基于SOI衬底的宽带低损耗声表面波滤波器研究

使用结构为42°Y-X LiTaO₃(600 nm)/SiO₂(500 nm)/Si的SOI衬底，通过抑制横向模式等优化设计，研制了单端谐振器和声表面波滤波器。经测试，谐振器的谐振频率为1.5 GHz，品质因数(Q)值高达4 000；滤波器的中心频率为1 370 MHz，插入损耗为-1.2 dB，1 dB带宽为74 MHz，相对带宽达到5.4%，阻带抑制大于40 dB，且温度系数在-55~+85 ℃时优于-9×10^-6/℃。该产品具有高频、宽带、低损耗、低温漂、高阻带抑制的特点，其性能指标优异，具有很好的实用性。     

遥感卫星随遇接入互联网星座和在轨智能处理

低轨互联网星座是当前全球研究和发展的热点,互联网星座支持随遇接入遥感卫星和信息在轨直接处理的应用前景备受期待,但由于轨道高度不同会产生双向高动态异构星座的接入互联问题。首先,通过设定低轨卫星互联网星座在不同轨道特性、不同卫星数量情况下的随遇接入仿真场景,重点探讨了时空非连续可视性和多普勒频移问题对遥感卫星接入性能的影响;其次,基于遥感卫星随遇接入互联网星座场景的特点,分析了不同时延性在轨处理任务的流程及其星地功能分配;最后,对当前在轨智能处理算法存在的问题和未来研究重点进行阐述,为未来低轨互联网星座及遥感卫星的发展和联合组网应用提供可靠的理论支撑。     

浪潮7个项目入选山东省大数据创新应用成果

近日,山东省大数据局公示2021年度山东省大数据创新应用成果评选结果。浪潮入选省级大数据创新应用场景1项、省级大数据创新应用解决方案6项。2021年度大数据创新应用成果评选,旨在贯彻落实《山东省“十四五”数字强省建设规划》,在山东省评选大数据典型应用场景和解决方案,推广具有创新性、可复制的数据产品和数据服务,充分展示数字化发展成果,激发应用创新活力。     

基于DIP的沥青混合料车辙变形数值模拟

利用数字图像处理和有限元技术，生成沥青混合料非均质有限元模型，并分析沥青混合料各组分对其抗车辙能力的影响，从沥青混合料细观角度研究其永久变形规律，为沥青路面设计提供理论指导。结果表明，数值模拟得到的沥青混合料的车辙深度和车辙实验结果吻合较好，非均质有限元模型可对沥青混合料车辙深度进行预测；在各温度条件下提高集料的模量不能有效的提高沥青混合料的抗车辙能力；沥青混合料抗车辙能力增加速率随着沥青砂模量的增加呈现出先增加后减小的趋势；选用密级配的集料级配在软化点以上时可以较好的提高沥青混合料的抗车辙能力，低于软化点时影响不大。     

依托"大数据行业应用"虚拟教研室培养跨学科人才

在实施国家大数据战略和创新型国家建设的引导下,培养跨学科思维与能力是创新型人才培养的核心要求.大数据是一个典型的学科交叉的技术,资源分散是当前高校大数据人才培养存在的主要问题.该文以长沙理工大学"大数据行业应用"虚拟教研室建设为例,打造"大数据"特色跨学科跨专业教学组织,从课程体系、实践环节、师资队伍、质量监督等方面提出建设措施,为培养跨学科创新型复合型人才提供参考.     

地应力条件下的凿岩爆破数值模拟

为了研究地应力对凿岩爆破的影响,采用DDA方法模拟爆炸应力波作用下考虑地应力条件时的单孔和多孔凿岩爆破破岩过程。模拟发现,随着初始地应力水平的增加,裂纹扩展半径和破岩区域面积减小,裂纹发育主方向趋于地应力的最大主应力方向,初始地应力对裂纹的抑制和引导作用明显;初始地应力水平的增加,对拉伸裂纹的抑制作用更为显著,从而降低了拉伸破坏对爆破破岩的贡献。模拟也表明,在初始地应力存在的条件下,通过对爆破载荷和炮孔布置进行针对性的优化,可以克服地应力带来的影响,并取得预期的爆破效果。本研究对地应力条件下的凿岩爆破工程具有理论和参考意义。     

超深隧道大体积混凝土支撑梁逆拆及吊运施工技术

北京城市副中心站综合交通枢纽项目属超深基坑工程，东咽喉区隧道位置5道钢筋混凝土内支撑需随隧道拱形结构的施工自下而上拆除下部3道。由于隧道基坑较为狭长、支撑密集、截面尺寸较大、基坑上部存在遮盖物等原因，致使支撑拆除难度很大，且无同类可供参考的案例，经项目多次组织专家讨论，形成了切实可行的支撑拆除方案，且在施工应用中取得了较好的效果。     

对当前我国5G to B发展六大问题的新认识

5G的重要市场是垂直行业,5G to B市场更是推动企业持续发展的新的增长点。面对市场、用户、竞争以及未来,如何更好地推动5G to B高质量发展成为运营商当前和今后一段时期的重要议题,这需要对当前我国5G to B市场发展现状特征及发展规律有着正确的认识。本文将对我国5G to B市场发展六大核心问题进行探讨。5G to B市场发展驱动力是什么?笔者认为,我国5G to B发展有四大驱动力——政策驱动力、技术驱动力、竞争驱动力和需求驱动力。     

大数据场景下的云计算性能研究

为解决云计算中大数据分析和云计算系统管理等问题,通过对框架的集成,提高了大数据场景下的云计算性能。通过使用深度学习方法来对所提出的框架进行改进,主要采用了混合优化FPA-GA和FPA-PSO算法,涉及基于云的服务器的计算和存储。实验结果分析表明,该方法在成本、时间、安全性和准确性等方面有了显著的提升。