第二章 相关文献综述 ...................................................................................................... 8 身高体重表 ...................................................................................................................... 8 预测方程 ...................................................................................................................... 11 体质测量 ...................................................................................................................... 16 腰臀比 ...................................................................................................................... 20 体内水分总量 ...................................................................................................................... 25 身体质量指数 ...................................................................................................................... 31 生物电阻抗 ...................................................................................................................... 41 近红外 ............................................................................................................................. 62 皮褶厚度 ............................................................................................................................. 77 水下称重 ............................................................................................................................. 88
使用量子计算从叠后地震数据估计地震阻抗 Divakar Vashisth* 和 Rodney Lessard,SLB 软件技术创新中心 摘要 量子计算越来越被认为是地球物理学的一项变革性技术,它有可能显著提高计算能力和效率。这一进步有望以前所未有的速度模拟和处理复杂的地质数据。最近的研究已经开始探索将量子计算方法应用于简化版本的地震反演问题,强调该技术解决现实世界逆问题的能力。本研究的主要目的是通过使用量子计算机从地震轨迹数据估计声阻抗来解决一个现实、可扩展且与业务相关的问题。据我们所知,这是第一次通过量子计算从地震数据预测地震阻抗,并讨论了在量子处理单元 (QPU) 上解决逆问题的优势。在本文中,我们利用 D-Wave 量子退火器来解决叠后地震反演问题,采用了一种新颖的两步工作流程。在第一步中,我们利用量子退火器从地震数据中估计反射率。随后,这些估计的法向入射反射率作为使用相同量子技术预测声阻抗的基础。为了验证我们方法的有效性,我们提供了五个示例,将 D-Wave 量子退火器的阻抗预测与通过模拟退火(传统上用于地震反演的随机全局优化器)获得的阻抗预测并列。值得注意的是,从量子退火器得出的阻抗仅在一个时期内就与真实值紧密匹配,而模拟退火需要 10 个时期才能达到类似的精度。此外,我们的混合求解器中的 QPU 仅花费约 0.08 秒即可估计这些地震阻抗。与混合求解器的经典组件和模拟退火所需的时间相比,这非常高效,后两者均需要超过 10 秒。这凸显了 QPU 可以在不到一秒的时间内完全解决地震逆问题,凸显了量子计算对地球物理学领域的变革性影响。 引言 量子计算是一个新兴领域,它利用量子力学原理来处理信息,为传统计算带来了范式转变。与以比特为信息基本单位的传统计算机相比,量子计算机
微型机器人属于微型机器人领域,尺寸为几厘米甚至几毫米。传统上,这些小型机器人通常由电池供电。电池会占用大量空间并导致系统笨重。将储能组件与机器人本身隔离是进一步缩小机器人尺寸的良好替代方案。这可以通过结合无线电力传输 (WPT) 技术来实现。然而,小型 WPT 的研究通常报告效率较低。本文的目的是通过采用谐振电感耦合和阻抗匹配技术为微型机器人提供一种高效的无线电力传输框架。将讨论理论和设计过程。然后,进行了一个简单的原型实验来验证提出的框架。结果表明,在 0.5 厘米的传输距离上实现了 35% 的传输效率。该框架还成功为 4 瓦微型机器人原型供电,传输效率约为 16%,其接收线圈位于发射线圈上方 3.5 厘米处。
b'摘要 提出了一种毫米波\xe2\x80\x90 低\xe2\x80\x90 轮廓宽带微带天线。为了加宽阻抗带宽并同时实现稳定的大增益,在由同轴探针馈电的微带贴片两侧布置共面寄生贴片阵列。在微带贴片上蚀刻双槽以降低 H \xe2\x80\x90 平面交叉\xe2\x80\x90 极化水平。提出了使用 Floquet \xe2\x80\x90 端口模型进行零\xe2\x80\x90 相位\xe2\x80\x90 反射分析以预测寄生贴片阵列的谐振频率。根据理想探针的输入阻抗来验证激发的谐振模式。依次激励两个相邻的宽边谐振,分别以微带贴片的准 \xe2\x80\x90 TM 10 模式和寄生贴片阵列的准 \xe2\x80\x90 TM 30 模式为主导。所提出的天线尺寸为 1.06 1.06 0.024 \xce\xbb 0 3(\xce\xbb 0 为自由空间中 29 GHz 的波长),在 | S 11 | \xe2\x89\xa4 10 dB 时实现 15%(27\xe2\x80\x93 31.35 GHz)的阻抗带宽。实现的峰值增益高达 9.26 dBi,2 \xe2\x80\x90 dB 增益带宽为 15.7%。 H \xe2\x80\x90 平面交叉 \xe2\x80\x90 极化水平在 3 \xe2\x80\x90 dB 波束宽度内小于 14 dB,背部辐射水平小于 17.9 dB。'
基于阻抗的结构健康监测 (SHM) 利用粘合到结构上的压电换能器来深入了解被监测对象的物理健康状况。通过观察压电换能器的电阻抗,可以识别结构的变化。典型的阻抗 SHM 测量依赖于阻抗分析仪或其他复杂硬件。本报告中介绍的研究侧重于开发专门用于海军应用的阻抗硬件。在开发原型之前,先在代表性海军结构上验证阻抗 SHM 的功能。对焊接铝试样施加疲劳载荷,并使用阻抗法成功检测疲劳裂纹扩展。然后考虑将阻抗 SHM 原型的组件纳入硬件中,并在铝试样上进行验证。最后,基于阻抗集成电路设计初始原型。
Power Supply: 10 to 40 VDC (15 to 24 VDC Recommended) for 4 to 20 mA or 0 to 5 VDC Outputs 15 to 40 VDC (15 to 24 VDC Recommended) for 0 to 10 VDC Outputs 12 to 28 VAC (Requires a separate pair of shielded wires) for 0 to 5 VDC Outputs 15 to 28 VAC (Requires a separate pair of shielded wires) for 0 to 10VDC Outputs Power Consumption: 100 mA maximum DC: 4 to 20 mA Output (<30mA typical) 75 mA maximum DC: 0 to 5 VDC or 0 to 10 VDC Outputs (6mA typical) 1.9 VA maximum AC: 0 to 5 VDC or 0 to 10 VDC Outputs (0.2VA typical) Outputs: 4 active outputs plus 1 passive temperature sensor Volts........................0 to 5 VDC or 0 to 10VDC, Impedance >10KΩ (OUT1, OUT2, OUT3, OUT4) Current....................4 to 20 mA, Impedance <500Ω @ 24 VDC (OUT1, OUT2) Resistance..............Setpoint, 5 VDC @ 5 mA max (OUT3, OUT4) - Factory selected per application Relay Contact.........N.O., 500 mA @ 24 VDC max Temp.传感器.........被动RTD或热敏电阻(temp+/temp-)输入:外部覆盖.... 5 VDC或24 VDC/VAC/vac外部传感器...... 10K-2 Themistor单独购买。Wired 25' max from sensor Sensing Elements for Active Outputs and Display: Temperature............10K-2 Thermistor Humidity..................Capacitive Polymer, ±2%RH Sensing Element for Resistive Temp Output: Thermistor or RTD Mounting: Standard 2”x4” junction box, European junction box
电感器是一种具有频率相关阻抗特性的电气元件;电感器在低频时表现出低阻抗,在高频时表现出高阻抗。虽然“理想”运算放大器输出阻抗特性为零,但“实际”放大器的输出阻抗是电感性的,并且像电感器一样随着频率的增加而增加。EL5157 的输出阻抗如图 2 所示。使用运算放大器的应用中的一个常见挑战是驱动电容负载。之所以有挑战性,是因为运算放大器的电感输出与电容负载一起形成 LC 谐振槽拓扑,其中电容负载电抗与电感驱动阻抗一起导致当反馈围绕环路闭合时产生额外的相位滞后。降低相位裕度会导致放大器振荡的可能性。振荡时,放大器会变得非常热,并且可能会自毁。针对这一挑战,有几个非常著名的解决方案。1) 最简单的解决方案是在输出端串联一个电阻,以强制反馈来自放大器的直接输出,同时隔离无功负载。这种方法的代价是牺牲负载上少量的输出电压摆幅。2) 另一个直接的解决方案是应用“缓冲网络”。缓冲网络是一个与电容负载并联的电阻和电容,在负载上提供电阻阻抗以减少输出相移;提供额外的稳定性。
MIL-STD-1553 提供了第二种连接到主总线的方法,称为变压器耦合。变压器耦合连接利用阻抗匹配耦合变压器以及隔离电阻来连接到总线。耦合变压器和隔离电阻的作用是,总线内部短截线的阻抗与特性阻抗相匹配。提供总线内部匹配的阻抗将减少短截线的二次反射,并将大部分信号功率传送到总线。耦合变压器的第二个好处是,该比率使得有效短截线阻抗增加 2 到 1 倍(基于使用匝数比为 1.41:1 的变压器)。图 4 显示,与直接耦合连接相比,变压器耦合连接的有效短截线阻抗显著增加。在保持多点总线上传输线的保真度方面,这种总线耦合器的使用是 MIL-STD-1553 的主要架构优势之一。
可以预期,短截线电缆在终端接口处以特性阻抗终止,但是,MIL-STD-1553 定义终端必须具有相对较高的输入阻抗。终端相对于特性阻抗的高输入阻抗将在终端与短截线的连接处产生较大的反射系数。这种高阻抗的结果是,大部分短截线波将被反射回总线,并将由于短截线的延迟而以相移的形式重新添加到入射波中。如果终端以特性阻抗终止,则信号将在每个短截线连接处衰减,并会显著限制可以连接到总线的终端数量。相反,1553 以少量相位失真为代价,最大限度地减少了由于短截线引起的衰减。
摘要 - 电池数字双胞胎(BDT)是一种现代工具,将用于未来的智能电池管理系统(BMS),用于锂离子电池(LIB),这是由于当前技术向智能电池(SB)过渡,并具有细胞水平的信息和电源处理能力。BDT可以根据给定温度和衰老状况的阻抗模型预测电压输出,并且该信息可用于高级状态估计,包括无传感器温度状态(SOT),健康状况(SOH)和健康管理。本文提出了一种适用于智能电池系统的在线阻抗估计方法,其中包括一个旁路设备,可以切换以用不同的频率激发电池阻抗,并对负载的最小影响。根据对动态电流曲线的电压响应的准确性,比较了BDT中使用的阻抗模型的性能。