【摘 要】
：
当前,无线传感器网络节点通常依赖传统的化学电池供电,在某些应用场景,如原始森林、海洋等,为其更换电池较为困难,因此为无线传感器网络节点提供长期稳定的电能成为了亟需解决的问题。涡致振动是自然界中一种普遍的现象,利用涡致振动使得压电俘能器产生周期性摆动,从而将振动能转化为电能为无线传感器网络节点供电成为了研究热点。当无线传感器网络节点供电需求较大时,单一结构压电俘能器无法满足供电需求,而阵列式压电俘能
论文部分内容阅读
当前,无线传感器网络节点通常依赖传统的化学电池供电,在某些应用场景,如原始森林、海洋等,为其更换电池较为困难,因此为无线传感器网络节点提供长期稳定的电能成为了亟需解决的问题。涡致振动是自然界中一种普遍的现象,利用涡致振动使得压电俘能器产生周期性摆动,从而将振动能转化为电能为无线传感器网络节点供电成为了研究热点。当无线传感器网络节点供电需求较大时,单一结构压电俘能器无法满足供电需求,而阵列式压电俘能器则能够提供更高的电能。但是需要为阵列式压电俘能器设计合理的能量收集接口电路,以避免器件之间的电能损耗问题。因此,本文对基于涡致振动的阵列式压电俘能器接口电路进行研究。首先建立压电俘能器的机电耦合模型以及压电器件的等效电路模型,得到压电器件的开路电压和等效电流源的关系表达式,对SEH、S-SSHI、P-SSHI、SECE四种接口电路的工作原理进行分析,得到了四种电路的输出功率与负载电阻的关系式。通过分析得出在相同条件下,SEH接口电路输出功率最小,其他三种接口电路最大输出功率相当,而SECE接口电路的输出功率不受负载影响。S-SSHI接口电路由于在压电俘能器与整流电路之间串联了开关电感,为阵列式俘能器电能合并提供了窗口时间。因此在S-SSHI及SECE接口电路的基础上设计了针对阵列式压电俘能器的预处理接口电路和增强型同步电荷提取电路（ESECE）,解决了阵列式多路电能整合的损耗问题,并且保证了在负载电阻变化时输出功率不受影响。然后利用Multisim仿真软件对阵列式压电俘能器预处理接口电路进行仿真,分别对单路和多路压电能量收集预处理电路,以及带ESECE接口电路的阵列式压电能量收集系统进行模拟。结果表明,不带ESECE的阵列式压电俘能器接口电路的输出功率与负载电阻的相关性较大,在负载电阻为100kΩ时达到了最大输出功率517u W;而带ESECE接口电路的阵列式压电俘能器接口电路的输出功率与负载电阻的相关性较小,在负载电阻大于100kΩ时输出功率不受负载电阻变化的影响,输出功率达到570u W。最后在与仿真条件相同的条件下,对阵列式压电俘能器接口电路进行了实验研究。搭建了实验及测试平台,使用示波器对各模块波形进行分析,实验结果与仿真波形基本一致。采用不带ESECE接口电路的阵列式压电俘能器接口电路的输出功率与负载电阻的相关性较大,在负载电阻为300kΩ时达到了最大输出功率524u W。带ESECE接口电路的阵列式压电俘能器接口电路输出功率与负载电阻的相关性较小,在负载电阻大于300kΩ时输出功率不受负载电阻的影响,输出功率达到了690u W。本文对涡致振动阵列式压电俘能器接口电路的理论分析、仿真及实验研究,为无线传感器网络节点的持续稳定供能提供了一种可行方案,对自然能源应用的发展具有实际意义。
其他文献
随着人们生活和科技水平的提高,图像处理和模式识别取得了巨大的进步。花卉类别识别作为一种典型的细粒度图像识别任务,是计算机视觉和林业信息化领域最热门的研究课题之一。随着人们对花卉识别应用需求增加,将花卉识别算法部署在网站上成为了一项迫在眉睫的任务。传统机器学习的花卉识别算法相对成熟,但是传统的花卉识别方法都是通过专家手动选择多个特征进行分类,面临分类结果准确率较低、泛化能力较弱和分类时间较长等问题。
随着社会的发展,人工智能技术也正逐步融入人们的生产生活中去。移动机器人技术已经在物流、军事和服务等方面取得了阶段性的成果。在机器人领域的发展过程中,路径规划技术作为其中一环,充当着极为重要的作用。路径规划问题是指机器人从起始点到终止点能够自主地找到一条无碰撞的最优路径。传统的路径规划算法包括A*算法、D*算法,它们使用了数学建模的方法进行路径规划。此类方法在环境改变的同时都要重新进行一次机械性计算
句法分析是自然语言处理（Natural language processing,NLP）的一项关键技术,在NLP领域起着承前启后的作用。依存句法分析是一种重要的句法分析技术,它的表现形式相对更为简洁直观,而且能取得很高的精度,所以在句法分析中应用比较广泛。目前存在的依存句法分析方法主要基于规则、统计和深度学习的方法,例如条件随机场（conditional random field algorith
随着工业以太网技术的不断发展,实时工业以太网已经成为数控系统进一步成长所依赖的关键技术,近几年涌现出了一大批优秀的工业现场总线标准,其中,实时工业以太网Ether CAT因其出色的高速性、实时性、灵活性等特点成为了数控领域新的研究热点,受到了越来越多企业的关注。为了在高端数控系统中实施高性能的Ether CAT总线,本文提出了一种新的解决方案,使用基于ARM Cortex-A8内核的AM3354作
多智能体路径规划（Multi-Agent Pathfinding,MAPF）是计算机游戏、仿真软件、机器人等领域亟待破解的难题之一。关键是约束多个智能体能够同时沿着多条路径完成任务,并且过程中不发生冲突。在发生冲突时,需要为发生冲突的另一个智能体寻找其他路径或进行等待操作。目前各行业为提高多智能体路径规划的效率,更加关注完整并且实时的解决方案,但是由于状态空间的大小和分支因素,传统的多智能体路径搜
汽车内饰装配件装配后的质量检测是装配的重要阶段,是确保汽车内饰装配件装配高通过率的重要保障。随着现代工业逐渐智能化,人工凭借经验对装配好的汽车内饰装配件进行复核的这种传统方式已经不能满足现代装配的需求。将基于深度学习的目标检测技术应用于汽车内饰装配件检测,成为一种较为前沿的工业零件检测方案。本文针对基于深度学习的汽车内饰装配件检测方法进行研究与实现,主要内容入下:（1）研究图像增强技术。使用工业摄
随着全球经济一体化进程的飞速发展,股票市场在全球经济中扮演着越来越重要的角色,股票市场的准确预测具有重要的社会经济价值。股票市场拥有海量的数据,且股票市场具有非平稳性、非线性、周期性的特点,这样的数据特性对于股票数据的准确预测提出了巨大的挑战。因此,股票预测研究具有重要的学术价值。本文在深入研究股票市场预测问题的特点并且广泛分析已有相关研究工作的基础上,针对股票市场预测技术的关键问题提出一定的解决
目的 分析河南省20～69岁人群高血压患病率变化情况，探讨高血压影响因素。方法 对2000年、2010年和2020年国民体质监测河南省抽样点20～69岁人群体质数据资料中高血压监测指标进行分析。基于2020年调查数据，采用χ2检验对高血压患病情况进行单因素分析，并采用二分类Logistic回归分析高血压患病的影响因素，以P＜0.05为差异具有统计学意义。结果 2000年、2010年和2020年共调
近年来,卷积神经网络（Convolutional Neural Network,CNN）在图像识别、语音识别和自动翻译等方面取得了良好的效果。然而,为了解决复杂的抽象问题,追求更高的识别准确率,卷积神经网络模型层数、结构复杂度和计算量不断增加。在通用计算平台加速卷积神经网络具有较高的性能,但会带来功耗高和便携性不足等问题,难以满足可移动、低功耗等嵌入式场景的要求。现场可编程门阵列（Field Pr
在机床加工过程中,刀具会随着机器切割工序的进行而产生磨损,刀具的磨损是无法避免的,并且刀具发生严重的磨损将可能会导致崩刃,引发事故,影响生产安全。如果不能准确的预估刀具的磨损,还会出现刀具还未完全磨损就更换,而造成刀具造成浪费。有效地预测刀具磨损值是铣削过程中不可或缺的一个环节,因此,设计和实现一个可进行磨损情况监控和磨损值预测报警的刀具磨损预测平台对现实工程具有重要价值。本文通过对机床加工过程中