教学课程资源库 更多>>

关键词： 隐藏吸引子   动态特性   共存吸引子   不稳定周期轨道   电路仿真  

摘要： 混沌系统是一种由非线性方程描述的复杂动态系统,其行为表现出高度的不可预测性且极其敏感。混沌系统通常会展现出非常复杂的周期轨道,包括周期倍增、分岔等现象。这些周期轨道不断分裂和合并,形成无穷多的轨道,周期轨道是混沌系统最简单的不变集。近年来,混沌系统的研究已经引起了广泛的关注,尤其是在隐藏吸引子、动态特性、共存吸引子以及不稳定周期轨道等方面,这些对于理解混沌系统的行为和预测其长期演化具有重要意义。为了更加深入的了解隐藏吸引子特性,本文设计了一个隐藏吸引子混沌系统,并对进行了动力学分析和周期轨道研究,探究了其可行性。主要研究内容如下: 首先,本文提出了一种具有相对复杂隐藏吸引子的新型混沌系统,且该系统具有多稳定性并对该系统进行了更加深入的研究。通过平衡点、稳定性、对称性、耗散性、时序图、功率谱图、分岔图、Lyapunov指数、Lyapunov维数以及参数变化等数值模拟对混沌系统的动态性能和分岔行为进行具体的研究,进一步发现混沌系统不仅具有隐藏吸引子,还可以在无平衡状态或有两个稳定平衡状态两种情况之间切换。由于混沌系统的对称性,选择适当的参数和初始值可以得到多种共存吸引子(混沌吸引子、准周期吸引子、周期吸引子和点吸引子)。研究表明,该系统表现出多稳定现象,即不同的初始条件会产生两种或两种以上不同的动力学,对未来加密通讯起到很大的支持作用。 其次,在一定条件下,我们还根据系统的拓扑结构,采用变分法探索了有两个稳定不动点的新系统拓扑长度达3的短周期轨道,并建立了四个字母的符号对短周期轨道进行编码分类,从而更加深入对混沌系统基本组成部分的理解。与以往的庞加莱界面法相比,我们采用的变分法能够对轨道进行搜索,并且根据拓朴结构建立适当长度的符号动力学。这种编码方法不仅适用于本文设计的混沌系统,也适用于其它非线性动力学与混沌系统。其可以推广到解决大量不同领域中的具体物理问题,如牛顿三体平面周期轨道问题、混合光学双稳态系统中的混沌问题。 最后,通过Multisim软件对系统进行仿真,电路实现验证了混沌系统具有隐藏共存混沌吸引子的正确性和可行性,为以后的工程应用打下坚实的基础。通过我们的研究,希望能够为具有隐藏吸引子的混沌系统的动力学和稳定性方面提供一些见解,为进一步探索安全通信、密码学和信号处理等各个领域的潜在应用提供方向。

关键词： 先进制造技术   微纳加工   射频磁控溅射   干法刻蚀   金属氧化物薄膜晶体管  

摘要： 微纳加工技术是一种先进的精密加工技术,其具有独特的加工精度和尺寸控制能力。在金属氧化物薄膜晶体管（Metal Oxide Thin Film Transistor,MO TFT）的研究中,由于IGZO等常用TFT材料的光学带隙较窄,器件在紫外光照射下性能表现不稳定。此外,在使用干法刻蚀技术制备器件过程中,腐蚀和刻蚀损伤问题同样影响器件性能。因此本文聚焦于改进刻蚀工艺和材料探索,以增强器件的紫外光稳定性和减少刻蚀过程中的损害。本文通过微纳加工技术优化了TFT的制备过程,并成功制备了氧化镓（GaO）和铟锡锌氧化物（Indium Tin Zinc Oxide,ITZO）的TFT器件。本论文主要研究内容和成果如下: 针对GaO薄膜生长中存在的氧空位缺陷导致器件性能受限的问题。本文通过射频磁控溅射设备沉积宽光学带隙的GaO薄膜,分析了氧气流量、溅射气体压力和衬底温度对GaO薄膜结构与光学性能的影响。实验发现,当氧气流量为1 sccm、溅射压力为0.5 Pa以及溅射温度为300℃,可获得性能最优的GaO薄膜。并采用先进的光刻与剥离工艺,成功制造了高稳定性的双层堆叠GaOTFT器件。 针对传统金属电极层的干法刻蚀中,因刻蚀速率不同而存在刻蚀残留和腐蚀的问题。本研究延续了TFT制备的方向,制备了复合结构的光刻掩膜,改善了TFT的刻蚀腐蚀问题。通过采用国产感应耦合等离子体（Inductively Coupled Plasma,ICP）刻蚀设备和Ar/SF气体混合物进行的实验研究,展示了对于ITZO TFT制备过程中的关键参数进行控制的能力,同时,也展示了不同刻蚀参数对ITZO TFT性能的影响,并通过热退火处理修复了刻蚀过程中产生的损伤。 针对金属氧化物TFT应用于平板显示技术的问题,基于国产电子设计自动化（Electronic Design Automation,EDA）软件设计薄膜晶体管液晶显示面板（Thin Film Transistor-Liquid Crystal Display,TFT-LCD）驱动的研究。在器件制备完成后,可以将器件参数导入软件自用。利用国产华大九天EDA软件完成了480 Hz刷新率的TFT-LCD充电率仿真,通过模拟特定显示图像分析了像素充电效率,为面板设计和开发提供了重要参考。利用国产EDA软件设计和仿真TFT-LCD面板驱动,实现了制备的硬件器件信息与设计软件的系统化整合。

关键词： 模拟电路芯片   故障诊断   数据驱动   时间模式注意力机制   算术优化算法  

摘要： 随着集成电路技术的不断进步，电子设备在复杂多变、极端环境下的广泛应用，给设备维护和诊断工作带来了巨大挑战和压力。作为航空电路系统的核心组件，芯片的可靠性和安全性至关重要。然而，恶劣的运行环境、元件疲劳以及复杂的制造工艺等因素常常导致芯片故障频发。传统故障诊断方法在处理复杂和不确定性的模拟电路芯片故障诊断问题上存在局限性，因此，如何快速、准确地对模拟电路芯片进行故障诊断成为了一个亟待解决的问题。故本文提出了一种基于数据驱动的模拟电路芯片故障诊断方法。　　针对传统故障诊断方法在处理芯片故障时面临的数据量大、特征提取困难所导致的诊断精度低等问题，本文提出了一种基于时间模式注意力机制(Temporal Pattern Attention Mechanism,TPA)和改进算术优化算法(Improve Arithmetic Optimization Algorithm,IAOA)优化双向长短时记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)的故障诊断方法。首先深入分析芯片故障原因和故障模式，采集芯片故障仿真数据并建立完备的数据集;然后依据芯片故障原因和模式，构建基于仿真数据的故障诊断模型;最后利用IAOA搜寻BiLSTM最优超参数，采用TPA机制提高重要特征权重，从而提高了对芯片故障诊断的准确率。　　针对芯片故障诊断中特征单一且提取困难的问题，本文进一步提出了一种基于多域特征提取全连接神经网络(Fully Convolutional Networks,FCN)结合长短时记忆网络(Long Short-Term Memory Network,LSTM)的故障诊断方法。首先采集红外数据，综合利用时域、频域和时频域对数据进行特征提取和融合，有效弥补了特征单一的不足，实现了特征互补。然后将提取的特征输入FCN-LSTM模型中，实现了高效、精准诊断芯片故障。此方法也为实际芯片故障诊断提供了一种新思路。　　为了进一步提升诊断的全面性和准确性，本文引入了加权D-S证据理论，将上述两种模型在决策层进行融合，构建了基于D-S理论的多模态融合故障诊断模型，从而整合了两个模型的优势，实现了模拟电路芯片的高精度诊断。　　本文通过对比实验，旨在综合不同数据和方法形成芯片诊断的最优解。实验结果表明，本文方法在短路和断路故障诊断方面具有良好的性能表现。综上所述，基于数据驱动的模拟电路芯片故障诊断方法能够快速、准确地实现高精度诊断。

关键词： DC-DC电路   故障诊断   IAO-ELM   IBOA-LSTM   INGO-M1DCNN  

摘要： DC-DC电路广泛运用于航空航天、医疗、军事等各个领域,其运行的稳定性与设备的安全性密切相关,一旦发生故障,可能导致整个系统发生瘫痪,造成不必要的损失,因此对DC-DC电路故障诊断进行研究具有重大意义。本文针对DC-DC电路中的Boost电路展开研究,主要研究因电解电容参数退化所引起的电路软故障问题,研究内容如下: 建立150W Boost电路实体模型,基于电容退化原理,设置了电路的16种软故障模式,并从每种模式下采集4个测点的电压数据作为原始特征信号。使用变分模态分解(VMD)的方法对原始特征信号进行处理。使用各个模态分量与原始信号之间的能量关系确定VMD算法的最终模态分解数量,使用相对熵原理剔除变分模态分解后产生的伪分量,然后对信号进行重构,进行多尺度时域频域特征参量提取,最终将4个测点的10维特征参量拼接成一个40维多尺度特征向量。 基于IAO-ELM的DC-DC电路软故障诊断方法。针对分类器的诊断精度不高,稳定性差的问题,使用优化算法对分类器权值和阈值进行寻优。首先介绍了天鹰优化算法(AO),并采用SPM混沌映射、透镜成像反向学习、自适应权重和柯西变异等策略对天鹰优化算法进行改进,在测试函数上对IAO算法进行验证。构建IAOELM模型,使用提取好的多尺度特征向量进行实验。实验结果显示,IAO-ELM模型相较于AO-ELM模型的分类准确率有提升,对比其他群智能优化算法优化后的分类器性能更好。 基于IBOA-LSTM的DC-DC电路软故障诊断方法。为了进一步提高故障诊断的精度,针对LSTM网络中,诊断结果差,需要依赖人工经验来确定LSTM网络的超参数等问题,使用优化算法进行自动寻优。介绍了蝴蝶优化算法(BOA),使用反向学习、最优邻域扰动、随机惯性权重三种策略对蝴蝶优化算法进行改进,在测试函数上对IBOA算法进行验证。构建IBOA-LSTM模型,将提取的多尺度特征向量输入到构建好的模型中进行实验。与原始的LSTM、BOA-LSTM、WOA-LSTM、MFO-LSTM模型相比较,IBOA-LSTM模型的故障诊断精度更高。最后为了探究训练集和测试集的比例划分对诊断结果的影响,采用不同比例进行实验。 基于INGO-M1DCNN的DC-DC电路软故障诊断方法。与传统的故障诊断方法相比,深度学习方法免去了手动提取故障信号的需求,直接将原始信号输入到卷积神经网络,从原始信号中提取出更深层次的特征。构建了1DCNN网络,使用滑动窗口方法对原有的数据样本进行扩充,进行故障诊断。为了进一步提取原始故障信号的多尺度特征,构建了M1DCNN模型网络,使用尺度不同的卷积核进行特征提取,然后进行特征融合,最后进行故障诊断。针对M1DCNN模型网络中三个卷积通道的卷积核尺度需要人为设定的问题,引入北方苍鹰优化算法(NGO)进行寻优。使用Logistic混沌映射、自适应动态因子、余弦指引机制三种策略对北方苍鹰算法进行改进,在测试函数上对INGO算法进行验证。构建INGO-M1DCNN模型,将扩充后的样本输入到构建好的网络模型中,实验结果显示,对比原始的M1DCNN和其他优化算法构建的诊断模型,INGO-M1DCNN模型的准确率最高,可以有效实现DC-DC电路软故障精准诊断。 图[34]表[16]参[90]