数据驱动建模方法改变了发电机传统的建模范式,导致传统的机电暂态时域仿真方法无法直接应用于新范式下的电力系统。为此,该文提出一种基于数据-模型混合驱动的机电暂态时域仿真(data and physics driven time domain simulation,DPD-T...数据驱动建模方法改变了发电机传统的建模范式,导致传统的机电暂态时域仿真方法无法直接应用于新范式下的电力系统。为此,该文提出一种基于数据-模型混合驱动的机电暂态时域仿真(data and physics driven time domain simulation,DPD-TDS)算法。算法中发电机状态变量与节点注入电流通过数据驱动模型推理计算,并通过网络方程完成节点电压计算,两者交替求解完成仿真。算法提出一种混合驱动范式下的网络代数方程组预处理方法,用以改善仿真的收敛性;算法设计一种中央处理器单元-神经网络处理器单元(central processing unit-neural network processing unit,CPU-NPU)异构计算框架以加速仿真,CPU进行机理模型的微分代数方程求解;NPU作协处理器完成数据驱动模型的前向推理。最后在IEEE-39和Polish-2383系统中将部分或全部发电机替换为数据驱动模型进行验证,仿真结果表明,所提出的仿真算法收敛性好,计算速度快,结果准确。展开更多
电源管理芯片在超过可承受温度范围工作时会对自身造成不同程度的损坏,过温保护电路对提高该类芯片的可靠性和鲁棒性具有重要作用。文中设计了一种具有温度过高关断和温度过低提醒等双重功能的高精度过温保护电路。利用正、负温度系数...电源管理芯片在超过可承受温度范围工作时会对自身造成不同程度的损坏,过温保护电路对提高该类芯片的可靠性和鲁棒性具有重要作用。文中设计了一种具有温度过高关断和温度过低提醒等双重功能的高精度过温保护电路。利用正、负温度系数电压对芯片温度进行实时检测,并与带隙基准电路输出端的不同基准电压分别进行比较得到4个逻辑翻转点,进而通过高精度比较器电路和迟滞逻辑电路处理后,输出迟滞逻辑信号来控制芯片的工作状态或进行温度过低提醒。基于0.18μm BCD(Bipolar-Complementary Metal Oxied Semiconductor-Double diffused Metal Oxide Semiconductor)工艺设计并完成了相关仿真验证,仿真结果表明,在电源电压范围为3.0~5.5 V时,该电路输出端的迟滞逻辑翻转信号对应的温度阈值最大偏移量在0.3℃以内,具备较高的精度,可广泛集成于各种需要过温保护功能的电源管理芯片。展开更多
针对轴承微小故障信号非平稳非线性且易受背景噪声干扰的特点,提出了一种基于格拉姆角场和多尺度卷积神经网络(Gramian angular field and multi-scale convolutional neural network,GAF-MCNN)的智能故障诊断方法。首先,利用分段聚合...针对轴承微小故障信号非平稳非线性且易受背景噪声干扰的特点,提出了一种基于格拉姆角场和多尺度卷积神经网络(Gramian angular field and multi-scale convolutional neural network,GAF-MCNN)的智能故障诊断方法。首先,利用分段聚合近似算法对原始振动信号进行压缩降维预处理,以减少数据存储空间和提升计算效率;然后,利用格拉姆角场算法将一维序列信号转换为二维矩阵热图,二维化后的矩阵加强了原始振动信号间的时间关系,将时间维度编码到了矩阵结构中;最后,设计了基于多尺度卷积神经网络对故障进行高效快速智能诊断。实验结果表明,GAF-MCNN诊断方法不仅克服了传统卷积神经网络诊断方法存在的计算效率较低的问题,而且诊断准确率优于单尺度卷积神经网络方法,具有较强的工程实用性。展开更多
文摘电源管理芯片在超过可承受温度范围工作时会对自身造成不同程度的损坏,过温保护电路对提高该类芯片的可靠性和鲁棒性具有重要作用。文中设计了一种具有温度过高关断和温度过低提醒等双重功能的高精度过温保护电路。利用正、负温度系数电压对芯片温度进行实时检测,并与带隙基准电路输出端的不同基准电压分别进行比较得到4个逻辑翻转点,进而通过高精度比较器电路和迟滞逻辑电路处理后,输出迟滞逻辑信号来控制芯片的工作状态或进行温度过低提醒。基于0.18μm BCD(Bipolar-Complementary Metal Oxied Semiconductor-Double diffused Metal Oxide Semiconductor)工艺设计并完成了相关仿真验证,仿真结果表明,在电源电压范围为3.0~5.5 V时,该电路输出端的迟滞逻辑翻转信号对应的温度阈值最大偏移量在0.3℃以内,具备较高的精度,可广泛集成于各种需要过温保护功能的电源管理芯片。
文摘针对轴承微小故障信号非平稳非线性且易受背景噪声干扰的特点,提出了一种基于格拉姆角场和多尺度卷积神经网络(Gramian angular field and multi-scale convolutional neural network,GAF-MCNN)的智能故障诊断方法。首先,利用分段聚合近似算法对原始振动信号进行压缩降维预处理,以减少数据存储空间和提升计算效率;然后,利用格拉姆角场算法将一维序列信号转换为二维矩阵热图,二维化后的矩阵加强了原始振动信号间的时间关系,将时间维度编码到了矩阵结构中;最后,设计了基于多尺度卷积神经网络对故障进行高效快速智能诊断。实验结果表明,GAF-MCNN诊断方法不仅克服了传统卷积神经网络诊断方法存在的计算效率较低的问题,而且诊断准确率优于单尺度卷积神经网络方法,具有较强的工程实用性。
