Shot Noise Suppression in a Quantum Point Contact with Short Channel Length

An experimental study on the current shot noise of a quantum point contact with short channel length is reported. The experimentally measured maximum energy level spacing between the ground and the first excited state of the device reached up to 7.5meV, probably due to the hard wall confinement by using shallow electron gas and sharp point contact geometry. The two-dimensionM non-equilibrium shot noise contour map shows noise suppression characteristics in a wide range of bias voltage. Fano factor analysis indicates spin-polarized transport through a short quantum point contact.

应用原型网络的小样本次声信号分类识别方法

地震、闪电、火箭发射、爆炸等活动都会伴随着次声信号的产生。为提升次声事件的监测能力,需要对小样本的次声信号进行正确分类识别。针对小样本集的次声事件的有效识别问题,结合长短期记忆模型提出了一种应用原型网络的次声信号分类方法。使用该方法分别对公开的次声信号数据集和实地采集的地震、爆炸、闪电、火箭再入产生的4类次声信号进行分类实验。实验结果表明,该方法相对于传统方法,简化了特征提取的过程,有效解决了小样本集次声信号的特征分析问题,取得较好的分类结果和泛化效果。

面向结构地震响应预测的Phy-LInformers方法

为了准确评估建筑结构在地震作用下的动力特性和延性性能并促进韧性城乡的建设,本文提出了一种名为Phy-LInformers的深度学习框架,该框架综合运用了长短期记忆网络(long short-term memory,LSTM)、Transformer类模型Informer以及物理先验知识,以实现对建筑结构非线性地震响应的精确预测。该框架的核心思想是结合Informer的编码(Encoder)和解码(Decoder)结构,在Decoder部分引入了LSTM以预测建筑物先前的历史状态信息。同时,通过将现有的物理知识(例如预测变量之间的状态依赖关系和运动控制方程等)编码到损失函数中,对Phy-LInformers进行指导并约束其学习空间,同时提高有限训练数据下深度学习模型的预测性能。随后,通过2个模拟数据算例验证所提框架的性能。结果表明,所提出的Phy-LInformers是一种鲁棒性良好、预测性能优秀的非线性地震响应预测方法,即使在训练样本非常少(例如仅有10条)的情况下依然能准确预测结构在地震作用下的动力响应。这一特性使得Phy-LInformers在工程实践中具有可行性,并且在建筑结构抗震性能评价领域展现出良好的应用前景。

基于Moldflow软件的短射法气辅成型数值分析及优化

使用数值成型对短射法气辅成型进行分析及优化。依据经验设计,对塑料扶手设计了3种进气方案,仿真结果表明:设置进气点位于浇口位置附近(方案3),气体虽未能充满所有部位熔体内部,但气道质量最佳。以方案3为基础,优化工艺参数,得到最佳方案为熔体注射量40%,气体延迟时间2.5 s,此时气体充满熔体内部,熔体壁厚减小且壁厚均匀,气道质量较好。以翘曲变形量为考察对象,运用正交试验法继续优化其他工艺参数,得到了最佳工艺方案为:熔体温度240℃,模具温度60℃,保压压力3 MPa,保压时间10 s。

基于舰载雷达小样本的低慢小目标识别方法

本文针对舰载雷达低、慢、小目标探测面临的小样本识别问题,提出一种基于小样本学习的低慢小目标分类识别方法。该方法将低慢小目标雷达回波数据转换到小波变换域,利用多头注意力机制和双向长短记忆人工神经网络相结合的方式,解决了小样本目标分类识别的问题。在低慢小目标雷达回波仿真数据集上,开展模型训练和算法验证,分析任务差异性与识别准确率的关系,实验结果表明该方法对典型低慢小目标识别精度可达90%以上,在雷达目标识别领域具有较好的应用价值。

汽车电控单元保护壳翘曲变形特性及成型优化

针对汽车电子控制单元(ECU)保护壳在注塑过程中出现的短射、翘曲变形问题,首先通过优化模具的浇注系统解决了初始试模方案的短射问题,随后优化模具冷却系统,单独建立由冷却不均引起的较大翘曲变形处的冷却管路,并适当提高其冷却液温度,以减小塑件薄壁内外侧温度差。冷却系统优化后由冷却不均引起的翘曲变形量从初始方案的0.263 2 mm减少到0.161 7 mm,较优化前降低了38.6%。最后利用Moldflow模流分析仿真软件,以熔体温度、模具温度、保压压力、保压时间及冷却时间为影响因素,采用Taguchi正交试验法进行成型参数优化,并结合极差分析探究成型参数对翘曲变形特性的影响规律,获得最佳成型参数,减小塑件翘曲变形量。结果表明,保压压力对翘曲变形影响最为显著,在最佳成型参数组合下,即熔体温度275℃、模具温度100℃、保压压力90 MPa、保压时间10s、冷却时间35 s,ECU保护壳最大翘曲变形量从初始方案的1.331 mm减少到0.955 4 mm,较优化前降低了28.2%。

基于单体到模组迁移的磷酸铁锂储能系统SOH评估方法

为了解决传统机器学习的电池健康状态(state of health,SOH)评估方法在应用于大规模电化学储能电站的应用场景时,存在的数据处理慢和评估效果差等问题,提出了一种基于单体到模组迁移的磷酸铁锂储能系统SOH评估方法。基于实验获取了磷酸铁锂电池和电池组的老化数据集,构建了迁移学习的SOH评估模型框架,验证了小规模样本再训练模型的评估效果;测试了采用长短时记忆神经网络(long short-term memory networks,LSTM)和门控循环单元(gated recurrent unit,GRU)等模型的评估效果;对比了不同片段的短特征样本数据对评估结果的影响。研究结果证明,经过小规模样本数据优化后的电池单体模型能够实现对电池组SOH的评估;以GRU为主网络的迁移学习模型对电池组SOH的评估综合性能最优;采用电压区间为24.5~30 V片段短特征数据集的模型,能够进一步提高评估准确性和速度,对电池组SOH评估均方差可降低至0.1%,符合大规模储能电站场景下的使用需求。研究成果为电化学储能电站的运行状态评估方法提供可能的技术参考和数据支撑。

基于提示学习的中文短文本分类方法

伴随着互联网的飞速发展,产生了海量以微博、推特等为代表的少于100字的短文本数据,这些文本长度极短、特征稀疏、语义不足,因此给短文本分类问题带来了巨大挑战。现有的中文短文本分类方法往往需要大量的有标签或无标签的数据,但在实际应用中,大量的训练数据往往难以获取,且成本很高。为此,该文提出了一种基于提示学习的中文短文本分类方法,适用于少样本状况下的短文本分类。实验结果表明,该方法在仅使用少样本训练数据的情况下比使用大量训练数据的其他模型表现更好。具体来说,该文手工设计了模板,将使用了模板的原始数据替换为含有mask的文本作为新的输入,最终取得了较好的分类效果。通过对4个基准数据集进行验证,基于提示学习的分类方法在仅有40个训练样本的情况下比BERT预训练语言模型使用740个样本的准确率高出近6%。

基于多场景敏感气象因子优选及小样本学习与扩充的转折性天气日前风电功率预测

随着风电渗透率的不断提高,如何对风电出力进行精准可靠预测是电力系统调度部门所面临的巨大挑战。当前,中国已具备较为成熟的风电功率预测解决方案,但其在转折性天气时段仍会出现极端预测偏差。同时,转折性天气数据集相对于常规功率预测数据集而言属于小样本,如何在小样本数据集下实现准确建模是精度提升的关键。针对上述问题,提出一种基于多场景敏感气象因子优选及小样本学习与扩充的转折性天气日前风电功率预测方法,该方法通过优选与构造多重场景转折性天气过程下的气象敏感特征,利用时间序列生成对抗网络对多场景气象敏感特征小样本集进行扩充,并采用长短期记忆神经网络对扩充后的敏感气象因子与风电观测出力序列之间的非线性关系进行建模。采用吉林某风电场数据进行算例验证,结果表明所提模型能够在一定程度上提高包含转折性天气的日前风电功率预测精度。

基于注意力机制归纳网络的小样本关系抽取模型

针对小样本关系抽取问题,提出一种基于注意力机制的归纳网络.首先,利用归纳网络中的动态路由算法学习类别表示;其次,提出实例级别的注意力机制,用于调整支持集,并获取支持集与查询集样本之间的高级信息,进而获得与查询实例更相关的支持集样本.该模型很好地解决了训练数据不足时如何进行关系抽取的问题.在小样本关系抽取数据集FewRel上进行实验,得到的实验结果为:5-way 5-shot情形下准确率为(88.38±0.27)%,5-way 10-shot情形下准确率为(89.91±0.33)%,10-way 5-shot情形下准确率为(77.92±0.44)%,10-way 10-shot情形下准确率为(81.21±0.39)%.实验结果表明,该模型能适应任务并且优于其他对比模型,在小样本关系抽取中取得了优于对比模型的结果.

短射法水辅助注塑工艺水穿透实验

对短射法水辅助注塑工艺中水的穿透进行了实验研究。实验表明,水穿透分为一次、二次穿透,一次穿透分前后段。单因素实验发现,一次穿透长度随熔体预注量的减少、注水延迟时间的延长、注水压力的降低而变长。一次穿透前段残余壁厚随熔体预注量和注水延迟时间的延长而变厚,后段残余壁厚则相反;一次穿透残余壁厚随注水压力增大而变薄。正交实验发现,一次穿透长度主要受熔体预注量和注水延迟时间影响;一次穿透前段残留壁厚主要受注水延迟时间和注水压力的影响;一次穿透前后段残留壁厚差主要受熔体预注量、注水延迟时间和注水压力的影响。

注射成型中常见成型缺陷的研究

对注射成型过程中常见的成型缺陷(如短射、滞流和沉降斑)的形成原因进行了分析。从模具设计、工艺参数设置和塑料材料选择三个角度提出了解决问题的办法。进而用商业化CAE软件对这三种成型缺陷进行了数值模拟,探讨了模具设计、工艺参数、材料对成型缺陷的影响程度和改进方案的可行性。

CAE技术在GPS壳体注塑模缺陷分析中的应用

利用CAE技术对GPS注塑模的成型缺陷进行分析,提出5个注塑改进方案,并进行了可行性模拟,根据模拟分析结果,提出了合理的注塑成型工艺方案。结果显示:模具CAE技术在解决注塑产品设计、模具设计及成型过程中,具有快速、准确、方便、高效等优势,可以缩短模具制造周期,降低成本,提高生产效率。

注射模充填模拟软件的实验验证

对商品化注射模模拟软件C-MOLD和Moldflow-Insight的充填过程理论进行了详尽的描述,将两种常见几何结构的制品用这两种CAE软件进行了充填模拟,并将模拟结果与实验值进行了定量的对比。结果表明,对于实验中出现的滞流和短射现象,软件都能很好地预测出来,基本能正确地反映真实的充填过程,从而验证了CAE软件分析的可靠性与准确性。

薄壁塑件注射成型工艺参数对短射的影响分析

系统分析了薄壁塑件成型过程中常见的短射现象与产生的原因,以薄壁外壳塑件成型为例,结合数字模拟和正交试验方法对影响成型过程的工艺参数进行了分析。结果表明,注射速度大小是导致短射的主要原因,保压时间为不敏感因素,在注射速度不变的情况下单纯延长保压时间并不能消除短射缺陷。

气辅注射成型工艺参数对气体穿透行为的影响

考察了气辅注射成型工艺参数(延迟时间、气体压力、熔体温度、预注射量)对气体穿透行为的影响。研究表明,延迟时间越短、熔体温度越高,残余壁厚越小。另外,预注射量、延迟时间和熔体温度对穿透长度的影响最为显著,即预注射量越大、延迟时间越短、熔体温度越低,穿透长度越长。结合此前研究者的数值模拟结果可以看出,残余壁厚率与通过数值方法得到的结果是较为一致的。

注塑模流动模拟的数值方法及实验验证

本文采用有限元法和有限差分法的混合解法,对非牛顿流体非等温流动的数学模型,编制了塑料熔体在三维薄壁型腔内流动的模拟程序,并将程序的预测值和实验测量结果进行了比较.

汽车弯管气辅注塑模具设计

通过对汽车弯管的结构分析,设计了该塑料件的气体辅助注塑模具的结构。重点分析和研究了该模具的成型零件、浇注系统、气辅注射系统、侧向抽芯机构、排气系统、温度控制系统和导向定位系统。通过采用短射的气辅注射方式,有效地保证了塑料件的成型质量和注塑周期,达到了客户的要求。

碱性电池密封圈欠注原因分析与对策

结合尼龙66(PA66)碱性电池密封圈尺寸小、精度要求高的特点,全面分析了预防电池密封圈欠注的设计及制造的关键技术。列出了碱性电池密封圈欠注的原因,系统阐述了电池密封圈注塑中欠注缺陷的解决方法。

基于MoldFlow的手机外壳注射工艺参数优化

在冷却分析的基础上对塑件进行冷却、充填+保压、翘曲分析,得到新的充填和保压工艺参数,即需缩短注射时间和保压时间,增大保压压力。在新的工艺参数下进行冷却、充填+保压、翘曲分析的结果较好。充填流动平稳,没有滞流和短射现象。总体的温降也得到改善,塑件的体积收缩率减小,残余应力减小。