平顶飞秒激光经圆锥透镜在熔融石英中成丝及超连续辐射

实验研究了平顶飞秒激光经圆锥透镜后在熔融石英中的成丝及超连续辐射.与高斯飞秒激光的成丝对比发现,平顶飞秒激光可以获得在圆锥透镜焦深区域内强度分布更为均匀的等离子体细丝,这一特征更有利于飞秒激光在固体介质中进行微纳加工等领域的应用.并且,在不损伤熔融石英的条件下,平顶飞秒激光成丝可以获得更高能量、更高转换效率的超连续辐射,这是因为若产生光强相近的细丝,平顶飞秒激光所需的初始激光能量更高,此激光能量下产生的细丝长度更长、均匀性更好.     

球谐域类正则化宽带超指向性波束形成算法

提出一种球谐域类正则化宽带超指向性波束形成算法,通过结合超指向性波束形成器与延迟求和波束形成器控制阵列白噪声增益和指向性因数,推导类正则化宽带超指向性波束形器的球谐域表达式。在此基础上设计新的可控指向性因数波束形成器,可在不显著放大低频白噪声的前提下实现设定的波束宽度。采用32元球阵的仿真结果表明,对于语音测试场景,类正则化波束形成器的最高PESQ得分相比于传统的超指向性波束形成器与延迟求和波束形成器分别提高了约0.5和0.4,平均词错率分别减少了约9.5%和8.1%。主观测试实验也表明类正则化波束形成器在方向性噪声和扩散场噪声环境下都可以获得更好的主观听觉感受。利用实验数据对算法性能进行测试,实验结果同样验证了该方法在实际声学环境中的有效性。     

某型机进近段高精度相对姿态实时测量技术

某型机在飞行训练过程中,进近段的二维相对姿态数据对于该型机安全着陆有着至关重要的作用。基于无线网络电台的双向数据传输系统能够实时获取进近段飞机相对理想着陆点的水平、垂直相对位置数据。通过上行链路上传着陆点的姿态数据,下行链路实时下传动动差分后的差分数据,最后在中心控制站进行二次数据处理。该技术获得的进近段二维相对姿态精度达到厘米级,满足飞行训练的需求。同时结合飞机显控数据以及视景图,以多角化动态关联的方式将实时获取的姿态数据等呈现给指挥员,更好地辅助指挥员进行着陆指挥工作。     

基于像差特征分析的变焦光学系统装调

提出了一种基于像差特征分析的变焦系统共轴性装调方法。针对某型20倍变焦光学系统的装调,在分析变焦光学系统装调要求的基础上,通过采用光学定心加工技术,提高变焦系统各镜组内光学元件的同轴度;采用Zygo干涉仪,检测变焦系统在长短焦位置的像差特性分布;借助CodeV软件仿真计算各光学元件在系统中的公差灵敏度分布,并确定产生像差影响的敏感光学元件;在中心偏测量仪上,完成最终光学系统像质的调整。此外,还设计了一种变焦光学系统各动组间同轴度调试装置,对变焦相机主镜筒机械内孔轴线与直线导轨的平行性进行了精确测量,保证了动组组元光轴的同轴精度。装调结果表明:变焦系统成像质量有明显改善,像面一致性得到保证,长短焦轴上传递函数值分别优于技术要求值0.45和0.55,长短焦轴外0.7视场传递函数值优于0.25和0.35,实现了高精度装调,验证了该方法的可靠性。     

金属Al背电极二维AZO光栅的制备和陷光特性

研究了背电极金属Al膜上二维ZnO:Al光栅的制备及其反射光谱特性.在厚度为300 nm的Al膜上溅射80 nm ZnO:Al薄膜,旋涂AZ5206光刻胶,用波长为325 nm的激光进行光刻制作光栅掩模.采用溶脱-剥离法在Al衬底上制备周期(624~1250 nm)和槽深(100~300 nm)可独立调控的ZnO:Al二维光栅.表面形貌采用原子力显微镜和扫描电镜观察,反射光谱用带积分球的分光光度计测试,双向反射分布函数用散射仪测量.结果表明,300 nm Al膜上织构二维ZnO:Al光栅背电极结构,当光栅槽深为228 nm,周期从624 nm增加到986 nm时,背电极总反射率、漫反射率以及雾度均随光栅周期增大而显著增加,而当周期从986 nm增加到1250 nm时,总反射率、漫反射率以及雾度略有增加.双向反射分布函数测试结果进一步证实了上述实验结果,即随着周期增大,漫反射峰值越大,衍射峰个数也增多.提示背反电极上槽深为228 nm、周期为986 nm的二维ZnO:Al光栅具有较好的散射效果,其中漫反射占总反射的百分比为45%.     

超短激光打孔中快速相变的格子玻尔兹曼模拟

采用双重分布函数的格子玻尔兹曼模型，对单脉冲激光金属打孔过程中的快速相变传热进行研究.模型考虑了金属材料熔化后熔体的流动换热，并采用浸没移动边界方案对过程中的固液界面进行追踪.采用纯导热模型和考虑对流的换热模型计算，将结果和试验进行对比，结果表明：在激光打孔过程中熔体的流动对相变传热产生较大影响，采用考虑流动换热模型的结果与实验更接近.进而对熔化速度、熔化深度以及温度场的变化进行分析，并探讨不同激光工艺参数对相变过程的影响.模拟发现一个脉冲结束后，激光的脉宽越大，孔深越小，孔径越大，且最高温度较短脉冲激光越低.     

基于U-Net的盐体识别方法

卷积神经网络在计算机视觉领域取得重大突破，利用其强大的图像处理能力，将地下沉积盐体的识别问题转化为图像语义分割问题，应用深度卷积神经网络实现盐体地震图像的像素级语义分割.本文在U-Net基础上，增加网络深度并同时引入批归一化和Dropout处理，使得神经网络模型具有更高的可信度和更强的泛化能力.通过实验发现，在卷积层之后引入批归一化处理，并在池化层和叠加层之后引入Dropout可以稳定提升模型对盐体图像的分割性能.