基于递归神经网络的TVS电磁脉冲响应建模

针对传输线脉冲(TLP)测试方法实施过程工作量较大、测试结果与实际情况相符程度较差的问题,提出一种基于递归神经网络建模的电磁脉冲响应预测方法。该方法基于TLP测试系统,增加机器模型静电放电和人体金属模型静电放电两类注入电磁脉冲,分别建立Elman,Jordan神经网络以及它们的组合Elman-Jordan神经网络对NUP2105L型瞬态抑制二极管(TVS)进行建模,预测不同脉冲条件下TVS的响应。仿真结果表明,递归神经网络建模效果好、运算效率高。

基于改进型Elman网络的TVS电磁脉冲效应仿真

针对传输线脉冲(Transmission Line Pulse,TLP)测试方法实施过程工作量较大、实验结果与实测数据吻合较差的问题,提出一种基于改进型Elman神经网络的电磁脉冲(Electromagnetic Pulse,EMP)响应建模方法。在TLP方法基础上增设机器模型静电放电和人体金属模型静电放电2类电磁脉冲,利用隐含层神经元数目为10的改进型Elman神经网络对NUP2105L型瞬态抑制二极管(Transient Voltage Suppressor,TVS)的实验数据进行建模,并预测不同脉冲条件下TVS的响应。仿真结果表明,该方法建模精度高、泛化能力强,能够定量判断TVS性能,满足电路快速选件需要。

基于GABP神经网络曲线拟合的快沿电磁脉冲信号源模型求解

为给电子设备的电磁脉冲效应仿真提供准确的快沿电磁脉冲(fast rise-time electromagnetic pulse,FREMP)信号源模型,提出一种基于遗传算法优化BP神经网络(GABP-NN)曲线拟合的信号源模型求解方法;该方法通过示波器对脉冲信号进行采集,利用GABP神经网络对波形曲线进行高精度拟合,提取网络参数建立信号源模型;为进一步获得BP神经网络拟合规律设置对比实验,采用隐含层神经元数为10的GABP神经网络对FREMP信号源进行建模,所得模型拟合度为91.64%;仿真结果表明该方法运算速度快、精度高。

ESD EMP能量耦合线性化建模

针对利用非线性建模方法研究静电放电电磁脉冲(Electro Static Discharge Electro Magnetic Pulse,ESD EMP)能量耦合存在计算复杂、模型收敛性能较差的问题,基于ESD辐照实验提出了一种非线性系统线性化建模方法。该方法是将系统响应与激励间的非线性关系转化为线性关系后,利用带遗忘因子的递推最小二乘法进行线性回归来建立模型。首先利用3.5 k V ESD实验数据进行建模,然后应用3.5 kV、4.5 kV ESD实验数据进行模型验证,2种情况下的拟合度均达到94.303 3%。结果表明:线性化建模能有效降低建模难度,且模型精度较高,为ESD能量耦合研究提供了一种简便有效的建模方法。