ICF内爆靶丸能流分布三维数值仿真

针对惯性约束聚变(ICF)两区均匀模型中靶丸表面能流分布问题,采用三维离散视角因子方法进行模拟仿真。对辐照过程中出现腔壁自身遮挡的面元,利用四叉树结构进行快速剔除;实现了GPU上的靶丸能流分布的并行计算。基于该方法开发的三维仿真软件IRAD3D 1.0,其有效性通过与解析解的对比得到了验证。不同算例模型的仿真结果表明了软件具有通用性、高效性,给出了靶丸均匀性分析的应用实例。     

三维柱腔内辐射输运的一维模拟

在惯性约束聚变实验中,使用一维辐射流体力学程序模拟辐射在管壁约束的介质中的传输,因为无法考虑管壁辐射漏失等二维或三维边缘效应而引入了较大的误差.通过解析的视角因子公式和反照率定标公式来模拟X射线在管壁中的损失以及腔壁开口的漏失等边缘效应,对一维辐射流体力学程序MULTI的辐射输运计算进行了修改,成功模拟了X射线辐照下金等离子体的界面运动轨迹,比不考虑边缘漏失更接近实验测量结果,证明了该方法的有效性.     

MPCK视角下的指数函数的单调性

MPCK(Mathematics Pedagogical Content Knowledge)是近几年数学教育研究的热点问题[1-4].发展MPCK不仅是教师组织、教师教育工作者和教育研究人员的诉求,而且是学者,政府乃至全社会不约而同的呼声.按照香港中文大学     

基于融资能力约束的多模式Max-npv项目调度优化: 双重视角

从项目双方的视角出发,研究融资能力约束下的Max-npv项目调度问题。首先进行问题界定,构建由两个子模型构成的多模式Max-npv项目调度优化模型。随后,鉴于问题的强NP-hard属性,设计针对两个子模型迭代循环求解的禁忌搜索启发式算法,得到项目双方都满意的解。最后用一个实际案例对研究进行验证说明,并分析关键参数对合同双方收益的影响,结果表明:与实际进度安排相比,满意进度安排下合同双方的收益均有显著的提升;承包商和业主的融资能力、项目截止日期、承包商收益底线、折现率及支付比例均会对双方的收益产生重要影响。     

对提高高三数学二轮复习效率的几点认识

高三二轮复习时间紧、任务重,打造高效复习课堂是一线教师的共同追求.在二轮复习教学中,教师应从整体角度出发,引导学生关注知识间的联系,重视数学方法的积累和数学思想的提炼,进一步优化学生的知识网络,促进学生思维能力的发展,成就高品质复习课堂.     

剪切散斑干涉技术及应用研究进展

剪切散斑干涉技术是一种非接触测量物体变形缺陷的光学无损测量方法,其通过计算物体变形前后的散斑图中的相位获取被测物的应变缺陷信息。近年来该技术在航空、航天等工业无损检测领域得到了广泛的应用。本文从系统关键技术、散斑图像处理技术两方面介绍了剪切散斑干涉技术的研究进展,详细论述了多种剪切装置实现大视角测量、空间载波实现动态测量、多种图像处理算法的一系列剪切散斑干涉技术;最后介绍了剪切散斑干涉技术的国内外应用进展,展望了剪切散斑干涉技术在动态测量、光滑表面测量及定量反算形变量等方面的发展趋势。     

基于双重视角的MPPSP及其禁忌搜索启发式算法

首先界定研究假设条件并定义文中所使用的符号;随后从业主及承包商双重视角构建MPPSP的整数规划优化模型;针对问题的强NP-hard属性,设计禁忌搜索启发式算法;在随机生成的标准算例集合上对算法进行测试;最后用一个算例对研究结果进行说明。结论如下:本文所开发的禁忌搜索启发式算法可以有效地求解MPPSP;关于给定项目的支付进度安排,承包商和业主的偏好存在显著差异;随着支付次数与支付比例的增加,承包商收益提高,业主收益下降,而双方收益均随折现率的上升而下降。     

分层视角下无线通信网络高空电磁脉冲效应

从分层视角研究无线通信网络高空电磁脉冲效应,提出了一种具有层级属性的网络级效应评估方法。设计研制了一种无线通信网络效应试验仿真平台,网络使用典型全连通拓扑结构,网络节点使用超外差式收发机,网络运行在超短波频段。开展了小型网络脉冲辐照效应试验和效应机理分析,网络仿真研究了网络规模不同条件下节点失效概率对网络性能的影响。得到以下结论:（1）设备级效应对低层级效应具备一定冗余容错能力,这取决于效应评价指标的选择和损伤组件的功能属性;（2）网络级效应对设备级效应具有潜在放大效果,个别节点失效可能造成网络性能严重下降甚至瘫痪。     

基于跨视角图像转换的地-空图像地理定位

图像地理定位任务的目标是对于给定的现实图像实现其地理位置的预测,在目前主流方法中,这种预测通过将输入图像与数据库中带有地理标签的图像进行匹配实现。由于缺乏全面的带有地理标签的地面图像,已有的数据库都是通过带有经纬度标签的卫星图像来建立的,而卫星图像相对于地面图像的巨大视角变化则给图像的匹配带来了挑战。本文提出了一种新的用于跨视角图像转换的条件生成对抗网络Crossview Attention Seq(CAS),使其生成由卫星图像转换得到的地面辅助信息。CAS由图像的语义分割信息达到了更好的生成效果,同时又通过模块中的空域注意力机制压制了转换的噪声。CAS所生成的转换信息与查询图像一起被输入到图像匹配框架当中,进行参数的优化和特征表示的学习。基于孪生网络模型搭建了新的图像匹配框架,并将新的损失函数结合到训练过程中,与传统三元组损失相比,它大大提升了模型整体优化的效果。实验结果表明,本文提出的方法在两个经典图像定位数据集上对比基线模型达到了更高的定位精度,并且对低信息量的数据具有更强的鲁棒性。