【摘 要】
：
声光子晶体是一种具有周期结构的人工复合新型微结构材料,同时具有声子带隙和光子带隙以及局域模式两个重要特性。在这些物理性质中,诸多优于天然材料的物理特性是都源于它们的带隙特性。因此充分利用这一特性,使得对电磁波和弹性波的控制构建了一系列优越的平台,并在声光功能器件领域有潜在的应用前景。二维板式结构是一种常用的结构形式,在各种机械工程中已经得到了广泛应用,所以对二维平板声光子晶体能带的研究具有重要的应
论文部分内容阅读
声光子晶体是一种具有周期结构的人工复合新型微结构材料,同时具有声子带隙和光子带隙以及局域模式两个重要特性。在这些物理性质中,诸多优于天然材料的物理特性是都源于它们的带隙特性。因此充分利用这一特性,使得对电磁波和弹性波的控制构建了一系列优越的平台,并在声光功能器件领域有潜在的应用前景。二维板式结构是一种常用的结构形式,在各种机械工程中已经得到了广泛应用,所以对二维平板声光子晶体能带的研究具有重要的应用价值。本文采用平面波展开法和有限元法,对声光子晶体在二维平板中的能带结构、声光缺陷态等问题进行了计算与分析。主要包括以下内容:1、首先介绍了声光子晶体以及相关概念、特点及其应用,然后介绍了计算能带结构常用的理论和数值计算方法,并简述了调控声光子晶体的基本方程式。2、其次采用平面波展开法和有限元法对二维平板声光子晶体的能带结构进行了模拟计算,并对影响二维平板声光子晶体带隙的各种结构参数进行了分析,结构参数主要包括二维平板声光子晶体的晶格类型、散射体的形状、散射体半径的大小、平板的厚度。3、最后利用有限元法计算了两种类型晶格二维平板声光子晶体中两种缺陷的局域特性。其中我们设计了基于正方晶格的十字架模型和L3模型的点缺陷,直线型和折线型的线缺陷,以及基于三角晶格的L1和L3型点缺陷,直线型和Y型的线缺陷。通过模拟仿真计算发现,当电磁波和弹性波在声光子晶体中传播时,在带隙频率范围内,缺陷会局域在缺陷内形成局域模式,在点缺陷中形成共振腔,在线缺陷中形成波导结构。
其他文献
传感器是电网中各种信息量的探测终端,是电力调度、监测控制、在线监测、互联通讯的基础设施单元,为电网的稳定运行提供了可靠的保障。然而,随着智能电网的发展,电网对传感器性能要求更加严格,对传感器的需求数量日趋增加,传统单一的电池供能无法满足使用需求,对传感器的运行维护难度大大增加。如何解决传感器的可靠供能,成为制约无线传感技术发展的重要因素之一。本文对现有几类环境取能方式进行了归纳,根据各种取能方式的
复合绝缘子体积小、质量轻,并且耐污闪性能优异,因而在输电线路中应用广泛。但随着运行时间的增加,其耐污闪性能不断下降,直观表现为硅橡胶伞裙憎水性能的降低,为了保证电力系统的稳定运行,需要定期检测复合绝缘子的憎水性,将严重老化的绝缘子退出电力系统的运行。常用的憎水性检测方法为喷水分级法,但传统的喷水分级法存在较强的人为主观性,为了克服这个缺点,很多学者将喷水分级法与图像处理技术相结合,提取出喷水图像中
背景和目的糖尿病视网膜病变（diabetic retinopathy,DR）已经成为导致成人非外伤性失明的主要原因。DR的病理生理机制复杂,氧化应激和炎症在其中起到重要的作用。胆红素是血红素的主要代谢产物,具有强大的氧自由基清除能力。因此,胆红素可能对DR具有重要保护作用。本研究旨在探究2型糖尿病患者血清胆红素水平和视网膜病变的相关性。方法本研究选取从2018年11月至2020年11月在南昌大学第
近年来,随着机器学习的火热发展,脑机接口研究领域也重归热门,相应的也暴露出很多问题。脑电信号的基本特点就是非线性和非平稳性,这就表明不同人的脑电信号差异巨大,在进行预处理和特征提取时,没有统一的完美的方法。鉴于此,本文针对2008年BCI CompetitionⅣ的Data sets2a数据集的9位受试者的脑电信号,提出了一种新的预处理方案。此外,本文首次引入SSA对SVM分类器进行核系数和惩罚系
地面数据处理系统需要高光谱图像的可视化,以便进行快速查看和信息测量。与多光谱图像相比,高光谱图像拥有更加丰富的信息,这为高光谱图像可视化研究提供了有利条件。传统的高光谱图像可视化算法通常存在色彩失真与细节丢失的问题,本文分析了现有算法中存在的问题,结合神经网络技术在特征提取与图像重建方面的优势,采用神经网络技术对高光谱图像可视化问题进行了建模。主要研究内容如下:1、对于传统的高光谱图像可视化任务,
无线传感器网络（Wireless Sensor Networks,WSNs）被广泛应用于各个领域,是物联网感知层重要的支撑技术之一。如何最大限度地提高其能量效率,是当前重要的研究课题。现存的WSNs能效优化研究存在以下两个问题。问题一,传统的能量收集受限于很多外部因素,缺乏稳定性,能量采集效率低下;问题二,经典路由协议在簇头选举和簇间路由选择上不合理,簇头选举未考虑节点能量,簇间多跳传输耗能严重,
联邦学习作为人工智能的一个新兴领域,能有效帮助多个边缘设备在满足用户隐私保护的要求下,协同训练共享模型,但仍然存在能耗开销重和隐私漏洞等问题。首先,边缘设备实时训练本地数据时会产生大量能源消耗,特别是当联邦学习横向扩展时,随着边缘设备数量的增加,能耗问题会进一步加重。其次,联邦学习这种协同学习行为仍可以通过模型逆推理的方式繁衍出用户隐私信息。因此,我们急需一种方法来支撑大规模机器学习并降低用户隐私
近年来,人工智能技术发展迅速。其中,深度学习技术作为人工智能技术的一个重要分支广泛应用在图像识别、物体检测、语音识别方面。自从Google团队把深度学习应用到完备信息博弈游戏围棋中,并取得了巨大的成功之后,把深度学习技术应用到博弈上的研究开始越来越多。传统的解决非完备信息博弈的方法主要有强化学习,搜索等方式来解决。强化学习的方法对于有巨大动作空间的问题来讲,需要维护一个巨大动作-价值表,这样对于很
人们赖以生存的环境与湿度息息相关,湿度是衡量大气干燥程度的一个重要参数。湿度的检测和控制给人们的生产生活带来了诸多便利,尤其是在工业、农业、气候、医疗服务,日常生活,食品,新材料开发在内的各个重要领域。随着智能材料的发展,新型的湿度传感器已经在人们日常生活的方方面面得到了广泛的应用,其中包括智能家居和人体皮肤检测等。随着科学技术的发展,人们对湿度传感器的要求也在不断的提高。在高灵敏度,准确性的基础
社会运行通常有两种状态,一种是常态,另一种是非常态,即危机状态和应急状态。不同社会运行状态对治理体系治理能力和领导素质领导行为要求的重点有所不同,这就决定了在危机状态下,领导干部需要能够把握和遵循非常态治理的特点和规律,及时转变领导理念,迅速实现治理模式从常态治理到应急管理的有序有效转换。