基于CPS协同的微系统电源信号完整性设计

裸芯片die、硅通孔TSV(Through Silicon Via)硅转接板、高温共烧陶瓷HTCC(High Temperature Co-fired Ceramics)管壳等多材质多基板立体堆叠和高密度集成的微系统封装,因空间极度有限、跨尺度立体转换的失配、电磁效应的耦合,低电压大电流电源的电源分布网络PDN(Power Distribution Network)和GHz高速信号的通道设计成为难题。贴合微系统封装尺度越来越接近芯片尺度的特点,以及微系统模块的系统应用需求,研究了基于芯片、封装、系统CPS(Chip-Package-System)协同设计仿真的方法。针对核心电源PDN的设计,采用芯片功耗模型CPM(Chip Power Model),结合TSV硅基板、HTCC管壳、PCB三级去耦电容网络的布放和协同优化,有效降低了电源纹波,保证了电源完整性。针对高速信号通道设计,基于电磁场和电路结合的仿真,将芯片电特性配置与封装互连的拓扑匹配协同优化,封装与板级应用协同优化,保证了信号完整性,且不对封装版图和工艺提出严苛要求。     

单晶硅超精密切削加工表面粗糙度预测模型的建立及试验研究

利用超精密机床进行切削加工时,对于操作者来说,首先面临的问题是最优切削用量组合的确定,这也是最让操作者感到棘手的问题.单晶硅成功的切削过程取决于优化工艺参数,比如进给量、背吃刀量、切削速度等.为了建立精确可靠的表面粗糙度预测模型,本文将遗传基因算法应用于回归分析,同时在超精密机床上对该预测模型进行了试验验证.     

基于迁移学习的太空台风自动识别

太空台风是极盖区内一种新发现的大尺度亮斑状极光结构，直观表征了地磁平静期的一种堪比磁暴的太阳风能量注入现象，这更新了人们对太阳风–磁层–电离层耦合过程的认识，如何从海量星载极光数据中准确髙效识别出太空台风事件具有重要的科学意义。采用深度学习的方法，通过六种网络模型的对比，最终基于迁移学习和EfficientNetB2网络提出了一种太空台风自动识别方法。在2005-2021年美国国防气象卫星（Defense Meteorological Satellite Program,DMSP）上搭载的紫外光谱成像仪（Special Sensor Ultraviolet Spectrographic Imager,SSUSI）的观测数据中验证了该模型的有效性，识别准确率达到97.7%。研究结果表明，该方法可用于从海量星载极光观测数据中自动识别太空台风事件。     

基于TSV的星载微系统设计与可靠性实现

基于硅通孔TSV（Through Silicon Vias）的星载微系统，通过硬件框架设计、TSV关键工艺设计、CPS仿真设计、全流程测试及可靠性研究，最终在全国产化高温共烧陶瓷HTCC（High-Temperature Co-fired Ceramics）管壳内集成了抗辐照海量信息处理器、抗辐照大容量存储器、抗辐照微控制器、抗辐照38译码器等器件，形成43 mm×43 mm×5.65 mm的气密性封装星载微系统，具备高可靠、高性能的处理能力以及星上常用的控制和通讯接口，可用于星上载荷信息实时处理及星务平台控制管理，可以有效替代现有的板级产品，实现星载电子系统的小型化、集成化。