一种低功耗多输出带隙电压基准源电路的设计

文章提出了一种基于带隙原理的多路输出的基准电压电路设计。该电路采用标准CMOS工艺,工作电压为1.8~3.3 V,输出基准电压为1.5 V、1.1 V、0.9 V,温度系数为75.86 ppm/℃。由于采用了MOS管亚阈值原理,功耗低至4.29μW。在室温27℃和频率为10 Mhz处的电源抑制比为22.5 d B。     

高精度带隙基准电压源设计

带隙基准电压源采用0．18umCMOS工艺设计,分析并计算电路的电源抑制,由一个NMOS管和一个PMOS管构成的减法器的引入有效地提高电路的电源抑制。基于Hspice仿真,电源电压为1．8V,电源抑制达到113dB。在-40℃-120℃温度范围内,输出电压变化1．3mV,温度系数为6．5ppm／℃,输出电压为1．24V,功耗仅为112uW。     

集成稳压器中基准电压源模块的研究与设计

基准电压源是集成稳压器的一个核心模块,它是影响集成稳压器精度的最主要因素,其中的带隙基准源具有高稳定度、低温漂、低噪声等优点。文章对带隙基准电压源的研究将基于数字CMOS工艺,先通过对传统和现有的带隙基准电压源的基准电压进行分析和计算,明确带隙基准电压源的设计方向和设计难点;然后利用选定的工艺线器件模型,对电路进行设计;最后通过反复进行HSPICE仿真模拟,对电路进行改进,使电路性能达到所要求的指标。     

房屋拆迁补偿基准价格确定浅析

房屋拆迁补偿基准价格直接涉及到拆迁工作能否顺利进行,好多地方都没有公布此基准价格,确定此基准价格是一项很重要的工作。在2008年初,作为估价人员,本人主持了铜川市耀州区城镇房屋拆迁货币补偿评估建安重置成本基准价的确定工作,并将铜川市药王山风景区道路改造房屋拆迁补偿基准价格,作为我评估公司评估铜川市药王山风景区道路改造工程拆迁房屋评估的基础。现将该基准价格确定的成因与方法分析一下,与大家商榷。     

一种智能低压无功补偿系统的设计

为了解决传统无功补偿装置采样精度低,响应速度慢的问题,本文提出了一种基于STM32F103RCT6为主控芯片的无功补偿控制系统,该装置以STM32F103RTC6为控制器,完成了电压、电流、功率因数等参数的测量,并传输信息给智能补偿电容器模块,由R8C25单片机实现电容的自动投切,满足无功功率补偿要求。该装置体积小、成本低、应用灵活、组网方便,有广阔的应用前景。     

一种低压无功补偿的智能同步开关技术

低压无功补偿对于电力需求侧管理的节能降耗以及智能电网的最后一公里建设都起着非常重要的作用。目前低压无功补偿的投切主要采用接触器、晶闸管和复合开关技术,其中接触器不能实现过零投切,晶闸管和复合开关虽然都能过零投切,但晶闸管成本太高,运行中功耗也较高,而复合开关可靠性相对较差。介绍了一种融合了晶闸管和复合开关优点的同步开关技术,采用预先判断的控制策略应用于双过零执行模块,从而实现低成本、高可靠性低压无功补偿的快速投切。实验波形也证实了该技术的准确性和实用性。     

补偿带施工新技术在地下室工程中的应用

现结合工程实例,详细介绍了补偿混凝土收缩技术及相应措施在工程中的应用。     

定位精度的一种测试补偿方法

定位精度是机床的基本精度之一.文章阐述了利用高精度的激光干涉仪测试机床在装配过程中的定位精度,并把定位误差补入数控系统,可以有效地提高机床的精度,使定位精度达到5μm.在确定机床定位精度的过程中,时温度条件在一定程度上对定位精度的影响不能忽略,可以通过激光干涉仪测试定位精度并补入数控系统,补偿后的机床定位精度可以达到6μm.     

定位精度的一种测试补偿方法

定位精度是机床的基本精度之一。文章阐述了利用高精度的激光干涉仪测试机床在装配过程中的定位精度,并把定位误差补入数控系统,可以有效地提高机床的精度,使定位精度达5 m。在确定机床定位精度的过程中,对温度条件在一定程度上对定位精度的影响不能忽略,可以通过激光干涉仪测试定位精度并补入数控系统,补偿后的机床定位精度可以达到6μm。     

一种基于Boost电路的离网光伏发电控制器的仿真研究

太阳能作为新能源的典型代表,受到广泛的关注。文章对太阳能光伏发电原理进行了分析,并验证Boost电路作为光伏发电直流变换电路的可行性和可靠性。     

A note on Model Reference Adaptive System (MRAS) estimate with infinite variance

This paper discusses the estimation of a parameter in an autoregressive model with infinite variance. A recursive estimation procedure based on minimizing the prediction errors is provided. It is also shown that the model reference adaptive system estimate for an AR (1) model given in Aase (1983) is a special case.