“碳化硅功率半导体技术”专题前言

半导体功率器件(即电力电子器件)是电力电子技术的三大核心基础之一,被比作电力电子装置的“CPU”。现有功率器件多采用Si基或SOI基,但是受限于自身材料特性的影响,在节能与转换效率方面越来越显示出他们的局限性。为解决上述问题,半导体功率器件除了继续对传统器件进行新理论和新结构的创新研究外,也正在遵循“一代材料、一代器件、一代装置、一代应用”的发展趋势,从传统的Si基和SOI基向宽禁带半导体SiC和GaN基进行扩展和延伸。     

轻烧煤矸石混合电子含氟污泥制备混合材及其对水泥性能的影响

直接轻烧电子含氟污泥用作水泥混合材存在火山灰活性不高、标准稠度需水量大等问题，本文利用煤矸石作为电子含氟污泥的硅铝质补充来源，将电子含氟污泥和煤矸石混合后轻烧制备水泥混合材，通过强度活性指数、水泥力学强度、水泥标准稠度需水量、凝结时间、粒度分布等指标以及X射线衍射和扫描电镜等试验，探究了轻烧煤矸石混合电子含氟污泥制备水泥混合材对水泥性能的影响。结果表明:与直接轻烧电子含氟污泥制备的水泥混合材相比，煤矸石混合电子含氟污泥后轻烧制备的水泥混合材，可改善水泥的颗粒级配，降低水泥的标准稠度需水量，提高水泥混合材的活性和所配制普通硅酸盐水泥强度，但会使水泥的初凝时间延长、终凝时间缩短。     

广义正交码索引调制系统的性能分析

摘 要：为了提高码索引调制（code index modulation，CIM）系统的传输效率，提出了一种具有更低复杂度的单输入单输出（single input single output，SISO）的广义正交码索引调制（generalized orthogonal code index modulation，GQCIM）系统。CIM 系统使用扩频码和星座符号传输信息，但只能激活两个扩频码索引和一个调制符号。而 GQCIM 系统以一种新颖的方式克服了只激活一个调制符号的限制，同时充分利用了调制符号的正交性，增加扩频码索引以传输更多的额外信息位，提高了系统的传输效率。此外，分析了GQCIM系统的理论性能，推导了误码率性能的上界。通过蒙特卡罗仿真验证了GQCIM系统的性能，对比发现GQCIM系统的理论和仿真性能一致。而且在相同的传输效率下，结果显示GQCIM系统的性能优于同样具有正交性的调制系统，如广义码索引调制（generalized code index modulation，GCIM）系统、CIM系统、码索引调制-正交空间调制（code index modulation aided quadrature spatial modulation，CIM-QSM）系统、码索引调制-正交空间调制（code index modulation aided spatial modulation，CIM-SM）系统、脉冲索引调制（pulse index modulation，PIM）系统。     

分子膜/混合有机酸复合解堵技术在姬塬油田欠注井的应用

针对姬塬油田欠注井现象日益严重、堵塞物类型复杂造成常规酸化无法同时解除多种堵塞等问题，从堵塞物分析和解堵机理入手，研究了一种适用性较广的分子膜/混合有机酸复合解堵体系，主要由混合有机酸、新型分子膜、解聚剂和助剂组成。实验结果表明，该复合解堵体系具有优良的解堵性能，对现场垢样的溶垢率普遍能达到80%以上，对聚合物的降黏率可达到90%以上，适用于深部解堵，且能够有效避免二次沉淀的产生。现场应用效果表明，分子膜/混合有机酸复合解堵技术能够有效降低注水压力，提高日注水量，适用于大部分欠注井的地层改造。     

基于互联网的基础课程线上线下教学实践

阐述课程教学中的线上线下混合教学模式，存在的问题，应对的措施，通过对现有网络资源的充分利用，将前沿理论知识以及行业热点融入线上课程教学中，从而促进对于课程的主动学习。     

云计算在水电工程信息化建设中的应用

我国步入21世纪以来,水电工程经过不断的发展已经到了一个瓶颈期。面对水电工程建设过程中出现的各类问题显得力不从心,同时在建设过程中受到人力物力、环境地形、施工条件等多方影响,也对监管力度提出了不小的挑战。为切实保障水电工程的效率与质量,水电工程利用云计算技术进行信息化建设,这对水电工程的建设管理起到了促进作用,对于水电工程的整体建设来说,是极为有利的。     

线上线下混合"计算机控制技术"教学改革

本文结合"计算机控制技术"课程的授课内容和学校的创新应用型人才培养目标,探索了一种线上线下混合式教学模式,将传统的线下课堂知识点传授与现代线上多媒体、多平台的信息共享、在线视频会议等相互融合,实践表明该教学模式有效调动了学生的学习积极性和主动性,获得了良好的授课效果.     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.