噪声测量作为筛选光电耦合器件的一种方法

本文针对目前用于光电耦合器件筛选方法的不足，提出了用测量耦合器件噪声功率谱的方法来筛选掉噪声值大的器件，给出一批光电耦合器件的测量统计结果及在不同工作点时的噪声功率谱，并给出相应的筛选标准，实验结果表明，这种方法是有效、可行的。     

放大器En-In噪声模型的完善及其与Rn-Gn噪声模型的关系

目前，微波低噪声放大器设计中采用的Ｒｎ－Ｇｎ噪声模型只适用于高频、窄带和源导纳（Ｇｓ≠０）情况，其应用范围有限，特别是不适用于低频段的低噪声放大器设计。本文对文献［１］提出的Ｅｎ－Ｉｎ噪声模型作了改进，使其不仅适用于高频、窄带，而且也适用于低频、宽带放大器的低噪声设计。进而推导出放大器Ｅｎ－Ｉｎ噪声模型与Ｒｎ－Ｇｎ噪声模型的等价关系，给出放大器Ｅｎ－Ｉｎ噪声模型的测量方法及实测结果。     

基于迁移率波动的MOSFET线性区域1／f噪声模型

统一的1/f噪声模型,例如BSIM3模型,已经在噪声预测与分析中有着广泛的应用,在多数情况下有很好的效果.然而文献[1]中基于物理机理分析的研究表明,统一的1/f噪声模型对处于线性区p-MOSFET不能进行正确的描述:当偏置电压V_gs增加时,该模型低估了噪声功率的增加.据此,本文提出了一种基于物理机理的迁移率波动(MF)1/f噪声模型,并给出了新MF模型与统一的1/f噪声模型在线性区的仿真结果.从仿真结果可以看出,新噪声模型更接近于测试的结果.     

仿生超疏水性表面的最新应用研究

近年来,除了荷叶表面,更多具有特殊润湿性的动植物表面同样受到关注。通过研究这些表面微观结构,人们成功地仿生制备出各种功能化超疏水表面,从而更好地满足工业中实际应用的需要。该综述简单地介绍了表面润湿的基本模型和最新的几种特殊表面结构,重点介绍近几年仿生超疏水表面应用的最新研究进展,主要包括超疏水表面在超疏油、表面润湿转换、外界刺激下的润湿行为调控、微流体、抗结冰等方面的应用。最后,对超疏水表面研究的未来发展进行了展望。     

摩擦学系统条件转化研究

通过对摩擦学系统条件转化的研究和转化实例分析 ,提出了解决摩擦学系统条件转化问题的新思路和方法 .人工智能技术为摩擦学系统条件转化研究提供了有效的手段 ,从而使得将某些摩擦系统条件下获得的摩擦学特性转化到其它系统条件下使用成为可能     

半导体激光器光输出噪声测量及与电噪声的相关性

采用互谱估计方法测量了半导体激光器的微弱电噪声谱及光噪声谱。结果表明两者在超辐射区有较强的相关性。对光噪声的形成机理分析证明由载流子起伏形成的光噪声与电噪声完全相关，而由外量子效率起伏引起的光噪声与电噪声是不相关的。     

有机钼及其复合纳米润滑添加剂的摩擦磨损性能研究

采用X-P型销-盘摩擦磨损试验机和MRS-10J型四球摩擦磨损试验机考察了N68MD、N68ME、N68和SAE404种含有机钼及其复合纳米润滑添加剂的润滑油的摩擦磨损性能,分别采用扫描电子显微镜和电子衍射能量谱仪分析了摩擦副的磨损形貌及其磨损表面元素分布情况.结果表明:在N68MD润滑时,钢/钢摩擦副具有较低的摩擦系数和磨损量,并且具有良好的抗极压性能;在N68ME润滑时,钢/钢摩擦副除了表现出很小的摩擦系数和良好的抗极压性能以外,还表现出优异的自修复功能,这是由于有机钼与纳米铜协同作用的结果.     

集成运算放大器的噪声模型和精确测量

本文针对目前使用的集成运算放大器噪声模型及其测量方法的缺点，提出比其更加完善适用的噪声模型，根据叠加原理和等效噪声电路理论，推导出求解反相输入端与同相输入端噪声模型的等效噪声功率谱公式，并给出该模型的测量方法。     

摩擦表面边界膜温度特性的神经网络模型

采用非线性变换单元组成的多层前馈神经网络建立了丝杆螺母磨擦副表面边界膜温度特性的磨损自补偿教学模型,该模型可用于准确地预测边界膜对摩擦学特性的影响。采用Ｌ－Ｍ规则进行神经网络学习训练使网络收敛快且误差小,所得网络输出结果与实验结果有较好的吻合性。该神经网络可为工程设计人员进行摩擦学设计提供有效的计算工具。     

测量噪声功率谱作为筛选光电耦合器件的方法研究（Ⅱ）

在文献「１」中作者曾提出用测量光电耦合器件噪声功能率谱的方法,筛选光电耦合器件。此 根据低频噪声的幅值。但在实验中发现,由于１／ｆ、ｇ－ｒ和爆裂噪声三者之间相关性较弱,在剔除掉１／ｆ噪声值较大的器件后,ｇ－ｒ噪声和爆裂噪声较大的器件却可能未被易除。