国产氩离子激光器的单纵模运转

我们首次在国产氩离子激光器上获得了单纵模运转。长时间运转频宽90MHz,单纵模输出功率是原来的35%。接近国外先进产品的水平。     

航空母舰论短长

航空母舰曾在第二次世界大战中战功卓著,威名远扬。但是进入核时代以来,尤其在今天,航空母舰成了有争议的兵器。现在航空母舰面临许多威胁和挑战,先进的侦察技术能够随时准确探测到它的位置,精度高、爆炸力大的战略核武器可能使它遭到葬身海底的厄运。有人问美国军界权威人士:核战爆发后美国航空母舰能生存多久?回答是:“两天”。     

利用顶点预测方法实现三维网格的保形简化

针对产品的三维表面用三角网格来表示时,三角形数量巨大的问题,提出了一种基于顶点预测的三角形折叠简化方法。首先根据网格模型的每一个顶点与其周边元素之间的几何拓扑关系,运用投影预测方法来预测三角形折叠的折叠点坐标,然后运用线性插值算子对折叠点坐标进行调整。为进一步保证简化后模型的质量,在采用距离误差控制的同时,引入了角度误差控制方法。实验结果表明,该简化算法在减少模型的三角形数量的同时,有效地保持模型特征,保证了模型表面的光顺。     

MIL-101-SO3 H/海藻酸复合物对水体中锶的吸附性能研究

利用水热法后修饰制备了MIL-101-SO3 H/海藻酸复合球体,采用SEM、EDS、FT-IR和N2吸附-脱附等手段对合成的材料进行了表征,研究了该复合材料对水溶液中锶的吸附性能.结果表明,在样品溶液pH为5时M1L-101-SO3 H/海藻酸复合球体对Sr2+的吸附效果良好,吸附过程符合Langmuir模型,最大理...     

锥束CT的分区短扫描FDK重建算法

圆轨道锥束CT(computed tomography)重建中,随着锥角增大,锥角伪影和数据缺失伪影越来越严重,影响FDK算法(由Feldkamp-Davis-Kress名字命名)重建区域的大小和图像质量。本文分析了短扫描FDK算法(short scanFDK,SS-FDK)重建时的数据完整性,提出了根据重建切片高度自适应地将重建切片分成若干区域,对每个区域采用SS-FDK算法进行重建的分区短扫描FDK重建算法。理论分析及试验仿真表明,该方法虽然计算复杂度有所增加,但充分利用了锥束CT投影数据,较大地增大了重建区域,完全重建区域高度达到扫描高度的1-sin2δ倍(δ为射线源半张角),且重建精度和图像质量与FDK算法相当。     

提高Asp动态网页运行效率应注意的几个问题

讨论了在Asp网页设计中影响程序运行效率的主要因素，对由于Asp技术使用不当造成的程序效率降低的原因进行了分析，并提出了具体的改进方法。     

无足并腿伴真两性畸形一例剖析

无足并腿伴真两性畸形一例剖析符皎荣，吴志虹，郑小桃（海南医学院，海口５７０００５）李珊（海口市保健院）关键词并腿，真两性畸形，脐动脉中国法分类号Ｒ３２９．９并腿畸胎早在十九世纪国外已有报道，国内最早见于臧玉等（１９５５年）报告两例￣〔１〕，以后施兆平...     

带隙渐变纳米线的制备及其非线性光学效应研究

由于一般的半导体纳米材料只有单一带隙,限制了其应用范围。通过搭建气–液–固法生长纳米线的实验装置,引入金作为催化剂,并加入移动源,成功制备出单根带隙渐变的硫硒化镉纳米线。其成分从一端的纯硫化镉连续过渡到另一端的纯硒化镉,对应的带隙从2.44 e V渐变到1.74 e V。并使用波长为405 nm的激光照射该纳米线,得到它的荧光光谱图来证实其带隙呈渐变状态。利用波长为1 064 nm的激光,将其耦合进单根纳米线中,产生了532 nm的绿色倍频光和双光子荧光,这说明硫硒化镉纳米线具有二阶和三阶的非线性光学效应。     

生物膜填料塔同时脱硫(SO_2)脱氮(NO_x)动力学研究

研究运用3种动力学模型对生物膜填料塔同时脱硫脱氮的过程进行模拟研究,结果表明:生物膜内SO_2、NO_x的生化降解反应均为一级反应,且SO_2、NO_x在生物膜上的生化降解反应均为快速生化反应;依据吸附-生物膜理论及其动力学模型,对NO_x的出口质量浓度、生化去除量及净化效率进行模拟及对比验证表明,利用该理论建立的动力学模型模拟的理论值与实验值之间具有较好的相关性(相关系数在0.70~0.99);运用吸附传递生物降解机理及其动力学模型,对NO_x的出口质量浓度、生化去除量及净化效率进行模拟及对比验证表明,NO_x的出口质量浓度、生化去除量的理论值和实验值之间相关性较好,相关系数分别为0.99、0.89,而其净化效率的理论值与实验值之间的相关性不高(相关系数只有0.55).     

双智能体协作学习的众包物流任务分配模型

线上线下融合的新零售模式提高了对最后一公里配送的运输要求,众包物流作为新的物流运输模式,在最后一公里配送中扮演了重要角色.通过合理的任务分配方式来提升众包司机与任务之间的匹配效率,成为提升平台运营能力的重要手段.本文以最小化众包司机运输成本为目标,基于深度强化学习提出了一种双智能体协作学习的众包物流任务分配模型.在强化学习的框架下,司机选派智能体学习从司机池中选派一位合适的众包司机,随后任务分配智能体学习从任务池中选择一项任务进行分配.本文通过数值实验验证了所提方法的有效性.相较于单智能体方法和传统启发式算法,该方法可以得到更好的任务分配结果,同时较短的计算时间能够满足众包物流平台线上运行的需求.