通过对频率抖动机理的研究,提出一种基于压控振荡器(Voltage-Controlled Oscillator,VCO)的真随机数发生器(True Random Number Generator,TRNG)设计方案.该方案将电阻热噪声放大后作为VCO的控制信号使其振荡频率在中心频率附近随机抖动...通过对频率抖动机理的研究,提出一种基于压控振荡器(Voltage-Controlled Oscillator,VCO)的真随机数发生器(True Random Number Generator,TRNG)设计方案.该方案将电阻热噪声放大后作为VCO的控制信号使其振荡频率在中心频率附近随机抖动. VCO所产生的慢振荡信号对周期固定的快振荡信号采样生成原始随机序列,然后利用后处理电路提高序列均匀性并消除自相关性.通过热噪声发生器调节VCO的中心频率可实现序列比特率和随机性之间的权衡.所提电路采用SMIC 55nm CMOS工艺设计,芯片面积0. 0124mm2,比特率10Mbps,平均功率0. 81mW.输出的随机序列通过NIST SP 800-22测试.展开更多
文中以4节12 V的串联锂离子电池组模块为研究对象,通过实验采集动力电池充放电时的电压、电流、温度、内阻和放电量数据来估算电池的荷电状态(State Of Charge,SOC),重点考虑内阻对动力电池SOC预测结果的影响。以动力电池的电压、电流...文中以4节12 V的串联锂离子电池组模块为研究对象,通过实验采集动力电池充放电时的电压、电流、温度、内阻和放电量数据来估算电池的荷电状态(State Of Charge,SOC),重点考虑内阻对动力电池SOC预测结果的影响。以动力电池的电压、电流、温度和内阻作为输入,SOC作为输出,建立四输入一输出的神经网络仿真模型。实验结果表明SOC的预测精度为1.6%,比未考虑电池内阻的预测精度提高45%左右。本文提出的预测方法,其运行时间为0.27 s左右,比不考虑电池内阻时稍有延长,但完全能满足不同工况动力电池充放电时SOC在线估算的速度要求,从而能实现SOC的在线准确预测。展开更多
文摘文中以4节12 V的串联锂离子电池组模块为研究对象,通过实验采集动力电池充放电时的电压、电流、温度、内阻和放电量数据来估算电池的荷电状态(State Of Charge,SOC),重点考虑内阻对动力电池SOC预测结果的影响。以动力电池的电压、电流、温度和内阻作为输入,SOC作为输出,建立四输入一输出的神经网络仿真模型。实验结果表明SOC的预测精度为1.6%,比未考虑电池内阻的预测精度提高45%左右。本文提出的预测方法,其运行时间为0.27 s左右,比不考虑电池内阻时稍有延长,但完全能满足不同工况动力电池充放电时SOC在线估算的速度要求,从而能实现SOC的在线准确预测。
