高压电子束焊机LCC谐振变换器的轨迹分析

虽然基于LC串联谐振变换器的高压电源研究己经相对成熟,但在高压大功率方面仍存在一些不足,为了得到更适合高频、高压、大功率电源的拓扑结构,研究了具有多谐振过程的LCC串并联谐振变换器,对LCC谐振变换器的两种工作方式进行了详细分析,建立了LCC谐振变换器的统一等效模型,推导了其稳态时的数学时域表达式,分别绘制了工作于电流断续模式DCM1和DCM2两种模式下的状态变量轨迹图,并分析得到适合LCC谐振电路的控制方式,给出了仿真波形,搭建了电子束焊机-60 kV/6 kW高压电源样机,给出了实验结果,验证了分析的可行性。

光学遥感图像目标检测数据集综述

近年来,随着深度学习等人工智能技术在光学遥感目标检测领域中的快速发展,大量相关研究算法不断涌现,逐渐形成了一种基于数据驱动的光学遥感图像目标检测新范式。高质量的遥感数据成为了此类范式算法研究的前置条件和必要储备,遥感数据的重要性日益凸显。迄今为止,国内外各大研究机构已相继发布了数量众多且规模不一的光学遥感图像目标检测数据集,为基于深度学习的遥感图像目标检测算法的发展奠定了研究基础。然而,当前尚未有相关学者对已发布的光学遥感图像检测数据集进行全面的归纳整理与分析,针对此问题,本文全面调研领域文献,对2008年—2023年期间已发布的公开光学遥感图像检测数据集进行整合分析,并依据不同的数据标注方式进行划分,对其中的11个典型数据集进行了全面阐述,以表格的形式对所有的数据集信息进行归纳总结,同时采用3种分析方式去描述数据集的发展情况,即:元数据分析,从数量分布、地域分布、来源分布、规模分布着手;分辨率分析,从空间分辨率与光谱分辨率着手;基本信息分析,从类别数量、图像数量、实例数量及图像宽度信息着手,有效论证了光学遥感图像目标检测数据集必然朝着高质量、大规模、多类别的方向发展。此外,针对已发布的数据集,从水平框目标检测、旋转框目标检测以及细分检测方向(小目标检测和细粒度检测)等多个角度对相关算法的应用和发展进行了概述,证实了遥感数据对目标检测算法的研究具有积极的推动作用。综上,本文将为基于深度学习的目标检测算法在遥感领域的应用提供参考。