GaN基MSM结构紫外光探测器

在蓝宝石(0001)衬底上采用低压金属有机物化学气相沉积(MOCVD)方法生长GaN外延层, 以此为材料, 制作了暗电流很小的金属-半导体-金属(MSM)结构紫外光探测器. 测量了该紫外光探测器的暗电流和360 nm波长光照下的光电流曲线、光响应曲线和响应度随偏压变化的曲线. 该紫外光探测器在5 V偏压时暗电流为1.03 nA, 在10 V偏压时暗电流为15.3 nA. 在15 V偏压下该紫外光探测器在366 nm波长处的响应度达到0.166 A/W, 在365 nm波长左右有陡峭的截止边. 从0~15 V, 该紫外光探测器在360 nm波长处的响应度随着偏压的增加而增大. 详细地分析了该紫外光探测器的暗电流、光电流、响应度随偏压变化的关系.     

随机激励下高压管道的疲劳寿命分析

应用功率谱密度(Power Spectral Density)法对随机基础激励下高压管道进行疲劳寿命分析．给出了在随机激励作用下结构的随机响应计算方法，由随机过程和Miner线性累积损伤理论，推导了功率谱密度法估算结构寿命的公式．在此基础之上，以一飞机高压管道结构为例，编写程序求解出其疲劳寿命值．算例表明，在某些结构的应力响应无法实测或难以实测到的情况下，采用功率谱密度法分析其疲劳寿命显得简洁有效．     

靠船墩疲劳可靠度研究

将疲劳力学理论引入靠船墩结构分析，探讨靠船墩的疲劳破坏问题，并进行疲劳可靠度研究。提出了靠船墩疲劳可靠度计算方法，据此可进行靠船墩的疲劳寿命预报，直接指导工程优化设计和施工，分析桩空间布置对结构受力状况和疲劳强度的影响，增大结构的刚度，从而达到经济、安全的目的．     

铝合金双层网壳结构的抗震性能分析

以双层球面网壳为研究对象,分析了结构随参数变化的自振特性.采用Newmark积分法对其进行地震时程响应分析,研究了铝合金与钢双层网壳结构在竖向地震荷载作用下节点的位移响应及杆件的轴力响应.研究结果表明,铝合金双层网壳与钢双层网壳在结构相同情况下,其自振特性基本相同.而地震荷载引起的位移响应,铝合金双层网壳要略大于钢双层网壳,但铝合金双层网壳的杆件轴向应力远小于钢双层网壳的杆件轴向应力,因此用铝合金取代钢材是可行的.     

两种阻尼模型对结构动力特性影响的能量分析

采用能量分析法，对基于线性阻尼模型和能量型非线性阻尼模型的结构共振特性和地震响应进行研究，通过对一柱状结构的计算分析，得出结论：对于线性阻尼模型，当激励荷载的频率与结构系统自振频率很接近时，结构的能量响应会出现非常大的突变，即存在能量共振；对于能量型非线性阻尼模型不存在能量共振，且能量型非线性阻尼模型具有较强的抗震耗能能力。     

远场涡流三维缺损响应的仿真研究

应用有限元方法，采用Ａ，Ｖ－Ａｓ－ψ位函数计算并结合三维场数值计算中的子结构－波阵法，给出了一种能在微机上对远场涡流的三维缺损响应的进行仿真的方法，同时重点研究了相同体积的周向和轴向缺损响应信号及管中涡流分布。研究结果表明，轴向缺损引起的涡流畸变小于周向缺损时的变化，故周向缺损响应信号大于轴向缺损的响应信号。     

斜拉桥抖振分析中计入背景分量的实用方法

在大跨桥梁的拌振分析中，通常采用的是Ｓｃａｎｌａｎ颤拌振分析方法，这一方法只考虑了共振响应、而忽略了背景响应，最近的研究表明背景分量在某些情况下可能占有较大比重，因此考虑背景响应具有一定的必要性，在对背景分量进行详细分析和大量计算的基础上，拟合出包括各种影响参数的适合于斜拉桥竖向抖振背景响应修正的计算公式，可以在斜拉桥竖向抖振计算中方便地计入背景响应。     

一种同时求解电路全部响应对全部参数灵敏度的算法

给出了一种电路灵敏度分析的新方法，只要能建立电路的改进节点方程，且该方程的系数矩阵的逆存在，就可同时求得全部响应（节点电压、电压源电流）对各参数的微分灵敏度，该法尤其适用于在电路设计时需同时求多个输出对多参数灵敏度的场合，而采用灵敏度网络法或伴地则需求解多次，另外，对电路作适当预处理，可以同时求得有关支路电流响应对各参数的灵敏度，按文中的方法编制了软件，经多个算例验证，方法是有效、可皓     

冲压设备液压缓冲器动态响应分析

本文分析了液压缓冲器的工作原理及其力学特性，并提出了计算缓冲力的方法，与实测结果的对比表明，计算结果较为准确，所提方法正确可行。     

离子响应淀粉接枝共聚聚丙烯酸钠智能性凝胶的合成及性能

用辐射法制得的高吸水性淀粉接枝聚丙烯酸钠水凝胶，在一定离子强度的溶液中表现出的体积收缩现象，是一种新型的人工智能材料．在不同的离子强度、离子价态和凝胶体积状态下，这一材料所表现出来的不同体积收缩规律符合Ｄｏｎｎａｎ规律．收缩后的凝胶在一定条件下可以快速溶胀，表现出一定的伸缩可逆性．通过设计的简单传动装置，可大致得出水凝胶在伸缩过程中做功的大小．