基于深度卷积神经网络的协作频谱感知方法

针对传统卷积神经网络(CNN)频谱感知方法提取特征能力受限于网络结构简单,增加网络结构又容易出现梯度消失等问题,该文通过在传统卷积神经网络中添加捷径连接,实现输入层恒等映射更深的网络,提出一种基于深度卷积神经网络(DCNN)的协作频谱感知方法。该方法将频谱感知问题转化为图像二分类问题,对正交相移键控(QPSK)信号的协方差矩阵进行归一化灰度处理,并作为深度卷积神经网络的输入,通过残差学习训练深度卷积神经网络模型,提取2维灰度图像的深层特征,将测试数据输入到训练好的模型中,完成基于图像分类的频谱感知。实验结果表明：与传统的频谱感知方法相比,在低信噪比(SNR)下、多用户协作感知时,所提方法具有更高的检测概率和更低的虚警概率。     

非线性衬底平板光波导TE模的图解法

本文推导出了以衬底光功率流为参数的非线性衬底光波导TE模的本征值方程,且采用简单的图解法求解。     

质心径向可变球形机器人的设计与运动分析

面向非结构化任务环境下球形机器人的实用性提升需求,研制BYQ-GS型质心径向可变球形机器人样机,使球形机器人同时具备重摆驱动模式与倒立摆驱动模式,且2种驱动模式下均能实现质心的径向变化。考虑质心径向变化因素,同时将运动过程中受到的可控影响因素融入动力学模型构建过程,得出面向非结构化任务环境的动力学模型。以BYQ-GS型球形机器人样机为实验平台,分析倒立摆驱动模式与质心径向移动对球形机器人运动产生的影响。结果表明,与重摆驱动相比,倒立摆驱动在超调量、系统响应速度与能耗方面具有优势,在系统收敛速度与运动稳定性方面具有劣势,并且运动开始阶段质心-球心距离逐渐减小能够使2种驱动模式的控制系统收敛速度、超调量、稳定性与响应速度均变差,同时使能耗变优。     

印度Ghatghar工程RCC坝的进展

目前正在施工的250 MW Ghatghar抽水蓄能工程的RCC坝是RCC在印度的首次使用。介绍了工程的主要特点、RCC配合比设计以及工程的进展情况。     

人工智能在可再生能源材料研发领域的研究进展

近年来煤炭、石油、天然气等传统能源逐渐枯竭，大量化石能源的使用造成环境污染。为了降低二氧化碳的排放量，国家积极推动风、光、水电、氢能等可再生能源的发展，而这些能源技术的推广应用的关键是新材料的研发。目前新材料的研发主要依赖于研究者根据材料结构以及其用于某一特定体系的预期催化活性为目标进行实验优化，导致新材料研发过程缓慢。随着计算材料学的进一步发展，研究人员整合了大量关于材料结构及性能表征的材料数据库，通过比较逐步优化筛选新材料。综述了当前材料开发的设计思路以及合成方法，以人工智能（AI）为着眼点阐述了近年来基于AI方法设计、制备可再生能源材料过程中的模型与算法，并总结了AI用于材料设计方面的研究意义和发展过程，最后对AI方法用以可再生能源材料设计、制备的发展进行了展望，介绍了本课题组提出的材料优化模型，并且列举了该模型成功应用于电解水析氢以及硼氢化钠制氢的材料优化的案例。未来，AI技术在新材料的理论计算、合成设计、性能预测、材料微观结构表征分析等方面具有非常广阔应用前景。     

基于SMC复合材料矿用NO2传感器外壳设计

针对传统的不锈钢材质传感器外壳可塑性差且加工成本高的问题，通过研究SMC玻璃纤维环氧树脂复合材料的力学性能，按照等效刚度原则计算传感器外壳的壁厚，建立三维模型，并进行了静力学仿真分析验证。仿真分析结果表明：基于最大应变准则，采用SMC玻璃纤维环氧树脂复合材料设计的矿用NO₂传感器外壳能承受0.5 MPa的静压力，满足使用强度要求。     

稀土氟化物制备方法研究进展

对现有干法氟化工艺和湿法氟化工艺进行详细总结，具体围绕干法氟化工艺中氟化氢气体法和氟化氢铵法以及湿法氟化工艺中氢氟酸沉淀法、碳酸稀土转型氟化法和草酸稀土氟化法进行研究总结。从氟化温度、时间、氟化率以及产品品质等多个维度对各种氟化工艺进行对比并提出展望，为后续探索稀土氟化物制备新工艺奠定基础。     

晶畴尺寸对聚合物分散液晶电光性能影响分析

聚合物分散液晶(PDLC)的透光率可以由电压和温度控制，并在显示领域取得了一定的应用。深入进行PDLC理论研究对扩大其应用具有积极意义。通过聚焦聚合引发相分离法(PIPS),研究实验过程变量对聚合体系显微结构的影响，量化聚合体系显微结构与电光性能的关系。综述了国内外关于晶畴尺寸对液晶膜电光性能(对比度、阈值电压、饱和电压)的影响，总结了PIPS法中主要过程变量，例如，固化条件(固化时间、紫外光强度等)、聚合物单体分子结构、纳米掺杂、液晶分子结构及物理参数(介电常数)等对膜材料形貌与电光性能的影响，推进液晶膜材料的更广泛研究与应用。