低能电子束曝光的散射研究

采用Mott弹性散射截面和Monte Carlo计算方法进行模拟,将Joy和Lou的Bethe修正公式作为解决能量损失问题的非弹性散射模型。描述电子束入射固体过程,确定散射角、方位角、自由程和散射点处能量等参数。利用能量不超过5keV的低能电子束,模拟在不同厚度的抗蚀剂中进行的刻蚀过程,得到了不同能量电子束在衬底表面光刻的最佳抗蚀剂厚度。     

低雷诺数气液交叉流装置研究（I）——孔流液柱流动特性数值模拟

针对低雷诺数的气液交叉流气体净化过程,提出有效避免二次雾沫夹带的液柱流体力学条件。数值模拟结果表明,液柱表面随着离开孔口的距离而变化,采用公式Lb／d=2．84We^0.694能有效预测液柱的断裂行为。     

中美文化差异对国际商务谈判的影响

经济全球化浪潮下的中关经贸合作达到前所未有的高度,但文化差异却时常成为中关商务谈判的障碍。本文通过文化差异对中关商务谈判的影响做出分析,指出文化在中美商务谈判活动中具有的重要作用并提出相应对策。     

Numerical study on the restriction speed of train passing curved rail in cross wind

The results of numerical investigations of aerodynamic forces and moment coefficients of flow passing a simplified train geometry under different wind speeds are summarized. To compute numerically the different coefficients, the three-dimensional Reynolds-Averaged Navier-Stokes (RANS) equations, combined with the k-ε turbulence model, were solved using finite volume technique. The pres-sure-velocity fields were coupled using the SIMPLE algorithm. At each iteration the pressure correction was obtained by sol...     

Experimental investigation and analysis on flexural performance of functionally graded composite beam crack-controlled by ultrahigh toughness cementitious composites

Based on the concept of functionally graded concrete, UHTCC (ultrahigh toughness cementitious composites) material with excellent crack-controlling ability is strategically substituted for part of the concrete, which surrounds the main longitudinal reinforcement in a reinforced concrete member. Investigations on bending behavior of such a functionally graded composite beam crack-controlled by UHTCC (abbreviated as UHTCC-FGC beam) have been carried out. After establishing a theoretical calculation model, the paper discusses the results of four-point bending experiment on long composite beams without web reinforcement, and validates the theoretical formulae through experimental results of UHTCC-FGC beams with different thicknesses of UHTCC layer. Besides improving bearing capacity and saving steel reinforcements, the results indicate that UHTCC-FGC beams can also effectively control the deformation and enhance the ductility of members. At last, the optimal thickness of UHTCC layer in UHTCC-FGC beams has been confirmed, which can not only save materials and improve mechanical performance of members, but also be very effective in preventing corrosion-induced damage and enhancing the durability of members by controlling crack width below 0.05 mm under service conditions. Supported by the Key Program of the National Natural Science Foundation of China (Grant No. 50438010) and the Research and Application Programs of Key Technologies for Major Constructions in the South-North Water Transfer Project Construction in China (Grant No. JGZXJJ2006-13)     

优化SVR的加权马尔可夫链用电量预测

研究电力系统中用电量的准确预测问题.由于影响用电量的因素众多,并且用电量数据与相关因素之间呈现高度的非线性关系,传统的预测方法很难捕捉用电量的变化趋势,预测精度较低.为了提高预测的精度,提出了一种马尔可夫链优化的SVR模型.上述模型根据支持向量回归机原理,以网络搜索交叉验证的思想优化模型参数,通过加权马尔可夫链原理优化预测结果,将原来的数值预测转化为概率区间上的预测.同时,在利用加权马尔可夫链的预测信息之后,也提高了预测的精度.最后,将改进模型应用于江苏省全社会用电量的预测分析,实验结果表明优化的支持向量模型优于其它对比模型,有较高的泛化能力和预测精度.     

多通道递归残差网络的图像超分辨率重建

目的 基于神经网络的图像超分辨率重建技术主要是通过单一网络非线性映射学习得到高低分辨率之间特征信息关系来进行重建,在此过程中较浅网络的图像特征信息很容易丢失,加深网络深度又会增加网络训练时间和训练难度。针对此过程出现的训练时间长、重建结果细节信息较模糊等问题,提出一种多通道递归残差学习机制,以提高网络训练效率和图像重建质量。方法 设计一种多通道递归残差网络模型,该模型首先利用递归方法将残差网络块进行复用,形成32层递归网络,来减少网络参数、增加网络深度,以加速网络收敛并获取更丰富的特征信息。然后采集不同卷积核下的特征信息,输入到各通道对应的递归残差网络后再一起输入到共用的重建网络中,提高对细节信息的重建能力。最后引入一种交叉学习机制,将通道1、2、3两两排列组合交叉相连,进一步加速不同通道特征信息融合、促进参数传递、提高网络重建性能。结果 本文模型使用DIV2K （DIVerse 2K）数据集进行训练,在Set5、Set14、BSD100和Urban100数据集上进行测试,并与Bicubic、SRCNN （super-resolution convolutional neural network）、VDSR （super-resolution using very deep convolutional network）、LapSRN （deep Laplacian pyramid networks for fast and accurate super-resolution）和EDSR_baseline （enhanced deep residual networks for single image super-resolution_baseline）等方法的实验结果进行对比,结果显示前者获取细节特征信息能力提高,图像有了更清晰丰富的细节信息;客观数据方面,本文算法的数据有明显的提升,尤其在细节信息较多的Urban100数据集中PSNR （peak signal-to-noise ratio）平均分别提升了3.87 dB、1.93 dB、1.00 dB、1.12 dB和0.48 dB,网络训练效率相较非递归残差网络提升30%。结论 本文模型可获得更好的视觉效果和客观质量评价,而且相较非递归残差网络训练过程耗时更短,可用于复杂场景下图像的超分辨率重建。     

特征融合与训练加速的高效目标跟踪

基于孪生网络的目标跟踪,存在特征信息欠丰富,跟踪效率有待提高,大型数据集上训练时间长等问题。针对上述问题,提出特征融合与训练加速的高效目标跟踪。增加主干网络参考特征层级,减小下采样,融合多层级参考特征图,提取目标更深度、丰富的语义信息。深度互相关操作得到候选窗口响应（Response of Candidate Windows,RoWs）,在其中构建区域建议网络（Region Proposal Network,RPN）,通过权衡正负锚点的数量比,使孪生网络性能更加高效、稳定。大型数据集训练孪生网络时,使用均匀滑动漂移采样,代替随机漂移采样算法,在抑制中心偏置现象的同时,显著加快了孪生网络的训练速度。跟踪基准VOT2018上的评估实验结果表明,与所有参考的主流目标跟踪算法相比,所提算法具有最佳的跟踪性能。     

跨模态行人再识别的协同学习方法

跨模态行人再识别是实现全天候智能视频监控系统的一项关键技术。该技术旨在匹配某一特定身份行人在不重叠摄像头场景下的可见光图像和红外图像,因而面临着巨大的类内变化和模态差异。现有方法难以较好地解决这两大困难,很大程度上是由于欠缺了对特征判别能力的有效挖掘和对多源异质信息的充分利用。鉴于以上不足,使用协同学习方法设计了一个精细化多源特征协同网络,提取多种互补性特征进行信息融合,以提升网络的学习能力。从骨干卷积网络中提取多尺度和多层次特征,实现精细化特征协同学习,以增强特征的判别能力来应对类内变化。设计了模态共有与特有特征协同模块和跨模态人体语义自监督模块,达到多源特征协同学习的目的,以提高多源异质图像信息的利用率,进而解决模态差异。在SYSU-MM01和RegDB数据集上验证了该方法的有效性和先进性。     

翼缘纵向变厚度工型截面梁变形性能试验

为研究翼缘纵向变厚度工型截面简支梁的变形性能,对2根翼缘纵向变厚度工型截面梁与2根等厚度梁进行静力加载对比试验,同时采用有限元软件ANSYS进行数值模拟.变厚度梁翼缘材料为Q345GJC等级纵向变厚度钢板,加载方式包括单点加载和两点加载.试验结果表明:试件均发生明显的板件局部屈曲;采用翼缘纵向变厚度工型截面简支梁,不仅可以在保证承载力的情况下大大减少用钢量,而且可以获得更大的强度储备;也可以达到密实截面的变形要求,满足塑性设计要求.有限元结果与试验结果吻合良好.该试验结果可为翼缘纵向变厚度工型截面钢梁的塑性变形设计提供依据.