文献类型：期刊文章

作　　者：管胜[1] 阮方鸣[2] 周奎[1] 苏明[2] 王珩[2] 邓迪[3] 李佳[4]

GUAN Sheng;RUAN Fangming;ZHOU Kui;SU Ming;WANG Heng;DENG Di;LI Jia(School of Big Data and Information Engineering,Guizhou University,Guiyang 550025,China;School of Big Data andComputer Sciences,Guizhou Normal University,Guiyang 550001,China;Guizhou Machinery and Electronic ProductsQuality Supervision and Inspection Institute,Guiyang 550016,China;Shenzhen Zhenhua Fu Electronics LimitedCompany,Shenzhen 518109,China)

机构地区：[1]贵州大学大数据与信息工程学院,贵州贵阳550025 [2]贵州师范大学大数据与计算机科学学院,贵州贵阳550001 [3]贵州省机械电子产品质量监督检验院,贵州贵阳550016 [4]深圳振华富电子有限公司,广东深圳518109

出　　处：《电子科技》

基　　金：贵州省静电与电磁防护科技创新人才团队(黔科合平台人才[2017]5653);2016年度中央引导地方科技发展专项资金项目(黔科中引地[2016]4006号)~~

年　　份：2019

卷　　号：32

期　　号：6

起止页码：43-48

语　　种：中文

收录情况：CSA、CSA-PROQEUST、IC、INSPEC、RCCSE、普通刊

摘　　要：文中结合小间隙放电的双过程模型,探讨电极移动引起放电场强和压强的变化对放电间隙内部相关因子的影响。文中同时利用BP神经网络预测分析电极移动速度对放电参数的影响。基于静电放电电极移动速度效应检测仪,不断改变电极移动速度,反复多次进行放电实验并统计试验数据。利用BP神经网络对已测实验数据进行训练、学习,从而预测不同速度与压强下对应的电流上升时间和峰值电流大小。实验结果表明,放电电流的上升时间与电极移动速度不存在相关性。根据新方法预测出的不同速度下的峰值电流和实际大小相比准确率更高。研究结果对探寻非接触式静电放电的规律和制定静电放电标准有一定的参考价值。

关 键 词：静电放电 电极移动速度  BP神经网络 学习与训练  预测  规律  

分 类 号：TP183]