期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
航天器电子产品多引脚器件引脚疲劳寿命研究
1
作者 金磊 郑江涛 +3 位作者 屈诚志 王诚 陈天石 黄忞 《上海航天(中英文)》 CSCD 2022年第S02期183-189,共7页
空间站电源产品为适应产品小型化发展趋势,多引脚器件被广泛使用。为保证电源产品在力学环境下的高可靠性需求,针对多引脚器件的引脚疲劳断裂问题,提出疲劳寿命分析方法。在Miner累计损伤理论的基础上,建立了根据仿真数据判定器件疲劳... 空间站电源产品为适应产品小型化发展趋势,多引脚器件被广泛使用。为保证电源产品在力学环境下的高可靠性需求,针对多引脚器件的引脚疲劳断裂问题,提出疲劳寿命分析方法。在Miner累计损伤理论的基础上,建立了根据仿真数据判定器件疲劳寿命的策略,并对主要的影响因素进行优化改进,合理控制器件在设计周期内力学试验中的疲劳寿命损耗,经过计算分析表明,通过该方法得到的器件疲劳寿命,可确保空间站电源产品使用的多引脚器件可以长期稳定使用。 展开更多
关键词 疲劳寿命 拉应力 剪切力 相对位移 动态应力
下载PDF
南北构造带北段S波分裂研究及其动力学意义
2
作者 陈天仕 程斌 +1 位作者 董云鹏 王兆国 《地质科学》 CAS CSCD 北大核心 2018年第3期860-875,共16页
南北构造带北段位于青藏高原东北缘及其向北东方向扩展的区域,其岩石圈变形特征对于探讨青藏高原东北缘变形机制及其扩展范围具有非常关键的意义。地震波各向异性能很好地反映上地幔的变形特征。因此,本文对布设在南北构造带北段的流... 南北构造带北段位于青藏高原东北缘及其向北东方向扩展的区域,其岩石圈变形特征对于探讨青藏高原东北缘变形机制及其扩展范围具有非常关键的意义。地震波各向异性能很好地反映上地幔的变形特征。因此,本文对布设在南北构造带北段的流动地震台站记录的远震波形资料进行s波分裂研究,获得了研究区上地幔各向异性图像以及该区岩石圈地幔的变形特征信息。s波分裂研究结果表明,研究区地震波各向异性来自于上地幔,区内不同构造单元上地幔各向异性方向不尽相同。快波方向分布显示,青藏高原东北缘,鄂尔多斯西缘以及贺兰构造带北段的快波方向主要表现为NW—SE向,与前人在银川地堑和贺兰构造带中、北部得到的NW—SE向的上地幔各向异性方向一致,显示这些地区岩石圈地幔变形一致,该结果表明青藏高原东北缘向北东方向扩展的影响范围已到达贺兰构造带北段。阿拉善地块内部快波方向显示为NE—SW向,与阿拉善地块北部存在的北东向展布的晚古生代岩浆岩方向一致,表明该NE-SW向的快波方向可能代表地是“化石”各向异性,是晚古生代阿拉善地块受到古亚洲洋闭合作用的结果。此外,鄂尔多斯地块内也存在NE—SW向的各向异性方向,与区内中一晚侏罗世存在的NE—SW向逆冲推覆构造方向一致,因此该各向异性方向也代表了“化石”各向异性,是鄂尔多斯地块受到古特提斯构造域的块体碰撞、古太平洋板块北西向俯冲以及西伯利亚板块向南俯冲共同作用的结果。 展开更多
关键词 南北构造带 青藏高原东北缘 S波分裂 地震波各向异性 岩石圈变形
下载PDF
一种用于VR场景的声音渲染优化方法
3
作者 陈天石 帖云 +1 位作者 齐林 陈恩庆 《光电工程》 CAS CSCD 北大核心 2018年第6期106-112,共7页
对于包含成百上千可移动声源的虚拟场景,由于聚类阶段所需运算代价过高,传统的空间声音渲染方案往往需要占用过多的运算资源。这已经成为VR音频渲染技术发展的瓶颈。本文在声音采样的过程中运用分数阶傅里叶变换这一工具,降低了模数转... 对于包含成百上千可移动声源的虚拟场景,由于聚类阶段所需运算代价过高,传统的空间声音渲染方案往往需要占用过多的运算资源。这已经成为VR音频渲染技术发展的瓶颈。本文在声音采样的过程中运用分数阶傅里叶变换这一工具,降低了模数转换阶段的量化噪声。此外,通过在聚类这一步骤中添加平均角度偏差阈值的方法提高了声音处理的运算速度,改善了整个系统的运算效率。设计并进行一项感知用户实验,证实了在可视情况下,人对不同类声源聚类产生的空间误差更加敏感这一观点。根据这一结论,本文提出了一种新的空间声音聚类方法,在可视情况下降低了不同类声源聚类为一组的可能性。 展开更多
关键词 声音渲染 聚类:感知用户实验 平均角度误差
下载PDF
MW-DLA:a dynamic bit width deep learning accelerator 被引量:1
4
作者 Li Zhen Zhi Tian +2 位作者 Liu Enhe Liu Shaoli chen tianshi 《High Technology Letters》 EI CAS 2020年第2期145-151,共7页
Deep learning algorithms are the basis of many artificial intelligence applications.Those algorithms are both computationally intensive and memory intensive,making them difficult to deploy on embedded systems.Thus var... Deep learning algorithms are the basis of many artificial intelligence applications.Those algorithms are both computationally intensive and memory intensive,making them difficult to deploy on embedded systems.Thus various deep learning accelerators(DLAs)are proposed and applied to achieve better performance and lower power consumption.However,most deep learning accelerators are unable to support multiple data formats.This research proposes the MW-DLA,a deep learning accelerator supporting dynamic configurable data-width.This work analyzes the data distribution of different data types in different layers and trains a typical network with per-layer representation.As a result,the proposed MW-DLA achieves 2X performance and more than 50%memory requirement for AlexNet with less than 5.77%area overhead. 展开更多
关键词 deep learning accelerator(DLA) per-layer representation multiple-precision ARITHMETIC unit
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部