机性、其他粒子对该粒子的排斥性,建立粒子折跃更新公式;针对CEC2017测试函数不同维度下最优化问题,利用PW与APSO、GA进行求解,分析了新算法的优越性,并将其应用于空间圆拟合中。研究表明,10种测试函数高维问题的求解中新算法体现了较强的优越性,在30维求解中优秀率达到90%;在空间圆拟合问题中,PW求取的适应度精确度比APSO提高了6.54%,比GA提高了6.93%,最优解更接近于设计值,最大偏差仅0.0864,满足实际需求,为工程实际中高维非线性最优化问题求解提供了一种新方法。

基于混合简化粒子群算法的贝叶斯网络结构学习研究

为改善当前贝叶斯网络结构学习算法易陷入局部最优、过早收敛和寻优效率低的问题,进行了混合简化粒子群算法优化贝叶斯网络结构学习的研究。该算法利用最大支撑树约束搜索空间,并提出V-结构与条件相对平均熵相结合的初始定向策略,然后利用爬山策略建立初始粒子群,再利用改进的粒子群优化算法和遗传算法对初始种群迭代优化,在迭代过程中提出条件交叉和变异策略避免粒子的随机发散更新,并结合副粒子增缓策略更新未优化粒子,避免算法陷入局部最优。该算法与其他算法在4种标准网络下进行了仿真实验。实验结果表明,所提算法在ASIA、CAR、CHILD、ALARM网络中相比于MMHC、GS、BNC-PSO、PC-PSO算法BIC评分分别平均高5.775%、5.8%、0.475%、2.75%;汉明距离HD更低,正确率ACC更高。

基于改进粒子群算法的木材板材下料方法

木材板材在家具行业应用广泛,以绿色环保、节约能源为目的的木材板材优化下料已经成为研究的热点。木材板材下料优化问题属于二维矩形下料问题,是一种具有高度计算复杂性的问题。本研究主要针对单规格木材板材进行矩形零件下料问题,在木材板材长和宽都大于零件长和宽的情况下,通过建立二维下料的数学模型,采用标准粒子群算法、变邻域搜索算法、粒子群混合变邻域搜索算法分别进行求解,并以某企业的下料实例进行分析计算。首先,利用标准粒子群算法求解单规格板材下料问题;其次,利用变邻域搜索算法求解单规格板材下料问题。在获得局部最优解的基础上改变其邻域结构再进行局部搜索,找到另一个局部最优解,如此不断迭代,直到满足算法的终止条件,获得全局最优解;最后,利用粒子群变邻域搜索混合算法求解单规格板材下料问题。针对粒子群算法局部搜索能力较差、容易过早收敛的问题和具有较好包容性的特点,将变邻域搜索的思想融入粒子群算法中,使结果更加趋向全局最优。结果表明:粒子群变邻域搜索混合算法相比粒子群算法和变邻域算法效率都有显著提升,能显著提高该木材板材的利用率,增加企业经济效益。

基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计

提高参数辨识的精度和SOC算法的精度是提高SOC估计的关键,该文提出了基于联合参数辨识的粒子群优化扩展粒子滤波的荷电状态(SOC)估计方法。在参数辨识阶段,结合遗忘因子递推最小二乘法在线辨识的优势,弥补粒子群辨识精度高但前期缺乏数据无法实时辨识的劣势,联合进行参数辨识;在SOC估计阶段,利用扩展卡尔曼滤波生成重要性密度函数,去克服粒子退化,同时采用粒子群优化算法优化重采样策略改进采样过程缓解粒子贫化。最后在联邦城市运行(FUDS)和US06高速公路运行(US06)工况下将所提算法与F-PF、F-PSO-PF、FPSO-PSO-PF进行了对比,结果表明,在FUDS工况下,方均根误差分别提高了65.4%、56.3%和43.5%;在US06工况下,方均根误差分别提高了45.8%、35.9%和35.1%,验证了所提算法具有较好的适应性和鲁棒性。

基于改进粒子群算法的PID控制参数优化

针对传统粒子群算法存在收敛速度慢,收敛精度低以及易陷入局部最优的问题,提出了一种融合中垂线策略的中垂线粒子群算法(MAPSO),同时引入惯性权重余弦调整策略,避免算法陷入局部最优。基于中垂线策略的游离粒子位置更新方法,能够加快粒子的收敛速度,从而增强算法的寻优速度和寻优精度。将改进的粒子群算法用于PID控制器参数优化,与Ziegler-Nichols(Z-N)公式法、线性递减惯性权重粒子群优化算法(MeanPSO)进行对比实验,结果表明中垂线粒子群算法精度更高,能够快速地整定PID参数,使控制系统响应函数性能指标更好。

基于改进粒子群算法的综合能源系统多目标优化运行

“双碳”目标下,电力能源系统需要逐步向节能低碳的方向发展,综合能源系统(IES)是解决能源与环保问题的重要举措。目前对IES的研究主要集中在分布式能源、储能并网和多目标优化等方面,智能算法是处理优化问题的重要途径,但随着模型复杂化,传统的智能算法存在收敛性差、容易陷入局部最优的问题。基于此围绕IES经济、环保与稳定运行目标,构建了考虑经济性、环保性及出力不平衡性3个指标的基于改进粒子群算法的IES多目标优化模型。首先,以3个指标最优为目标搭建了IES模型;其次,采用隶属度函数和层次分析法(AHP)进行归一化处理并确定权重系数;最后,引入粒子浓度评价算子改进粒子群算法,对所提模型进行求解,并分析系统在单一目标和多目标情况下的运行结果,验证了模型和算法的有效性。改进算法显著提高了收敛速度,有效避免了粒子陷入局部最优。

基于代价参考粒子滤波器组的多目标检测前跟踪算法

针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect, PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probability hypothesis density based track-before-detect, PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect, Bernoulli-TBD)相比, CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.

基于普鲁士蓝纳米粒子的免疫层析法检测小麦中的呕吐毒素

该研究采用普鲁士蓝纳米粒子(Prussian blue nanoparticles,PBNPs)作为信号标签,通过制备PBNPs和聚多巴胺包裹普鲁士蓝纳米粒子(polydopamine coated Prussian blue nanoparticles,PB@PDA),优化测试参数、测试试纸条灵敏度和特异性等,研究PBNPs和PB@PDA对呕吐毒素(deoxynivalenol,DON)的检测性能。结果表明,在最优实验条件下,所构建的基于PBNPs和PB@PDA的免疫层析试纸条对DON标准溶液视觉检出限分别为1.0 ng/mL和0.2 ng/mL,在0.1~0.5 ng/mL保持良好的线性关系,PB@PDA比PBNPs-LFIA检测灵敏度提高5倍,2种试纸条均显示良好的特异性。将PBNPs和PB@PDA两种试纸条应用于小麦样品检测,显示试纸条能排除小麦基质干扰,其检测限分别为20 ng/g和5 ng/g,且PB@PDA检测灵敏度高于商品化胶体金试纸条(10 ng/g)。可见,PB@PDA试纸条表现高灵敏性和抗干扰性,可满足呕吐毒素国家安全标准的限量检测要求,为现场快速筛查小麦中呕吐毒素污染提供一种新方法。

基于非结构网格粒子输运的蒙特卡罗模拟计算研究

传统的构造实体几何的建模方式不能满足复杂几何输运、多物理耦合计算和大尺度核辐射效应模拟等问题,目前MCNP程序允许在非结构化的网格下跟踪粒子,它是作为一个网格空间嵌入在传统的构造实体几何之中,非结构网格几何采用有限元程序ABAQUS创建,使用MCNP的径迹长度估计器计算非结构网格单元内的输运结果,并在非结构网格上执行单元对单元的跟踪,结果可以输出到ABAQUS或者Paraview进行可视化和其他物理分析。本文分析了两种典型的基准实验:Ueki固定源和Godiva临界源问题,模拟结果表明,UM几何的运行时间和与CSG几何的计算偏差与输入网格单元的数量、单元的阶数成正比,同样阶数的四面体比六面体结果误差更小,本文的非结构网格计算结果与传统的构造实体几何结构结果具有很好的一致性。

多翼离心风机叶轮内油性粒子沉积特性的数值研究

为了揭示多翼离心风机内部油性粒子沉积分布规律,减少风机内粒子沉积,采用Fluent离散相模型描述粒子运动,同时结合临界速度模型和用户自定义函数(UDF)建模油性粒子在壁面上的沉积,模拟研究了多翼离心风机内油性粒子的运动轨迹和沉积特性,并探究了颗粒直径对沉积分布的影响。结果表明:油性粒子沉积主要分布在叶片压力面,且靠近出口尾缘段尤为严重;由于进气条件不稳定,整机下内部流场更为紊乱,沉积情况也更为严重;大直径粒子受惯性力主导更容易沉积在叶片表面。针对油性粒子沉积分布规律及成因,提出了切割叶片减小叶片出口安装角从而减少叶轮内油性粒子沉积的方法。对于切割后的叶片,叶轮出口处流动分离区域减小,叶片尾缘段涡量减小,通过数值模拟和实验研究发现,叶轮内油性粒子沉积率分别下降了30.75%和30.66%,两者吻合良好,证实了提出的减小叶轮油性粒子沉积方法的有效性。

伴随粒子中子检测系统发展及应用

基于快中子技术的无损检测方法能够在不对检测物造成影响的情况下,发现其隐藏的危险品。利用D-T反应时伴随中子产生的反冲α粒子对有效中子进行标记,可大幅提高中子探测信噪比,同时通过空间分辨α粒子还可以获得被检测对象特征元素的空间信息,所以基于伴随α粒子的中子检测方法在安检领域具有重要的应用前景。本文简单介绍了基于伴随α粒子中子检测方法的原理和系统组成,并对系统的中子管、α粒子探测器和γ探测器等关键部件进行了介绍,接着介绍了目前世界上正在研究的伴随α粒子中子检测系统及其进展,最后对这种检测方法进行了展望。

基于多策略融合改进粒子群算法的路径规划研究

针对传统粒子群算法(particle swarm optimization,PSO)在路径规划中易陷入局部最优使得规划路径较长以及搜索后期由于种群多样性降低容易陷入停滞等问题,提出一种多策略融合粒子群算法(multi-strategy fusion particle swarm optimization,MFPSO)并将其应用于路径规划中。首先,利用中垂线算法(midperpendicular algorithm)的粒子位置更新方法提升粒子的收敛速度;其次,在最优粒子附近采用生成爆炸粒子的策略使算法跳出局部最优;然后,引入线性动态惯性权重调整方法,增加算法的搜索能力;最后,在路径规划应用中采用全局最优解局部搜索策略,在算法后期得出的最优路径再进行局部搜索得出更优的路径,增加机器人路径规划能力。仿真结果表明,多策略融合粒子群算法在路径规划中具有更高的路径搜索能力。

基于改进多目标粒子群的大型设备群检测策略优化方法

在大型履带起重机群(大型设备群)检验检测中,存在检测工期紧、检测质量和人员安全要求高、经济效益最大化等多目标约束下的最优检测策略制定问题,为此,提出了一种基于改进多目标粒子群的大型设备群检测策略优化方法(MOPSO)。首先,利用变异算子对传统的多目标粒子群算法优化方法进行了改进;然后,根据大型设备群检测项目的实际需求构建了检测工期、检测成本、检测质量与安全的多目标优化模型,并确定了各子目标的约束条件;最后,将该优化算法和构建的模型应用于大型履带起重机群的检测项目中,对该方法的有效性进行了验证。研究结果表明:与传统检测策略相比,在保证质量和安全的前提下,利用该方法得到最优的检测策略,其检测周期仅需3/4,检测单位成本节省了14%,受检单位成本节约了32.8%,极大地提升了检测效率,降低了企业和检验单位人力、经济和时间成本。因此,该方法具有良好的实用性和推广应用价值。

130 nm 7T SOI SRAM总剂量与单粒子协和效应研究

为进一步阐明SOI器件中总剂量效应(TID)与单粒子效应(SEE)间的协和效应,本文基于SOI工艺特征尺寸为130 nm的国产7T结构SRAM进行了相关研究。通过对4组SOI SRAM开展了不同TID辐照后的SEE实验,得到器件单粒子翻转(SEU)截面随TID的变化规律。SOI SRAM的SEU截面在TID辐照后呈现明显的降低,最大在750 krad(Si)剂量辐照后下降80.5%。器件的饱和截面呈现随剂量增加而下降的趋势,最大下降19.5%,研究中未发现SEU阈值的明显变化。分析认为,延迟晶体管N5的等效关态电阻因为TID辐照而增加,该现象会造成N5的延迟作用增强,是该款器件SEU截面下降的主要原因。采用这种7T结构的SOI SRAM的抗SEE性能会随其在轨累积剂量的增加而逐渐增强,这为今后电子器件的抗辐射加固提供了启示。