级联的单阶段分布放大器(CSSDA)由于其显着的增益带宽产品而有助于微波应用实现超宽带扩增。但是,它们的功能通常会因内部噪声而损害,这会对响应的线性产生有害。通过引入准差分分布式放大器(QDDA)提出了对这个普遍问题的创新解决方案。实施0.18μm互补的金属氧化物半导体(CMOS)技术,设计,制造和测试了具有单级四级级联配置的QDDA。经验结果表明,高增益为20dB,并且具有30GHz的带宽。此外,观察到噪声图为4.809,紧凑的芯片尺寸为0.74mm²。使用高级设计系统(ADS)RF模拟器完成了此设计和结果发现。随后使用Cadence工具生成电路布局和规格。这项研究证明了QDDA显着提高CSSDA的性能的潜力,这有助于进步超宽带微波炉应用。
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化来生成大型数据集,但大多数人使用反复试验过程来生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习,从而增强设计探索并做出更好的设计决策。最近,还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上,我们将展示使用模拟数据将数据科学应用于工程应用。我们将讨论...
摘要:人工智能(AI)技术在土木工程程序和绘图技术中的集成有可能彻底改变该行业。本研究探讨了在土木工程中有效利用AI的好处,挑战和策略。该研究调查了AI集成的现状,研究了其在结构分析,设计,文档和项目管理中的应用,并确定了阻碍广泛采用的障碍。该研究强调了数据驱动决策,增强设计可视化,提高准确性和效率,简化文档和通信以及增强项目管理和控制的重要性。通过应对挑战并提供对AI技术的见解,本研究旨在弥合理论潜力与实际实施之间的差距,为更可持续和智能的土木工程项目铺平道路。关键词:人工智能,土木工程,结构分析,设计优化,数据驱动决策,项目管理,文档,沟通,集成,实施。
摘要:在这项研究中,通过将400和460 GSM语法与聚氨酯基质相结合,分析了Kevlar 29复合材料的弹道效率。板,其板的板块由10、14和18层的kevlar 29织物组成,以90°的角度制造了增强设计。按照NIJ 0108.01标准的参数进行了弹道测试,对9毫米FMJ和22(5.5 mm)口径子弹应用了五种影响。评估了复合材料和纯kevlar。在前面和后面以及复合材料的内部进行了视觉分析,以识别分层和断裂。结果表明,0.22口径子弹是在各种堆叠水平上捕获的,具体取决于配置,而9毫米的子弹穿透了所有板。与影响相关的局部裂缝和分层,突出了材料耗散能力中堆叠设计和语法的重要性。
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化来生成大型数据集,但大多数人使用反复试验过程来生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习,从而增强设计探索并做出更好的设计决策。最近,还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上,我们将展示使用模拟数据将数据科学应用于工程应用。我们将讨论...
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化生成大型数据集,但大多数人使用反复试验过程生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习,从而可以增强设计探索并做出更好的设计决策。最近,还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上,我们将使用模拟数据展示数据科学在工程应用中的应用。我们将讨论...
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化来生成大型数据集,但大多数人使用反复试验过程来生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习,从而增强设计探索并做出更好的设计决策。最近,还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上,我们将展示使用模拟数据将数据科学应用于工程应用。我们将讨论...
Fatma Kocer (Altair)、Shane Mooney (Kinetic Vision) - 工程数据科学工作组工程师使用基于物理的模拟创建并继续创建大量数据。我们中的一些人使用实验设计或优化来生成大型数据集,但大多数人使用反复试验过程来生成数据点。那些使用 DOE 或优化的人可以通过使用描述性和预测性分析从整个数据集中学习,从而增强设计探索并做出更好的设计决策。最近,还开发了可以使用从一次性反复试验中编译的历史数据集的 ML 方法。在本次研讨会上,我们将展示使用模拟数据将数据科学应用于工程应用。我们将讨论...