硫酸钾铵混晶组成及特性研究

采用恒速冷却的方法首次制备出不同组分的[(NH4)1-xKx]2SO4(0＜x＜1)单晶,并分别对固溶体晶体进行了XRD、XRSD、FTIR、SEM和TG-DTA表征,获得了晶胞参数、晶相组成及热物性规律.结果表明,制备得到硫酸钾铵和硫酸铵钾两类固溶体,其中硫酸钾铵单晶为四棱柱外形,硫酸铵钾单晶为六棱球外形;同时得到,同类固溶体晶体结构相似,但都属于正交晶系;随着NH4+浓度降低,热重损失减少,热稳定性增强.     

AlGaN合金中局域态和极化电场的竞争机制

通过MOVPE方法生长了不同Al组分的3块Al_xGa_1-xN样品,利用稳态光谱和时间分辨光谱对其样品的光学特性进行了分析。鉴于影响氮化物发光性质的极化电场或局域态的单一机制不能充分解释我们的实验现象,提出了局域态-内部极化电场竞争的机制。通过对实验数据的分析,得出如下重要结论：样品PL峰位蓝移的温度起点基本对应于局域态和极化电场起作用的交替点,PL峰位发生蓝移的温度起点与光强-温度曲线的斜率出现明显变化的温度点一致;随着温度的升高,若AlGaN合金样品中PL峰位存在二次蓝移,则说明样品中电场分布不均匀。     

柔性机构动态可靠性分析的新方法

为了改善柔性机构动态可靠性分析的效率和精度,基于支持向量机SVM(Support Vector Machine)回归理论,提出了一种柔性机构动态可靠性分析高效率高精度的SVM回归极值法SREM(SVM Regression Extremum Method)。首先,介绍了柔性机构可靠性分析的基本理论;其次,融合蒙特卡洛法MC(Monte Carlo)和SVM回归理论,建立了柔性机构动态响应极值的代理模型,并利用代理模型进行柔性机构可靠性分析。最后,利用SREM法对柔性机构实例进行了可靠性分析,并与MC和人工神经网络ANN(Artificial Neural Networks)的分析结果进行比较。结果显示,在小样本情况下,进行柔性机构动态可靠性分析时,SREM的计算效率和计算精度都比ANN高;SREM的计算效率比MC大大提高,计算精度与MC相当。验证了在柔性机构可靠性分析中SREM的高效率和高精度,并证明了SREM在柔性机构可靠性分析中的可行性和有效行性。     

CSNS四极铁标定方案分析

围绕CSNS 四极铁的中心引出标定方案进行研究,重点分析基于测磁平台获得的四极铁磁中心和旋转中心的偏差标准值;同时对每块磁铁进行两遍旋转中心和机械中心标定,比较其中心偏差标准值,分析结果表明:基于测磁平台获得的四极铁磁中心和旋转中心的偏差标准值为0.1 mm;通过两遍旋转和机械中心标定,获得的CSNS四极铁的标定重复性精度在0.03 mm之内;旋转和机械中心的 偏差标准值为0.1 mm。因此同类型、同准直精度要求的设备准直在无法实施磁中心标定情况下,不能直接用机械中心代替旋转中心标定,而采用旋转中心标定,再叠加旋转和磁中心偏差进行改正的标定方案则能很好地满足当前设备准直的精度要求。     

粒子加速器丝线位置测量电容传感器标定方法北大核心CSCD

在高能同步辐射光源中,为了提高磁铁的准直精度,采用磁中心代替机械中心进行磁铁标定,通过振动线或旋转线等技术获得磁铁的磁中心位置,以及通过电容式位移传感器测量得到丝线的位置,从而实现磁中心与准直靶标的关联。为了实现丝线位置的高精度测量,必须对电容传感器进行精确标定,因此介绍了一种电容式位移传感器,并对其标定方法进行了研究,提出了网格化的数据采集方式以及高阶多项式拟合的数据处理方法,搭建了传感器标定平台并开发了相应的标定控制程序,实现了对传感器的自动控制、数据采集和高精度标定过程。经过分析与对比,标定后的电容传感器达到μm级的位移测量精度,为磁铁的高精度准直提供了基础。     

多源图像融合算法实时优化方法北大核心CSCD

针对红外与可见光图像融合的实时性要求,介绍了一种解决目前高清或超高清多源图像拉普拉斯金字塔图像融合算法的实时实现方法。基于视频数据流设计了拉普拉斯金字塔并行流水线处理结构,分析了各流水线之间的时延及优化思路。通过片上缓存的方式补偿时延时间差,实现了算法的流水等长,保证了处理数据的完整性。该方法可以在赛灵思7系列及以上的可编程门阵列(field programmable gate array,FPGA)芯片上实现双通道1080×1920@60 Hz视频图像的5层拉普拉斯金字塔融合。实验结果显示,该实时并行处理方法融合效果良好,一帧图像的融合仅需10.535 ms,处理时延小于1 ms。     

基于NPU的实时深度学习跟踪算法实现北大核心CSCD

深度学习在检测领域高速发展,但受限于训练数据和计算效率,在基于嵌入式平台的边缘计算领域,尤其是实时跟踪应用中深度学习的智能化算法应用并不广泛。针对这一现象,同时为满足现阶段国产化、智能化的技术需求,提出了一种改进的孪生网络深度学习跟踪算法。在特征网络加入微调网络,解决了网络模型无法在线更新的问题,提升了跟踪的准确性;在IoUNet损失函数中加入中心距离惩罚项,解决了IoUNet当IoU相同时位置跳跃,存在收敛盲区和收敛速度慢的问题;将训练后的网络通过通道剪枝,缩减网络模型尺寸,提升了模型加载和运行的速度。在华为Atlas200NPU平台上实现了实时运行,算法准确率高达0.90(IoU>0.7),帧率达到66 Hz。     

多波长激光探测微小摄像头机理研究北大核心CSCD

基于激光不同波段的探测传输特点,通过分析典型微小摄像头的回波传输特性,提出了一种针对多波长激光特征检测微小摄像头的研究方案。利用几何光学和波动光学理论,分析微小摄像头结构及其反射光谱特征,计算并仿真了一定探测距离下的回波光场,在此基础上搭建多波长激光检测系统。实验结果表明,在一定的景深范围内,具有红外截止滤光片的微小摄像头对可见光的回波光斑衍射环特征明显、条纹对比度高且可探测距离远;近红外波段的目标回波功率低、后向散射干扰严重,可探测距离近;短波红外波段几乎不受红外截止滤光片影响,且1550 nm处于人眼安全波段。实验结果与数值分析、理论仿真结果一致,验证了短波红外激光用于探测微小摄像头的可行性。