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。     

复合改性沥青混合料疲劳耐久性的试验研究

为进一步改善沥青混合料的路用性能,提高其抗疲劳耐久性,使其满足设计使用期间交通条件的要求,对沥青混合料进行复合改性,通过不同复合改性沥青混合料的疲劳耐久性的试验,对比其固有性能与改善性能,探究复合改性沥青混合料疲劳耐久性的优劣。研究结果对提高沥青路面的高低温稳定性具有一定的理论与实用价值。     

基于BIM的装配式建筑信息协同研究

从信息协同的角度,对装配式建筑参与主体与信息流进行归纳;在契合性分析的前提下,构建了基于BIM技术的装配式建筑全过程信息协同平台模型;并在其实施的各阶段对此平台进行应用分析。     

轻质刚性隔热材料的制备及性能研究

以短切石英纤维和莫来石纤维为骨架,氮化硼粉和硅溶胶为粘结剂,采用水基料浆制备了具有鸟巢结构的刚性隔热材料,研究了纤维配比及氮化硼含量对刚性隔热材料密度、显微结构、热导率及压缩强度的影响.结果 表明,通过调整氮化硼含量,材料密度在0.21 ～0.34g/cm3变化,随氮化硼含量增加,三组隔热材料的密度和压缩强度逐渐提高,隔热性能有轻微降低,当氮化硼加入量为8wt％时,材料300℃和700℃的热导率分别为0.055 W· m-1·K-1和0.078 W-m-1·K-1,压缩强度可达2.73 MPa,相比较2wt％含量样品的压缩强度(1.44 MPa)提高了90％.     

7A04-T6铝合金圆管的材性试验和本构模型研究

为研究7A04铝合金材料的力学性能和本构模型,完成了15个取自圆管管材的材性试样的静力拉伸试验,对比分析了试验所得的应力-应变曲线与Ramberg-Osgood模型、Baehre模型、Mazzolani模型。分析结果表明:Ramberg-Osgood模型与试验所得的应力-应变曲线吻合最好,尤其是在拐点附近;所求得Ramberg-Osgood模型中的应变硬化指数n值略小于Stein Hardt的建议取值。     

基于多边限定的室内定位方法设计与系统实现

随着基于位置服务（Location Based Services，LBS）的发展与智能移动设备的普及，室内定位算法与系统受到了广泛研究与关注。为提高室内定位精度、增强系统鲁棒性，提出了基于多边限定的fingerprint定位方法。基于Wi-Fi RSSI（Received Signal Strength Indication）信号处理建立离线fingerprint数据库；通过对拟合距离-RSSI函数分析，提出了多边限定的方法确定一个最佳参考点（Reference Point，RP）集合，缩小在线定位阶段的搜索范围。在此基础上，再利用fingerprint定位方法进行定位。此外，实现了基于提出方法的室内定位系统原型用于算法性能评估。通过大量真实场景实验分析、验证了相较于传统fingerprint方法，基于多边限定的fingerprint定位方法能有效提高室内定位精度，增强系统鲁棒性。     

“硬连接”断层圈闭发育部位及形成时期预测

为了明确“硬连接”断层圈闭识别及形成时期评价方法，以三维地震为基础，结合断层形成演化历史和断层位移分布规律，探讨“硬连接”断层圈闭的识别及其形成时期的定量表征方法，并将该方法应用在文安斜坡王仙庄断层。研究结果表明：王仙庄断层共发育7个“硬连接”断层圈闭，其中①、③、④、⑤号圈闭在油气成藏期前已经形成，能够有效的聚集油气。与目前油气分布吻合，表明该方法对于“硬连接”断层圈闭发育部位及形成时期的预测是可行的，对于指导油气勘探具有重要理论和实际意义。     

基于深度学习的彩色以及近红外图像去马赛克

单传感器捕获的彩色-近红外（RGB-NIR）图像存在光谱干扰，从而导致重建出的标准彩色图像（RGB）图像与近红外（NIR）图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法，通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题，使得网络更容易训练，并且提升了网络的拟合能力。首先，用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征；然后，将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征；其次，为充分利用低级特征与高级特征，将多个残差稠密块提取到的特征进行组合；最后，通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组（IVRG）数据集、有植被的户外多光谱图像（OMSIV）数据集和森林（Forest）三个公开数据集进行实验。实验结果表明，所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。