中国工程物理研究院红外太赫兹自由电子激光装置总体设计

中国工程物理研究院红外太赫兹自由电子激光装置是一台用于材料、光谱、生物、医学等领域前沿研究的多功能用户装置,在实验室现有的太赫兹自由电子激光装置（CTFEL）基础上,拟新增两套2×9-cell超导加速单元和两台波荡器,将电子能量提升至最大50 MeV,输出频率覆盖范围拓展至0.1～125 THz,最大宏脉冲功率大于100 W。同时,采用跑道型束线设计,拟建设一台小型能量回收型直线加速器实验研究平台。本文主要介绍了中国工程物理研究院红外太赫兹自由电子激光装置的总体设计、工作模式以及用户实验站布局。     

跨越架远程监控系统研制

在新建或检修架空输电线路过程中常需搭建跨越架进行不停电跨越施工.为了减少不停电跨越施工过程中的安全事故风险,研制了跨越架远程监控系统,对跨越架施工过程中的各种参数进行实时监测与预警.针对施工现场布线困难问题,该系统采用远程无线分布式结构,各子站的传感器对现场数据进行采集后通过无线通信方式传输至监控中心显示.此外,监控中心也能对具有自动升降功能的新型跨越架进行控制。     

基于数字图像处理的柔性水翼形变测量

针对振荡水翼式潮流能发电装置中柔性水翼的形变测量问题,设计了一套基于高速相机的非接触式测量系统,可在不影响水翼水动力学特性的前提下,连续采集水翼运动过程中的图像并计算水翼形变。建立了图像坐标系和水翼世界坐标系的坐标转换模型,给出了相关参数的标定方法和形变的计算公式。提出了一种基于Canny算子的水翼迎流面边缘检测方法,给出了边界的多项式拟合算式,从而可计算出水翼迎流面边缘上任一点的形变。设置了不同实验条件进行了验证,识别出的水翼总长度误差在2%以内,形变量符合实际规律。实验结果表明该方法能够有效测量水翼迎流面边缘上任一点的形变,且具有现场布置简单、不影响水动力学特性的优点。     

抛锚状态下的船载地波雷达目标自适应检测方法

船载地波雷达可利用船载平台机动灵活的特点,扩展地波雷达探测范围,但也会由于平台的运动,影响目标探测性能. 针对船载平台抛锚运动引起艏向变化和目标回波展宽范围不规则导致目标检测性能下降的问题,提出了一种适用于平台抛锚状态时的船载地波雷达目标自适应检测方法. 首先,从平台抛锚时船载地波雷达的目标回波特性和检测背景统计特性两个方面来分析目标检测中的难题. 然后,基于理论仿真与实测数据的分析结果,提出目标自适应检测方法. 该方法先通过前端数据的预处理消除艏向变化带来的影响,再将处理结果进行检测背景的自适应选取并作统计特性转化处理,经过恒虚警率检测后得到检测结果. 最后,利用实测数据对本文提出的方法进行验证. 结果表明:本文提出的船载地波雷达目标自适应检测方法能够有效解决船载平台抛锚时的目标检测难题,可显著提高抛锚状态下船载地波雷达的目标探测能力.     

新时代IT教师的师德重塑

国运兴衰,系于教育;教育成败,系于教师：教师素质,重在师德。师德是教师素质的灵魂,是实施教育的关键所在。在大力推广信息技术、倡导更新教育理念的今天,作为处在信息化建设浪尖潮头的计算机专业教师,应加深对新形势下师德的认识和理解,以便更为深入地在教育教学生活中加以贯彻和实践。     

推动IT产品新革命——磁性随机存贮器技术的展望

在你每天打开电脑后,面对着“系统正在运行,请等待”的漫长过程中．不知你有没有这样的想法——要是有一天它能够像电视机那样接通电源即可看到精彩的画面该有多好?IBM的一项研究工作将有望使其成为现实。据IBM不久前与德国Infineon公司签署的一份协议,双方将共同致力于开发革命性的内存技术——磁性随机存贮器(Magnetic Random Access Memory)。这项工作一旦得以成功,将为电子产品的应用带来一次新的革命。     

图象边界的遗传算法规整

为了使检测的图象边界更符合有效的理想边界结构,同时能滤除边界图象中的噪声干扰,提出了一种基于遗传算法在图象边界规整方法。该方法首先将已经检测得到的边界图象编码为两维二值码串个体,并根据理想边界模板集来计算每个个体的适应度;然后通过交叉、变异和选择等遗传运算对被检测出的非理想边界进行规整。在遗传算法收敛时,该算法不仅能得到最适合有效理想边界结构的边界图象,并能有效地滤除边界图象中的噪声。     

一类模糊系统全局稳定的几个充分条件

针对一类多变量连续Ｔ－Ｓ模糊模型,通过对全局系统性质的研究,提出一种基于线性时不变系统的全局稳定性分析方法,并得到该类模糊系统的全局稳定的几个充分条件。该方法为模糊控制的稳定性研究提供了新途径。     

基于R2指标和参考向量的高维多目标进化算法

在高维多目标优化中, 不同的优化问题存在不同形状的Pareto前沿(PF), 而研究表明大多数多目标进化算法(Multi-objective evolutionary algorithms, MOEAs) 在处理不同的优化问题时普适性较差. 为了解决这个问题, 本文提出了一个基于R2指标和参考向量的高维多目标进化算法(An R2 indicator and reference vector based many-objective optimization evolutionary algorithm, R2-RVEA). R2-RVEA基于Pareto支配选取非支配解来指导种群进化, 仅当非支配解的数量超过种群规模时, 算法进一步采用种群分解策略和R2指标选择策略进行多样性管理. 通过大量的实验证明, 本文提出的算法在处理不同形状的PF时具有良好的性能.