We propose a method for detecting the symmetry of rotating patterns based on the rotational Doppler effect (RDE) of light. The basic mechanisms of the RDE are introduced, and the spiral harmonic distribution of rotating patterns is analyzed. By irradiating the rotating pattern using a superimposed optical vortex and analyzing the amplitude of the RDE signal, the spiral harmonic distribution of the pattern can be measured, and then its symmetry can be detected. We demonstrate this method experimentally by using patterns with different symmetries and shapes. As the method does not need to receive the scattered light completely and accurately, it promises potential application in detecting symmetrical rotating objects at a long distance.

目的是研究高性能的电磁场仿真软件，对真实的芯片-系统电磁脉冲耦合过程进行高分辨率、高置信度的电磁仿真。研究重点是针对多尺度问题，突破算法的并行计算瓶颈。基于自主软件平台快速研发出仿真软件，在高性能计算平台上完成对真实复杂问题的全波电磁仿真。通过对某真实机箱内部芯片的电磁脉冲耦合仿真分析，验证了本文提出的算法的高性能、高效率的特性。

对于基于叠加态涡旋光和涡旋光零差探测等传统转速测量方式，光的远距离传输和发散等原因造成的信号光衰减会导致探测系统无法准确提取信号，而涡旋光平衡探测系统可以解决这一难题，但是以往的研究对该探测系统的精度和信噪比鲜有分析，这一定程度上限制了其工程化的进展。首先将零差探测系统作为对比项，通过分析不同转速下涡旋光平衡探测系统和零差探测系统测量精度的变化情况，证明了二者均可实现高精度测量，其次通过对比在不同信号光功率下二者的信噪比(SNR)，发现了在测量微弱信号时涡旋光平衡探测系统具有明显优势；最后，通过分析不同本振光功率对信噪比造成的影响，揭示了平衡探测信噪比和本振光功率之间的关系，阐明了信噪比随本振光功率变化的原因。

针对传统神经网络在多维数据高分辨率特征识别和高精度信号提取方面的缺陷，开展基于残差自注意力机制的剩余使用寿命（RUL）预测算法研究。比较分析卷积神经网络（CNN）和长短期记忆神经网络（LSTM）的结构特性，揭示二者在长序列信息特征关联能力和局部特征提取能力上的局限性。研究自注意力机制，引入双层残差网络抑制误差函数反向传播中扩散性，进而构建了一种卷积记忆残差自注意力机制的深度学习方法。基于上述方法对典型航空涡扇发动机退化实验数据集进行仿真分析，结果表明：所述方法能够有效建立监测数据与发动机健康状态之间的关系，关键评价指标——剩余使用寿命预测的均方误差为225，相比传统自注意力机制均方误差降低了17.9%，验证了所述方法的可行性和有效性。

针对复杂电磁环境下器件多物理效应机理研究需求，研发了半导体多物理效应并行计算程序JEMS-CDS-Device。介绍了JEMS-CDS-Device的架构设计与实现技术。程序基于非结构网格并行框架JAUMIN实现，采用有限体积法（FVM）离散，使用牛顿法全耦合求解“电-载流子输运-热”问题。程序采用“内核＋算法库”形式架构，支持2维和3维非结构网格、千万自由度问题并行求解，支持物理方程、离散算法、材料物理模型等的扩展开发。