Thermal Management Technology of Light, Small, and Compact Airborne Photo-Electric Pod
-
摘要: 为满足机载光电吊舱轻小型、紧凑型要求，解决光电吊舱散热问题，采用了热传导和风机内循环对流结合的散热方式，用金属结构件将发热元器件与壳体接触建立热传导通道，用风机内循环强化内部对流建立低热阻的对流换热通道，通过ICEPAK热仿真软件对该散热方式建模仿真计算表明：静止条件下吊舱核心处理芯片DSP、FPGA、SoC温升分别为：29.1℃、29.2℃、33.8℃，相比无风机时别降低：5.2℃、3.5℃、4.4℃；飞行条件下温升分别为：11.9℃、9.1℃、15.5℃；静止条件下，在风机内循环作用下，舱内最高环境温度较无风机内循环时降低约5.5℃。通过与同等条件下高温试验数据比较，仿真温度与测试温度相差3.1℃。该散热方式可有效降低舱内环境和器件的温升，满足吊舱使用要求，结构简单占用空间小，适用于轻小型、紧凑型机载光电吊舱。Abstract: To meet the development trend of light, small, and compact airborne photoelectric pods and solve the heat dissipation problem of photoelectric pods, a combination of cooling and fan circulation convection heat dissipation was used. The contact heat components with the cabin using a metal structure were employed to establish a heat conduction channel. The internal air was circulated by a fan to strengthen the internal convection and establish a low-thermal-resistance convection heat-transfer channel. Modeling simulation was performed by ICEPAK thermal simulation software, and a high-temperature working test was also conducted. The results show that the maximum temperature rise of the key processors DSP, FPGA, SoC is respectively 29.1℃, 29.2℃, 33.8℃ under static conditions and 5.2℃, 3.5℃, 4.4℃ lower than the case without fans. And the maximum temperature rise is respectively 11.9℃, 9.1℃, 15.5℃ under flight conditions. At the same time, under the action of internal air circulation by the fan, the maximum ambient temperature in the cabin was reduced by approximately 5.5℃. The maximum temperature deviation between test and simulation at the same conditions is 3.1℃. The thermal management method can effectively reduce the temperature increase in the internal environment and devices inside the cabin, satisfy the requirements of pod use with a simple structure, and occupy a small space. Thus, it is suitable for light, small, and compact airborne photo-electric pods.
-
0. 引言
机载三轴稳定平台广泛应用于遥感成像领域，其主要作用就是隔离载机运动等因素带来的扰动，减小飞行器姿态角带来的变化，保证成像质量[1]。现需研制一台具有高精度的三轴稳定平台，使搭载在平台上的垂视相机和高光谱相机两种线阵相机工作在稳定的成像环境中，获得高质量的图像数据。
传统的机载三轴平台机械传动往往采用电机直驱或带有减速箱的传动机构。这些方式均不能满足成像载荷质量大，稳定平台质量小于59.8 kg的指标要求。钢丝绳传动具有高精度、低空回、重量轻等特点，所以采用了钢丝绳传动机构。但是钢丝绳传动会带来一定的柔性传动，在线阵相机成像这种高精度的场合往往不能忽略，会带来图像的抖动和畸变。传统的PID（proportion integration differentiation）控制很难满足高成像质量的要求，张洪文针对某遥感扫描组件消旋组件同步提出双电机驱动，采用独立的位置环和速度环控制钢丝绳传动，同步精度达到了0.5 mrad[3]；谢宏伟在实验中确定了预紧力、负载、绳组数、转速对传动精度的影响[4]。但是以上稳定平台的成像载荷均比较小，没有明显暴露出钢丝绳传动的缺点，在这次实际工程中，两个成像载荷的重量高达21.3 kg，稳定精度的技术指标为0.35mrad，对控制算法的设计提出更高的要求。
本文主要是为了改善钢丝绳传动的三轴转台非线性干扰，设计出一种模糊自适应和前馈复合控制的策略，最后通过仿真和实验验证该控制策略的有效性。
1. 控制系统的数学模型
1.1 钢丝绳传动系统的建模
本实验的稳定平台都是小幅有限角运动，钢丝绳机构如图 1所示，结构图如图 2所示，采用ROT-LOK型结构[3-4]。在往复运动中，钢丝绳上不断变化的张力会对传动系统引入传动空回。
根据结构的空间和刚性选择4组绳组数，被动轮上每组钢丝绳的一端都串联预紧弹簧用以调节钢丝绳的预紧力，可以在实验中精确地调节弹簧的长度来选取合适的预紧力[5-6]。钢丝绳上的预紧力为Fp，负载力为Fl，钢丝绳的变形量为δ，被动轮与主动轮的半径是Ro, Ri，AE是刚度即横截面积与弹性模量的乘积，μ为摩擦系数，钢丝绳的模型为：
$$ {\delta _{\text{o}}} = \int {\frac{{{R_{\text{o}}}({F_{\text{p}}} + {F_{\text{l}}}){{\text{e}}^{ - \mu \theta }}}}{{{\text{AE}}}}} {\text{d}}\theta - \int {\frac{{{R_{\text{o}}}({F_{\text{p}}} - {F_{\text{l}}}){{\text{e}}^{\mu \theta }}}}{{{\text{AE}}}}{\text{d}}\theta } $$ (1) $$ {\delta _{\text{i}}} = \int {\frac{{{R_{\text{i}}}({F_{\text{p}}} + {F_{\text{l}}}){{\text{e}}^{ - \mu \theta }}}}{{{\text{AE}}}}} {\text{d}}\theta - \int {\frac{{{R_{\text{i}}}({F_{\text{p}}} - {F_{\text{l}}}){{\text{e}}^{\mu \theta }}}}{{{\text{AE}}}}{\text{d}}\theta } $$ (2) 则钢丝绳的传动空回e为：
$$ e = \frac{{{\delta _{\text{o}}}}}{{{R_{\text{o}}}}} + \frac{{{\delta _{\text{i}}}}}{{{R_{\text{i}}}}} $$ (3) 1.2 直流电机模型
机载三轴稳定平台会涉及到多框架耦合等问题，但本文研究的是钢丝绳传动对伺服造成的影响，所以等效为3个相同的控制系统进行设计，由电机的工作原理可以推出电压平衡方程[7]：
$$ {U_{\text{d}}} - {K_{\text{i}}}{I_{\text{d}}} = L{\dot I_{\text{d}}} + R{I_{\text{d}}} + {C_{\text{e}}}{\dot \theta _m} $$ (4) 式中：Ud为电枢两端电压；L、R、Id分别为电枢回路等效的总电感、电阻、电流；Ki为电流反馈系数；Ce是伺服电机电动势系数；$ {\dot \theta _{\text{m}}} $和θm是电机输出轴的转速和转角。
直流伺服电机的动力学方程可以写为：
$$ {J_{\text{m}}}{\ddot \theta _{\text{m}}} = {k_{\text{t}}}i - {b_\text{m}}{\dot \theta _{m} } - {K_{\text{L}}}\left( {{\theta _{\text{m}}} - {\theta _{\text{L}}}} \right) $$ (5) 式中：kti为电磁转矩；kt为电机的转矩系数；电动机输出轴的转动惯量为Jm；电机的粘性阻尼系数为bm；KL为电机和框架的耦合刚度系数；$ {\dot \theta _{\text{L}}} $和θL为负载的转速和转角。此系统的负载的转动惯量大以及精度要求高，所以将电机和惯性负载视为二质量系统进行建模分析[8]。设负载的黏性阻尼系数为bL，TmL为负载输出力矩，可以得知负载的数学模型如下：
$$ {J_{\text{L}}}{\ddot \theta _{\text{L}}} = {T_{{\text{mL}}}} - {b_{\text{L}}}{\dot \theta _{\text{L}}} $$ (6) $$ {K_{\text{L}}}\left( {{\theta _{\text{m}}} - {\theta _{\text{L}}}} \right) - {T_{{\text{mL}}}} = 0 $$ (7) 在仿真中将脉冲宽度调制（Pulse Width Modulation，PWM）环节近似的等效为一个比例环节，置为ku；速度环放大系数为ks；反馈系数为Kv。
1.3 建立摩擦模型
在伺服系统中，摩擦模型的建立相当重要，根据相关文献，仿真建立了较为经典的Lugre模型[9]。设状态变量z代表接触面鬓毛的平均变形，Lugre的数学模型可由下式表示：
$$ F = {\sigma _0}z + {\sigma _1}\dot z + \alpha \dot \theta $$ (8) $$ \dot z = \dot \theta - ({\sigma _0}\left| {\dot \theta } \right|/g\left( {\dot \theta } \right))z $$ (9) $$ g\left( {\dot \theta } \right) = {F_{\text{c}}} + \left( {{F_{\text{s}}} - {F_{\text{c}}}} \right){{\text{e}}^{ - {{\left( {\frac{{\dot \theta }}{{{v_{\text{s}}}}}} \right)}^2}}} + \alpha \dot \theta $$ (10) 式中：σ0与σ1为动态摩擦参数，其中σ0为刚毛的刚性系数，σ1为滑动阻尼系数。Fc、Fs、α、vs为静态摩擦参数，其中Fc为库仑摩擦；Fs为静摩擦；α为粘性摩擦系数；vs为stribeck特性阶段的动静切换速度，而本文针对项目情形进行了实测，得出相关参数的具体数值。
2. 控制器设计
2.1 模糊自适应控制设计
由于机载平台的特点，传统PID控制难以满足其精度要求，实验设计了模糊自适应PID控制器。其结构如图 3所示。
从结构图可以看出模糊控制采用两输入三输出二维模糊控制模块，以摆扫速度误差e和误差变化率de为输入语言变量，以Δkp, Δki, Δkd为输出语言变量。对于每个状态的3个参数，有：
$$ k_{\mathrm{p}}(t)=k_{\mathrm{p}}(t-1)+\Delta k_{\mathrm{p}}(t) $$ (11) $$ k_{\mathrm{i}}(t)=k_{\mathrm{i}}(t-1)+\Delta k_{\mathrm{i}}(t) $$ (12) $$ k_{\mathrm{d}}(t)=k_{\mathrm{d}}(t-1)+\Delta k_{\mathrm{d}}(t) $$ (13) 输入变量e和de的模糊集合可以划分为{NB, NM, NS, Z, PS, PM, PB}，输出变量Δkp, Δki, Δkd的论域划分和输入变量的划分是一致的。输入输出变量边缘采用高斯隶属函数曲线，其余部分采用三角形隶属函数曲线如式(14)：
$$ f(x, a, b, c) = \left\{ {\begin{array}{*{20}{c}} 0&{x \leqslant 0} \\ {\frac{{x - a}}{{b - a}}}&{a \leqslant x \geqslant 0} \\ {\frac{{c - x}}{{c - b}}}&{b \leqslant x \leqslant c} \\ 0&{x \geqslant c} \end{array}} \right. $$ (14) e和de分别有7个论域，故一共有49条控制规则，可以根据相应领域专家的技术和经验编写控制规则表[10-12]。
2.2 前馈补偿控制设计
前馈控制的引入就可以直接将干扰引入到控制装置，在控制系统中同时使用前馈控制加反馈控制的方法称为复合控制[12-14]。
实际钢丝绳传动会引起一定的滞后，前馈补偿基于不变性原理，通过前馈补偿环节把可以测量的扰动误差引入到控制器的设计中，从而能很好地抑制干扰，减小系统的误差，控制模型如图 4所示。
采用基于输入的自适应前馈补偿来提高伺服系统的性能，可以求得：
$$ {G_1}(s) = \frac{{Ls + R + {K_i}}}{{{G_2}(s)}} $$ (15) $$ \begin{array}{l} {G_2}(s) = \{ {J_{\text{L}}}{J_{\text{m}}}L{s^4} + [{J_{\text{L}}}{J_{\text{m}}}(R + {K_{\text{i}}}) + \hfill \\ \quad ({J_{\text{L}}}{b_{\text{m}}} + {J_{\text{m}}}{b_{\text{L}}})L]{s^3} + [({J_{\text{L}}}{b_{\text{m}}} + {J_{\text{m}}}{b_{\text{L}}})(R + {K_{\text{i}}}) \hfill \\ \quad + {b_{\text{m}}}{b_{\text{L}}}L]{s^2} + {b_{\text{m}}}{b_{\text{L}}}(R + {K_{\text{i}}})s\} {k_{\text{u}}}{k_{\text{t}}}{k_{\text{s}}}{K_{\text{v}}} \hfill \\ \end{array} $$ (16) $$ {G_{\text{r}}}(s) = \frac{{{G_2}(s)}}{{Ls + R + {K_{\text{i}}}}} $$ (17) 式中：G1为电机机电部分和负载的等效传递函数；Gr为前馈补偿装置的传递函数。
3. 三轴转台模糊自适应前馈控制仿真
3.1 三轴转台的参数分析
在本次实验中，所用电机参数如下：L＝2.2 mH，R＝10 Ω，kt＝2.1 N·m/A，Ce＝2.1 V/(rad/s)，Jm＝0.0037 kg·m2，JL＝7.91 kg·m2，bm＝0.01，bL＝15.0，Ki＝0.001，KL＝6.0；摩擦模型参数：σ0＝2600，σ1＝25，α＝0.2，Fc＝5.2，Fs＝6.4，vs＝0.01；钢丝绳选用的是SUS304材质，直径1 mm，它的实际参数是μ＝0.0015，AE＝8×103；在调试平台时，测得预紧力Fp＝21.3 N效果最好；PWM环节放大倍数ku＝11，速度环放大倍数ks＝6，反馈系数Kv＝2；PID控制器3个参数kp＝100，ki＝1.0，kd＝50；根据以上相关参数求出前馈部分传递函数：
$$ {G_{\text{1}}}(s) = \frac{{0.041{s^4} + 81.210{s^3} + 373.203{s^2} + 415.842s}}{{0.0022s + 10.001}} $$ (18) 前馈控制的输入是根据飞机上的主惯导获得数据，经过控制板处理之后用来补偿飞机姿态，由于条件限制，仿真的时候所用的是以前在飞机下载的惯导数据。基于传统PID控制仿真模型和模糊自适应PID前馈补偿控制仿真模型框图如图 5、图 6所示。
![]()
图 6 模糊自适应PID前馈补偿控制仿真模型Figure 6. Fuzzy adaptive PID feedforward compensation control simulation model3.2 三轴转台仿真结果分析
运行仿真得到的仿真曲线如图 7，采用传统PID控制，在速度过零点时，波形明显发生畸变，出现位置跟踪“平定”现象和速度跟踪“死区”现象，位置跟踪出现很大的滞后。而采用了模糊控制PID控制器和前馈控制符合的控制算法，消除了“平定”和“死区”现象，对系统滞后明显改善，响应速度更快。
4. 实验
4.1 摇摆台抗干扰实验
钢丝绳传动误差是制约伺服性能的关键，传动误差是指当输入轴单向转动时，输出轴的实际值对理想值的误差，在摇摆台实验室，模拟飞机环境对稳定平台进行实验测量，图 8是平台测试情况，在稳定平台横滚框架安装平面反射镜，横滚框架位于零位，反射镜与地面平行，在反射镜正下方放置自准直仪，自准直仪精度设置为1 μrad，俯仰轴以0.3°，0.5 Hz摆动。用传统PID控制和模糊自适应前馈控制算法分别测试曲线如图 9。从输出曲线可以看出，传统PID存在很大的抖动，传动精度在1mrad，而模糊自适应前馈控制传动精度达到了0.2 mrad，很大地改善了钢丝绳对系统带来的抖动，能达到指标要求。
4.2 速度稳定性实验
用平行光管模拟无穷远处，设备摆放如图 10，稳定平台俯仰框架以固定速度摆扫，相机通过反射镜对靶标进行成像，平行光管采用模块化光电测试系统METS L19型号，分辨率靶标选择使用美军标USAF1951分辨率靶。拍出的靶标如图 11所示。图 11(a)采用传统PID控制拍出来的靶标，存在抖动弯曲的现象，用Matlab查看每行相差两个像素，相机角分辨率为10 μrad，而图 11(b)采用模糊自适应前馈控制算法拍出来的靶标用Matlab查看靶标每行像素是基本一致的，满足指标要求。
4.3 实验结果分析
在摇摆台模拟飞机环境做的抗干扰实验，将控制系统的稳定精度从1 mrad改善到0.2 mrad，在速度平稳性实验中，采用平行光管测靶标成像的方式，采用复合控制的算法能较好地改善钢丝绳带来的速度抖动性，以上实验与仿真结果也相吻合，仿真和实验都说明了采用复合控制策略较传统PID对控制精度带来了大幅的改善，可以为以后类似的工程提供参考。
5. 结论
本文针对采用钢丝绳传动的大质量线阵相机的伺服控制精度，提出模糊自适应PID前馈补偿的复合控制策略，将按输入设计的前馈控制方法与模糊自适应控制结合起来，通过仿真和实验证明，该策略能够有效地消减钢丝绳传动误差，平台稳定精度从1 mrad提高到0.2 mrad，满足了成像的指标要求。
-
![]()
图 6 静止状态，无风机内循环时的内部温度场（最高温度：106.2℃，温差：33.7℃）
Figure 6. Internal temperature field(Under static condition, without fan, max.106.2℃, difference: 33.7℃)
![]()
图 7 静止状态，风机内循环时的内部温度场（最高温度：100.7℃，温差：29.9℃）
Figure 7. Internal temperature field(Under static condition, without fan, max: 100.7℃, difference: 29.9℃)
![]()
图 8 飞行状态的内部温度场（最高温度：71.5℃，温差：11.4℃）
Figure 8. Internal temperature field under flight condition (with fan, max.: 71.5℃, difference: 11.4℃)
![]()
图 9 静止状态电子组件温度分布（无风机内循环）
Figure 9. Temperature distribution of electronic components (under static condition, without fan)
![]()
图 10 静止状态电子组件温度分布（有风机内循环）
Figure 10. Temperature distribution of electronic components (under static condition, with fan)
![]()
图 11 飞行状态电子组件温度分布
Figure 11. Temperature distribution of electronic components (under flight condition, with fan)
![]()
图 12 高温工作试验（环境温度：55℃）
Figure 12. High-temperature operating-test(ambient temperature: 55℃)
表 1 发热器件功耗统计
Table 1 Heat device power consumption statistics
W Component Ⅰ Component Ⅱ Component Ⅲ Heat device Power Heat device Power Heat device Power DSP 10 FPGA 7 SoC 4 DDR.1 0.5 DDR.5 0.5 DDR.7 0.5 DDR.2 0.5 DDR.6 0.5 DDR.8 0.5 DDR.3 0.5 PM.3 2 DDR.9 0.5 DDR.4 0.5 PM.4 4 DDR.10 0.5 PM.1 3 PM.5 2 PM.2 2 PM.6 3 PM.7 1 Total power 44 
下载: 导出CSV
表 2 电子组件器件温升
Table 2 Temperature rise of chip
℃ Without fan With fan Chip Modelling under static condition Modelling under static condition Measured under static condition Error of modelling and measured under static condition Modelling under flight condition Component Ⅰ DSP 34.3 29.1 30.3 -1.2 11.9 DDR.1 27.9 27.5 29.6 -2.1 10.1 DDR.2 27.4 27.1 28.6 -1.5 9.8 DDR.3 27.4 26.5 29.2 -2.7 9.4 DDR.4 26.5 26.2 29.3 -3.1 8.9 PM.1 33.2 32.3 34.2 -1.9 12.8 PM.2 34.6 33.7 32.5 1.2 15.2 FPGA 32.7 29.2 31.7 -2.5 9.1 DDR.5 28.7 27.5 28.9 -1.4 7.6 Component Ⅱ DDR.6 28.2 27.1 29.3 -2.2 7.4 PM.3 31.8 28.8 29.1 -0.3 13.5 PM.4 33.9 32.8 34.3 -1.5 8.5 SoC 38.2 33.8 35.2 -1.4 15.5 DDR.7 32.2 30.6 32.7 -2.1 13.1 DDR.8 34.1 31.3 34.2 -2.9 13.8 DDR.9 41.5 35.7 36.2 -0.5 22.6 Component Ⅲ DDR.10 41.2 34.8 37.5 -2.7 22.5 PM.5 44.9 44.3 41.2 3.1 26.4 PM.6 39.5 38.5 41.6 -3.1 20.3 PM.7 35.2 34.8 37.7 -2.9 17.3 PM.8 32.9 32.1 34.1 -2 14.8
下载: 导出CSV
-
[1] 方喜波. 光电侦察吊舱对海广域搜索方法[J]. 红外技术, 2021, 43(11): 1055-1060. http://hwjs.nvir.cn/article/id/9db773d6-e53b-4486-a8ca-f32834bc9f13 FANG Xibo. Searching method of the wide area of optical recon pod for sea targets[J]. Infrared Technology, 2021, 43(11): 1055-1060. http://hwjs.nvir.cn/article/id/9db773d6-e53b-4486-a8ca-f32834bc9f13
[2] 李磊, 徐月, 蒋琪, 等. 2018年国外军用无人机装备及技术发展综述[J]. 战术导弹技术, 2019(2): 1-11. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSDD202303001.htm LI Lei, XU Yue, JIANG Qi, et al. New development trends of military UAV equipment and technology in the world in 2018[J]. Tactical Missile Technology, 2019(2): 1-11. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSDD202303001.htm
[3] 梁卫清, 魏志强, 袁红伟, 等. 小型高性能无人机载光电吊舱的发展现状与方向[J]. 电视技术, 2022, 46(7): 65-68. https://www.cnki.com.cn/Article/CJFDTOTAL-DSSS202207015.htm LIANG Weiqing, WEI Zhiqiang, YUAN Hongwei, et al. Development status and direction of small-scale high-performance UAV on-board optoelectronic pod[J]. Video Engineering, 2022, 46(7): 65-68. https://www.cnki.com.cn/Article/CJFDTOTAL-DSSS202207015.htm
[4] 吉书鹏. 机载光电载荷装备发展与关键技术[J]. 航空兵器, 2017(6): 3-12. https://www.cnki.com.cn/Article/CJFDTOTAL-HKBQ201706001.htm JI Shupeng. Equipment development of airborne electro-optic payload and its key technologies[J]. Aero Weaponry, 2017(6): 3-12. https://www.cnki.com.cn/Article/CJFDTOTAL-HKBQ201706001.htm
[5] 黄俊, 张正勇, 田省民. 机载对地光电探测设备现状及发展趋势研究[J]. 红外技术, 2018, 40(5): 412-416. HUANG Jun, ZHANG Zhengyong, TIAN Shengmin. Current status and development trend of airborne air to ground electro-optical detection equipment[J]. Infrared Technology, 2018, 40(5): 412-416.
[6] 谢远成, 欧中红. 电子设备散热技术的发展[J]. 舰船电子工程, 2019, 39(8): 14-18. https://www.cnki.com.cn/Article/CJFDTOTAL-JCGC201908005.htm XIE Yuanchen, OU Zhonghong. Development of heat dissipation technology for electronic equipment[J]. Ship Electronic Engineering, 2019, 39(8): 14-18. https://www.cnki.com.cn/Article/CJFDTOTAL-JCGC201908005.htm
[7] 吕永超, 杨双根. 电子设备热分析、热设计及热测试技术综述及最新进展[J]. 电子机械工程, 2007(1): 5-10. https://www.cnki.com.cn/Article/CJFDTOTAL-DZJX200701001.htm LV Yongchao, YANG Shuanggen. A review of thermal analysis, thermal design and thermal test technology and the recent development [J]. Electro-Mechanical Engineering, 2007(1): 5-10. https://www.cnki.com.cn/Article/CJFDTOTAL-DZJX200701001.htm
[8] 鲍桐, 张忠政, 张志同. 一种强迫风冷盘式换热器设计研究[J]. 低温与超导, 2020(6): 84-86, 92. https://www.cnki.com.cn/Article/CJFDTOTAL-DWYC202006016.htm BAO Tong, ZHANG Zhongzheng, ZHANG Zhitong. A design research of forced air heat exchanger with circular structure[J]. Cryogenics & Superconductivity, 2020(6): 84-86, 92. https://www.cnki.com.cn/Article/CJFDTOTAL-DWYC202006016.htm
[9] 关宏山. 吊舱冲压空气环控系统研制[J]. 雷达科学与技术, 2011(4): 383-386. https://www.cnki.com.cn/Article/CJFDTOTAL-LDKJ201104020.htm GUAN Hongshan. Development of ram air environment control system for airborne pod[J]. Radar Science and Technology, 2011(4): 383-386. https://www.cnki.com.cn/Article/CJFDTOTAL-LDKJ201104020.htm
[10] 国防科学技术工业委员会. 电子设备可靠性热设计手册: GJB/Z27-1992[S]. [1992-07-18]. Commission of science, technology and industry for national defense. Thermal Design Handbook for Reliability of Electronic Equipment: GJB/Z27-1992 [S]. [1992-07-18].
-
期刊类型引用(0)
其他类型引用(2)
计量
- 文章访问数: 211
- HTML全文浏览量: 62
- PDF下载量: 52
- 被引次数: 2
