找到 22 条结果
基于β-Ga₂O₃的热中子探测器演示
Demonstration of β-Ga2O3-Based Thermal Neutron Detector
Xiangdong Meng · Xinyi Pei · Yuncheng Han · Na Sun 等6人 · IEEE Electron Device Letters · 2025年2月
利用超宽带隙半导体（如氧化镓（Ga₂O₃）和金刚石）的紧凑型、高精度、耐用型热中子探测器，在恶劣环境下对核反应堆进行安全、长期的堆芯附近监测方面具有巨大潜力。然而，实现低器件漏电流和高效中子探测仍然是一项重大挑战。在这项工作中，我们展示了首个基于大面积（9平方毫米）p - NiO/β - Ga₂O₃异质结二极管的热中子探测器。该器件的界面陷阱密度较低，这通过轻微的电容 - 频率色散和低1/f噪声等效功率得以证明，从而实现了超低漏电流（在 - 200 V时为10⁻⁸ A）。因此，它对α粒子（5.4...
解读: 从阳光电源的业务视角来看，这项基于β-Ga2O3的热中子探测器技术虽然聚焦于核辐射监测领域，但其底层的超宽禁带半导体材料技术与我们在功率电子器件领域的发展方向存在重要关联性。 β-Ga2O3作为新一代超宽禁带半导体材料，其禁带宽度达4.8eV，远超碳化硅（3.3eV）和氮化镓（3.4eV）。论文展...
一种用于锂离子电池退化轨迹预测的合成数据生成方法及进化型Transformer模型
A synthetic data generation method and evolutionary transformer model for degradation trajectory prediction in lithium-ion batteries
Haiyan Jin · Rui Ru · Lei Cai · Jinhao Meng 等7人 · Applied Energy · 2025年1月 · Vol.377
摘要 在锂离子电池使用的早期阶段识别其长期退化行为，对于电池管理系统（BMS）在实际应用中有效维护电池至关重要。然而，由于电池在生产和运行条件方面存在差异，该过程面临较大挑战。近年来，已有研究经验证明，数据驱动方法在处理退化预测问题上具有良好的应用前景。然而，合适数据的缺乏仍是影响预测最终性能的主要障碍。此外，预测结果还受到预测器设置的影响，包括神经网络结构及其超参数的设定。实现该过程自动化的挑战至今仍未得到解决。在本研究中，我们提出了一种新颖的退化轨迹预测框架。首先，通过条件生成对抗网络（CG...
解读: 该锂电池退化预测技术对阳光电源储能系统具有重要价值。通过CGAN合成数据和Transformer模型可显著提升ST系列PCS及PowerTitan储能系统中BMS的预测精度,解决早期退化识别难题。自动化超参数优化框架可集成至iSolarCloud平台,实现储能电站电池全生命周期健康管理和预测性维护,...
第 2 / 2 页