三腔介质壁质子加速器时序优化模拟及设计

采用自主研发的三维粒子模拟软件对三腔介质壁加速器进行系统仿真, 在此基础上, 计算三个腔质子的渡越时间并实现腔体间的时序优化设计。外加电压峰值100 kV, 顶宽1 ns, 半高宽10 ns, 绝缘微堆厚度2.0 cm, 质子初始束能40 keV, 加速电极添加钨网, 模拟结果显示:当电压持续6.5 ns时, 进入高梯度绝缘微堆的H+通过第一腔能得到最大加速效率90.84%, 相应的渡越时间为5.668 ns;当第二腔电压触发落后第一腔4.5 ns时, H+通过第二腔获得最大加速效率94.77%, 相应的渡越时间为3.545 ns;当第三腔电压触发落后第二腔3.0 ns时, H+通过第三腔获得最大加速效率97.30%, 相应的渡越时间为3.018 ns;最大能量H+渡越三个腔体的总时间为12.231 ns, H+总体加速效率94.31%;当质子束中心进入第一腔时刻落后脉冲电压触发6.5 ns, 且一二腔和二三腔电压触发延时分别为4.5 ns和3.0 ns情形下, 能将2.5 ns长度的质子束中的H+实现90%以上的加速, 4.0 ns长度的质子束中的H+实现80%以上的加速。     

Three-dimensional particle-in-cell with Monte Carlo collision simulation of the electron energy distribution function in the multi-cusp ion source for proton therapy

For optimization and accurate prediction of the amount of proton production in the multi-cusp ion source, analysis of the electron energy distribution function (EEDF) is necessary. A three dimensional particle-in-cell with Monte Carlo collision (PIC-MCC) code based on the CHIPIC software platform are developed. The code is applied to the multi-cusp proton source. The results show that there are two energy distributions in the discharge chamber, and a spatial non-uniformity of electron density due to the B×▽B drift of the top permanent magnets is observed.     

低雷诺数俯仰振荡翼型等离子体流动控制

针对低雷诺数翼型气动性能差的特点,通过介质阻挡放电(dielectric barrier discharge,DBD)等离子体激励控制的方法,提高翼型低雷诺数下的气动特性,改善其流场结构.采用二维准直接数值模拟方法求解非定常不可压Navier-Stokes方程,对具有俯仰运动的NACA0012翼型的低雷诺数流动展开数值...     

项目式学习视域下物理实验的可视化探究与创新——以“微小形变”为例

物理实验的可视化探究与创新可以提高物理实验演示的教学效果,为物理知识的探究或概念形成提供关键的证据,也可以有效促进教与学的个性化、多元化与深度化。针对“利用平面镜观察桌面微小形变”的传统实验存在效果不明显等问题,逐一探析“力学原理放大、杠杆原理放大、光学原理放大”等系列实验方法,结合超声波测距模块,利用开源硬件Arduino的稳定性、直观性、数字化等特点,把“微小形变”转换为“超声波测距”数据变化的可视化探究与创新,有利于学生科学有效的建构物理知识。     

结合MGCC特征与多尺度通道注意力的环境声深度学习分类方法*

环境声分类技术在家居安全监测、人机语音交互等领域具有关键作用。然而,声源的多样性与混合性给环境声分类方法设计带来了重大挑战。为提高分类准确率与节约计算资源,本文提出一种基于多尺度通道注意力机制下的深度学习分类模型。所提模型由特征提取模块、多尺度卷积模块、高效通道注意力模块、输出层四部分组成。首先,通过引入加权型梅尔Gammatone频率倒谱系数挖掘环境声频谱幅值与相位结构信息;其次,融合多尺度卷积核与高效通道注意力机制优选出音频关键局部细节和通道特征;最后,在全连接层采用softmax函数映射特征并输出环境声类型的概率值。所提模型在6种环境声的iFLYTEK、10种环境声的Urbansound8k数据集上开展测试验证,分别取得了94%、76.52%、79.24%（iFLYTEK+Urbansound8k）的分类准确率。消融实验结果进一步表明：引入的多尺度卷积模块、通道注意力机制模块对分类准确率的提升贡献率分别接近于3.77%和1.89%。实验还详细对比了7种现有的深度学习分类方法,所提算法在分类准确率上排名第二;另外, 在同级别算法中如ResNet18、GoogLeNet,所提算法在模型参数量和计算复杂度方面上实现了进一步的约减。