Investigation on noise characteristics of dual-pumped fiber optical parametric amplifiers based on photonic crystal fibers

The noise characteristics of dual-pumped fiber optical parametric amplifiers(FOPAs) induced by gain and loss in photonic crystal fibers(PCFs) are analyzed.A special photonic crystal fiber is designed.Its noise figure(NF) changes with structure parameters,and it decreases as the hole diameter decreases.Three factors including input-signal power,signal wavelength and pump separation which impact on the final noise figure are discussed with the designed PCF.     

部分草酸盐工艺制备Pb(Mg1/3Nb2/3)O3-PbTiO3铁电陶瓷

通过部分草酸盐工艺制备了颗粒尺寸较小、粒度分布较均匀、团聚较少的(1-x)Pb(Mg1/3Nb2/3)O3-xPbTiO3(PMN-PT)前驱体.以活性PMN-PT前驱体为原料,通过固相反应法制备PMN-PT陶瓷.XRD测量表明,通过部分草酸盐工艺制备的PMN-PT陶瓷中含有少量的焦绿石相.随着PbTiO3 (PT)含量的增加,PMN-PT陶瓷的晶体结构从三方铁电相逐渐向四方铁电相转变.烧成的PMN-PT陶瓷具有较高的致密度.组分和烧结温度对PMN-PT陶瓷的电学性能产生影响.随着烧结温度的升高,PMN-PT陶瓷的介电常数最大值εm增大,伴随着εm对应的温度Tc/Tm的不规律变化;剩余极化强度Pr增大,矫顽场Ec减小;压电应变常量d33值增大.随着PT含量的增加,Tc/Tm增大,介电响应特征从弥散型铁电相变向正常铁电相变转变,电滞回线从狭长的回线向接近矩形的形状转变.0.68PMN-0.32PT陶瓷呈现优良的综合电学性能,1200℃烧结的陶瓷1kHz时εm为14070,Tm为148.2℃,d33值为457pC/N,Pr为14.69μC/cm2,Ec为4.72kV/cm.     

晶硅太阳能电池的(SiO_2/SiO_2-TiO_2/TiO_2)减反射膜的水性溶胶法制备（英文）

用旋转涂覆水性溶胶的方法太阳能电池用单晶硅片上制备了(SiO_2/SiO_2-TiO_2/TiO_2)三层减反射膜。膜层的折射率及反射光谱分别用椭圆偏正光谱仪和分光光度计进行测试,单晶硅片上并溶胶的润湿角使用DSLR相机拍摄照片后处理而成。TiO_2,SiO_2-TiO_2和SiO_2水溶胶对单晶硅片的润湿角分别为25.6°,25.5°,21.1°,表明溶胶对单晶硅片具有优异的润湿性能。在300~900nm波长范围内,SiO_2/SiO_2-TiO_2/TiO_2三层减反射膜的平均反射率大约为11.7%,比空白硅片降低了约66.7%。表明水性溶胶适用于低成本晶硅太阳能电池减反膜的制备。     

基于改进PSO-RBFNN的海洋蛋白酶发酵过程软测量

针对海洋蛋白酶(marine protease,MP)发酵过程中某些关键参量难以在线检测,离线测量存在大滞后、易染菌的问题,提出了一种基于改进的粒子群-径向基神经网络(PSO-RBFNN)的MP发酵过程软测量建模方法。首先采用指数下降惯性权重(exponential decreasing inertia weight,EDIW)策略对粒子群算法进行改进,克服了固定惯性权重和自适应惯性权重的粒子群算法易于陷入局部极小,进化后期收敛速度慢以及全局搜索能力弱的缺点;然后,采用改进后的粒子群算法对径向基神经网络连接权值进行在线优化,确定RBFNN拓扑结构;最后,根据MP发酵过程的输入/输出向量构建RBFNN软测量模型。实验仿真结果表明,EDIW策略改进的PSO-RBFNN软测量模型训练时间缩短了40%左右,模型预测精度提高了3%以上。     

基于改进PSO-RBFNN的海洋蛋白酶发酵过程软测量

针对海洋蛋白酶（marine protease,MP）发酵过程中某些关键参量难以在线检测,离线测量存在大滞后、易染菌的问题,提出了一种基于改进的粒子群-径向基神经网络（PSO-RBFNN）的MP发酵过程软测量建模方法。首先采用指数下降惯性权重（exponential decreasing inertia weight,EDIW）策略对粒子群算法进行改进,克服了固定惯性权重和自适应惯性权重的粒子群算法易于陷入局部极小,进化后期收敛速度慢以及全局搜索能力弱的缺点;然后,采用改进后的粒子群算法对径向基神经网络连接权值进行在线优化,确定RBFNN拓扑结构;最后,根据MP发酵过程的输入/输出向量构建RBFNN软测量模型。实验仿真结果表明,EDIW策略改进的PSO-RBFNN软测量模型训练时间缩短了40%左右,模型预测精度提高了3%以上。