快速提升小波变换在介质体散射中的运用

推导一种用于求解介质体散射问题的面积分方程,它克服了内谐振现象,且同体积分方程相比,获得了更小的阻抗矩阵维数。一种新的基于提升法的类小波变换预处理算子的使用,降低了矩阵向量积的计算复杂度和求逆过程中的迭代次数。数值结果表明,与传统方法相比,提升法消减了预处理矩阵的多余内存,并且节省了约1倍的计算时间。     

Fock态腔场与Bell态原子相互作用过程中光场的量子特性

采用时间演化算符和数值计算方法,研究了Fock态腔场与2个全同二能级Bell态原子在偶极共振相互作用过程中光场二阶相干和光场压缩的时间演化特性。结果表明:当2个原子初始处于不同的Bell态时,系统光场二阶相干和光场压缩的时间演化特性不同,根据这些特征,可以部分甄别双原子Bell态。     

热-力-电耦合下天线罩电性能仿真及分析

在实际飞行工况下,热力载荷会改变高速飞行器天线罩原有的电磁特性,从而影响制导性能。提出了一种基于六面体网格划分的热-力-电耦合模型及仿真方法,可准确表征高速飞行工况下天线罩介电温漂和结构变形对电性能的影响。基于天线罩热-力-电共享网格模型,首先通过瞬态热仿真得到天线罩响应温度场,通过静力分析得到天线罩结构变形场。然后,将天线罩介电温漂和结构变形准确传递到其电磁仿真模型中,并采用三维射线跟踪法计算其电性能。最后通过一个典型算例对高速飞行工况下天线罩电性能的变化进行仿真和分析,结果表明电性能变化非常明显,也进一步说明了所提方法的可行性和研究的必要性。     

对测不准关系的认同与争议

介绍了测不准关系的一些不同的表述和证明方法,对其中关于这一原理的认同和有争议的问题进行了比较与分析.结合殿村和蔡林格(Zeilinger)近期完成的电子和中子衍射实验的结果,评述了有关量子理论的新进展.这些实验充分地证明了单个粒子具有波动性的事实.测不准关系原本是微观粒子波动性质的必然结果,所以它应当适用于单个微观粒子.     

模板技术在量子逻辑电路优化中的应用

为了提高量子逻辑电路的优化技术,减小量子逻辑电路的代价,对现有的模板技术进行了研究与分析,发现Maslov等人的模板并不完整,体现在模板控制线的寻找不完全.通过引入模板控制线库的概念,重构了模板,重构后的模板并不实现恒等的函数功能,但通过模板生成法则,可以动态生成更多的有效模板.同时给出了利用该方法优化量子逻辑电路的算法.数值实验结果表明,应用重构后的模板优化所有的3×3可逆电路,电路门数量均值减小到6.22.该方法在利用模板优化量子逻辑电路方面具有更高的效率和匹配成功率.     

基于MPC的无人机航迹跟踪控制器设计

针对固定翼无人机航迹跟踪问题,采用基于状态扩展的双反馈模型预测控制理论对控制器进行设计。首先推导基于侧向偏差的无人机侧向航迹跟踪模型,采用动态逆方法对模型进行线性化处理,在此基础上设计基于状态扩展的双反馈模型预测控制器,并采用量子粒子群优化(quantum particle swarm optimization, QPSO)算法对控制器参数进行优化,考虑无人机飞行过程中受到的未知干扰,引入扩张状态观测器(extended states observer, ESO)对干扰进行观测,进一步提高系统的鲁棒性,并结合实际工程应用对系统进行数学仿真。仿真结果表明,基于状态扩展双反馈模型预测控制的无人机侧向航迹跟踪控制器,能够在系统存在模型不确定性与受到动态干扰时对期望航迹进行准确、稳定的跟踪。     

量子化学原理在锂离子电池研究中的应用

锂离子电池的发展强烈地依赖于相关材料的性能,因此对材料进行理论设计以寻找具有特定性能的材料以及对电池充放电过程中有关现象的理论解释已经成为材料研究的迫切要求.量子化学和现代计算技术的发展,已基本上能满足这一要求.本文综述了近年来量子化学原理在锂离子电池研究中的应用.重点评述了量子化学原理在锂离子电池电极材料平均插锂电压的预测、锂的嵌入-脱嵌机理研究、锂离子电池正极材料晶格畸变的研究以及其它物理化学性质的理论计算中的应用.     

塞曼效应实验的一个应用

由塞曼效应实验结果去确定原子的总角动量量子数J值和朗德因子g值,近而去确定原子总轨道角动量量子数L和总自旋量子数S的数值.此方法的运用,对知识巩固和加深的同时,训练学生由实验结果得到理论结论,实现物理学理论指导实践、实践反作用理论的宗旨.这无疑对增强学生的创新能力有巨大的帮助.     

量子点-菠萝蛋白酶与纤维蛋白原的相互作用

用量子点标记菠萝蛋白酶, 以此为荧光探针, 监测其与纤维蛋白原的反应过程. 实验结果表明, 随着反应时间的增加, 荧光光谱逐渐蓝移, 荧光强度也逐渐下降.     

基于改进的局部保持投影的战时备件分类

为提升战时合成部队备件保障效能,需对其进行有效分类,以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题,提出了基于改进的局部保持投影的备件分类方法。首先,根据战时备件分类储备的影响因素,作为备件分类的特征指标,其次,利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维,得到低维特征向量。再利用支持向量机（support vector machine,SVM）的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优,提升备件分类精度,得到满足备件分类准确率最优时的降维维数和分类器参数。最后,通过对演习装备备件分类的实例分析,验证了模型的可行性和合理性,并对比分析了其他分类方法,表明该方法能够较好地解决战时备件分类的问题。