• OCPORV3智能电池备份单元的设计方案

    本文概述了开放式计算项目(OCP)开放式机架v3(Orv3)电池备份单元(BBU)的系统要求。它强调了拥有能够在停电期间提供能量的高效率和智能的电源管理的重要性。此外,它还将展示模拟和数字设计解决方案、电气和机械解决方案及其符合书面规格的结构。

  • OCPORV3智能电池备份单元中的单片机操作

    开放式计算项目(OCP)是一个非营利组织,负责交流数据中心的产品设计和跨行业的最佳实践,最近发布了开放式机架3(Orv3)规范。规范中最重要的变化是设计正在从12V转换为48V架构。 第一部分 讨论了BBU的电气和机械设计考虑。本系列的第二部分更详细地介绍了主微控制器的软件,该软件负责保证过程的顺利运行,从而确保了BBU的高效率和高容量。硬件和软件必须顺利协作,以提供符合要求规格的系统级解决方案。

  • 比较 N 沟道 MOSFET 和 P 沟道 MOSFET:哪种最适合您的应用?

    它们的反向掺杂分布是主要区别:p 通道 MOSFET 依靠空穴作为多数电荷载流子,产生空穴电流,而 n 通道器件利用电子,产生电子电流。由于电子的迁移率较高,约为空穴的两到三倍,因此在 p 通道器件中移动空穴比在 n 通道器件中移动电子更具挑战性。

  • 边缘计算的下一步发展是什么?

    在一系列行业中,特别是在工业自动化的纵向领域,人们普遍认为,将现代计算机资源与基于云的软件生命周期管理模型相结合,将变得越来越普遍。将虚拟计算机资源放置在创建多个数据流的地方是很好的。这是解决纯粹云计算方法无法解决的系统延迟、隐私、成本和弹性挑战的途径。2010年左右,思科系统公司在"雾计算"的标签下启动了这种范式转变,并逐步转变为现在所谓的边缘计算。

  • 低功率电子产品设计的技巧

    低功率电子是一个快速发展的领域,对于应对当今的能源挑战至关重要。所有设备,从移动电话到 电动汽车 ,参与这项工作。效率是口号,指导低功率设计的关键原则,新兴的技术和战略在所有电气和电子应用中最大限度地提高能源效率。

  • 改善数据质量的机器学习分类技术的进展

    数据质量差会导致信息驱动系统中的分析和决策不准确。机器学习(ML)分类算法已成为解决一系列问题的有效工具。 数据质量 通过自动发现和纠正数据集中的异常来解决问题。将ML分类器应用于数据提纯、异常值识别、缺失值估算和记录链接等任务有多种方法和策略。用于衡量机器学习模型在解决数据质量问题方面的效力的评价标准和性能分析方法正在演变。

  • 基于 GaN 的 PFC可以提高 HVAC 热泵效率

    许多国家/地区都普遍使用燃气和燃油锅炉以及熔炉来为住宅和商业室内空间提供空间和水加热。可以替代这些基于化石燃料的系统的电热泵被视为空间和水加热应用中脱碳的关键要素。在本文中,我们将总结一个可用于为热泵供电的功率校正因子 (PFC) 级参考设计示例。德州仪器 (TI) 的这个参考设计使用基于氮化镓 (GaN) 的 PFC来提高功率转换效率,并提供了一个如何使用宽带隙 (WBG) 半导体的示例例如碳化硅(SiC)和GaN可以进一步激励日常能源需求的电气化。

    电源
    2024-09-09
    PFC GaN
  • 集成电路 p 栅极 GaN HEMT 中的栅极过压稳定性

    功率转换器中使用的氮化镓 (GaN) 器件具有多种优势,包括更高的效率、功率密度和高频开关。横向 GaN 高电子迁移率晶体管 (HEMT) 功率器件在此类应用中实现了强劲的市场增长。这种本质上为耗尽模式的器件的栅极驱动具有挑战性,有许多解决方案可以将其转变为稳健的增强模式操作。

    电源
    2024-09-09
    GaN HEMT
  • 建立使用语义内核的智能人工智能代理逐步指南

    在本文中,我们将探讨如何使用智能人工智能代理 蓝色开放人工智能 和语义内核(微软C#SDK)。你可以把它和 打开人工智能 开放的人工智能,拥抱的脸,或任何其他的模特。我们将介绍基本原理,深入研究实现细节,并在 C# .无论你是初学者还是有经验的开发人员,这个指南将帮助你利用人工智能的力量为你的应用程序服务。

  • 将电流传感器集成在GanFts中的益处

    在电力电子应用中,例如回弹转换器或功率因子校正( PFC ),开关电流通常被检测到以控制高峰/谷电流模式或过电流保护。如表1所示,有几种方法可以执行这项任务。

  • 如何设计滤波电路滤除掉脉动直流中的交流

    电子电路中的电源一般是低压直流电,先把220v交流电变换成低压直流电,再用整流电路变成脉动的直流电,最后用滤波电路滤除掉脉动直流中的交流成分后才能得到直流电。

  • 解释人工智能解释伯特模型

    近年来,随着人工智能的发展,出现了专门针对人工智能的法规,例如,在制药业和金融业的模型风险管理中出现了良好的机器学习做法,其他涉及数据隐私的广谱法规,欧盟的《电子商务规则》和加利福尼亚的《计算机风险管理法》。同样,内部合规团队在根据模型预测验证决策时也可能希望解释模型的行为。例如,承销商想知道为什么一个特定的贷款申请被一个ML模型标记为可疑。

  • 可以准确的评估社交距离可穿戴的技术探讨

    社交距离是减少病毒接触的基石,它在减少病毒接触和传播的风险方面继续发挥着至关重要的作用。虽然世界卫生当局已经确定6英尺(2米)是一个安全距离,但设计帮助消费者提高社交距离意识和警报的设备已证明具有挑战性,因为其核心功能依赖于准确、低延迟距离测量。

  • 了解 USB-PD 3.2 规范

    随着技术的进步,各种设备、媒体格式和价格实惠的存储都需要更大的带宽来维持用户已经习惯的互动体验。此外,用户应用程序需要个人计算机和这些日益先进的外围设备之间更高效、更快速的连接。USB-PD 3.2 规范满足了这一要求,通过采用更快的传输速度来满足现代应用程序和设备的需求。我们将深入探讨新的可调电压源 (AVS) 要求及其对电源(充电器)和接收器(设备)两侧电源系统的影响。

  • 了解贝叶斯建模和机器学习概率编程

    传统的机器学习模型和人工智能技术往往存在一个严重的缺陷:它们缺乏不确定性的量化。这些模型通常提供点估计,而不考虑预测的不确定性。这种限制削弱了评估模型输出可靠性的能力。此外,传统的ML模型缺乏数据,往往需要正确的标记数据,因此,往往难以解决数据有限的问题。此外,这些模型缺乏将专家领域知识或先前信念纳入模型的系统框架。如果没有利用特定领域的洞察力的能力,模型可能会忽略数据中的关键细微差别,并倾向于无法发挥其潜力。毫升模型变得越来越复杂和不透明,虽然越来越多的人要求在根据数据和大赦国际作出的决定中增加透明度和问责制。

发布文章