石英晶体板非线性高频振动的拓展伽辽金法分析

针对考虑几何和材料非线性的石英晶体板厚度剪切振动和弯曲振动的方程组,利用扩展伽辽金法对该方程组进行转化和求解,分别获得了强烈耦合的厚度剪切振动模态和弯曲振动模态的频率响应关系,绘制了不同振幅比和不同驱动电压影响下的频率响应曲线图。数值计算结果表明可以选取石英晶片的最佳长厚比尺寸来避免两种模态的强烈耦合。驱动电压的变化将引起石英晶体谐振器厚度剪切振动频率的明显改变,必须将振动频率的漂移值控制在常用压电声波器件的允许值之内。扩展伽辽金法对石英晶体板非线性振动方程组的求解为非线性有限元分析和偏场效应分析奠定了基础。     

以磷化铁为添加剂沿(111)面生长磷掺杂金刚石大单晶

掺杂是调控金刚石性能的一种重要手段。本文采用温度梯度法,在5.6 GPa、1 312 ℃的条件下,选用Fe₃P作为磷源进行磷掺杂金刚石大单晶的合成。金刚石样品的显微光学照片表明,随着Fe₃P添加比例的增加,金刚石晶体的颜色逐渐变深,包裹体数量逐渐增加,晶形由板状转变为塔状直至骸晶。金刚石晶形的变化表明Fe₃P的添加使生长金刚石的V形区向右偏移,这是Fe₃P改变触媒特性的缘故。红外光谱分析表明,Fe₃P的添加使金刚石晶体中氮含量上升,这说明磷的进入诱使氮原子更容易进入金刚石晶格中。激光拉曼光谱测试表明,随着Fe₃P添加比例的增加,所合成的掺磷金刚石的拉曼峰位变化不大,其半峰全宽(FWHM)值变大,这说明磷的进入使得金刚石晶格畸变增加。XPS测试结果显示,随着Fe₃P添加比例的增加,金刚石晶体中磷相对碳的原子百分含量也会增加,这意味着添加Fe₃P所合成的金刚石晶体中有磷存在。     

鲁米诺的合成与振荡化学发光

鲁米诺的合成与化学发光是一个极具展示度的基础化学实验。近年来，国内部分高校陆续开设了这一实验，引起不错的反响。为进一步丰富和提升该实验的科学理论内涵，我们进行了如下改进：1)在合成部分引入机械搅拌、硫粉还原和微波合成，实现安全、快速、高效制备高纯度鲁米诺的目的；2)在单次化学发光的基础上，特别引入宛如星辰闪烁般的振荡化学发光反应(鲁米诺/H2O2/SCN-/Cu2+/OH-振荡体系)，该反应涉及非平衡态热力学和非线性化学等重要概念与基础理论知识，激发学生的求知欲；3)设计并搭建了可与荧光光谱仪配套使用的简易微型磁力搅拌加热装置，实现了对振荡化学发光的光强和振荡周期等数据的实时定量监测，使学生可以自行设计对比实验，探究影响振荡反应过程的因素，并总结振荡反应规律。该实验涵盖了多学科的重要知识点，兼具科学性与趣味性，对培养学生的探索精神和创新意识具有重要意义。     

一种新型多重积分数值计算的余项公式

研究了应用复化中矩形公式法进行多重积分数值计算的余项的一般形式,为连续模型离散化产生误差的分析提供了理论依据.     

浅析教学中的关联速度问题

高中物理学习过程中,在学习运动的合成与分解时,教师和学生都会遇到一些经典的关联速度问题.学生解决此类问题时也常常出错,教师的讲解往往看似合理,实质还是有背逻辑思维.文章分析了关联速度中的经典例题:绳拉船的问题,并且指出了许多教师的解法存在的争议,还讨论了更合理的常规解法和适于中学生理解的方法.文章中的"关联速度问题的中学生解法"便于学生理解和解决此类问题.     

基于TOPSIS模型的机场网络节点重要度评估

在机场网络中单个机场节点的失效往往会对其他的节点产生影响,特别是关键节点的失效会波及整个网络.准确客观的识别重要节点机场关乎整个机场网络的安全运营.本文分析了机场网络拓扑特性中的度、集聚系数和接近度指标,考虑了机场旅客吞吐量和所在城市人口等交通经济特性指标,使用熵权法确定权重的基础上,应用TOPSIS法构建综合评价体系模型,最后以华东地区机场网络为例进行节点重要度排序.结果表明与单一指标的评估结果相比,该方法更加全面客观的确定不同属性指标的权重,避免了不同指标取值的差异性,使评价更加全面,更符合机场网络实际运营情况.     

分数阶热弹理论下重力场对二维纤维增强介质的影响

基于Sherief等提出的分数阶广义热弹性耦合理论，研究了在热冲击作用下二维纤维增强弹性体的热弹性问题.考虑了重力对二维纤维增强线性热弹性各向同性介质的影响，建立了控制方程.运用正则模态法，经过数值计算，对控制方程进行求解，得到了不同分数阶参数和不同重力场下无量纲温度、位移和应力分量的表达式，以图形的方式展示了变量的分布规律并对结果展开了讨论.研究结果为:重力场和分数阶参数对纤维增强介质的位移及应力有着重要的影响，但对温度的影响有限.     

利用图像法巧解一类均匀带电双圆环问题

给出了单个均匀带电圆环在轴线上各点产生的场强随距离变化的关系式和极值条件以及图像并分析其特点,利用图像叠加法对有关两个均匀带电圆环在轴线上产生电场的问题进行巧妙解答.     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。