基于主被动合作博弈的医患关系研究

针对我国医患关系日趋紧张,医患矛盾逐渐凸显这一问题,在对中国近五年医患事件进行分析的基础上,分别从信任程度、信息不对称程度、诊疗代价等多个视角出发,利用演化博弈理论和复制动态方程,构建了医患双方合作策略选择演化博弈模型,探究了影响医患关系演化的相关因素。研究表明:从长期来看,医患关系博弈系统存在两种演化路径:主动合作和被动合作;增大医患双方的信任程度,减小医患双方的信息不对称程度,降低医患双方合作成本,增大以政府为主导的仲裁机构对医患双方的奖励和惩罚都将会促使医患双方由被动合作转向主动合作。     

1.3μm固体激光器研究进展

1.3μm波段固体激光器在多领域均有着重要作用,本文介绍了近20年来国内外不同晶体材料输出1.3μm波段激光的研究进展,包括几种常用的晶体如YAG、YVO₄、GdVO₄以及其他晶体。通过分析认为,对新材料、新机制的探索与应用是未来1.3μm波段激光器的主要发展方向。     

可见光多波段激光合束系统设计北大核心CSCD

为了实现可见光波段不同波长多路激光的精密合束,设计了一套激光合束系统。通过长焦距镜头和高缩束倍率镜头配合大面阵光电探测器分别实现合束激光指向与位置的高精度、实时监测;通过高精度的角度调节平台和位置调节平台分别实现光束指向和位置监测误差的实时补偿。在完成光束指向、位置监测镜头的设计加工及精密装调后,获得位置监测装置的监测分辨率为0.054 mm,指向监测装置的监测分辨率为3.5μrad;在完成光束位置校正平台、指向校正两维摆镜、闭环控制系统合束流程的详细设计后,对合束系统的合束精度进行实验检测和误差分析。实验结果表明:合束系统短时间内针对稳定光束的合束精度为:指向6.17μrad,位置优于0.66 mm;长时间内针对缓慢漂移光束的合束精度为:指向18.46μrad,位置优于0.72 mm。因此,所设计的激光合束系统合束精度高,并且可及时对光束的漂移误差进行自动补偿,满足系统的应用要求。     

基于机器学习的地基云图分类研究进展

基于机器学习的地基云图分类是光伏发电功率预测的关键技术。该技术主要通过传统机器学习和深度学习方法对地基云图特征提取提升地基云图分类准确率。全文归纳了地基云图分类标准和云图采集设备;简要介绍了地基云图分类数据集;从传统机器学习和深度学习两方面详细论述了典型的地基云图分类方法;比较了不同方法在Kiel F和MGCD地基云图分类数据集上的性能;最后对现有地基云图分类方法进行了总结,并针对目前地基云图分类面临的挑战进行了展望。     

140 GHz回旋管高转换效率准光模式变换器设计研究（英文）

成功实现高转换效率的140 GHz TE22,6准光模式变换器原型设计。基于周期微扰原理设计Denisov辐射器,实现低边缘绕射的初级出射波束。针对三镜面光路系统,采用全矢物理光学积分作为主要计算手段,围绕主极化场分量进行三级相位修正面迭代优化,实现高出射高斯纯度的模式场转换,其中一级镜的修正有效改善了辐射器出射的不理想性。基于全矢数值仿真确认,相比原二次曲面原型设计,相位修正后的变换器系统的出射高斯纯度从92.7%提高到99.6%,结合98.8%以上的功率传递效率,实现了性能优越的高阶回旋管准光模式变换器原型设计。     

智能靶标目标检测方法研究

在激光模拟训练中,具有智能打击功能的靶标装置可以更加逼真地模拟实战对抗过程,满足智能化军事训练需求。但目前大多数靶标不具备智能打击或反击功能,靶标仅能实现作为目标的被打击功能或者非智能的触发反击功能,模拟训练形式单一,靶标运动或打击功能呈现规律性,不能真实模拟敌方目标主动攻击的能力,因此为适应模拟训练发展的需求实现模拟训练智能化、提高模拟仿真程度就需要通过智能靶标来模拟敌方目标进行作战。在智能靶标的研制过程中其中首先要解决的问题就是目标检测。本研究最终目标是对战场环境中的单兵目标进行检测并做出攻击活动,故对单兵目标的检测速度和精度有较大要求,本文提出一种基于Yolov5神经网络架构提高目标检测精度、加快目标检测速度的算法,采用改进网络结构对传统的目标检测算法进行优化,保证在输入可见光图像下,能够实现快速检测,并保证检测的精度。     

基于自校准技术的半球谐振陀螺正交误差的辨识补偿

在静电刚度校正技术的基础上,结合自校准算法,该文提出了一种实时辨识补偿正交误差的理论模型,并在两件套平面电极的半球谐振陀螺上进行了理论仿真和实验验证。结果表明,该方法不仅适用于半球谐振陀螺的力平衡和全角两种工作模式,还适用于虚拟进动的情况。此外,该文提出的补偿方法不会影响正交环路的控制精度,且对陀螺检测和驱动电路的增益和相位误差不敏感。     

聚焦部分相干平顶涡旋光束对瑞利粒子的捕获

基于广义惠更斯-菲涅尔原理和瑞利散射理论,推导了聚焦部分相干平顶涡旋(partially coherent flat-topped vortex, PCFTV)光束作用在瑞利微粒上辐射力的表达式,主要研究聚焦PCFTV光束对不同折射率的两种粒子的捕获情况。研究结果表明,聚焦PCFTV光束可以在焦点处捕获高折射率和低折射率的粒子。随着光束阶数的增大以及相关长度的减小,光束对微粒的捕获能力增强。所得结果对PCFTV光束应用于光学操控具有一定的意义。     

光纤电压传感器传感头优化与热致非互易误差抑制

针对普通光纤电压传感器在外界温度扰动下其输出精度和稳定性会受到严重影响这一问题,本文提出了一种采用保偏光子晶体光纤(polarization maintaining photonic crystal fiber,PM-PCF) 作为传感光纤的传感头优化方法抑制温度扰动下的系统非互易误差。在综合考虑PM-PCF与传统熊猫型保偏光纤(panda polarization maintaining fiber,panda-PMF) 尾纤间的熔接损耗、传输损耗以及现有工艺条件下的光纤制备等问题的基础上,优化得到了与panda-PMF间的熔接损耗低至0.14 dB的PM-PCF;并对比分析了这两种保偏光纤的双折射温度依赖特性,建立了全光纤类型的光学电压传感器(fiber optic voltage sensor,FOVS) 热致系统误差输出模型,分析验证了PM-PCF在解决反射式逆压电型FOVS热致非互易问题的可行性。结果表明,采用PM-PCF优化后的FOVS热致非互易误差约是传统保偏光纤电压传感器 的10-2量级。这在提高系统输出精度和稳定性等方面具有显著优势,同时这种低损耗的优化方法在光纤传感及通信等领域具有重要的应用价值。     

Blood cell counting based on U-Net++ and YOLOv5

Clinical information about a variety of disorders is available through blood cell counting, which is usually done by manual methods. However, manual methods are complex, time-consuming and susceptible to the subjective experience of inspectors. Although many efforts have been made to develop automated blood cell counting algorithms, the complexity of blood cell distribution and the highly overlapping nature of some red blood cells (RBCs) remain significant challenges that limit the improvement of analytical accuracy. Here, we proposed an end-to-end method for blood cell counting based on deep learning. Firstly, U-Net++ was used to segment the whole blood cell image into several regions of interest (ROI), and each ROI contains only one single cell or multiple overlapping cells. Subsequently, YOLOv5 was used to detect blood cells in each ROI. Specifically, we proposed several strategies, including fine classification of RBCs, adaptive adjustment for non-maximal suppression (NMS) threshold and blood cell morphology constraints to improve the accuracy of detection. Finally, the detection outcomes for each ROI were combined and superimposed. The results show that our method can effectively address the issue of high overlap and precisely segment and detect blood cells, with a 98.18% accuracy rate for blood cell counting.