针对电力应用场景中电磁脉冲导致芯片性能异常退化、芯片内MOSFET(Metal Oxide Semiconductor Field Effect Transistor)等器件失效机理不清晰等问题,本研究采用幅值和宽度分别为8 V和100 ns的TLP(Transmission Line Pulse)脉冲施加至5 ...针对电力应用场景中电磁脉冲导致芯片性能异常退化、芯片内MOSFET(Metal Oxide Semiconductor Field Effect Transistor)等器件失效机理不清晰等问题,本研究采用幅值和宽度分别为8 V和100 ns的TLP(Transmission Line Pulse)脉冲施加至5 V NMOS器件栅氧层,测量了不同脉冲循环次数下器件输出特性曲线I d V d和转移特性曲线I d V g,通过分析不同TLP脉冲条件下跨导的变化规律研究了阈值电压和载流子迁移率随TLP脉冲个数的退化规律。研究结果表明,相同漏电压V d和栅极电压V g下,器件漏电流I d随TLP脉冲次数的增加而升高;TLP脉冲导致阈值电压V T降低显著,施加20000次TLP脉冲后V T降低约25.66%;TLP脉冲造成器件阈值电压的变化量呈指数升高,通过拟合指数为0.11~0.15;TLP脉冲对沟道内载流子迁移率的影响不明显。展开更多
变压器油中溶解气体体积分数是表征变压器健康状态及故障特性的重要参量。因此,准确预测变压器油中溶解气体的体积分数,有助于及时把握变压器的状态演化与故障发展趋势。现有对气体体积分数预测的研究多集中在点预测方面,难以全面反映...变压器油中溶解气体体积分数是表征变压器健康状态及故障特性的重要参量。因此,准确预测变压器油中溶解气体的体积分数,有助于及时把握变压器的状态演化与故障发展趋势。现有对气体体积分数预测的研究多集中在点预测方面,难以全面反映气体体积分数的不确定性信息。针对此问题,提出了一种基于灰狼优化长短期记忆网络(long short⁃term memory based on grey wolf optimization,GWO⁃LSTM)与非参数核密度估计(non⁃parametric kernel density estimation,NKDE)的变压器油中溶解气体体积分数点—区间联合预测方法。首先,搭建变压器油中溶解气体体积分数点—区间联合预测模型的整体结构,阐述预测的实现过程;其次,利用自适应噪声完备集合经验模态分解方法将气体体积分数原始序列分解成若干个较为平缓的子序列,再基于GWO⁃LSTM对上述子序列分别进行点预测,并将所有子序列点预测结果叠加合成还原为气体体积分数点预测结果;然后,基于气体体积分数点预测结果及NKDE构造气体体积分数预测误差的概率密度估计函数,进而生成不同置信水平下的区间预测结果;最后,对所提方法进行算例分析,算例结果验证了所提方法的有效性。展开更多
文摘针对电力应用场景中电磁脉冲导致芯片性能异常退化、芯片内MOSFET(Metal Oxide Semiconductor Field Effect Transistor)等器件失效机理不清晰等问题,本研究采用幅值和宽度分别为8 V和100 ns的TLP(Transmission Line Pulse)脉冲施加至5 V NMOS器件栅氧层,测量了不同脉冲循环次数下器件输出特性曲线I d V d和转移特性曲线I d V g,通过分析不同TLP脉冲条件下跨导的变化规律研究了阈值电压和载流子迁移率随TLP脉冲个数的退化规律。研究结果表明,相同漏电压V d和栅极电压V g下,器件漏电流I d随TLP脉冲次数的增加而升高;TLP脉冲导致阈值电压V T降低显著,施加20000次TLP脉冲后V T降低约25.66%;TLP脉冲造成器件阈值电压的变化量呈指数升高,通过拟合指数为0.11~0.15;TLP脉冲对沟道内载流子迁移率的影响不明显。
文摘变压器油中溶解气体体积分数是表征变压器健康状态及故障特性的重要参量。因此,准确预测变压器油中溶解气体的体积分数,有助于及时把握变压器的状态演化与故障发展趋势。现有对气体体积分数预测的研究多集中在点预测方面,难以全面反映气体体积分数的不确定性信息。针对此问题,提出了一种基于灰狼优化长短期记忆网络(long short⁃term memory based on grey wolf optimization,GWO⁃LSTM)与非参数核密度估计(non⁃parametric kernel density estimation,NKDE)的变压器油中溶解气体体积分数点—区间联合预测方法。首先,搭建变压器油中溶解气体体积分数点—区间联合预测模型的整体结构,阐述预测的实现过程;其次,利用自适应噪声完备集合经验模态分解方法将气体体积分数原始序列分解成若干个较为平缓的子序列,再基于GWO⁃LSTM对上述子序列分别进行点预测,并将所有子序列点预测结果叠加合成还原为气体体积分数点预测结果;然后,基于气体体积分数点预测结果及NKDE构造气体体积分数预测误差的概率密度估计函数,进而生成不同置信水平下的区间预测结果;最后,对所提方法进行算例分析,算例结果验证了所提方法的有效性。