检索结果-南通市图书馆

高效柔性GaInP/GaAs/InGaAs三结太阳电池制备及应力分析

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高效柔性GaInP/GaAs/InGaAs三结太阳电池制备及应力分析

作者：陈志韬广西大学

学位级别：硕士

Ⅲ-Ⅴ族化合物多结太阳电池由于其高效率、耐辐射性和长期稳定性而在航空航天中得到广泛应用。通过衬底剥离将外延层转移到薄膜支撑衬底,柔性Ⅲ-Ⅴ太阳电池的比功率密度和弯曲性能得到了极大改善,从而拓展了其在临近空间无人机、飞艇、... 详细信息

Ⅲ-Ⅴ族化合物多结太阳电池由于其高效率、耐辐射性和长期稳定性而在航空航天中得到广泛应用。通过衬底剥离将外延层转移到薄膜支撑衬底,柔性Ⅲ-Ⅴ太阳电池的比功率密度和弯曲性能得到了极大改善,从而拓展了其在临近空间无人机、飞艇、新能源汽车和智能穿戴设备等领域的应用。然而,高额的成本严重限制了柔性Ⅲ-Ⅴ多结太阳电池的的发展。除了Ⅲ-Ⅴ太阳电池固有的材料和工艺成本外,高效柔性Ⅲ-Ⅴ太阳电池的高成本主要来源于较低的良品率。其根源在于柔性太阳电池材料的内应力以及制备工艺中热应力所导致的外延翘曲和裂片。不同于常规刚性太阳电池,柔性器件厚度通常只有几十个微米,因此必须发展适合柔性太阳电池的制备方法,以及完善对器件制备过程应力的分析。本文采用一种以电镀铜为柔性衬底,外延层一次转移的方案成功制备了GaInP/GaAs/InGaAs柔性太阳电池。具体步骤包括电镀铜、临时键合、衬底腐蚀、金属电极制备、芯片隔离、减反射膜蒸镀等。随后对柔性太阳电池正常状态以及弯曲状态下电流-电压特征曲线进行了分析。电流-电压曲线表明柔性太阳电池的转换效率超过35%(AM1.5G),并且在弯曲状态下也能保持良好的工作状态。此外,利用子电池外量子效率特征曲线计算了子电池的电流密度。子电池电流密度相互匹配,说明子电池外延结构合理,同时也说明了柔性器件制备工艺的可行性。对柔性电池外延生长中失配应力以及器件制备过程中电镀铜产生的应力进行了分析。首先通过X射线倒易空间映射图计算了InGaAs失配子电池的弛豫度。证明GaInP/GaAs/InGaAs太阳电池外延生长过程中失配应力并未完全释放,因此在器件加工前会有初始翘曲。探究了GaInP/GaAs/InGaAs三结柔性太阳电池电镀铜过程中引入的应力。对于厚度为14μm、18μm、28μm的铜镀层,铜镀层应力表现为室温下自发增加的拉应力,这种拉应力会和晶格失配应力相抵消,从而减少三结太阳电池的翘曲。铜镀层金相腐蚀显微实验和XRD衍射图谱说明,电镀刚结束后铜镀层晶粒室温下自发生长,是铜镀层应力自发变化的主要原因。最后分析了高温工艺引入的热应力,铜镀层与Ⅲ-Ⅴ材料热膨胀系数不匹配是应力产生的主要原因。

关键词： GaInP/GaAs/InGaAs 柔性太阳电池电镀铜应力

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

动态电压频率调节对程序性能影响的预测

动态电压频率调节对程序性能影响的预测

作者：陈志韬中国科学技术大学

学位级别：硕士

云计算和移动设备应用的迅猛增长,使得在给定功耗约束条件下获得更高的处理器性能成为现代处理器体系结构研究人员追求的主要目标之一。随着晶体管长度的不断减少,晶体管单位面积的功耗不再保持不变,这使得CPU的功耗逐渐增大。因此,优... 详细信息

云计算和移动设备应用的迅猛增长,使得在给定功耗约束条件下获得更高的处理器性能成为现代处理器体系结构研究人员追求的主要目标之一。随着晶体管长度的不断减少,晶体管单位面积的功耗不再保持不变,这使得CPU的功耗逐渐增大。因此,优化处理器的性能/功耗比成为处理器体系结构设计的关键。而处理器功耗主要由动态功耗组成。现代CPU上提供的调节动态功耗的主要手段是动态电压频率调节(Dynamic Voltage Frequency Scaling, DVFS)。然而,电压频率调节可能会造成程序性能下降,并且由于不同的应用程序具有不同的运行时行为特征,DVFS的实际应用需要解决的一个关键技术问题是如何预测动态电压频率调节对程序运行时性能和功耗的影响。本文针对现代商用处理器,建立动态电压频率调节对程序运行时性能和功耗影响的预测模型,用以指导设计更好的动态电压频率调节机制和程序运行时性能/功耗优化方法。本文的主要研究工作和成果包含以下三点：1.研究了访存延迟和访存流量随频率变化的情况,提出了在商用处理器上考虑DVFS引起程序访存流量和访存延迟变化的性能预测模型。现有的DVFS性能预测模型,大多基于模拟器,并使用到现有商用处理器性能监测单元没有提供的许多性能数据。而可以实现在现有商用处理器上的模型又没有考虑到程序的访存流量和访存延迟会随着频率的变化而发生变化,从而导致性能预测结果不准确。本文提出了基于商用处理器的DVFS'性能预测模型,该模型使用现有商用处理器性能监测单元提供的性能数据,并考虑到访存延迟和访存流量随处理器频率变化的情况,以提供更准确的性能预测结果。2.研究了处理器功耗在不同频率下的变化情况,提出了在商用处理器上考虑低频部分访存密集型程序功耗下降速度减缓情况的功耗预测模型。本文在分析不同类型的程序在不同频率下的功耗的基础上,结合CPU动态功耗计算方式,并考虑到部分访存密集型程序在低频率下的功耗下降速度变缓的问题,设计实现应用于商用处理器的功耗预测模型。3.在商用处理器上使用上述模型实现了针对能耗优化的DVFS调节机制。通过在Intel Xeon E5-2660处理器上实现针对能耗优化的DVFS调节机制。实验中,我们在Intel Xeon E5-2660上的虚拟机内部分别执行SPECCPU 2006测试程序。实验结果表明我们的DVFS调节机制能够带来最高23%的能耗优化和平均6.85%的能耗优化。

关键词：动态电压频率调节性能预测模型功耗预测模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

汽车主动横向稳定杆设计及控制策略研究

汽车主动横向稳定杆设计及控制策略研究

作者：陈志韬吉林大学

学位级别：硕士

为满足地面运载工具舒适、稳定、安全的需求,企业和研究机构一直致力于提升汽车行驶平顺性、操纵稳定性和行驶安全性。汽车的侧倾对整车性能影响显著。因此,能够在兼顾行驶平顺性的前提下,通过提供抗侧倾力矩来提升车辆侧倾稳定性的主... 详细信息

为满足地面运载工具舒适、稳定、安全的需求,企业和研究机构一直致力于提升汽车行驶平顺性、操纵稳定性和行驶安全性。汽车的侧倾对整车性能影响显著。因此,能够在兼顾行驶平顺性的前提下,通过提供抗侧倾力矩来提升车辆侧倾稳定性的主动横向稳定杆,成为当前的研究热点。主动横向稳定杆能够根据车辆的行驶状态和车身姿态,实时地调整车身侧倾角,以提高车辆的操纵稳定性和安全性。目前,国外少数车辆上安装有主动横向稳定杆,但其常见作动器结构复杂、体积较大、布置空间需求大。因此,本文提出了一种结构紧凑、易布置、通用性好的新型主动横向稳定杆;设计并试制了主动横向稳定杆样机;仿真分析了其控制策略,并验证了其对车身侧倾的作用效果。本文的主要工作和结论如下：1)理想侧倾角变化曲线的获取;首先,分别对简化的刚性悬架车辆模型和柔性悬架车辆模型进行侧倾力学分析,得到两种模型达到侧翻极限时对应的侧向加速度;然后,根据被动悬架在不同侧倾角刚度下车身侧倾角随侧向加速度的变化曲线以及驾乘人员对侧翻危险的感知,得到随侧向加速度变化的理想车身侧倾角曲线。2)理想主动横向稳定杆对车辆性能的影响规律;首先,提出了新型的双通道电控式主动横向稳定杆结构,并阐明其工作原理;随后,通过对车辆动力学分析,建立其三自由度操稳模型,并比对操稳试验数据进行验证;最后,运用线性二次最优方法控制抗侧倾力矩,得到主动横向稳定杆对车身侧倾角理想控制效果,并分析控制矩阵对控制效果及力矩输出的影响。3)实际主动横向稳定杆的控制效果;首先,建立稳定杆有限元模型进行仿真分析,以及对其它部件的外特性进行数学表达,搭建主动横向稳定杆模型;然后,基于三自由度操稳模型,调整线性二次控制矩阵,仿真得到电动推杆充分发挥时的控制效果。4)主动横向稳定杆控制策略研究。运用TruckSim建立整车模型;利用TurckSim和Simulink联合仿真的手段分析开环控制和闭环控制两种策略;对比两种控制策略的效果和抗侧倾力矩输出,总结两种控制方法的特点。

关键词：主动横向稳定杆侧倾稳定性线性二次最优控制车辆动力学控制策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的图像目标识别研究

基于深度学习的图像目标识别研究

作者：陈志韬哈尔滨工程大学

学位级别：硕士

目标识别是计算机视觉一个重要的研究领域。随着中国城市化的进程不断加快,智慧城市,智能交通系统成为了发展的趋势,这对目标识别的快速性、准确性提出了迫切的需求。深度学习凭借其强大的特征学习能力已在计算机视觉的多个领域取得了... 详细信息

目标识别是计算机视觉一个重要的研究领域。随着中国城市化的进程不断加快,智慧城市,智能交通系统成为了发展的趋势,这对目标识别的快速性、准确性提出了迫切的需求。深度学习凭借其强大的特征学习能力已在计算机视觉的多个领域取得了令人瞩目的成绩。因此,基于深度学习模型的目标识别算法成为近年来的研究热点。本文围绕如何利用深度学习的方法进行图像目标的识别和定位开展了一系列研究:（1）对常用的目标识别算法进行了对比,阐述了各类算法的原理,分析了它们各自的优缺点,总结归纳了它们在候选区域选择、特征提取、特征分类这三个问题上的联系与区别。（2）研究了YOLO算法的原理。以tiny-yolo模型为基础,设计了改进模型m-yolo。m-yolo模型通过增加卷积层的数量来提高模型的特征提取能力;同时,为了保证改进模型在识别速度上不会下降,在模型中加入了NIN（network in network）卷积层来降低模型的参数数量和模型的复杂度,并对NIN卷积层在改进模型中的作用原理进行了阐述。实验表明,改进后的模型提高了识别的准确率和定位的精确性。（3）使用了迁移学习的策略来提高模型的性能。通过实验对随机初始化网络参数的模型和使用了预训练模型初始化网络参数的模型进行对比。实验表明,使用了预训练模型初始化网络参数的模型提高了识别的准确率和定位的精确性。（4）对卷积层的激活函数ReLU和Leaky函数的性能进行了研究,通过实验确定了在本文描述的车辆识别任务中Leaky函数的性能优于ReLU函数。（5）针对不同数量的固定边界框（Anchor Box）对模型性能的影响进行了研究。使用无监督学习算法k-means对车辆数据集中标注好的边界框的宽和高进行聚类,来获得大小和形状合适的固定边界框。对具有不同Anchor Box数量的模型进行训练。最后,通过实验确定最佳的固定边界框数量。

关键词：深度学习目标识别 YOLO算法 NIN卷积层聚类