摘要：为了研究海洋非色素团聚颗粒对水下量子通信性能的影响,基于Mie散射理论和Gordon模型,分析了非色素团聚颗粒的散射与吸收特性。针对不同波长的光信号,建立了海洋非色素团聚颗粒质量浓度与链路衰减、量子安全密钥产生率、信道建立速率、幅值阻尼信道容量之间的关系模型并进行了仿真。结果表明,当采用波长为580 nm的光信号进行水下量子通信、传输距离为2 km、海洋非色素团聚颗粒的质量浓度为1.2 mg/L时,对应的链路衰减、量子安全密钥产生率和幅值阻尼信道容量分别为1.659、8.295×10^(-5)和0.486;保真度为0.899时,量子信道建立速率为58.2 pair/s。该仿真结果可为海洋环境中量子通信系统的设计与优化提供参考依据。

摘要：为研究海冰对水下量子通信信道性能的影响,基于海冰在不同的密度、盐度下的吸收与散射特性,建立了海冰参数与消光系数之间的关系、光量子信号衰减模型;根据海冰在不同密度、盐度下的消光特性,分别建立海冰参数与信道利用率、量子密钥分配系统误码率、系统成码率之间的关系并进行数据仿真。理论分析与仿真结果可为海冰环境下的水下量子通信设计提供参考。

摘要：天然双曲声子极化激元材料-α相三氧化钼(α-MoO_(3))能够支持高度局域的表面声子极化激元(surface phonon polaritons,SPhPs),达到在中红外波段对光与物质相互作用的过程进行揭示以及调节的目的.我们理论上提出并研究了基于Kretschmann结构的单层和多层α-MoO_(3)的面内各向异性表面声子极化激元(ASPhPs).通过4×4传递矩阵法(TMM)快速准确地求解多层各向异性介质系统中的反射系数,描述多层系统中激发的SPhPs及色散性质.结果证实层间耦合可以通过多层膜的堆叠以及层厚来调制.当入射角度大于全内反射角时,满足SPhP激发的相位匹配条件.在40°角范围内,SPhP谐振随着入射角度的增加迅速蓝移,但是随后色散曲线不再随着入射角的增大而移动.间隙层的增大会还会致使法布里-珀罗(FP)共振模式的激发.层状异质结构中的ASPhPs是当今纳米光子技术的重要组成部分,我们的研究有助于进一步优化和设计基于极化双曲材料的可控光电器件.

摘要：在错列式双Ω型定子横向磁通永磁直线电机研究基础上,该文提出背靠背Ω定子横向磁通永磁直线电机,该电机采用背靠背Ω定子配合聚磁结构动子实现电负荷与磁负荷的相互解耦。首先,阐述该电机的单相结构和工作原理并对样机尺寸进行推导。其次,采用三维有限元方法对电机磁场分布进行分析,对电机磁通密度、电枢反电势及电枢自感等电磁参数进行计算。最后,对三相电机推力和定位力进行仿真和优化。样机实验结果表明,与错列式双Ω型定子电机相比,所提新结构电机的磁通密度、电枢反电势、电机推力和功率密度等指标均得到显著提升。实验结果与仿真数据具有较好的吻合度,验证所提电机结构设计的正确性和可行性。

摘要：当手持刚性工具在材料表面滑动时,用户可以通过工具的振动来感受材料表面的纹理特征。这些振动加速度数据包含了丰富的纹理类别信息,为纹理的分类提供了基础。利用触觉进行纹理分类对于力触觉人机交互、机器人精细化操作等应用具有重要的意义。目前,手工设计与纹理相关的特征以及借助卷积神经网络进行简单的特征提取等方法已经被应用于触觉纹理分类。然而,这些方法未能关注时间尺度的选择和触觉序列数据间的时间依赖性,还存在触觉数据特征提取不充分和分类精度不佳等问题。为了解决上述问题,本文提出一种由多尺度卷积网络和双向长短时记忆网络相结合的融合模型,以便同时捕获触觉信号多尺度的几何局部空间特征和时间依赖特征。所提出的模型从公开的触觉数据集中学习材料表面纹理的触觉特征,并在公开的纹理振动加速度数据库上进行训练。实验结果表明,本文提出的模型可以稳健且高效地实现最高92.1%的纹理分类精度。

摘要：提出一种用于求解多目标组合优化问题的3阶段混合蛙跳框架.该框架采用阶段化、模块化的设计思想,将种群的进化过程分为快速收敛、探索扩展、极值挖掘3个阶段.在快速收敛阶段,迅速定位Pareto前沿,使整个群体快速地聚集在前沿附近;在探索扩展阶段,进一步提升解的精度并让种群均匀地分布在前沿上;在极值挖掘阶段,搜寻各目标上的边界极值,增强分布性能.对于不同阶段的不同模块,采用不同的策略以提升框架的求解性能.所提出框架对于多目标组合优化问题具有良好的通用性,在解决不同类型的问题时仅需设计相应的编码方式、个体生成算子和约束处理机制.采用经典的多目标背包问题作为测试问题,与五种已有算法进行对比,结果表明,所提出框架具有良好性能,基于该框架设计的混合蛙跳算法具有更好的收敛性和分布性.

摘要：压力容器气体泄漏智能检测识别技术易受多种因素干扰,且智能检测模型需要大量的监测数据训练。而在实际工业环境中,可用数据特别是数据标签十分稀缺,为了克服多工况干扰和数据缺少标签信息等问题,提出了一种利用迁移学习的无监督变工况智能检测技术。首先采集实验室环境下的多种泄漏的样本,选择3种不同压力工况下将数据分为有标签的源域和无标签的目标域;其次设计卷积特征提取器,针对两个域的边缘分布和条件分布,提出一种改进的联合分布适应机制,并进一步改进了分布差异度量,以增强邻域混淆。在6个迁移学习任务上的实验结果验证了该方法的有效性,对比经典域自适应算法有更高的准确率。

摘要：产品表面缺陷检测任务的重点是对产品表面图像中的异常缺陷区域进行自动检测和分割。然而实际应用中,由于噪声的退化影响和缺陷类型的复杂多样,产品表面缺陷检测仍然是一项具有挑战性的任务。为了应对这些问题,提出了产品表面缺陷检测的多通路阈值收缩融合网络。在各尺度通路中,为了降低噪声干扰,该网络设计了自适应阈值收缩去噪模块,通过双支路自主学习水平和垂直方向的收缩阈值,去除特征中的干扰噪声并且保留有效背景信息,从而实现自适应去噪。为了更准确定位缺陷对象,设计了上下文三维注意力融合模块,通过水平聚合和垂直聚合生成三维注意力图,增强异常区域特征。最终将平行的多尺度特征融合,实现对不同尺度以及不同类型缺陷的有效检测。将所构建模型在SD-900和MVTec-AD数据集上与最新的8种方法进行比较,实验结果表明该模型能够有效提升检测精度,并能够对噪声干扰保持鲁棒性,消融实验也验证了自适应阈值收缩去噪模块和上下文三维注意力模块融合的有效性。

摘要：微量流体的收集与控制是微流控领域的关键技术,微流体引流控制不仅需要对流速、时间等参数进行精确控制,而且要避免流体在多个检测区的交叉混染。本文设计一种基于爆破阀的微流体引流控制芯片。首先,对爆破阀机理进行分析,并采用MEMS工艺制备微流控芯片;然后,对影响爆发阀特性的材料亲水性进行跟踪测量,对微流控芯片的引流特性进行宏观和微观观测;更进一步地,对爆破阀的爆破压力进行理论计算和实验实测,3种爆破阀的实测爆破压力分别为90、690、2440 Pa;最后,对不同进样速率下爆破阀的爆破特性进行测试。实验结果表明,通过爆破阀的合理设计,可实现微流体的引流控制,使其按预定次序、预定时间流入检测区,进而有效避免流体的交叉混染。

摘要：目的深度学习在视频超分辨率重建领域表现出优异的性能,本文提出了一种轻量级注意力约束的可变形对齐网络,旨在用一个模型参数少的网络重建出逼真的高分辨率视频帧。方法本文网络由特征提取模块、注意力约束对齐子网络和动态融合分支3部分组成。1)共享权重的特征提取模块在不增加参数量的前提下充分提取输入帧的多尺度语义信息。2)将提取到的特征送入注意力约束对齐子网络中生成具有精准匹配关系的对齐特征。3)将拼接好的对齐特征作为共享条件输入动态融合分支,融合前向神经网络中参考帧的时域对齐特征和原始低分辨率(low-resolution,LR)帧在不同阶段的空间特征。4)通过上采样重建高分辨率(high-resolution,HR)帧。结果实验在两个基准测试数据集(Vid4(Vimeo-90k)和REDS4(realistic and diverse scenes dataset))上进行了定量评估,与较先进的视频超分辨率网络相比,本文方法在图像质量指标峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity,SSIM)方面获得了更好的结果,进一步提高了超分辨率的细节特征。本文网络在获得相同的PSNR指标的情况下,模型参数减少了近50%。结论通过极轴约束使得注意力对齐网络模型参数量大大减少,并能够充分捕获远距离信息来进行特征对齐,产生高效的时空特征,还通过设计动态融合机制,实现了高质量的重建结果。