1 中国工程物理研究院 应用电子学研究所,四川 绵阳 621900
2 中国工程物理研究院 研究生院,四川 绵阳 621999
3 先进激光与高功率微波全国重点实验室,四川 绵阳 621900
针对当前空间碎片数量急剧增长问题,探究基于强电磁辐照的主动清除手段的可行性,以多层隔热结构作为典型危险空间碎片模型,重点关注其电磁响应敏感的金属镀层部分,通过构建复杂多环境因素物理场,在S波段强电磁辐照和真空环境下进行了验证实验。实验结果表明,在10−3 Pa量级的真空环境下,强电磁脉冲与多层隔热结构金属镀层发生相互作用,引发放电现象并产生等离子体,同时伴随着宏观动力学特性的改变。通过观察和分析,我们探讨研究了可能的物理过程,包括强场击穿导致材料点放电、面闪络引起材料网状放电和镀层损伤、粒子吸收微波能量导致材料变形以及等离子体烧蚀引起材料损毁等。该研究为利用强电磁脉冲辐照主动移除危险空间碎片提供了重要的技术支持。
电磁辐照 空间碎片 隔热材料 放电损伤 electromagnetic irradiation space debris heat insulation material discharge damage 强激光与粒子束
2024, 36(4): 043028
强激光与粒子束
2024, 36(4): 043031
强激光与粒子束
2024, 36(1): 013004
1 中国工程物理研究院 应用电子学研究所,四川 绵阳,621900
2 中国工程物理研究院研究生院,四川 绵阳,621900
3 中国工程物理研究院 流体物理研究所,四川 绵阳,621900
4 95972部队,甘肃 酒泉,735300
在探测目标尺寸小且距离远时,由于光电系统的视场角很小,有效的目标前级引导是光电系统跟瞄目标的前提。目标引导的本质是将大地坐标系下的目标点转换至光电系统局部坐标系下,转换过程中引入一系列旋转和平移参数,其准确程度决定了最终的目标引导精度。提出基于无人机航迹的光电系统引导误差校正方法,通过围绕光电系统周围无人机航迹数据,求解引导数据计算过程中坐标变换的最优参数,进而提高目标引导精度。在本项目搭建的实验装置上实现了方位引导标准方差小于0.052°,俯仰引导标准方差小于0.04°,最大误差不超过0.7°。目标前级引导的引导精度越高,光电系统捕获目标速度越快,对于提高目标处置相应速度具有重要意义。
目标引导 引导误差 目标探测 target guidance guidance error target detection
1 中国工程物理研究院 应用电子学研究所,四川 绵阳 621999
2 中国工程物理研究院 高功率微波技术重点实验室,四川 绵阳 621999
在大气环境模拟实验平台上,利用S 波段高功率微波(HPM)击穿大气产生等离子体,开展Ka 波段电磁波在等离子体中的传输特性实验研究,得到不同频率电磁波下等离子体传输衰减规律,并发现电磁波与大气等离子互作用呈现透射新颖现象:Ka 频段透射增强或减弱呈振荡形式,透射增强最大增幅接近2 倍,最大增强频点附近透射增强以周期性规律出现,间隔周期约为80 MHz。随着气压升高,透射增强现象仍然存在,但增强幅度随之减小。理论分析了可能引起透射增强的原因, 该试验研究成果为HPM 大气等离子体在隐身、黑障通信等方面的应用提供了可能。
电磁波 等离子体 透射增强 electromagnetic waves plasma propagation enhancement effect 太赫兹科学与电子信息学报
2023, 21(6): 809
针对无人机视角下目标尺度差异大、检测场景复杂、目标小且密集而导致的检测精度不高的问题, 提出了一种基于改进YOLOv5n的实时目标检测算法。首先, 通过引入轻量通道注意力(ECA)模块提高卷积神经网络对特征图内有效信息的提取能力; 其次, 在特征金字塔网络输出端后, 加入自适应空间特征融合(ASFF)模块, 提高不同尺度特征图的识别精度; 再次, 使用EIoU损失函数计算预测框和目标框的差异值, 加快收敛速度并提高检测精度; 最后, 改进YOLOv5n的检测头, 优化模型对小目标的检测性能。在VisDrone数据集上训练测试, 相比于基础的YOLOv5n模型, 在640×640分辨率下, 改进后模型的类平均精度(mAP50)提高了6.1个百分点; 在1504×1504分辨率下类平均精度(mAP50)提高了7.1个百分点; 同时, 改进后的模型检测速度在硬件上可达22 帧/s以上。该算法模型在精度提高的同时保证了足够高的检测速度, 更适用于无人机的小目标实时检测。
无人机 小目标检测 注意力机制 损失函数 自适应空间特征融合 UAV small target detection attention mechanism loss function Adaptively Spatial Feature Fusion (ASFF)
1 矿冶科技集团有限公司,北京 100160
2 黑龙江紫金铜业有限公司,齐齐哈尔 161041
将600目(23 μm)和1 000目(13 μm)煤系偏高岭土按照0%、5%、10%、15%(质量分数)的掺量分别掺入混凝土,通过强度测试、XRD、TG-DTG、SEM-EDS和氮吸附试验等研究了煤系偏高岭土细度和掺量对混凝土力学性能和微观结构的影响。结果表明:偏高岭土的掺入显著提高了混凝土的力学性能,当偏高岭土细度为1 000目、掺量为15%时,混凝土的抗压强度最大,90 d抗压强度达到了81 MPa;水化产物主要由氢氧化钙、钙矾石、类水滑石及水化硅酸钙(C-S-H)凝胶等组成,掺入偏高岭土并未改变水化产物种类,但是增加了水化产物中C-S-H凝胶的产生量,同时降低了氢氧化钙的含量。偏高岭土与水泥水化产物氢氧化钙发生二次水化生成C-S-H凝胶,提高混凝土致密性,这是偏高岭土能够增强混凝土力学性能的主要原因。
煤系偏高岭土 混凝土 力学性能 水化产物 微观结构 火山灰反应 coal-series metakaolin concrete mechanical property hydration product microstructure pozzolanic reaction
针对相机抖动、拍摄物体快速运动以及低快门速度等因素造成的图像非均匀模糊,提出一种结合多尺度特征融合和多输入多输出编-解码器的去模糊算法。首先使用多尺度特征提取模块来提取较小尺度模糊图像的初始特征,该模块使用扩张卷积来以较少的参数量获得更大的感受野。其次,通过特征注意力模块来自适应地学习不同尺度特征中的有效信息,该模块利用小尺度图像的特征来生成注意图,能够有效地减少冗余特征。最后,使用多尺度特征渐进融合模块逐步融合不同尺度的特征,使得不同尺度特征信息能够进行互补。相比以往的使用多个子网堆叠的多尺度方法,文中使用单个网络就能提取多尺度特征,从而降低了训练难度。为了评估网络的去模糊效果和泛化性能,提出的算法在基准数据集GoPro、HIDE和真实数据集RealBlur上均进行了测试。在GoPro和HIDE数据集上的峰值信噪比值分别为31.73 dB和29.39 dB,结构相似度值分别为0.951和0.923,其结果均高于目前先进的去模糊算法,并且在真实数据集RealBlur上也取得了最佳效果。实验结果表明,提出的去模糊算法相比现有算法去模糊更为彻底,能有效地复原图像的边缘轮廓和纹理细节信息,并且能够提升后续高级计算机视觉任务的鲁棒性。
图像去模糊 图像恢复 深度学习 多输入多输出 多尺度网络 image deblurring image restoration deep learning multi-input multi-output multi-scale networks 红外与激光工程
2022, 51(10): 20220018
强激光与粒子束
2022, 34(11): 113004