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。     

基于传统清管球接收器的滤杂防堵工艺设计

清管球回收操作过程中,清管球接收器的泄压、排液和惰化导致泥、砂、垢等杂质积聚在清管球接收器中,并随油气物流进入闭排系统管线,造成杂质流失、闭排系统管线堵塞和压力无法完全释放,影响对海底油气管道腐蚀、析蜡、结垢及地层出砂等情况的判断,存在很大的安全隐患。通过对清管球接收器实施工艺改造,使清管球接收器具备滤杂防堵功能和自动取样功能,有效解决了闭排管线堵塞、杂质流失和安全隐患问题。该工艺研究对于海上油气田海底管线的运营和维护具有较高的借鉴意义。     

广州市建设工程检测行业发展现状与对策研究

广州市建设工程检测行业发展正处于上升阶段,从从业单位、业务开展、技术创新和法规政策等方面对该行业发展现状进行了分析,认为该行业发展规模普遍较小、业务拓展有待提升、技术创新能力水平较为薄弱、技术人才队伍建设有待加强,并在此基础上提出了行业发展对策建议。     

基于数值微分核脉冲信号数字处理方法

核反应堆核测量系统测量探测器输出的核脉冲信号，该信号后沿拖尾很长，在计数率较高时容易产生信号堆积和基线漂移等问题，导致源区计数率测量上限仅能达到105 Hz左右。文中基于数值微分方法，采用数字处理技术，在时域上分析了核脉冲信号经过前置放大、信号成形、低通滤波和脉冲甄别后的输出，并利用探测器实测信号进行了仿真。仿真结果表明，基于数值微分的数字处理方法可以实现相邻0.4 μs脉冲信号的识别和测量，将源区测量计数率上限提升到2×106 Hz以上。      

内蒙古卓资县二龙山旅游地质资源探讨

某些具特殊属性的地质资源具有成为旅游资源的潜力。文章以内蒙古卓资县二龙山地区为研究地点,对该地区地质资源进行深度总结。主要围绕玄武岩和古生物化石这两个方面展开描述。首先基于该地玄武岩的颜色、大小、形状等,剖析其形成机制及能够成为旅游景观的原因。随后介绍了该地古生物化石资源的保存现状及古生物化石在学术上的贡献。还对该地其他具旅游潜力的要素进行了简要补充。最后作者探讨了该地旅游开发的潜力,并提出了合理的建议。     

基于改进MODWPT时频分解的时变系统参数识别

本文在最大重叠离散小波包变换的Hilbert谱方法的基础上,通过与广义解调分析方法的结合,提出了改进MODWPT时频分解的方法,并将其应用到输出信号为非稳态信号的时变系统参数识别问题中。重点介绍了对MODWPT的改进方法,并给出了具体的实现步骤。仿真结果证明,此法可以有效地处理快变信号,可以将具有多个分量的复杂信号,尤其是存在密集模态的信号,分解为若干个单分量信号之和,而这些单分量信号的频率都具有明确的物理意义,求出各个单分量信号后,对他们在时频域内组合,可以得到原始的较为复杂信号的完整的时频分布曲线。对于时频分布上,含有两阶或多阶频率较为接近的时变系统,有着较好的识别效果。     

P91钢管道异常低硬度部位的组织和性能

对电厂运行过程中发现的P91钢主蒸汽管道的低硬度部位进行了微观组织观察、短时力学性能试验和高温持久强度试验,分析了其硬度偏低的原因。结果表明,低硬度区域P91钢组织为铁素体+析出物,位错密度较低,M₂₃C₆相在晶界处粗化聚集,同时析出新相Laves相,使得P91钢的短时力学性能和高温持久强度下降严重。     

生蚝贝壳粉的制备与表征

对X射线衍射仪和扫描电子显微镜的构造及原理进行了简述,并利用其对经高温煅烧研磨的生蚝贝壳粉末进行了测试分析,发现刚制备出的生蚝贝壳粉末的主要成分是CaO,而裸露于空气中一个月后的样品的主要成分为Ca(OH)_2,得出结论生蚝贝壳粉的吸水性能很高,可以作为绿色建材和干燥剂原材料。其次由电镜照片和能谱图发现生蚝贝壳粉的微观形态以花瓣样式存在,并且样品表面Ca元素的含量高于O元素。这对贝壳资源的产业化应用具有重要意义。     

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。