基于磁偶极子的2阶磁场梯度张量缩并方法

针对磁场定位中2阶磁场梯度张量的理论尚不够完善的现状，提出基于磁偶极子的2阶磁 场梯度张量缩并方法。给出2阶磁场梯度张量的全局模量和局部模量计算公式，分析2阶磁场梯度张量的全局模量和局部模量及相关参数的三维空间分布规律，并给出相关参数k_H、k_Hxy和k_Hz的近似计算公式，比较1阶磁场梯度张量和2阶磁场梯度张量及其模量的分布规律及与距离的关系。计算结果表明：全局模量C_H及参数k_H值在0°≤≤90°时，随着增大而减小，在=0°时最大，在=90°时最小；局部模量C_Hxy和参数k_Hxy值在0°≤≤90°时，随先增加、后减少，当=35° 时最大，当=90°时最小；局部模量C_Hz和参数k_Hz随先减少、后增加，当=0°时最大，当=71°时最小；k_H、k_Hxy和k_Hz的拟合值与理论反演值高度吻合；在距离较近时，2阶磁场梯度张量及模量更敏感；在距离较远时，1阶磁场梯度张量及模量更敏感；在实际磁场定位的应用中，可结合1阶和2阶磁场梯度张量及全局模量进行使用。     

高光谱成像用高帧频CMOS图像传感器北大核心

针对高帧频、全局曝光和光谱平坦等成像应用需求,设计了一款高光谱成像用CMOS图像传感器。其光敏元采用PN型光电二极管,读出电路采用5T像素结构。采用列读出电路以及高速多通道模拟信号并行读出的设计方案来获得低像素固定图像噪声(FPN)和非均匀性抑制。芯片采用ASMC 0.35μm三层金属两层多晶硅标准CMOS工艺流片,为了抑制光电二极管的光谱干涉效应,后续进行了光谱平坦化VAE特殊工艺,并对器件的光电性能进行了测试评估。电路测试结果符合理论设计预期,成像效果良好,像素具备积分可调和全局快门功能,最终实现的像素规模为512×256,像元尺寸为30μm×30μm,最大满阱电子为400 ke^(-),FPN小于0.2%,动态范围为72 dB,帧频为450 f/s,相邻10 nm波段范围内量子效率相差小于10%,可满足高光谱成像系统对CMOS成像器件的要求。     

全局力平衡PDC钻头布齿优化设计

针对聚晶金刚石复合片(PDC)钻头在钻井破岩过程中因受力不平衡，导致钻井倾斜、井径扩大、钻头产生横向振动和涡动，造成钻头早期失效的问题，基于已有PDC钻头切削力学知识，构建了PDC钻头弯曲力矩及全局力平衡布齿优化设计模型，并提出模型求解方法。布齿设计实例结果表明，采用全局力平衡布齿设计方法得到的布齿结构可使PDC钻头在不同进尺条件下均能保持全局力平衡状态，尤其低进尺（小于1 mm）时的力平衡状态得到极大改善，提高了PDC钻头的钻井稳定性，对于改善钻头受力、提升钻头使用寿命、提高钻井质量与效率具有重要意义。     

考虑混凝土影响的既有变截面箱梁桥的全局疲劳寿命评估

基于复杂多轴疲劳理论、损伤积累理论、子模型法及变截面箱梁桥横截面的几何非线性特性,提出了考虑混凝土寿命的变截面钢筋混凝土箱梁桥全局疲劳寿命的评估方法。以一座既有公路变截面钢筋混凝土箱梁桥为工程背景,研究了纵向多车效应和横纵向多车效应两种工况下的桥梁全局疲劳寿命差异。结果表明:全桥疲劳寿命由第三跨跨中节段控制,横纵向多车加载比纵向多车加载的桥梁疲劳总寿命减少了29.4%,腹板混凝土寿命占到腹板寿命3%左右。     

具有时滞与Beddington-DeAngelis发生率的多易感种群的传染病模型研究

主要研究一类具有时滞与Beddington-DeAngelis发生率的多易感群体的传染病模型,得到基本再生数■.通过构造Lyapunov泛函和LaSalle不变原理对系统的稳定性进行了研究,得到了平衡点的全局渐近稳定条件.进行系统的数值仿真分析对结果验证.     

机器人导航路径的动态分级蚁群算法规划策略

为了提高机器人工作路径质量并减少算法运行时间,提出了蜂巢栅格模型与动态分级蚁群算法结合的路径规划方法。建立了工作环境的蜂巢栅格环境模型,在转向角、避障路径比、路径质量等方面均优于传统方形栅格模型;将蜂群算法的分级思想引入到蚁群算法中,根据适应度将蚁群分为寻优蚁和侦查蚁两级;寻优蚁更加注重信息素的引导作用,利于算法收敛,侦查蚁更加注重启发信息的牵引作用,不断探索新的路径而增加路径多样性;提出了兼顾全局信息素更新和局部信息素更新的动态加权信息素更新方法。经仿真验证,动态分级蚁群算法在迭代过程中的路径多样性优于蚁群算法;将动态分级蚁群算法应用于路径规划,路径长度比蚁群算法降低了22.12%,平均运行时间减少了32.33%,充分证明了动态分级蚁群算法在路径规划中的有效性。     

基于改进卷积神经网络的化纤丝饼表面缺陷识别

针对传统人工检测化纤丝饼表面缺陷方法的不足,提出改进的卷积神经网络对正常以及3种常见缺陷丝饼进行分类识别。首先对采集的丝饼图像进行分块处理,然后利用改进的卷积神经网络进行特征提取,采用全局最大池化层代替全连接层,增强了图像对空间变换的鲁棒性,减少了模型参数,并利用softmax分类器进行分类。最后在网络学习过程中提出主动学习方法,用少量标注样本对网络进行训练,选出对提升网络性能最具价值的样本进行标注并加入到训练样本中进行训练检测。结果表明,该方法可有效实现丝饼的缺陷识别,识别准确率达到97.1%,并有效减少了网络所需的标注样本数量,节省大量的标注成本,具有一定的通用性。