大功率开关电源的设计与实现

介绍了开关电源设计中需要考虑的几个基本问题,包括频率的确定、最大占孔比Dm的确定、逆变变压器的设计和开关功率管的选择,并以一种1 kW的PWM大功率半桥式开关电源为例,详细介绍实际的开关电源设计方案,并给出了实验结果.     

Tesla变压器型电子束加速器初步实验

 介绍了一种Tesla变压器型的强流电子束加速器。当变压器初级输入20kV左右的电压时，加速器二极管输出电压500kV，电流9kA，信号脉宽大约50ns，该装置具有结构简单，安装方便，运行可靠等特点。     

运用网络仪表实现变电站的无人值班

实现变电站的无人值班有很多方式,其中一种行之有效的方式是运用"网络仪表",文中从无人值班技术的要求、内容、远动装置技术的发展以及怎样用网络仪表实现变电站无人值班作了详细的论述,并最终得出结论:使用网络仪表是实现变电站无人值班改造的最经济、适用的方法。     

电力调度自动化系统实用化应用

介绍了县级电网调度自动化系统的实用化应用，包括系统结构，功能特点以及保证系统安全运行的技术经验．     

薄膜微型电源

介绍了新型的薄膜微型电源的工作原理、结构及制造工艺。     

300kVA高温超导变压器电流引线漏热损耗的测量

电流引线是高温超导变压器的主要外部漏热来源,它的漏热量直接影响了超导变压器的经济性能,因此,引线的设计与漏热测量一直备受关注。文中构建了一个实验方案,运用量热法测量低压引线的漏热,并将试验结果与仿真预期值进行了对比和分析,从而验证了仿真设计的正确性。     

浅谈开关电源中的平面变压器

与传统变压器相比较,使用平面变压器可以提高开关电源的功率密度,减小开关电源中磁性元件的体积。因此,近年来平面变压器被广泛地研究。文章介绍了平面变压器的结构,将平面变压器与传统变压器进行比较,分析综述了平面变压器在当今开关电源发展应用的优势和前景,并进一步说明了平面变压器中绕组间距选择,绕组交叉技术及PCB绕组设计等要点。     

基于transformer自适应特征向量融合的图像分类

针对目前基于transformer的图像分类模型直接应用在小数据集上性能较差的问题,本文提出了transformer自适应特征向量融合网络,该网络在特征提取器中将不同阶段的特征进行融合,减少特征信息丢失的同时获得更多不同感受野下的信息,同时利用最大池化来去除特征中的冗余信息,从而使提取的特征更具有判别性。此外,为了充分利用图像的各级特征信息来进行分类预测,本文将网络各阶段产生的特征向量进行融合,使融合后的特征向量更具有表征能力,从而减少网络对大数据集的依赖,使网络在小数据集中也能获得很好的性能。实验表明,本文提出的 算法在数据集Mini-ImageNet-100、CIFAR-100和ImageNet-1k上的TOP-1准确率分别达到了74.22%、85.86%和81.4%。在没有增加计算量的情况下,在baseline上分别提高了6.0%、3.0%和0.1%,且参数量减少了18.3%。本文代码开源在“https://github.com/xhutongxue/afvf”。     

一种变压器巴伦馈电的超短波紧耦合阵列天线

紧耦合阵列天线(Tightly Coupled Array, TCA)具有超宽带、低剖面、宽角扫描等特点,近年来受到国内外学者的广泛关注。然而,在甚高频(VHF)、特高频(UHF)频段TCA 由于馈电网络设计困难等原因现有的研究报道很少。为了填补这一空白,本文设计并测试了一款变压器巴伦馈电的TCA,利用变压器巴伦解决了单元平衡馈电困难问题,同时采用短路枝节抑制E面共模谐振,采用频率选择表面(FSS)匹配层改善宽角扫描阻抗匹配。实测结果表明,该天线在110~520 MHz 频带内、±40°扫描角范围内电压驻波比<2.5,和仿真结果吻合。     

Transformer-based global–local feature learning model for occluded person re-identification

Most recent occluded person re-identification (re-ID) methods usually learn global features directly from pedestrian images, or use additional pose estimation and semantic analysis model to learn local features, while ignoring the relationship between global and local features, thus incorrectly retrieving different pedestrians with similar attributes as the same pedestrian. Moreover, learning local features using auxiliary models brings additional computational cost. In this work, we propose a Transformer-based dual-branch feature learning model for occluded person re-ID. Firstly, we propose a global–local feature interaction module to learn the relationship between global and local features, thus enhancing the richness of information in pedestrian features. Secondly, we randomly erase local areas in the input image to simulate the real occlusion situation, thereby improving the model’s adaptability to the occlusion scene. Finally, a spilt group module is introduced to explore the local distinguishing features of pedestrian. Numerous experiments validate the effectiveness of our proposed method.