摘要：运用有限元仿真软件对蒸汽管路中支管与双弯头相连的局部管路进行流噪声计算,分析支管与双弯头的间距对速度、压力和声功率级分布的影响规律。结果表明,流场中的最大噪声声功率级随着支管与双弯头间距的改变而小幅变化,变化幅度均不超过1.5%。蒸汽管路低噪声设计时的支管与弯头布置间距可在3~11倍管径范围内合理选取。

摘要：在主动网络中,由于主动节点需要运行用户订制的代码,从而使得主动节点的资源管理变得非常重要,主动节点需要更多的控制能力来合理使用其有限的资源,在J-Sim仿真平台上建立了一个基于组件的灵活的主动网络节点资源管理框架,分别对带宽、处理器及存储器3个方面进行了细粒度的管理,并在J-Sim平台上进行了仿真试验,结果显示当主动节点在重负荷情况下,使用资源管理比没有资源管理能够处理更多的主动信包,取得了理想的仿真结果。

摘要：为了研究铁氧体传输线对脉冲前沿的陡化机理,研制了6个耦合式自积分电容分压器测量传输线不同位置的电压波形,以此来分析脉冲前沿的陡化过程。首先通过Pspice建立电容分压器的等效电路模型,从时域和频域上分析了同轴信号电缆匹配方式及低压臂补偿电容的杂散电感对电容分压器测量输出的影响,提出采用多个电容并联的PCB同轴结构减小其杂散电感对脉冲高频振荡的影响,然后根据传输线结构设计了一种低杂散电感的耦合式电容分压器,通过Comsol仿真计算出高、低压臂电容值并推导了理论分压比。实验测试了电容分压器工作于D-dot模式和自积分模式时的输出信号,对分压器的分压比及响应时间进行定标,结果表明所研制的电容分压器,实测分压比与理论值接近,响应时间约为2.1 ns,实现了6级铁氧体传输线不同位置的脉冲电压的同时测量。

摘要：不同于基于大规模监督的深度学习方法,小样本学习旨在从极少的几个样本中学习这类样本的特性,其更符合人脑的视觉认知机制.近年来,小样本学习受到很多学者关注,他们联合元学习训练模式与度量学习理论,挖掘查询集(无标记样本)和支持集(少量标记样本)在特征空间的语义相似距离,取得不错的小样本分类性能.然而,这些方法的可解释性偏弱,不能为用户提供一种便于直观理解的小样本推理过程.为此,提出一种基于区域注意力机制的小样本分类网络INT-FSL,旨在揭示小样本分类中的2个关键问题:1)图像哪些关键位置的视觉特征在决策中发挥了重要作用;2)这些关键位置的视觉特征能体现哪些类别的特性.除此之外,尝试在每个小样本元任务中设计全局和局部2种对比学习机制,利用数据内部信息来缓解小样本场景中的监督信息匮乏问题.在3个真实图像数据集上进行了详细的实验分析,结果表明:所提方法INT-FSL不仅能有效提升当前小样本学习方法的分类性能,还具备良好的过程可解释性.