二极管整流电路直流合成技术及高功率晶体管整流电路设计研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:skywalker0123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
微波无线传能是以微波为载体,通过收发天线传递能量的无线传能方式,相比以电缆作为载体的有线传能方式有着明显优势,在军工和民用方面都有着广泛应用前景。微波无线传能系统的收发天线多采用阵列天线,接收阵列天线会获得多路直流能量,常采用直流合成方式汇成一路直流能量来为负载供电。然而现有整流电路的等效模型不准确,导致直流合成的效率分析难以精确给出。在整流电路方面,二极管的特性限制了整流电路的功率容量,晶体管由于击穿场强高,在这方面有着巨大优势,但目前晶体管整流电路在高频率的设计较少,在一些高功率场景却有应用需求。针对这些问题,本文从直流合成效率定量分析、直流合成方案设计、大功率晶体管整流电路设计等方面开展了研究,主要工作如下:1.提出了基于等效模型的整流电路直流合成效率特性分析方法。首先建立了一种较为准确的整流电路等效模型,推导了其输出特性表达式;针对表达式的隐函数与指数函数特性,借助人工蜂群算法进行等效模型的参数辨识;引入Lambert W函数对输出表达式进行求解,实现了整流电路串联和并联情况下输出效率特性的定量分析。最后搭建微波无线传能实验平台,测量了整流电路在不同输入功率和不同负载下的实际输出特性,并搭建了等效模型。用提出的效率特性分析方法,对6个整流电路单元的不同串并联方案进行了仿真,仿真结果和实验测试结果有着很好的一致性,验证了该效率特性分析方法的正确性。2.基于等效模型的整流电路阵列直流合成方案优化设计。首先提出了直流合成方案的输出效率、互联损失和带负载能力等评价指标;然后,以整流电路序列、串并联符号、符号运算优先级为优化变量,以最高输出效率为优化目标,建立了直流合成方案的优化模型;最后采用遗传算法对优化模型进行求解,对6、11、36、64和144路整流电路构成的阵列分别进行直流合成方案设计,与简单的并联合成方案对比,不仅提高了直流合成的输出效率,还增强了带负载能力,验证了所提出的直流合成方案优化设计方法的有效性。3.大功率晶体管整流电路的高转换效率设计。根据逆时二元性原理,先设计出高效率晶体管功率放大器,然后据此设计整流电路。首先是工作频率为5.8GHz功率放大器设计,通过分析F-1类谐波控制网络的原理,给出了带寄生补偿的三阶谐波控制网络的实现方式;通过直流仿真确定静态工作点、Load Pull仿真确定基波阻抗和不同谐波反射系数相位对功率附加效率和输出功率的影响,并根据这些条件设计了F-1类高效率功率放大器。然后是5.8GHz整流电路设计,通过对功率放大器的栅极匹配网络和栅极偏压进行调谐,使得晶体管本征漏极电压呈现半正弦波,电流呈现方波,得到了高效率的整流电路。当输入功率为40d Bm时,仿真得到整流电路转换效率为70.34%。最后搭建整流电路实验测试平台,对实际加工的整流电路进行测试,整流效率达到64.55%。
其他文献
人体姿态估计是计算机视觉领域中的一项重要任务,它在人们的日常生活中有着极其广泛的应用,同时,它也是行为识别、人机交互和增强现实等领域的基础。优秀的姿态估计算法能准确地从图像中获得关节点信息,给人们带来更好的使用体验。因此,研究更先进的人体姿态估计算法具有十分重要的意义。近些年,随着人工智能的快速发展,深度神经网络在计算机视觉领域中取得了巨大进展,并成为了人体姿态估计任务的重要方法。然而,现有基于深
学位
图像是如今信息传输不可或缺的载体,在许多实际应用场景下都有着重要的作用。但是在图像拍摄的过程中,极易由于相机离焦或与场景发生相对运动导致图像模糊。模糊图像携带的信息难以获取,给人们的生产生活带来了不便。因此,图像去模糊技术,即从模糊图像中恢复出高质量的清晰图像,具有广泛的研究和应用价值。同时,图像去模糊作为一个经典不适定问题,也是数字图像处理领域的一个极具有挑战性的重要研究方向。图像去模糊通常分为
学位
随着神经网络相关研究的发展,在深度学习领域中深度神经网络(Deep Neural Networks,DNN)模型已经在图像分类等问题中展现出了强大的性能优势。与此同时,另一项改变传统计算范式的新兴领域——量子计算也发展迅速。在量子计算领域中由于量子系统所具有的并行特性优势,量子计算与神经网络结合而产生的量子神经网络(Quantum Neural Networks,QNN)也成为越来越多研究者进行深
学位
图像语义分割是计算机视觉领域的基础任务之一,也是实现场景理解和物体识别的前提,其研究进展对于医学影像分析、自动驾驶、安防监控等行业的发展具有重要意义。目前,受到最多关注的全监督分割方法需要像素级标签的支持,而该类标签的获取严重依赖人工标注,耗时耗力,限制了语义分割在实际场景中的应用。针对上述问题,弱监督语义分割方法被提出,其使用少量人工标注的弱标签监督分类网络训练,生成的像素级结果作为伪标签监督分
学位
随着遥感技术的发展,可见光遥感已经成为了一种重要的信息获取手段,通过该技术获取的遥感图像及其衍生品已经大量应用于国防建设和国民生产领域中。由于太空环境的特殊性,在成像过程中卫星硬件设备的老化和在传输过程中外部因素的干扰导致遥感图像出现不同的缺陷。遥感卫星每天都会产生海量数据,其中含有缺陷的数据需要在生产前标记和剔除。然而通过人工标记筛选耗时且效率低,因此需要一种自动化检测算法对可见光遥感图像进行缺
学位
雾霾的存在使拍摄环境变得恶劣,导致成像后的图像出现细节丢失、对比度下降和颜色失真等问题,不仅影响人的主观感受,更严重制约了后续高级视觉应用(如目标检测)的性能。现有图像去雾算法大多数仅针对正常光照下的含雾场景,而未考虑低光照下含雾场景的特点,即:光照强度低,雾对成像质量的影响被进一步放大;场景中通常存在多个光源,不同光源的光经过雾的散射使得图像色偏更加严重;光源附近存在明显的辉光效应。本文针对低光
学位
随着大数据和深度学习网络的不断发展,人工智能算法的运算复杂度和所需求的计算量也随之大幅度增加,机器学习的性能开始受到了限制。另一方面,量子计算在近些年得到了飞速发展,并逐渐展现其独特的优越性和巨大计算潜力。自然的,量子计算与人工智能技术的交叉融合而成的量子机器学习成为当前重要的前沿研究领域,得到了广泛的关注。和经典机器学习一样,量子机器学习领域的一个核心应用就是进行分类器的设计。目前,该方向的主要
学位
近年来,卷积神经网络在各种计算机视觉任务中取得了显著的成功。然而卷积神经网络的成功伴随着大量的计算和资源消耗,难以部署到资源受限的实际应用中。模型压缩为解决此类问题提供了有效的方案。知识蒸馏通过教师模型(大模型)指导学生模型(小模型)训练的方式,使得小模型尽可能达到大模型的效果,用小模型来代替大模型,来实现模型压缩的目的。知识蒸馏不受网络结构差异的影响,在模型压缩领域得到了广泛的研究。因此,本论文
学位
随着我国对科技创新重视程度的不断提升,科研工作逐步向多学科、多领域交叉融合的方向发展,科研团队逐渐出现大规模、跨地域、跨机构的特点,科研团队管理系统逐步被各科研团队使用。科研团队管理系统是一种信息化管理系统,可实现科研信息的完备收集、加工和存储,并辅助用户管理科研项目进度。然而,现有科研团队管理系统面临以下问题,首先,现有系统仅实现科研信息分类归档,科研信息的关联度差且利用率低。其次,现有系统只为
学位
自然场景任意形态文本识别是计算机视觉和自然语言处理的交叉研究领域,是研究实物对象和语义关联的重要桥梁。过去的十几年,受限场景的文本识别问题已经基本解决,但在通用场景中,目前算法的识别率仍然有限。应用层面上,小规模的神经网络是主流模型,能够实现较高的响应速度,然而识别率较低。识别率先进的方法普遍使用并行注意机制进行视觉特征建模,然后引入语言信息弥补视觉信息的短板,但受限于语言模型的能力,语言信息没有
学位