1 电子科技大学, 成都 610054
2 中国电子科技集团公司第二十四研究所, 重庆 400060
电源管理芯片在电子设备系统中担负起对电能的变换、分配、检测及其他电能管理的职责, 最常见的结构是线性电源和开关电源。开关电源通过控制开关管开通和关断的时间, 维持稳定的输出电压, 以其高效率、小型化的特点而广泛应用于几乎所有的电子设备。工业控制系统、汽车电子等领域往往存在多个电压轨, 在不同工作阶段还存在输入电压瞬间大范围变换的情况, 这要求其具有高输入电压的同时, 还需要在一个较宽的输入范围内能够高效地给负载供电。文章围绕宽输入电压DC-DC的转换效率提升、快速响应技术及低EMI设计进行了综合阐述, 并分析了学术界和业界的一些最新进展。
开关电源 DC-DC转换器 宽输入电压 switching power supply DC-DC converter wide input voltage
1 电子科技大学 电子薄膜与集成器件国家重点实验室, 成都 610054
2 电子科技大学 重庆微电子产业技术研究院, 重庆 401331
3 中国电子科技集团公司 第二十四研究所, 重庆 400060
设计了一种无运放带隙基准电路,该电路采用电压自调节技术来稳定输出基准电压,并实现该带隙基准电路在较宽频率范围内的高PSRR。该基准采用无运放结构,在降低电路复杂性的同时,避免了运算放大器的失调电压对输出基准的温度系数的影响。基于0.18 μm BCD工艺,在Cadence环境下仿真得到该电路在10 Hz时,PSRR为-94 dB,在1 MHz时,PSRR为-44 dB;在-40~125 ℃温度范围内,温度系数为4×10-6/℃;包含启动电路在内,该电路静态电流约为14 μA,片上面积约为0.016 mm2。
带隙基准 电源抑制比 无运放 电压自调节 bandgap reference power supply rejection ratio without op-amp voltage self-regulation
河海大学计算机与信息学院,江苏 南京 210098
针对现有深度学习算法在进行医学图像配准时出现的模型对噪声敏感、精度较低等问题,提出一种基于结构光和CT图像的点云配准算法,旨在提高配准精度、算法鲁棒性的同时,避免图像采集过程中X射线带来的辐射。首先,向术中患者体表投射编码后的结构光,并使用主成分分析方法获取主轴矫正后术中患者的体表点云;然后,对术前患者进行CT扫描并进行三维重建及采样获取术前患者的体表点云。最后,构建一种基于特征重用和注意力机制的动态图卷积网络模型结合图像迭代配准算法进行人体背部点云配准。整个过程较好地融合了两种模态的信息,且具有无辐射、精度较高、用时较短等优点。
多模态点云配准 注意力机制 多尺度特征融合 主轴矫正 激光与光电子学进展
2023, 60(22): 2210007
1 电子科技大学, 成都 610054
2 中国电子科技集团公司 第二十四研究所, 重庆 400060
提出了一种基于电流比较的无基准电压型Cap-less LDO。将输出电压转换为电流后与参考电流比较,无需独立的基准电压模块,可降低功耗。在环路中插入了一个带有源反馈补偿网络的误差放大器,可增加环路增益,从而提升精度,在减少片上补偿电容的同时维持宽负载范围内的环路稳定性。该LDO采用65 nm标准CMOS工艺仿真验证,仿真结果显示,当负载电容为100 pF时,静态电流为9.4 μA,片上补偿电容仅需0.25 pF,当输出负载在100 μA和50 mA之间处切换时,恢复时间小于1 μs,带有源反馈LDO的上冲和下冲分别为94 mV和21 mV,和不带有源反馈的LDO相比,上冲和下冲分别减少了28%和79%。
恢复时间 快速瞬态响应 LDO low drop-out regulator recovery time rapid transient response
中国电子科技集团公司 第二十四研究所, 重庆 400060
提出了一种采用低阈值技术实现的高速采样保持电路。采样保持电路采用电容翻转式架构,利用栅压自举开关技术提高了采样开关的线性度,通过下极板采样技术减小了电荷注入效应。提出的放大器与传统的套筒式共源共栅极放大器在电路结构上相同。不同点在于,该放大器采用了低阈值设计技术。优势在于,在特定工艺下通过低阈值器件补偿可实现高增益带宽放大器,提高了采样保持电路的采样速率。该电路采用0.18 μm CMOS工艺设计并流片,采样时钟频率达到了125 MHz。仿真结果表明,SINAD为90.91 dB,SFDR为91.45 dBc,芯片尺寸为0.8 mm×0.5 mm。
采样保持电路 放大器 低阈值技术 S/H circuit amplifier low threshold technology
苏州大学机电工程学院激光制造技术研究所, 江苏 苏州 215021
在大功率激光熔覆成形中,熔覆层的沉积率是决定成形效率及质量等的重要因素。采用Box-Behnken(BBD)及正交法进行了激光熔覆单道沉积实验设计,研究了激光功率、送粉速率、扫描速度和离焦量对沉积率的关系。分别建立了响应面法(RSM)模型和经遗传算法优化的神经网络(GA-BP)模型,同时预测并优化了沉积工艺参数。经遗传神经网络模型优化后的工艺参数得到的最大沉积率为61.74 g/min,高于响应面法优化得到的53.55 g/min。结果表明:遗传神经网络模型的预测、泛化及优化能力要优于响应面法模型,使用遗传算法优化后的神经网络模型可为实现高沉积率激光熔覆成形提供更有效的预估方法。
激光加工 激光熔覆 沉积率优化 响应面 遗传算法 神经网络
研究“三分光束”光内同轴送丝激光熔覆各工艺参数的工艺区间及参数与熔覆层几何形貌映射关系。首先,采用单因素实验方法研究激光功率、扫描速度、送丝速度、离焦量四个工艺参数的工艺区间;其次,以熔覆层的高度、宽度、横截面积作为熔覆层几何形貌的量化指标;最后,分别建立神经网络模型和二次回归模型实现熔覆工艺参数和熔覆层形貌量化指标之间映射关系的预测。基于单道单因素实验,当激光功率介于1 300~1 700 W,扫描速度介于3~7 mm/s,送丝速度介于9~15 mm/s,离焦量介于?2.5~?1.5 mm时能获得液桥过渡熔覆质量较好的单道。在对测试样本数据的预测中,在置信度85%情况下,BP神经网络模型对熔覆层高度、宽度、横截面积的预测精度分别为100%, 100%, 93.33%,均方根误差分别为0.21, 0.07, 0.24;二次回归模型的精度分别为100%, 66.67%, 73.33%,均方根误差分别为0.21, 0.13, 0.28。结论说明二次回归模型中变量的交叉项未能拟合送丝熔覆多变量耦合的非线性过程,而BP神经网络得到较好的预测结果。
激光熔覆 三分光束 光内同轴送丝 二次回归 BP神经网络 laser cladding three bean coaxial wire feeding quadratic regression BP neural network 红外与激光工程
2020, 49(3): 0305005