超高速碰撞2A12铝板产生闪光辐射的空间演化规律

为了描述超高速碰撞2A12铝板产生闪光辐射的空间演化规律,利用瞬态光纤高温计测量系统并结合二级轻气炮加载系统,开展了弹丸以30°的入射角度和不同碰撞速度条件下的超高速撞击实验。基于闪光辐射强度和辐射温度的实验数据处理得到了超高速碰撞2A12铝板在撞击点附近产生的最大闪光辐射强度和最大闪光辐射温度,基于大量实验,建立了撞击点附近最大闪光辐射的空间演化模型。并结合Origin软件对实验所得数据的拟合,得到了最大闪光辐射强度和辐射温度随探测点到着靶点间距离变化的拟合函数关系式。实验结果还表明:在相近碰撞速度、相同碰撞角度条件下,在同一椭球面上不同探测点位置处的最大闪光辐射强度和最大闪光温度差别不大,验证了撞击产生的闪光辐射以近似椭球的形状向外膨胀,随着等离子体云的向外膨胀,离碰撞点越远产生的最大闪光辐射强度和最大闪光辐射温度均越小;在相同碰撞角度、不同碰撞速度条件下,在同一椭球面上不同探测点位置处的最大闪光辐射强度和最大闪光温度均随碰撞速度的增加而增大。该研究在导弹拦截、天体物理及深空探测领域具有重要的应用价值。     

基于可见光谱和卷积神经网络的贝类识别方法

目前卷积神经网络（CNN）在物体种类识别方面取得突破性进展。贝类作为农业经济的重要组成部分,种类繁多,特点复杂,大多贝类存在着相似度高,各类样本分布不均衡情况,以致CNN对贝类分类的准确率偏低。针对这一情况,提出了基于可见光谱和CNN的贝类识别方法,旨在提取更有效的贝类特征,从而提高贝类分类的准确率。首先,提出了一种包含输出熵度量和正交性度量的滤波器信息度量与特征选择方法,重新初始化修剪掉的滤波器并使其正交,捕获网络激活空间中的不同方向,使神经网络模型学习到更多有用的贝类特征信息,提升模型分类准确率;其次,提出了一种包含正则化项和焦点损失项的贝类分类目标函数,通过控制各类别样本对总损失的共享权重,来减少易分类样本的权重,以使模型注意力向预测不准的样本倾斜,均衡样本分布和样本分类难度,进一步提高贝类分类的准确率。贝类图像数据集由74类贝类组成,共11 803张图像。获取原始数据集后,对数据集图像进行水平翻转、垂直翻转、随机旋转、在[0, 30°]范围内旋转、在[0, 20%]范围内缩放和移动等数据增强操作,将图像数量从11 803张增加到119 964张。整个图像数据集按8∶1∶1的比例随机分为训练集95 947张图片、验证集11 996张图片和测试集12 021张图片。在建立贝类图像数据集的基础上进行了实验验证,达到了93.38%的分类准确率,将基准网络（Resnest）的准确率提高了1.18%,相较网络SN_Net和MutualNet,准确率分别提升了4.34%和0.85% ,并且训练时长为22 320 s,将基准网络（Resnest）的训练时长缩短了960 s,训练时长分别比SN_Net和MutualNet短3 180和2 460 s。实验结果证明了该方法的有效性。     

高速碰撞诱发闪光辐射温度的测量及误差分析

为实现对高速碰撞诱发的闪光辐射温度进行实验测量及误差分析,建立了二级轻气炮加载系统及闪光辐射温度测量系统。采用聚碳酸酯弹丸分别以6 km/s、3.9 km/s的速度垂直撞击2A12铝靶,利用瞬态光纤高温计采集闪光信号,通过比色法计算不同碰撞条件下的闪光辐射强度及辐射温度。依据普朗克辐射定律计算了不同波长及温度条件下的闪光辐射强度理论值,与实验测量结果相比较并进行了误差分析;分别采用双色测温法的不同波长组合及四色测温法计算了闪光辐射温度及其平均温度,通过计算标准差分析了波长的选取对闪光辐射温度的影响。结果表明：与理论计算结果相比较,实验测量得到的闪光辐射强度值偏低,采用双色测温法计算闪光辐射温度时波长的选取对计算结果影响很大,波长间隔越大计算结果误差越小（误差最小值实验No.1为68.25 K,实验No.2为30.67 K）;四色测温法计算得到的闪光辐射温度与平均温度相近（误差实验No.1为72.88 K,实验No.2为63.66 K）,因此采用比色法计算闪光辐射温度时应尽量选取大间隔波长或多个波长参与计算以降低误差。