摘要：为降低反激式变换器开关损耗和提高输出电压精度,设计了一种具有准谐振(QR)和动态采样功能的交流/直流(AC/DC)反激式原边反馈电源管理芯片。在断续导通模式(DCM)下,当次级电流降低为零时,开关管漏极产生谐振,准谐振电路能够检测到谐振电压的最低点,实现谷底导通,理论上能降低开关损耗和电磁干扰(EMI)。并采用随负载变化而改变采样点的方式来提高输出电压的精度。采用华虹90 nm BCD工艺制作了AC/DC反激式电源管理芯片,在交流输入电压85~265 V的测试条件下,实现了谷底导通,芯片平均效率为76.7%,在输入电压最大且满载情况下效率最高为83%。

摘要：研究了中频模拟器中时变系统采样间隔的高动态多普勒频移模拟方法.基于卫星运动模型研究了信号高动态频移特性,提出基于变频率动态采样的伪码和载波多普勒频率偏移模拟方法;给出高精度码多普勒频移模拟设计方案,通过省略传统方法中必需的码数控振荡器模块来降低系统实现的硬件复杂度;通过对伪码频率模拟误差精度的分析,推导了算法主要参数取值的闭式解.仿真结果表明,在接收信号频率具有有限二阶变化率的高动态环境下,该方法可有效提升多普勒频移模拟精度,并给出具有高稳定度的结果.

摘要：随着电力电子器件向着智能高频化发展以及分布式新能源的大规模并网,超谐波引发的电能质量问题日益凸显,然而,由于超谐波信号非平稳、宽频域等特性导致其监测难度相对较大。因此,该文提出一种基于动态采样压缩感知的超谐波监测方法。在采样端,设计动态压缩采样法,对超谐波信号施加柔性时窗,通过引入尺度伸缩因子实现对窗口宽度的反馈型柔性调制。同时,理论证明时窗内超谐波信号的稀疏性,从而突破Nyquist高频采样局限,实现超谐波信号低速动态压缩采样。在重构端,设计变步长稀疏度自估计子空间追踪–动态基追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP-DBP)动态重构算法。以变步长稀疏度自估计子空间追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP)算法求得初始解,在初始解的基础上,提出动态基追踪(dynamic basis pursuit,DBP)算法,利用信号支撑集的时间相关性,将上一时刻解作为先验信息提升重构信号求解速度,克服了传统算法连续重构时计算复杂度高、实时性差的弊端。最后,采用风电并网模型对超谐波信号实验,测试结果表明,所提方法可实现超谐波的动态监测和精确重构,并且具有信号低采样数据量,重构准确度高和快速性优势。

摘要：动态采样比静态采样具有更高的采样效率,所以研究动态采样替代静态采样的适用条件具有一定意义。通过设计两组与静态采样的对比实验,得到其动态采样的适用条件:拍摄步长要小于12°/帧,荧光深度要大于2mm。进行动态采样时至少满足上述的两个条件时动态采样才能较好地替代静态采样。

摘要：液压系统的液压油,一旦被剥落物、金属屑、研磨粉、橡胶质、砂子和沉积物等污染,就会加剧元件磨损,引起泄漏增加,以致降低性能和缩短寿命,甚至最终导致元件损坏,系统失灵。因此,随着使用要求的不断提高,其油液清洁度要求也日益受到重视。

摘要：为了准确地提取虚拟内窥镜的漫游路径,消除漫游过程中视觉上的画面旋转的现象,提出一种结合骨架提取与路径优化的虚拟内窥镜自动漫游方法.首先采用一种基于体素密度值加权的最短路径生成算法,在细化后的三维医学影像数据初始骨架上提取简单漫游路径;然后采用三次B样条曲线拟合方法得到最终的漫游路径;在沿此路径漫游时,通过计算最小旋转标架来优化虚拟摄像机的向上矢量,并设定向上矢量角度旋转阈值对漫游路径进行动态重采样,优化虚拟摄像机的位置参数.实验结果证明,该方法能提取准确的虚拟内窥镜漫游路径,并能获得较好的漫游视觉效果.

摘要：为提高电磁环境下电路的抗干扰特性,基于电路进化设计思想,采用基因编程算法自动实现鲁棒性模拟电路的进化设计,使电路在局部元件受扰情况下仍然能够保持原有功能,并且电路的整体性能衰减较小。同时定义了电路局部短路和局部断路两种故障模式,通过调节电路中每个元件并联电阻的阻值来模拟电路故障状况及其损伤程度,采用基于动态抽样的近似鲁棒性评估技术实现低通滤波器的进化设计;最后分别对标准进化电路和鲁棒电路在不同状况下电路的输出响应进行测试。实验结果表明:通过引入假设故障模型和鲁棒性评价模型,在电路进化适应度评估过程中增加电路鲁棒性评价能够进化出固有鲁棒的电路;在局部短路故障情况下,在频率响应曲线中,鲁棒电路基本保持原始弯曲状态,频域响应曲线仅有6.27%的衰减率;局部断路故障情况下,鲁棒电路能够很好的保持原始输出响应,频域响应曲线仅有3.4%的衰减。

摘要：针对复杂背景下多尺度火焰的检测精度低且容易发生误报等问题,提出了一种无锚框结构的新型火灾检测算法。该算法取消了锚框的预设置,采用逐点预测的方式减少网络的超参数,从而有效地减轻了人工先验知识的影响;引入BFP模块优化特征融合,通过对层间信息的整合有效利用了特征的全局信息,增强了多尺度特征的表达能力;设置融合因子控制层间信息传递,在保证特征信息充分融合的同时减弱高层特征的影响,提升了浅层特征对于小目标的学习能力;设计动态采样方式调整训练过程,采用中心采样和置信度原则提升样本点质量,强化了网络对火焰特征的学习效果。在自建数据集上该算法的检测精度达到了96.9%,在公开数据集上也有较好的检测效果。实验结果表明,该算法检测精度高,抗干扰能力强,对于复杂背景下的多尺度火焰具有较好的检测效果,能够较好抑制误报情况的发生,满足实际火灾检测任务的需要。

摘要：针对精密定位工作台目前存在的高精度、大行程和低成本难以协调的问题,提出一种差动式结构的工作台,利用动态采样的方法对开环误差进行标定,建立误差模型,通过控制上下叠加的两个工作台差动对系统误差进行动态补偿.研究表明:利用差动原理对误差动态补偿的方法有效提高了工作台精度和系统灵敏度,为微位移机构的设计提供了新的思路和方法.

摘要：群搜索优化算法(Group Search Optimizer,GSO)具有广泛的生物学背景,特别是引入动物的视觉搜索机制,并且同一些已有的群智能算法相比较,在高维多峰问题上有更好的效果.但算法在个体觅食策略的选择上以及整个动物群体间信息共享的网络拓扑结构来看,存在错过最优值和信息交流模式过于简单的缺陷.受NW模型的启发,同时采用动态采样的方式提出了交互变邻域微分进化群搜索优化算法(Interactive Dynamic Neighborhood Differential Evolutionary GSO,IDGSO),并采用均匀设计和线性回归方法对参数进行选择,4个标准测试函数表明了IDGSO的有效性.