“碳化硅功率半导体技术”专题前言

半导体功率器件(即电力电子器件)是电力电子技术的三大核心基础之一,被比作电力电子装置的“CPU”。现有功率器件多采用Si基或SOI基,但是受限于自身材料特性的影响,在节能与转换效率方面越来越显示出他们的局限性。为解决上述问题,半导体功率器件除了继续对传统器件进行新理论和新结构的创新研究外,也正在遵循“一代材料、一代器件、一代装置、一代应用”的发展趋势,从传统的Si基和SOI基向宽禁带半导体SiC和GaN基进行扩展和延伸。     

溶液浓差能驱动的逆电渗析反应器制氢实验研究

低品位热能制氢技术首先是将热能转换为溶液浓差能，然后通过逆电渗析（RED）反应器将溶液浓差能转换成氢能。为了验证RED反应器能将溶液浓差能转换为氢能，探索关键运行参数变化对能量转换过程的影响。设计了一个由40个膜对所构成的RED反应器，以NaCl水溶液为工作溶液，NaOH水溶液为电极液的制氢系统。通过改变浓/稀溶液入口浓度，溶液过膜流速以及输出电流来考察对RED反应器产氢率、制氢效率和能量转换效率的影响。实验结果发现，浓/稀溶液入口浓度，过膜流速变化均会影响RED反应器的输出电流。在外电路短接条件下，输出电流越大，反应器产氢率和制氢效率越高，但能量转换效率越低。     

基于试验模态分析橡胶减振件的参数识别

针对具有较大承载能力的橡胶减振件的动力学参数进行直接测试,存在测试设备功率要求高、测试频率低等问题,无法满足有限元建模中对橡胶减振件的参数设置需求。提出基于试验模态分析法实现橡胶减振件动力学参数识别,重点阐述了橡胶减振件动力学参数直接测试法与试验模态分析法的理论依据,并通过实践应用验证了试验模态分析法在橡胶减振件的参数识别具有显著的工程应用价值。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。