光波束形成中色散延时的非线性修正

光波束形成网络是光控相控阵雷达中的重要组成部分，有助于提升系统的宽带宽角扫描能力。利用光开关的切换，改变各收发通道间的相对延时量，从而实现波束指向的变化。在常用的技术中，色散延时是一种简洁的光波束形成实现方法，而色散线性项仅适用于色散量小且通道数少的情况。随着延时量的增加，非线性色散延时积累，会引起波束畸变。因此引入相对色散斜率（RDS）作为其非线性因子，并通过调整商用激光器波长来抵消色散介质的非线性效应。当RDS为0.003 nm?1时，激光器阵列的最大波长间隔从0.796 nm “拉伸”到0.862 nm，波长也整体“平移”?0.31 nm，修正波长与商用激光器波长的最大调整量为0.2 nm，可满足商用波分复用器的通带带宽，大扫描角时主瓣与副瓣之比从5 dB提升至12.9 dB。通过分析，RDS数值越小，激光器波长的修正量越小。因此，RDS是选择色散介质和调整激光器波长的重要参数，从而能够恢复波束畸变，以提升相控阵系统的成像、识别能力。     

变压器内部故障在线检测方法仿真及误差分析

为研究变压器内部故障在线检测方法的有效性及抗干扰性,搭建实际变压器的非线性三维有限元模型.对变压器常见几种类型的内部故障进行详细的结构仿真,通过"场-路耦合法"构建各类型故障的ΔV-I1轨迹.同时,通过对正常绕组的测量信号设置一定的误差,构建了考虑测量误差时的误差轨迹.在此基础上,将正常时的标准轨迹、误差轨迹和各种类型的故障轨迹进行对比分析,通过对ΔV-I1轨迹特征差异的定性分析与定量计算,验证该方法在实际应用中的有效性,总结判断各类型故障的规则,同时针对测量误差所造成的干扰提出了建议.     

往复活塞式压缩机动态特性的研究

针对往复活塞式压缩机实际工况运行压力与设计压力值存在偏差的问题,在分析流量无级调速系统工作原理和控制原理的基础上,对其动态特性进行仿真分析和现场试验验证。验证得出:往复活塞式压缩机流量无级调速系统的动态特性能够满足实际生产中对压缩机内流量平稳调节的需求。     

夜戴型角膜塑形镜对近视患者调节滞后及视网膜形态影响的相关分析

目的:探讨夜戴型角膜塑形镜对近视患者调节滞后及视网膜形态的影响。方法:抽取2014年8月-2016年8月来本院选择验配角膜塑形镜,并经过12个月以上定期复查的少年儿童近视患者15例(30眼),将其作为观察组,选择同期配戴普通近视框架眼镜的少年儿童近视患者15例(30眼)作为对照组。观察两组患者配戴前及配戴6、10、12个月后的调节滞后量和黄斑区视网膜平均厚度的变化。结果:两组患者配戴前与配戴6个月后的调节滞后量和黄斑区视网膜平均厚度比较,差异均无统计学意义(P>0.05);观察组患者配戴10个月后的调节滞后量情况明显优于对照组,差异有统计学意义(P<0.05),但两组患者的黄斑区视网膜厚度比较,差异无统计学意义(P>0.05);观察组患者配戴12个月后的调节滞后量和黄斑区视网膜厚度情况均明显优于对照组,差异均有统计学意义(P<0.05)。结论:夜戴型角膜塑形镜能够有效提升青少年儿童的裸眼视力,改善调节滞后,并促进患者黄斑区视网膜平均厚度趋向稳定。     

球形机器人系统建模与仿真

针对目前球形机器人的完整动力学模型不能应用现有的非线性控制方法的问题,通过合理的抽象和简化,采用拉格朗日法选取适当的广义坐标,推导出一种完整的三维动力学模型,并将其转化为二阶非线性微分方程,相较其他的动力学模型降低了复杂度,为基于动力学模型的控制策略研究提供基础。同时针对该模型采用一种并联PID控制方法,在Simulink仿真实验中证明在此动力学模型基础上该控制策略能实现机器人的平衡控制与运动控制,并具有较好的响应特性和稳定性。     

PWR堆芯燃料组件非线性梁模型研究

为描述燃料组件的非线性特性，采用有限元方法建立燃料组件横向梁模型，并引入迟滞模型，用于模拟燃料组件横向变形时的非线性效应。计算结果表明:该非线性梁模型能够更准确地获得组件的弯曲变形和受力，有助于开展燃料组件事故分析。      

基于多相滤波器组的非线性回声抵消

在免提通话系统和移动通信设备中，扬声器常常工作在较高的音量下，容易发生过载现象，从而产生明显的非线性声学回声，这在小微型扬声器中更加常见。常用的线性AEC(Acoustic Echo Cancellation)算法无法消除此类非线性回声，因此通话质量受到严重影响。非线性回声主要表现为额外的高频谐波分量，这些分量使得全带系统不再满足线性关系，而通常的AEC算法都是基于最小化全带误差推导而来，因此性能很容易受到非线性失真的影响。本文提出了一种基于多相滤波器组的子带AEC算法，把全带误差变成了各个子带的误差，因而把谐波失真成分变成了某些子带内的加性噪声，这使得谐波失真较小的那些子带依然能够正常收敛。通过仿真和实测实验，当出现非线性失真时，新方法的ERLE(Echo Return Loss Enhancement)明显高于经典的全带时域和频域方法，对于非线性失真明显的语音信号，ERLE提升约10 dB。