设计了一个2 GHz全集成的CMOS功率放大器(PA),该PA的匹配网络采用片上变压器实现,片上变压器用来实现单端信号和差分信号之间的转换和输入、输出端的阻抗匹配。采用ADS Momentum软件对片上变压器进行电磁仿真,在2 GHz频点,输入、级间和输出变压器的功率传输效率分别为74.2%,75.5%和78.4%。该PA基于TSMC 65 nm CMOS模型设计,采用Agilent ADS软件进行电路仿真,仿真结果表明:在2.5 V供电电压、2 GHz工作频率点,PA的输入、输出完全匹配到50Ω(S11=–22.4 d B、S22=–13.5 d B),功率增益为33.2 d B,最高输出功率达到23.4 d Bm,最高功率附加效率(PAE)达到35.3%,芯片面积仅为1.01 mm2。
针对传统BP神经网络在线估算锂离子电池健康状态(state of health,SOH)容易使权值陷入局部最优解,导致SOH预测不精确。结合模拟退火(simulate anneal,SA)算法能有效收敛于全局最优的特点,提出一种基于SA算法优化BP神经网络的锂离子电池SOH在线预测方法。以锂离子电池为研究对象,分析了微分电压、欧姆内阻、循环次数与电池SOH的关系,并以此作为电池的健康状态因子(health indicator,HI)输入至BP神经网络。利用SA算法优化BP神经网络的权值,使预测模型得到最优解。实验结果表明:利用优化算法对电池SOH进行预测,其最大误差仅为1.98%,平均误差为1.09%。相较于传统BP神经网络,优化算法预测最大误差降低了5.62%,平均误差降低2.33%。从而验证了基于SA算法优化BP神经网络能够获取全局最优值并提高电池SOH估算精度是有效的。
