针对振动能量收集电路整流二极管损耗大、非线性电路控制复杂以及优化负载不高的问题,提出了大负载高功率振动能量收集同步整流与电荷提取方法。通过同步电感翻转电压提高整流电压,采用短时能量提取缩短整流器件导通时间,减小能量损耗,...针对振动能量收集电路整流二极管损耗大、非线性电路控制复杂以及优化负载不高的问题,提出了大负载高功率振动能量收集同步整流与电荷提取方法。通过同步电感翻转电压提高整流电压,采用短时能量提取缩短整流器件导通时间,减小能量损耗,实现高功率能量收集。基于压电等效模型设计了自供电同步整流与电荷提取电路(self-powered synchronous rectification and electric charge extraction,简称SP-SREE),对一个振动周期电路各工作阶段进行分析,推导出SP-SREE电路理论收集功率,并对电路进行功能测试和负载功率特性测试。理论分析与实验对比表明,所提出的方法在大负载下具有更高的收集功率,可为机械振动无线传感器网络等能源受限场景下自供电提供重要参考。展开更多
极低频电磁台网成功观测到大量的Pc1地磁脉动事件,研究极低频Pc1地磁脉动的自动识别方法对于全面分析地球空间电磁物理环境具有重要意义.本文采用了YOLOv8目标检测网络、ResNet残差网络和定向特征增强技术,提出了一种基于计算机视觉的Pc...极低频电磁台网成功观测到大量的Pc1地磁脉动事件,研究极低频Pc1地磁脉动的自动识别方法对于全面分析地球空间电磁物理环境具有重要意义.本文采用了YOLOv8目标检测网络、ResNet残差网络和定向特征增强技术,提出了一种基于计算机视觉的Pc1地磁脉动自动识别模型(Automatic Detection Model for Pc1 Geomagnetic Pulsation,简称ADM-Pc1).以大连台站和丽江台站的极低频观测数据为例,利用2015—2016年的数据作为训练集进行模型的监督学习,并使用2017—2022年的数据作为测试集对模型性能进行评估.实验结果显示,ADM-Pc1模型的F1-Score值达到了95%,错分率仅为0.9%,虚警率仅为5.8%,漏检率仅为9%,处理1天数据平均耗时是2.72 s,显著优于现有的最优识别模型.这表明,ADM-Pc1模型在识别效果和计算速度方面均能更好地满足实际工程需求.展开更多
针对深水桥梁在海洋中面对波浪的冲击问题,以某跨海斜拉桥为例,设定P-M谱为目标谱,依据Welch算法对海浪功率谱进行验证,基于以上理论采用fluent软件建立数值波浪水槽,根据重现期为10年、50年和100年分别计算对应的波高为6.4 m, 7.2 m和9...针对深水桥梁在海洋中面对波浪的冲击问题,以某跨海斜拉桥为例,设定P-M谱为目标谱,依据Welch算法对海浪功率谱进行验证,基于以上理论采用fluent软件建立数值波浪水槽,根据重现期为10年、50年和100年分别计算对应的波高为6.4 m, 7.2 m和9.6 m的波浪力,并将波浪力导入斜拉桥进行动力响应计算。综合分析大桥的动力响应,结果表明,(1)纵桥向波浪力是由横桥向波浪冲击桥墩出现绕射效应而产生,所以斜拉桥所受横桥向波浪力远大于纵桥向波浪力;(2)随着波高的增大,斜拉桥的动力响应峰值逐渐增大,主跨跨中和塔顶动力响应峰值随波高的增长率最快,次边跨跨中动力响应峰值随波高的增长率次之,边跨跨中动力响应峰值随波高的增长率最慢;(3)随着波浪荷载的增大,塔顶横向位移响应增幅显著,塔顶位移响应峰值最大达到0.0598 m。相关研究对大跨度深水桥梁的设计和动力分析有一定的参考意义。展开更多
文摘针对振动能量收集电路整流二极管损耗大、非线性电路控制复杂以及优化负载不高的问题,提出了大负载高功率振动能量收集同步整流与电荷提取方法。通过同步电感翻转电压提高整流电压,采用短时能量提取缩短整流器件导通时间,减小能量损耗,实现高功率能量收集。基于压电等效模型设计了自供电同步整流与电荷提取电路(self-powered synchronous rectification and electric charge extraction,简称SP-SREE),对一个振动周期电路各工作阶段进行分析,推导出SP-SREE电路理论收集功率,并对电路进行功能测试和负载功率特性测试。理论分析与实验对比表明,所提出的方法在大负载下具有更高的收集功率,可为机械振动无线传感器网络等能源受限场景下自供电提供重要参考。
文摘极低频电磁台网成功观测到大量的Pc1地磁脉动事件,研究极低频Pc1地磁脉动的自动识别方法对于全面分析地球空间电磁物理环境具有重要意义.本文采用了YOLOv8目标检测网络、ResNet残差网络和定向特征增强技术,提出了一种基于计算机视觉的Pc1地磁脉动自动识别模型(Automatic Detection Model for Pc1 Geomagnetic Pulsation,简称ADM-Pc1).以大连台站和丽江台站的极低频观测数据为例,利用2015—2016年的数据作为训练集进行模型的监督学习,并使用2017—2022年的数据作为测试集对模型性能进行评估.实验结果显示,ADM-Pc1模型的F1-Score值达到了95%,错分率仅为0.9%,虚警率仅为5.8%,漏检率仅为9%,处理1天数据平均耗时是2.72 s,显著优于现有的最优识别模型.这表明,ADM-Pc1模型在识别效果和计算速度方面均能更好地满足实际工程需求.