摘要：介绍了一种皇冠形插座的排样设计及该零件级进模的结构 。

摘要：本文利用光电流效应,导得由DFB激光器频率漂移产生的误差信号的表示式。设计一种新结构的小型的原子放电灯。实验中,应用Kr的2P_(10)→3D_3谱线和中心波长为1.5341μm的DFB激光器,改变激光器的波长,成功地得到幅度达0.68mV的误差信号。预期构成闭环,可将DFB激光器的频率稳定在4 MHz的范围。

摘要：拉曼增益谱的一个重要特征是增益峰值波长仅与泵浦波长有关(固定偏移约100nm)。利用这一特性,设计了一种新的光纤拉曼放大器(FRA)多泵浦源的优化算法。利用这一算法及综合理论模型,研究了不同配置条件下FRA增益谱。结果表明,该算法是简单而有效的。

摘要：通过使用综合理论模型对不同配置条件下的多泵浦分布式光纤喇曼放大器的增益谱进行了数值模拟研究 ,该理论模型包含了瑞利散射、放大自发辐射和不同交互效应 ,包括泵浦与泵浦、泵浦与信号和信号与信号之间的交互与能量转移 模拟研究了泵浦源功率、泵浦源波长间隔及光纤损耗对喇曼增益谱的影响 ,结果表明设计多泵浦光纤喇曼放大器需要对泵浦源功率、泵浦源波长间隔光纤损耗谱进行综合考虑 ,需对泵浦源功率、泵浦源波长间隔进行合理配置 在本文的泵浦源波长设定条件下 ,考虑实际光纤的损耗谱特性 ,为了获得大的增益带宽和小的增益不平坦度 ,短波长泵浦源和最长波长的泵浦源需要更高的泵浦功率 。

摘要：介绍一种SIR谐振环采用伪交指结构设计微带带通滤波器的设计方法。仿真与实测结果表明该滤波器阻带性能优良,尺寸很小,利于系统小型化设计。为了使滤波器具有更加陡峭的边缘特性,我们在设计中引入马刺线,结果表明引入马刺线后,滤波器尺寸变化不大,阻带性能和通带选择性则更加优良。

摘要：总结了一个现场运行全光通信网的研究开发成果,给出了包括光分插复用器(OADM)和光交叉连接器(OXC)等网元的优化设计方案,研究了全光通信网控制与管理(NC&M)的设计和实现技术,评估了网络性能的测试结果.测试结果以及开通的网络多媒体业务稳定运行的实践表明,全光通信网技术是一种理想的城域骨干网传送技术.

摘要：废钢是现代钢铁工业重要的铁素来源,是钢企实现碳中和的重要原料。不同级别的废钢价格悬殊,其质量直接影响钢企的生产成本和产品质量。因此,废钢入炉前的分类和评级问题,受到钢企的普遍重视和高度关注。针对传统人工方法在废钢的分类评级中所出现的效率低、安全性和公正性差等问题,基于深度学习中的卷积注意力机制和加权双向特征融合网络构建废钢分类评级模型。首先,搭建废钢质量查验物理模型,模拟货车卸载废钢的生产作业场景,采用高分辨率视觉传感器采集不同类别的废钢图像。其次,设计了一种结合注意力与特征融合的废钢验质深度学习模型,将卷积注意力模块(convolutional block attention module,CBAM)加入主干网络对采集的废钢图像数据集进行特征提取,聚焦并保留图像的重要特征;使用双向特征金字塔(bidirectional feature pyramid network,BiFPN)平衡多尺度特征信息,进行多尺度特征融合。最后,在模型预测阶段,利用所构建的废钢质量验质模型进行废钢类别和质量判级,验证模型的精确性与检测效率。基于自制废钢验证数据集,与主流的目标检测模型Faster R–CNN、YOLOv4、YOLOv5系列以及YOLOv7进行性能比较。实验结果表明:本研究构建的废钢质量验质模型识别判级的准确率Acc达到了86.8%,所有类别平均精度m AP为89.2%,均高于对比的目标检测模型,在准确性、实时性以及识别评级效率方面可满足实际生产应用,解决废钢分类评级过程中的诸多难题,实现废钢的智能验质和公正判定。

摘要：为研究钢-混组合梁有限元模型差异性对桥梁结构施工以及成桥阶段的力学性能的影响,依托某在建多跨钢混组合梁桥,分别采用组合梁联合截面、双主梁单元和梁+板双单元三种单元模型,分析了采用不同单元模型计算对结构的受力结果误差的影响,对比了在施工阶段和成桥阶段的应力、挠度等响应。结果表明:三种有限元模型钢箱梁及桥面板应力误差均在5%以内,成桥后主梁挠度误差不超过3%,但采用梁+板双单元模型分析多跨钢混组合梁桥,得到的应力和挠度等计算大于其他两种,提高了桥梁的安全系数,确保了结构的安全稳定性,为类似工程提供借鉴。

摘要：为研究连续钢箱梁桥横向倾覆的影响因素,本文以某座在建高架桥为工程背景,采用数值分析软件对模拟全桥实际工程中的受力状态,通过改变荷载横向作用位置、支座布置形式以及桥墩布置形式等影响参数来研究引起连续钢箱梁横向倾覆的关键因素。结果表明,荷载横向作用位置离主梁中心线越远,远离偏载一侧的支座负反力越大,越易造成桥梁倾覆,同时通过增加支座间距和改变桥墩结构形式,能够改善桥梁的横向抗倾覆性能。

摘要：针对工业上铝型材表面缺陷检测速度慢,小目标缺陷如擦花、漆泡等检测精度低的问题,提出一种基于改进YOLOv8n的铝型材表面小目标缺陷检测模型。首先,采用跨尺度特征融合,通过融合不同尺度的特征,提升网络对多尺度信息的感知能力。其次,对YOLOv8骨干网络C2f结构进行改进,通过加入RFAConv注意力卷积设计了一种新的结构,以加强网络特征提取能力,提高小目标检测精度。在颈部使用轻量级RepGhost模块,以降低参数数量和计算量。最后,采用WIoUV3替换原YOLOv8模型中CIoU损失函数,以提高检测精度和收敛速度。在铝型材表面缺陷数据集上进行大量实验,实验结果表明改进模型mAP@0.5提升2.5%、帧率达到了110 fps,权重文件大小降低16.2%,检测效果优于原模型。此外,在VOC2012数据集和东北大学热轧带钢表面缺陷数据集上表明改进算法有良好的鲁棒性,改进模型满足工业上铝型材检测要求。