初始啁啾对飞秒脉冲在光子晶体光纤中超连续谱产生的影响

采用分步傅里叶方法模拟了初始啁啾对光子晶体光纤中超连续谱产生的影响.根据光纤长度，将光子晶体光纤中脉冲的演化分成初始展宽、剧烈展宽和饱和展宽三个阶段.通过讨论啁啾脉冲和无初始啁啾脉冲在各阶段演化的区别，发现啁啾只在初始展宽和剧烈展宽阶段对光谱有影响，当β₂C<0时啁啾有利于光谱的展宽，当β₂C>0时则刚好相反，在饱和展宽阶段啁啾不再对光谱产生影响.要想利用啁啾脉冲来获得较宽的光谱，必须选择合适的光纤长度，使输出的脉冲处于剧烈展宽阶段.这为利用啁啾脉冲在光子晶体光 关键词： 超连续谱 光子晶体光纤 分步傅里叶法 啁啾     

3004铝合金“反常”锯齿屈服现象的研究

在应变速率为5.56×10^-5s^-1—5.56×10^-3s^-1的范围内，在不同温度下(从223K至773K)，对3004铝合金进行系列拉伸试验，探索其锯齿屈服规律；通过激活能的计算、内耗研究、微观组织观察和能谱分析，探讨锯齿屈服的机理与物理本质.结果表明，3004铝合金在形变过程中会出现动态应变时效现象；发现了一种“反常”的锯齿屈服现象：在出现锯齿屈服的温区内，存在锯齿屈服临界应变量转变温度T_t， 关键词： 动态应变时效 锯齿屈服 铝合金 内耗     

微纳米加工技术在纳米物理与器件研究中的应用

物质在纳米尺度下可能呈现出与体材料不同的物理特件，这正是纳米科技发展的基础之一。要想探索在纳米尺度下材料物埋性质的变化规律及可能的应用领域，离不开相应的技术手段，微纳米加工技术作为当今高技术发展的重要技术领域之一，是实现功能人工纳米结构与器件微纳米化的基础。本文根据几个不同的应用领域，介绍了微纳米加工技术在纳米物理与器件研究领域的应用。     

虚光场在原子的周期衰变和回复效应中的影响

本文利用非相对论量子电动力学理论, 研究了在旋波近似(R w A ) 和非旋波近似下与双光子场作用的二能级原子算符的时间演化规律, 通过数值法和解析法论证了虚光场是原子的周期衰变和回复呈现量子噪声的根源, 并且说明了可忽略虚光场对回复时间影响的原因. 关键词：     

短翅鸣螽的鸣声特征分析与听觉研究

本文利用声分析方法研究了短翅鸣螽Gampsocleis gratiosa鸣声的结构、频谱与时域特征。短翅鸣螽主要靠复翅闭合运动时左翅腹面上的音锉与右翅内缘(刮器)相摩擦而发声。音锉脉冲声列是短翅鸣螽鸣声的基本组分,它由一个开翅脉冲和6—7个闭翅脉冲组成。鸣声的频谱较宽,声能主要分布在3—35kHz范围内;主、次能峰分别位于7.5kHz与4.0kHz附近,在10cm远处鸣声强度L_p约为105dB。鸣声的时域特征与环境温度有关。鸣声的三维数字功率谱图分析揭示了频谱能峰的瞬时变化特征。鸣螽有较高的听觉灵敏度,在与其鸣声主能峰区相应的频率范围内(7—18kHz),反应阈值均在30dBL_p以下。螽斯的听觉神经元能对其鸣声的时域特征进行编码。     

单晶光纤损耗谱测量装置

本文描述了一套用以测量单晶光纤损耗谱的装置。本装置由卤钨灯,单色仪,积分球,AgORbCs光电倍增管以及数据采集,处理和控制系统组成。可测量300～1150nm的光谱范围。利用本装置可获得单晶光纤的吸收光谱,透过率谱,散射光谱以及散射位置谱。     

铜到钼的类钠离子能级结构及软X射线光谱理论计算

本文采用Hartree-Fock自洽场方法,从理论上计算了铜到钼的类钠离子1s~22s~22p~6nl(n=3～6,l=O～5)各能级能量。给出了有可能实现软X射线激光的跃迁(5g—4f,5f—4d,6g—4f,6f—4d)的光谱性质:跃迁波长、振子强度,并和实验值进行了比较,跃迁波长的相对误差不超过千分之二。从计算结果可知,Se的6f—4d跃迁,Br的6g—4f跃迁,Zr的5f—4l跃迁,Nb的5g—4f跃迁都已进入水窗波段。     

双齿配体—1,2—C_6H_4SX(X=O,S)的钴化合物~1H NMR研究

以~1H NMR谱学和磁化率对一些含邻苯二硫酚或巯基苯酚配体的钴化合物的磁性作了研究,并讨论了它们的电子结构。     

交叉验证多路径匹配追踪水声矢量阵稀疏方位估计

水下运动目标的高分辨DOA估计和目标的左右舷分辨问题一直是水声阵列信号处理中的一个核心问题。矢量阵相比于声压阵具有天然的左右舷分辨能力和更高的处理增益,近年来得到了广泛关注。Capon等一些传统高分辨处理方法存在不能解相干源、需要多快拍处理以及对阵列流行误差敏感等多种问题。针对水声阵列信号处理领域面临的以上问题,利用声呐工作场景中空间目标的稀疏性,本文提出了一种基于交叉验证技术的多路径匹配追踪（Multiplepath Matching Pursuit with Cross Validation,CV-MMP）声矢量阵稀疏DOA估计算法。该算法采用交叉验证技术可以在未知场景中目标个数的条件下实现稀疏DOA的估计,相比于常规的声矢量阵Capon算法而言,可以在小快拍数甚至单快拍数条件下实现多目标的稀疏DOA估计以及高分辨能力。仿真和海试试验数据处理验证了提出的算法的有效性。     

Multi-Sensor Vibration Signal Based Three-Stage Fault Prediction for Rotating Mechanical Equipment

In order to reduce maintenance costs and avoid safety accidents, it is of great significance to carry out fault prediction to reasonably arrange maintenance plans for rotating mechanical equipment. At present, the relevant research mainly focuses on fault diagnosis and remaining useful life (RUL) predictions, which cannot provide information on the specific health condition and fault types of rotating mechanical equipment in advance. In this paper, a novel three-stage fault prediction method is presented to realize the identification of the degradation period and the type of failure simultaneously. Firstly, based on the vibration signals from multiple sensors, a convolutional neural network (CNN) and long short-term memory (LSTM) network are combined to extract the spatiotemporal features of the degradation period and fault type by means of the cross-entropy loss function. Then, to predict the degradation trend and the type of failure, the attention-bidirectional (Bi)-LSTM network is used as the regression model to predict the future trend of features. Furthermore, the predicted features are given to the support vector classification (SVC) model to identify the specific degradation period and fault type, which can eventually realize a comprehensive fault prediction. Finally, the NSF I/UCR Center for Intelligent Maintenance Systems (IMS) dataset is used to verify the feasibility and efficiency of the proposed fault prediction method.