论文部分内容阅读
基于链式储能的功率转换系统关键技术
【机 构】
：
中国科学技术大学
【出 处】
：
中国科学技术大学
【发表日期】
：
2020年期
【基金项目】
：
其他文献
拓扑半金属是具有奇异物理特性和重要科技应用的一种新颖拓扑量子材料。拓扑半金属在其费米能级附近，导带和价带间有重叠的部分而形成有限个点或者节线圈。根据其能带结构及能级简并特征，拓扑半金属主要可分为狄拉克半金属(Dirac semimetal)、外尔半金属(Weyl semimetal)和节线半金属(Nodal-Iine semimetal)。这种拓扑能带结构由于受到时间反演对称性和空间反演对称性的保护，因而拥有很强的稳定性。高压强(high pressure)是一种环境参数，可以缩短材料内原子间距离，增加相
微创手术通过内窥镜为医生提供二维反馈,为避免无深度信息的图像对手术操作准确性的影响,本文研究了SLAM下人体内腔特征点的检测与匹配,从而重建人体内腔环境,使医生得到手术场景的三维反馈,提高手术安全性。首先,进行针对人体内腔环境的图像预处理。由于内腔环境湿润且表面光滑,在光照条件下易产生镜面反射,本文分两步分别进行了绝对明亮区域和相对明亮区域的高光检测,并进行基于中值滤波的高光修复,达到高光抑制的目
无人机遥感技术作为除卫星遥感和普通航空遥感外获取地理遥感信息的又一重要手段,近年来得到了飞速的发展。现代遥感的核心是图像配准技术,而图像匹配作为图像配准技术的关键,其结果将直接对后续要进行的科学研究和实际应用产生影响。无人机航拍获取区域遥感图像时,当航拍区域内存在特殊地貌,现有基于特征的图像匹配算法很难提取到足够数量的特征;并且当因相机位置摆放和遥感平台受周围环境影响产生抖动会造成所获取图像产生局
随着机械工业的迅速发展,机械零件也进入了发展的新阶段。机械零件在加工过程中,会经历切削、摩擦等加工流程,这会导致其表面产生不平整的痕迹。机械零件表面的微观形貌直接影响其使用性能和使用寿命,尤其是高温高压的环境下。二维微观形貌的测量不能获得被测表面的空间形貌特征,为了保证产品质量的稳定性,需要对零件的表面特征进行更加全面、具体的描述。基于此,论文搭建了一套以光切法为原理并结合图像处理技术的表面三维微
我国铁矿资源现状为高品位天然矿产少,贫矿、伴生矿多。铁精矿是钢铁生产的主要原材料,现代化大规模钢铁生产需要对原矿石经过多级选矿处理,制成高品位的铁精矿。针对大规模自动化选矿生产中对不同选矿阶段的品位把控问题,以及铁矿选矿加工中在线采集困难、测试效率低等问题,合理设计铁品位检测装置并实现铁品位现代化、自动化检测十分重要。首先,本文以磁铁矿铁精矿为研究对象,研究了铁品位检测问题。以自感式传感器工作原理
近些年来,随着我国科学技术的高速发展,医疗、健康、地震救灾等领域的对生命体征检测的需求也逐渐提高。超宽带生物雷达技术因其检测精度高、抗干扰能力强、能耗小等优点,逐渐成为一种重要的手段。本文针对生命体征检测中呼吸、心率信息提取的问题,进行了相关研究。主要工作内容概括如下:本文根据生命体征检测中存在的问题,分析了超宽带生物雷达探测人体生命体征的优势,研究了超宽带生物雷达的相关理论知识。本文研究了一种基
经过长期的生存竞争和自然选择，动物和植物进化出了与环境相适应的各种独特功能。随着近代显微成像技术的发展，人们发现在这些动植物表面具有一些独特的微纳米结构，结合表面的化学特性，从而产生独特的功能，帮助生物在残酷的自然选择中生存下来。基于向自然学习进而服务于人类生活和科技发展的理念，仿生学逐渐诞生。
在制备仿生功能表面结构方面，各种微纳加工手段已被成功运用。然而随着仿生对象结构复杂度的提高，传统平面微纳加工技术由于其复杂造型能力弱，而3D打印技术又具有可选择材料范围窄、效率和精度难以兼顾的局限性，越
在制备仿生功能表面结构方面，各种微纳加工手段已被成功运用。然而随着仿生对象结构复杂度的提高，传统平面微纳加工技术由于其复杂造型能力弱，而3D打印技术又具有可选择材料范围窄、效率和精度难以兼顾的局限性，越
微米尺度的液滴(微液滴)在科学研究和工程应用中具有重要的价值。近年来,学者们基于微纳尺度流动方法开发了多种微液滴制备技术,可以一步到位地生成多种结构的微液滴。常见的微流控芯片技术与玻璃毛细管技术均可以在滴模式下制备高单分散微液滴,但都具有较低的通量。毛细流动聚焦(简称流动聚焦,Flow focusing)是一种“高速”的微纳尺度流动方法,其原理为从毛细管流出的流体在另一种流体的驱动下,经过小孔形成
图像和视频作为人类获取外界信息的重要的载体，在采集、获取和传输过程中会因为环境影响混杂噪声，导致图片和视频的细节信息被覆盖，从而干扰人类对原始图片和视频的理解和后续的应用。而图像去噪和视频去噪的目的就是在去除混杂在图片和视频中噪声的同时恢复图片和视频中的边缘信息和纹理信息。目前流行的图像去噪算法和视频去噪算法主要可以分为两类:一类是传统的基于非局部自相似的去噪算法，另一类去噪算法是基于卷积神经网络(Convolutional Neural Network，CNN)的去噪算法。由于卷积神经网络具有强大的特征