吉林天文观测基地光学观测环境及相关研究进展

地基光学天文望远镜是人类探索与研究宇宙的重要手段,对已有地基光学台址的光学观测环境进行监测分析,可以为后期设备针对性改造以及观测者调整观测策略提供参考依据,对提升地基光学设备的观测效能具有重要的意义.吉林天文观测基地(简称“基地”)隶属于中国科学院国家天文台长春人造卫星观测站,位于吉林省吉林市大绥河镇小绥河村南沟约5 km处(东经126.3°,北纬43.8°,海拔高度313m).基地大气视宁度均值范围约为1.3″-1.4″、天顶附近V波段的天光背景亮度为20.64mag·arcsec^(-2)、年晴夜数最高可达270余天,具有良好的天文观测条件.吉林天文观测基地于2016年投入运行,现有1.2m光电望远镜、迷你光电阵列望远镜、大视场光电望远镜阵列、新型多功能阵列结构光电探测平台等多台(套)光电望远镜设备.利用上述设备,主要围绕空间目标探测与识别、精密轨道确定、光电探测新方法以及变源天体的多色测光等开展相关研究工作,与多家国内高校及科研院所保持着良好的合作关系.

考虑上浮效应的顶管施工引起下方盾构隧道响应简化分析方法

新建顶管上穿施工会引起下方既有盾构隧道纵向隆起位移,影响地铁的正常运行。大直径顶管在注浆充足或在地下水位以下顶进时上浮效应不可忽略,而目前的简化分析方法尚未考虑此效应。采用两阶段法,将既有隧道视为Pasternak地基上的Euler-Bernoulli梁,提出考虑上浮影响的土体非均匀收敛模式下,新建顶管上穿施工引起下方既有隧道响应的简化计算方法。研究表明,均匀土体收敛模式、下沉的非均匀土体收敛模式会低估顶管下方的土体自由位移、既有隧道的纵向位移响应,与工程实测数据的对比验证了所提方法的合理性。进一步参数分析表明,降低土体损失率能有效减少既有隧道竖向位移与弯矩,且土体损失率与既有隧道最大竖向位移和最大弯矩呈线性关系;既有隧道与土体的管土刚度比的增大可减小既有隧道竖向位移,但也会增大隧道管片弯矩;增大顶管与既有隧道竖向净距有利于既有隧道竖向位移与弯矩的控制,实际工程应根据既有隧道的保护要求和顶管的上覆土厚度要求选择合理的净距。

数字政府建设中的政务数据应用探索研究——以衢州市营商环境建设办公室为例

数字政府是推进国家治理体系和治理能力现代化的有力抓手和重要举措,也是建设网络强国、数字中国的基础性和先导性工程。而政务数据的应用是数字政府构建、政府大数据治理进程中的关键一步,对加快转变政府职能,建设服务型政府意义重大。但目前我国数字政府建设仍面临创新应用能力不强、政务数据支撑应用水平亟待提升等现实问题。因此本文通过梳理总结衢州市营商环境建设办公室在政务数据多系统应用等方面的实践经验及标准化工作,进一步提出通过标准化促进政务数据共享、重数据应用治理模式以及构建全方位安全防护体系的方式,促进我国数字政府建设中的政务数据应用。

可调节基座架空支撑架预制面板沉箱式卫生间施工技术

沉箱式卫生间一般采用红砖砌筑地垄,造价高、施工周期较长、污染大,架空层回填加重了沉箱底板荷载,也加大了排水管道发生破裂的可能,且其维修困难。基于此,卫生间沉箱施工采用预制好的混凝土板搁置在可调节基座架空支撑架上,达到快速封闭沉箱面层的目的,使沉箱内形成中空层,可变更排水管道排布,相比于传统的卫生间,该工法简单易行,值得在同类工程中推广。

狭窄空间组合地下室外墙单侧支模施工技术研究

研究把轻质隔墙和地下室外墙2种墙体进行组合施工,粘贴有防水卷材的轻质隔墙板取代砖胎膜做防水基层,通过钻孔打入膨胀螺丝并锁紧螺杆将隔板墙固定在支护桩上,轻质隔墙与围护桩之间采用泡沫混凝土填充,地下室外墙采用组合拼装而成的移动式单侧支模体系进行支模,移动式单侧支模架间通过钢管进行加固,有效保证了狭窄空间中地下连续墙成型的质量观感,提高了外墙结构的完整性,又不刺破防水卷材,增强结构自防水能力。

大中衔接视域下基于学习进阶的“内能”概念辨析

“内能”是高中物理核心概念之一,也是学习大学热学的基础。“学习进阶”理论可以为学生高中与大学阶段的学习提供桥梁,高中教师通过设计大中衔接的课堂活动,渗透大学课本中关于“内能”的物理思想和方法,可实现高中与大学知识体系平稳过渡。从2023年上海物理等级考中一道填空题出发,在大中衔接的视域下,从三个层次设计有关“内能”概念的辨析活动,在消除学生的认知偏差基础上,为后续学习研究打下基础。

水下双线平行隧道渗流场解析研究

目前对于水下单线隧道渗流场的研究已取得了一定的进展,但是对于双线平行隧道则鲜有研究。基于达西定律以及质量守恒定律,采用保角变换法和叠加法对双线平行隧道稳态渗流场进行了推导,获得该问题的水头分布以及隧道涌水量的解析解。采用数值软件COMSOL对本文解析解进行验证,发现两者拥有较好的吻合度。结合算例,讨论了隧道间距对双线平行隧道渗流场、衬砌外围水头分布形态以及隧道涌水量的影响。发现将双线隧道简化为单线隧道进行分析,将会高估隧道周围水头以及隧道涌水量,并且这一现象随着隧道间距的减小而愈发明显。

空间目标光谱实测技术与表面材料分析研究

随着航天活动的日益增加,空间碎片的数量急剧增多,对未知空间碎片进行编目和识别显得尤为重要。由于火箭箭体、人造卫星及其裂解碎片等在空间中处于外表裸露状态,其表面材料的物理与化学特性会产生较大变化。目前,针对空间目标表面材料的研究主要集中在地面实验室,无法对其在深空中的状态变化进行准确判断。利用空间目标光电望远镜及光谱测试终端组合,可以实时地对空间目标的光谱特性开展研究,进一步探究材料特性变化对目标特性识别的影响。通过利用长春人卫站1.2 m空间目标光电望远镜及相关光谱测试终端,同时结合图像预处理软件获取空间目标的高光谱图像,进一步运用天文学方法IRAF提取光谱一维数据,得到可分析数据。通过偏最小二乘法反演分析表面材料的面积比、置信度。实验将6个空间目标光谱数据分别进行反演,通过6种常用航空材料的反演结果显示所有目标均可解析出至少两种材料,其共同反演出现金色保温膜,它是空间目标表面一定含有的材料之一,其所占表面积比例也较高,结果分别约为0.75,0.78,0.78,0.59,0.71和0.45。其中,4个目标反演出现碳纤维板,结果分别约为0.19,0.22,0.07和0.24;3个目标反演出现砷化镓,结果分别约为0.07,0.15和0.17;2个目标反演出现Si,结果分别约为0.29和0.55。并且置信度分别约为84.7%,80.4%,84.1%,82.8%,82.6%和79.6%。实验结果表明观测方法可信性更高,在空间目标领域的观测技术、获取数据、研究分析等方面的研究结果对后续深入探索具有参考作用。实验结果和空间目标来源自洽度高,研究方法简单易行且与传统光学观测兼容性好。该方法拓展了精密跟踪型空间目标观测的研究领域,不仅具有目标所在空间环境分析的科学意义,也具有空间目标运行安全的应用前景。

3-RPS并联机构SMC控制系统仿真

由于并联机构难以建立相应的Jacobian矩阵,运用微运动法构建3-RPS并联机构构型的Jacobian矩阵,避免在矩阵中出现超越方程组,并通过SolidWorks建立机构的三维模型,并采用SimMechanics转化为机构仿真模型,分别设计PID控制器与滑模变结构控制器进行仿真。根据Lyapunov定理,求证SMC控制的稳定性。结果表明,对于并联机构控制仿真,SMC控制器能更加快速地趋近于稳定状态,并且稳定收敛性要好于传统PID控制,滑模变结构控制优于传统PID控制。

内燃机用永磁直线发电机的正交优化与分析

阐述了自由活塞内燃发电机的基本原理,分析了齿宽、边端齿高、定子内外径之比、极弧系数、气隙宽度和凸初级长度对直线发电机的定位力的影响,利用正交试验法对直线发电机的极弧系数、气隙宽度、凸初级长度进行优化,并对优化后的电机进行空载和负载特性分析,优化后电机空载反电势波形畸变率为4. 52%,满足发电要求。有限元分析结果表明电机优化后定位力幅值减少76. 83%,反电动势幅值增加2. 53%,验证了正交试验法用于直线发电机优化设计的可行性。

基于可变形卷积网络的恒星大气物理参数自动测量

为解决海量恒星光谱数据自动处理问题,更准确地对恒星光谱物理与化学性质的研究,同时更加直观地反映恒星性质参数,通过利用可变形卷积网络(deformable convolutional network,DCN)方法对恒星大气物理参数进行分析,系统地研究了恒星表面有效温度(T_(eff))、表面重力(logg)、金属丰度([Fe/H])3个物理参数,实验结果对比梯度下降法神经网络(back propagation neural network,BPNN)、人工神经网络(artificial neural network,ANN)、径向基神经网络(radial basis function neural network,RBFNN),评价标准为平均绝对误差(mean absolute error,MAE)、均值误差(mean error,ME)。基于SDSS-DR9、LAMOST-DR3恒星光谱数据得到T_(eff)、logg、[Fe/H]的DCN-MAE分别为97.2136 K、0.2812 dex、0.1252 dex,DCN-ME分别为106.5963 K、0.3856 dex、0.1753 dex。实验结果显示DCN效果优于BPCNN、ANN、RBFNN,为进一步分析与反映恒星真实情况提供参考。

基于TextCNN的加密恶意流量检测方法

随着互联网技术的飞速发展,95%的流量使用SSL/TLS协议进行加密,其中隐藏着大量的恶意流量。由于网络流量体量大、加密数据的不可见性,使得如何在不解密的前提下,检测加密恶意流量的研究成为一个重要课题。现有的基于模式匹配的方法,无法处理加密流量。基于统计特征和时序特征的方法,依赖专家经验,需要花费大量的时间,人工提取特征。文章将深度学习算法与加密恶意流量检测领域相结合,首先,对原始的网络流量进行切分、清洗、转换和修剪,变为统一长度的一维序列;然后,自定义TextCNN网络结构,通过多组一维卷积自动地从原始流量中提取上下文特征,并利用这些特征对流量进行分类。为了证明该方法的有效性,使用真实的网络流量样本进行实验,并与CNN、LSTM和GRU等网络模型进行对比。实验数据显示,文章提出的方法,在未知数据上具有较强的泛化能力,检测精度高,且误报率低。

基于偏差估计卷积神经网络恒星光谱数据自动分类

天体物理学科中恒星光谱具有极其重要的研究前景,中国自主研制的大科学天文巡天项目大天区多目标光纤光谱望远镜(large sky area multi-object fiber spectroscopy telescope,LAMOST)自启用以来,已经成为世界上空间光谱获取数据量最大的科学装置。目前,第6期数据(sixth data,DR6)已对全球的天文工作者开放。恒星光谱数据分类在研究天文观测数据分析领域中极为重要,为了同时兼顾快速的运行速度和准确的分类精度,基于偏差估计卷积神经网络方法(bias estimation convolutional neural network,BECNN),分析了DR5中F、G、K、M型恒星光谱。BECNN核心思想主要是利用偏差函数泰勒展开式的偏差参数代替柔性最大值传输函数的偏差参数,进而减小误差,提高准确度。将本文方法与现有的神经网络(neural network,NN)和卷积神经网络(convolutional neural network,CNN)算法进行对比,BECNN算法在F、G、K、M型恒星光谱自动分类准确率分别为93.177%、88.349%、93.807%、89.255%;CNN算法分别为91.646%、87.671%、92.701%、89.054%;NN算法分别为90.819%、87.417%、91.325%、88.092%。同时,将两两恒星光谱数据融合作为测试样本集,做进一步验证。结果表明:BECNN光谱自动分类准确率高于CNN和NN方法,在今后特殊天体索搜与恒星光谱精细分类研究中,本文方法有较好的借鉴价值。

Chaotic characteristics of electromagnetic emission signals during deformation and fracture of coal

Electromagnetic emission(EME) is a kind of physical phenomenon accompanying the process of deformation and fracture of loaded coal and rock and it is of importance in quantitatively analyzing its characteristics.This will reveal the process of deformation and fracture of coal and predicting dynamic disasters in coal mines.In this study,the G-P(Grassberger and Procaccia) algorithm,calculation steps of the(if only 1 dimension) correlation dimension of time series and the identification standards of chaotic signals are introduced.Furthermore,the correlation dimensions of EME and the acoustic emission(AE) signals of time series during deformation and fracture of coal bodies are calculated and analyzed.The results show that the time series of pulses number of EME and the time series of AE count rate are chaotic and that the saturation embedding dimensions of a K3 coal sample are,respectively,5 and 6.The results can be used to provide basic parameters for predicting of EME and AE time series.