高阶拉盖尔-高斯径向偏振光束强聚焦产生的光链

基于Richards-Wolf的矢量衍射积分公式,研究了 高阶拉盖尔-高斯径向偏振光束经过衍射光学 元件(DOE,diffractive optical elements)和高数值孔径(NA)透 镜组成的光学系统后的聚焦特性。根据数值模拟结果, 比较了相关参量的变化对深聚焦特性的影响。研究表明,入射光束经过此光学系统后,在焦 点附近产生沿 光轴方向的三维多点光俘获结构—光链,并且入射光束的相关参数和聚焦透镜的NA大小都会影响光束的聚焦特性。     

坚持战略引领 推动战略落地

国家电网有限公司党组以习近平新时代中国特色社会主义思想为指导,审时度势,谋篇布局,提出了建设"具有中国特色国际领先的能源互联网企业"的战略目标,为公司开启新征程、续写新篇章描绘了宏伟蓝图。国网冀北电力有限公司将切实把思想和行动统一到公司党组的决策部署上来,推动公司战略目标在企业落地落实。聚焦关键点,把握战略内涵。战略目标的核心主要体现在"中国特色""国际领先""能源互联网"三个关键词。牢牢把握"中国特色"这一根本,把坚持党的领导、加强党的建设作为"根"和"魂"。     

厚规格热镀铝锌硅带钢的折叠式还原退火炉

介绍了国内首创的厚规格热镀铝锌硅带钢折叠式还原退火炉的结构、工艺流程及其特点.经生产实践表明,该炉型可显著减少投资,节省厂房长度、高度空间,且工艺流程配置灵活.     

基于电偶极子辐射模型的三维成像算法

提出了一种基于电偶极子辐射模型的三维成像算法.在研究后向投影算法原理的基础上,利用散射模型分析了近、远场成像的关系,提出先采用电偶极子辐射模型对采样数据进行近场化处理,再将处理后的数据反向投影到成像区域,获得成像图像.利用FDTD数值仿真实现对目标的三维成像,验证了算法的有效性,分析了耦合对成像效果的影响.     

利用递推增广矩阵辨识加速度计的参数

介绍了加速度计的基本工作原理和结构模型,将加速度计的微分方程转换成差分方程,在传统最小二乘法辨识的基础上,采用递推增广矩阵的辨识方法对加速度计的参数模型进行辨识.通过Matlab对其仿真,得到被辨识参数的估计值与曲线图,说明采用递推增广矩阵辨识方法辨识系统参数具有辨识速度快、辨识精度高、辨识结果准确等特点.     

锦州港压舱水处理及油品回收

通过对锦州港压舱水进行沉降、分离、气浮、过滤等过程的处理,使废水中含油指标达到排放标准,并对油品进行回收.     

滴定痘苗病毒的噬斑血吸附法的优化

目的对滴定痘苗病毒的噬斑血吸附法进行优化,克服该方法稳定性差、结果数据偏差大的问题。方法通过预试验确定痘苗病毒的最佳稀释倍数、病毒吸附温度及鸡血球加入方法等参数。采用优化的噬斑血吸附法,对天坛株痘苗病毒的原始种子批、主种子批、工作种子批和参考苗进行滴定,计算变异系数(CV),确定试验内、试验间和不同实验人员间的精密度。利用Qstat软件分析本次与以往滴定结果之间的关系。结果病毒的最佳稀释度为10-6,最佳吸附温度为25～30℃,加入鸡血球的最佳方法为病毒吸附72h后,弃去部分培养液,再加入鸡血球。4种样品测定结果的试验内、试验间和不同实验人员间的变异系数均小于5%,病毒滴度分别为(7.12±0.18)LgPFU/ml、(7.79±0.21)LgPFU/ml、(7.88±0.17)LgPFU/ml和(7.64±0.14)LgPFU/ml,均高于以往滴定结果。本次与以往滴定结果之间存在线性相关性。结论优化了滴定痘苗病毒滴度的噬斑血吸附法,确定了天坛株痘苗病毒的原始种子批、主种子批、工作种子批和参考苗的滴度,为天花疫苗多项检定试验提供了可靠依据。     

炼焦煤的价格预测和库存控制

通过市场供需关系、下游产品的价格变动预测炼焦煤市场价格走势，据此及时调整炼焦煤库存，可在价格上涨中更大的受益于存货升值，在价格下跌中减少库存贬值并降低资金占用。     

硅烷流化床制备粒状多晶硅的研究进展

硅烷流化床生产粒状多晶硅的技术具有节能、高效、环境友好等优点,是生产太阳能级多晶硅的首选工艺技术,但国内对于该工艺技术的研究仍处于起步阶段。本文简介了硅烷流化床的基本原理,包括操作原理和反应模型,并讨论了温度、硅烷分压、颗粒尺寸以及流化速度等反应条件对硅烷流化床内流动稳定性和硅粉尘产生的影响。根据发展硅烷流化床所面临的热壁沉积、产生硅粉尘、加热方式的选择、硅晶种的获得、气体分布方式的控制以及产品纯度的控制等技术挑战,分析了不同的流化床设计对这些技术挑战的解决方案,指出了不同的流化床设计的优缺点与工业应用前景。讨论了硅烷流化床的CFD模拟与一般的流态化模拟的区别,并回顾了相关的研究工作。最后指明了对硅烷流化床技术的研究应从优化反应条件、改善反应器设计以及完善多尺度模拟硅烷流化床的模型三个方面着手。     

基于YOLO模型的宫颈细胞簇团智能识别方法

针对宫颈细胞簇团自动识别问题,本文提出了一种基于YOLO v2模型的智能识别方法。首先,针对宫颈细胞簇团识别任务的特点,采用resnet 50模型作为YOLO v2网络的基础特征提取模块。同时,提出了相应的数据扩增方法与YOLO v2网络的训练方案。同时,我们收集宫颈细胞液基涂片扫描图像,建立了宫颈细胞簇团图像数据集,并由细胞病理专家对其中的细胞簇团进行了标注。实验表明,本文方法能够有效完成宫颈细胞病变簇团的自动识别,在测试图像集中,针对细胞簇团识别的准确率为75.9%,召回率为86.3%;针对宫颈细胞图像识别的准确率为87.0%,召回率为86.7%。本文将深度学习技术引入到宫颈细胞辅助筛查领域,对于促进宫颈癌早期自动筛查系统的研究,具有重要意义。