80.5 MeV/u碳离子诱发铜靶的放射性剩余产物测量

高能重带电粒子能直接穿透靶原子核外电子层,与原子核发生直接碰撞,发生散裂反应,产生一系列具有放射性的剩余产物核.重带电粒子诱发靶材放射性剩余核与辐射防护和人员安全有着密切联系,当前,大部分剩余核产额主要依靠蒙特卡罗粒子输运程序进行模拟计算,其准确程度亟需通过实验测量进行准确评估.本文利用能量为80.5 MeV/u的(12)^C⁶⁺粒子对薄铜靶开展了辐照实验与伽玛射线测量,结合伽玛谱学分析方法,得出了辐照产生的18种放射性剩余产物的初始活度和产生截面值,并与PHITS模拟结果进行对比.结果表明,PHITS模拟程序对放射性剩余核种类的估计具有较高可靠性,在其绝对产额方面,与实验测量仍具有较大偏差.     

基于自聚焦效应的新型模斑变换器

提出了一种新型的基于渐变折射率波导自聚焦效应的模斑变换器,分析了均匀折射率波导和渐变折射率波导的模式场分布及传输特性,研究了自聚焦效应的原理。利用时域有限差分法,计算得到了该变换器的插入损耗和回波损耗,所提模斑变换器与现有的最好模斑变换器的性能相当,但长度缩短至其1/6。该新型模斑变换器可用于集成光学系统中。     

Lamb波频域逆散射全聚焦成像方法研究

Lamb波因其传播距离远、衰减小常被用于板状结构的无损检测中,在基于Lamb波损伤检测的诸多成像技术中,全聚焦方法(Total Focus Method,TFM)方法因其成像分辨率高、信噪比高而受青睐。然而Lamb波的频散效应导致时域延时量不能被准确计算,进而影响传统TFM方法对损伤定位及成像的精度;此外,既有的TFM方法仅以回波幅值作为成像指标,忽略了Lamb波与损伤的相互作用,故而不能通过损伤表面的物理参数增强成像质量。针对这两个问题,本文首先在时域TFM基础上发展了频域TFM,在计算中纳入频散关系以规避频散的影响;其次以包含明确的损伤特征参数--反射率为成像指标,结合频域TFM方法建立损伤逆散射模型,以实现对损伤的准确成像。仿真和实验结果表明:频域逆散射TFM成像方法能够实现对铝板结构中的损伤检测,在工程实践中具有应用价值。     

一款2 G/s采样率20 GHz带宽主从式跟踪保持电路设计研究

设计了一款全差分、20 GHz带宽主从式跟踪保持芯片(MS-THA)。该芯片采样率为2 G/s,工作带宽大于20 GHz,采用0.13μm SiGe BiCMOS工艺实现。该芯片采用传统的开关发射极跟随器(SEF)作为跟踪保持核心电路,Cherryhooper电路作为输入缓冲和输出缓冲的带宽增强核心电路,并利用交叉反馈电容抑制馈通。为了验证上述电路的有效性,设计了一个单级THA电路,测试结果为MS-THA电路提供了足够的支持。在单电源+3.3 V供电、输入直流电平为0 V,2 G/s采样率以及-3 dBm输入信号功率条件下,获得的单端输出无杂散动态范围小于-23.5 dB,总功耗约为300 mW。     

数字散斑干涉三维变形测量技术研究进展

三维变形可以转换为应力/应变分布，是材料性能测试和结构可靠性分析的关键参数。在众多三维变形测量技术中，数字散斑干涉技术可以高精度地测量三维变形信息，在航空航天、汽车、先进制造、土木工程和生物医学等行业发挥着十分重要的作用。从散斑干涉基本原理出发，详细介绍了几类三维变形散斑干涉测量技术，并分析比较各类方法的优缺点；同时介绍了散斑干涉三维变形测量技术的国内外研究进展和最新应用；最后展望了散斑干涉三维变形测量技术在动态同步测量、测量系统简化以及应用范围扩宽等方面的发展趋势。     

红外光谱辐射亮度测量中温度均匀性和源尺寸效应的研究

在已有的紫外、可见和近红外波段的光谱辐射亮度国家基准的基础上，将光谱辐射亮度的测量范围向红外波段扩展，建立2 μm～14 μm红外光谱辐射亮度计量基准装置，可为遥感对地观测、气候变化、目标识别、材料发射率测量等领域的红外光谱辐射定标提供技术支撑。针对红外光谱辐射亮度测量中的温度均匀性和源尺寸效应进行研究，通过定制光阑或限制所用腔口位置实现了温度均匀性的提升；采用光学仿真、增加光阑和简化光路等方法进行了系统源尺寸效应的分析和抑制，有效地降低了源尺寸效应的不确定度。下一步将对系统的非线性效应等参数进行研究，并对整套系统的不确定度进行评估。     

地理学与海洋学视域中舟山海岛研究知识图谱与展望—基于CNKI与WOS数据库的文献计量分析

从地理学与海洋学视域出发, 在阐述舟山海岛独特性和研究价值的基础上, 通过文献计量分析梳理以舟山海岛为研究对象的相关研究脉络, 提出了未来舟山研究值得关注的重点, 即着眼最基本的生产、生活、生态问题研究舟山地区海洋生态环境变化和工农业技术水平的互馈机制, 模拟自然与人文要素的耦合格局、尺度与机理, 为海岛可持续发展决策和社会提供动态信息.     

基于联合神经网络学习的中文电力计量命名实体识别

随着电力计量业务的不断扩展，迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱，为电网的决策和发展提供更为全面有效的支持。命名实体识别是构建知识图谱的基础。针对电力计量领域需要，结合中文分词技术特点，基于联合学习思想，提出了一种基于联合学习的中文电力计量命名实体识别技术。该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型，使其共享实体类别和置信度；同时将2个模型的先后计算顺序改为并行计算，减少了识别误差累积。结果表明，在不需要人工构建特征的情况下，方法的正确率、召回率、F值等均显著优于以往方法。