基于三维模型的NPN双极型晶体管电离辐射效应仿真模拟北大核心

为更加迅速可靠地评估星用双极型晶体管抗电离辐射损伤性能,建立了三维NPN晶体管模型,并对其电离辐射效应进行了数值模拟。仿真计算了电离辐射在晶体管中产生的氧化物正电荷陷阱以及界面陷阱,以此模拟不同总剂量、剂量率电离辐照对晶体管的损伤;以漂移扩散模型计算了晶体管典型性能的响应,验证了晶体管的总剂量效应和低剂量率损伤增强效应。结果表明晶体管对电离辐射敏感的区域位于基区和发射结区附近的Si/SiO_(2)界面,从Gummel曲线提取的归一化增益发现,电离辐射损伤可能使晶体管增益降低50%以上,这对晶体管性能影响很大。该方法可以在降低成本、缩短周期的前提下,为晶体管抗电离辐射可靠性评估提供合理的技术支撑和可借鉴的理论数据。     

碳纤维复合材料激光制孔技术研究进展

碳纤维增强树脂基复合材料(CFRP)具有抗疲劳性好、比强度高、耐热性好等优良的热物性能，已在航空、航天等领域得到广泛应用。作为主要的承力构件，CFRP板之间的机械连接所需加工的装配孔数量众多。然而，CFRP作为高硬度且各向异性的难加工材料，传统机械钻孔存在刀具磨损严重、制孔工序多等缺点；相比于机械钻孔，激光“不怕硬”，激光制孔无刀具磨损、经济性好、易于实现自动化控制。首先对CFRP激光制孔加工技术进行了综述，着重分析了CFRP激光制孔常见工艺；其次，剖析了CFRP激光制孔加工常见缺陷及其抑制研究现状；随后，阐述了CFRP激光加工工艺参数对制孔质量及效率的影响；为了阐明CFRP激光制孔材料移除机制，还综述了CFRP激光制孔加工数值仿真和基于高速摄像的加工过程动态观测研究进展；最后，展望了CFRP激光制孔技术的发展趋势。     

基于改进残差特征蒸馏的轻量级超分辨率网络

基于深度学习的图像超分辨率算法通常采用递归的方式或参数共享的策略来减少网络参数，这将增加网络的深度，使得运行网络花费大量的时间，从而很难将模型部署到现实生活中。为了解决上述问题，本文设计一种轻量级超分辨率网络，对中间特征的关联性及重要性进行学习，且在重建部分结合高分辨率图像的特征信息。首先，引入层间注意力模块，通过考虑层与层之间的相关性，自适应地分配重要层次特征的权重。其次，使用增强重建模块提取高分辨率图像中更精细的特征信息，以此得到更加清晰的重建图片。通过大量的对比实验表明，本文设计的网络与其他轻量级模型相比，有更小的网络参数量，并且在重建精度和视觉效果上都有一定的提升。     

挤出型3D打印混凝土力学性能研究进展

介绍了3D打印混凝土的特点与前景,综述了挤出型工艺的3D打印混凝土的压、拉、折、剪基本力学性能以及增强措施。研究表明:打印层在喷嘴的挤压作用下密实度有所提高,但同时层间易形成薄弱界面,造成性能的各向异性,通过调整胶凝材料、掺入纤维、优化工艺、水浴养护、布筋等措施能有效改善。此外,提出了还需进一步研究的问题。     

水平一阶导数在航磁圈定断裂中的应用

对于区域磁场任意水平方向求一阶导数,相当于这个方向两侧边缘磁性体产生的磁异常,因此可以突出垂直于这个方向上的磁异常,使沿垂直此方向展布的断裂有明显的反映.该文对该方法进行了理论模型的分析研究,并通过实例证明了该方法在增强断裂磁场特征及准确划定断裂位置方面具有明显的效果.     

HPTLC-SERS快速检定葡萄汁中苏丹染料掺假

建立并优化一种基于高效薄层色谱和表面增强拉曼联用检测技术的方法,用于快速准确定性定量检测葡萄汁中的苏丹染料掺伪。使用石油醚/丙酮/乙酸(9/1/0.1,体积比)作为流动相在硅胶板上对目标物进行色谱分离,考察纳米银胶体浓度、外加电解质种类、浓度以及入射激光波长等参数对检测信号质量的影响。结果表明,10倍浓缩的纳米银胶体,633nm入射激光,辅以0.5~1.0mol/L NaCl最适合4种目标物的检测。优化检测条件后,检测灵敏度可达0.01~0.05mg/kg;在1~20 mg/kg浓度范围内,检测结果表现出良好的线性关系,R~20.996。不仅如此,对葡萄汁样品的测试中,该方法也表现出良好的准确性(添加回收率72%~104%)和精密度(RSD 4.5%~9.6%),因此特别适于大批量饮料和食品样品中非法色素添加的筛检。     

基于改进相干增强扩散与纹理能量测度和高斯混合模型的导光板表面缺陷检测方法

针对液晶屏(LCD)导光板表面缺陷检测方法存在漏检率和误检率较高,对产品表面复杂渐变的纹理结构适应性差的问题,提出一种基于改进相干增强扩散(ICED)与纹理能量测度和高斯混合模型(TEM-GMM)的LCD导光板表面缺陷检测方法。首先,构建ICED模型,基于结构张量引入平均曲率流扩散(MCF)滤波,使得相干增强扩散(CED)模型对缺陷的细线状纹理有良好的边缘保持效果,并利用相干性得到缺陷纹理增强和背景纹理抑制的滤波后图像;然后,根据Laws纹理能量测度(TEM)提取图像纹理特征,将图像的背景纹理特征作为离线阶段高斯混合模型(GMM)的训练数据,使用期望最大化(EM)算法估计GMM参数;最后,计算待检测图像各像素的后验概率,并将其作为在线检测阶段缺陷像素的判断依据。实验结果表明,该检测方法在导光颗粒随机、规则两种分布的缺陷图像测试数据组上的漏检率和误检率分别为3.27%、4.32%和3.59%、4.87%。所提检测方法适用范围广,可有效检测出LCD导光板表面划痕、异物、脏污和压伤等类型的缺陷。