一、Layer(层)的解析（论文文献综述）
鲁尧,咸日常,王立权,张万征[1]（2021）在《干式空心串联电抗器绕组匝间短路电磁特性研究》文中进行了进一步梳理针对干式空心串联电抗器绕组匝间短路故障频发的运行实际,文中首次考虑了无功补偿回路中并联电容器对串联电抗器电磁特性的影响,建立了基于磁场—电路耦合原理的二维轴对称模型,以分析电抗器的电磁特性与故障特征之间的定量关系。首先阐述了电抗器电感量、电流和磁场的解析计算原理,建立了电磁耦合原理下的二维轴对称分析模型,鉴于电磁耦合多物理场分析计算的复杂性,文中利用有限元分析软件Comsol验证电抗器正常运行工况下所建二维轴对称模型的准确性,然后,进一步分析了电抗器在绕组不同位置匝间短路工况下的电磁特征量,通过仿真对比分析,验证了所建立二维轴对称模型的合理性,表明电抗器绕组发生匝间短路故障时,流经短路环电流极大,呈现出由内层向外层、由端部向中间逐渐增大的分布特征,但回路总电流变化很小;另外,在绕组中间位置故障时磁场畸变最为严重。
王昕[2]（2021）在《轻量级卷积神经网络室内目标检测算法设计及硬件加速》文中指出我国目前残疾人总数超过8000万人,其中肢体类和视力残疾占比最多。为了解决视力、肢体类残疾人拿取生活必须品困难的问题,最新研究将目标检测算法移植在移动机器人上,通过摄像头拍取室内照片,并利用目标检测算法搜索物品所在位置,可以有效辅助视力、肢体类残疾人进行日常活动,解决该类残疾人在日常生活中常见的问题。本文对适用于室内小目标数据集的目标检测模型及硬件加速进行研究。论文基于YOLOv3 模型进行改进,提出了 YOLOv3-ShuffleNetv2、tiny-YOLOv3-ShuffleNetv2 两种轻量级目标检测模型。为验证模型的有效性,创建了室内小目标物品数据集indoor2020,将其作为评价模型性能的标准,对比了 YOLOv3、YOLOv3-ShuffleNetv2、tiny-YOLOv3-ShuffleNetv2三种模型的检测精度和检测速度。为了进一步提高检测速度,使用HLS 工具对目标检测模型各模块进行SoC硬件设计加速。论文采用了将轻量级网络ShuffleNetv2与目标检测网络YOLOv3结合的方案,既能够保证网络检测效果较好,又可以减轻模型,使其满足轻量化的要求,以便于移植到移动机器入中,并针对数据图像对模型进行改进优化,使其可以适用于室内小目标数据集。硬件加速部分采用Zynq-7000系列SoC开发板对训练好的模型进行分模块设计,本文设计的目标检测模型主要包含标准卷积、深度可分离卷积和最大池化层,因此硬件加速部分分别对这三个模块进行硬件结构搭建以及仿真综合。实验结果表明,YOLOv3模型大小为235M,检测速度为12帧/s;将YOLOv3与Shuffle-Netv2结合的YOLOv3-ShuffleNetv2模型大小为82M,检测速度为26帧/s,相对于YOLO-v3,模型减小为之前的1/3,速度提升了一倍;适用于小目标数据集的tiny-YOLOv3-Shuffle-Netv2模型大小为仅为20M,检测速度高达38帧/s。与YOLOv3相比,模型减小为之前的1/10,速度提升了 3倍。在Indoor2020数据集上进行评估,YOLOv3模型mAP为0.61;YOLOv3-ShuffleNetv2 模型 mAP 为 0.65;而 tiny-YOLOv3-ShuffleNetv2 模型 mAP 为 0.78。仿真和综合显示,这三种卷积核在SoC开发板上的资源利用率都较小,均不超过10%。可见,本文提出的tiny-YOLOv3-ShuffleNetv2模型可以满足实时性与轻量化的要求,并且准确率在三种模型中最高,可以实现移植入移动机器人中的目标。本文设计的目标检测模型及硬件加速方案可以为室内小目标数据集的检测提供算法与硬件实现参考。
庄浩宇[3]（2021）在《基于深度学习的知识抽取技术研究》文中研究说明知识抽取是自然语言处理领域非常关键的一项技术,具有很强的课题研究价值和众多的应用场景。近年来,深度学习的迅速发展使得知识抽取技术研究又上了一个新台阶。目前知识抽取的方法主要使用循环神经网络和卷积神经网络,但是这些方法并不是完美的,比如:循环神经网络在对长距离文本建模过程中遗失部分特征数据,不支持并行计算导致训练时间大大增加,卷积神经网络在池化层会遗失特征信息等。本文主要针对知识抽取中的关键技术问题展开研究,论文的主要工作和主要成果具如下:（1）针对东盟十国知识图谱构建过程中,传统的机器学习算法对中文自然语言处理任务准确率低、效率不高以及高度依赖特征设计等问题,提出一种基于BERT-Bi GRU-CRF网络结构来实现命名实体识别（Named Entity Recognition,NER）的方法。首先通过BERT模型进行预训练得到计算机可理解的低维向量,其次将词向量输入双向GRU-CRF神经网络模型提取语义特征信息。在数据方面,提出利用Hash Cos相似度算法以更加有效地划分数据集,从而减少数据分布不均匀带来的影响。实验表明,BERT-Bi GRU-CRF模型针对东盟新闻文本数据集中命名实体识别任务取得较好的效果,其中PER、ORG、LOC等实体的F1值均有不少提升。（2）关系抽取在知识抽取中具有不可或缺的地位。针对循环神经网络训练速度慢、特征信息准确度不高等问题,本文结合注意力机制和Bi SRU模型构建一种新型关系抽取的神经网络模型。首先采用BERT模型进行词嵌入训练,将词向量通过Bi SRU层提取语义表征,其中加入Attention机制提高模型关系抽取的准确性。在人物关系数据集上用该模型与其它模型进行对比分析,实验表明该模型在F1值和训练速度上都优于其它实验,特别在好友、合作和亲戚关系的识别中准确性较高,分别为86.84%、84.67%、80.67%。
姚媛媛[4]（2021）在《基于无线通讯的伺服驱动器调试系统的设计与实现》文中指出伺服驱动器作为现代工业上运动控制的主要组成部分,因其精度高、响应快被广泛应用于工业自动化的设备中。但是,随着智能化工业时代的到来,大数据、云计算等新兴产业的出现促使工业领域出现了一个大的变革,以数字化为驱动的工业大数据模式的制造业开始出现,通信的主体不再局限于人与人或人与物,以物与物为实体的通信业务在工业场景中越来越多,如工厂的自动化控制、工业物联网、自动化驾驶等,数据量呈现井喷式发展。工业设备需要高速、实时的处理海量数据才能满足当下的需求。虽然使用有线电缆进行数据传输,能够满足高速传输的需求,但是由于工程师每次需要在伺服电机背面调试,无法做到实时调控,使用不够便捷。为了提高现有伺服驱动器传输数据的效率、扩展伺服电机使用的场景,很有必要针对大数据时代的特征开发配套的基于无线通信的伺服电机的调试系统,提高其调试效率和使用便捷性。本课题依托沈阳中科数控技术股份有限公司的GJS3系列伺服驱动系统,在详细分析了实验室研究环境和系统需求之后,使用C#技术在Visual Studio 2019平台上开发了一套基于Windows系统的伺服驱动器调试系统。首先本文将会从目前国内外伺服调试系统的现状入手,以Wi Fi为主研究无线通信在工业场景上的应用。先使用串口调试工具通过Wi Fi模块调通伺服驱动器和PC端之间的串口通信,保证Wi Fi模块能和PC端能够通信。再实现一个PC端的伺服电机调试系统,主要实现参数配置模块、通信模块、伺服驱动器控制模块、数据采集与分析模块。本文针对不同模块的需求给出了不同的设计方案,其中通信模块是最重要的模块,对于提高无线传输的速度和稳定性,本文会重点研究无线通信协议,以Mod Bus协议为主对现有的串口通信协议的设计进行改进来满足工业大数据时代的高速数据传输需求。然后对改进的自适应串口通信协议在设计的伺服驱动器调试系统中进行测试,主要从传输效率、传输稳定性、误帧率等几个维度对算法进行验证,经实验证明,改进的算法在系统中表现良好。最后对伺服驱动调试系统的所有模块进行整体和分别的测试,测试主要是功能测试,分别设计了测试用例对其进行测试。还针对通信功能模块进行了非功能测试。最终的测试结果证明搭建的调试系统运行稳定、性能优异、能够满足需求并且达到预期效果。
魏光涛[5]（2021）在《夹芯结构的大变形和抗水下爆炸冲击研究》文中指出舰船结构的抗水下爆炸冲击问题是各国海军的研究重点。金属夹芯结构以其优良的抗冲击性能引发关注。本文以夹芯结构为研究对象,研究了水下爆炸冲击波与夹芯结构的相互作用机制,并开发了抗水下爆炸冲击的夹芯结构设计方案,为工程应用提供参考。本文基于扩展高阶夹芯结构理论和小变形假设,建立了夹芯结构的弹塑性静力学模型。芯子的材料行为假定为双线性行为,即剪应力、纵向和横向正应力和应变的关系均为双线性关系。根据芯子中可能存在的应力状态,分别求得了不同应力状态下的应变能,进而推导了运动控制方程并求解。通过三点弯仿真和试验,对本文理论模型进行了验证。其次,本文基于扩展高阶夹芯结构理论和大位移中转角假设,提出了考虑几何和材料非线性的夹芯结构动态响应理论模型。面板和芯子的材料行为假定为双线性行为。面板为各向同性,芯子为正交各向异性。采用非线性的GreenLagrange应变描述位移和应变的关系。对面板和芯子中应力状态进行分类讨论,推导得到了夹芯结构的应变能,进一步由最小势能原理推导得到了非线性运动控制方程,并采用数值方法求解。根据所提出的非线性动态EHSAPT模型,讨论了爆炸载荷下具有简支边界的夹芯结构的弹塑性瞬态响应问题。当芯子材料的双线性比减小时,其最大位移、剪应力和正应力等逐渐减少,时间周期变长。因此,当夹芯结构进入塑性变形时,材料的应变硬化行为对结构的动态力学响应存在显着影响。同有限元结果的对比表明,本文提出的非线性夹芯结构动态响应的理论模型,可以准确预报夹芯结构的非线性力学行为。再者,本文基于扩展高阶夹芯结构理论和大变形假设,建立了夹芯结构的静态和动态响应理论模型。面板和芯子是正交各向异性的,材料行为服从线弹性变形假设。采用完全的Lagrange描述,结合虚功原理,给出了大变形下夹芯结构刚度的显式表达式,推导得到了大变形下夹芯结构的静态和动态控制方程,分别通过Newton-Raphson迭代法和Newmark-beta法求解得到夹芯结构的静力学和动力学响应。传统的有限元仿真验证了本文大变形静动态EHSAPT模型的准确性。然后,本文建立了夹芯结构在水下爆炸冲击波作用下的力学响应理论模型和流固耦合模型。通过载荷分析,将流场中冲击波作用下夹芯结构动态响应问题,转化为在真空中具有一定结构阻尼的夹芯结构在入射波和反射波共同作用下的动力学问题。通过仅考虑顶部面板和芯子的纵向位移,得到了简化的夹芯结构在水下冲击波作用下的运动控制方程组,求解该方程组得到顶部面板和芯子的位移、速度,并进一步求得了传递至顶部和芯子的冲量。为便于工程应用,通过忽略芯子刚度得到了进一步简化的传递冲量表达式。同文献及有限元结果比较表明,本文提出的两个传递冲量表达式提供了更准确的结果。本文的理论分析表明,影响流固耦合的关键因素包括:冲击波的幅值和衰减周期;流体密度、流体中声速;夹芯结构顶部面板质量、芯子的密度。传递的最大冲量和芯子的屈服强度、芯子的应变硬化无关。为提高夹芯结构的抗水下爆炸冲击能力,应选用相对密度较低的芯子。最后,本文对用于舰船舷侧的具有抗水下冲击的金属夹芯结构进行了优化设计。在考虑应变率效应基础上,针对芯子的层数、厚度、相对密度、屈服强度,以及面板的厚度等参数给出系统性设计指导,使得所设计的金属夹芯结构在充分吸收水下爆炸冲击波的基础上,实现传递至船体的压力最小。经有限元仿真验证,所设计的金属夹芯结构延缓了水下爆炸对船体的冲击,减小了冲击强度,起到了保护船体结构的作用,具有良好的抗水下爆炸冲击特性。
吴畏虹[6]（2021）在《软件定义骨干网段路由技术研究》文中认为近年来,网络业务在类型、数量与覆盖领域上均取得了飞速发展。例如4G与5G网络的商用极大的丰富了移动网络业务服务数量与类型,推动了固网业务的发展;云计算的发展降低了网络业务的部署门槛,提升了业务的服务水平;卫星网络的加速部署促进了天地一体化进程,延伸了网络业务深度;智能终端的兴起开启了万物互联的时代,扩展了网络业务覆盖领域。骨干网是网络业务互联互通的基础,网络业务以骨干网为核心,逐渐的向多个行业进行延伸,构建起了目前多样化的网络业务系统。而相比之下,骨干网由于规模较大、涉及多域互联、协议更新成本较高等问题,其发展与演进相对网络业务较为滞后,并逐渐与新兴业务的需求出现矛盾,成为网络业务发展的瓶颈。本文着眼于细粒度与高精度流量调度、功能化服务与多元服务质量保障等新兴的网络业务需求,对于骨干网的软件定义化技术展开深入研究,面向骨干网特征与新兴网络需求中的矛盾提出了解决方案,推进了骨干网的软件定义化进程。本文首先针对网络业务对于网络的细粒度与高精度流量调度需求,面向概括性SRv6（G-SRv6,Generalized SRv6）网络中,IPv6段路由（SRv6,Segment Routing over IPv6）策略列表压缩的性能问题展开了研究。G-SRv6基于SRv6段公共前缀进行压缩,其压缩性能受到网络编址策略与路由调度策略的限制。本文面向G-SRv6压缩性能受限的问题,创新性提出了 G-SRv6网络的双功能动态标记与优化方法,对于SRv6段的功能进行逻辑拆分,实现G-SRv6路径表示的动态性,以获取更好的压缩效率,并通过神经网络进行压缩策略的计算。仿真结果表明提出的方案能够有效地提升G-SRv6中流量获得压缩的概率和在获得压缩情况下的压缩效率,能够为源路由提供更多的调度信息承载能力,提升了网络流量的调度精度。本文其次针对用户业务对于网络的功能化的需求,着眼于主动性一对多传输功能,分别面向骨干网中的有状态场景与无状态场景展开了研究,以解决骨干网场景下组播会话需要进行组播组申请与预交互导致的会话主动性与实时性缺失问题。面向有状态场景,本文提出了源组播,设计了虚拟组机制解耦了组播地址的会话标识功能与传输处理标识功能,为用户提供了主动发起会话并能够进行完备性会话管理的能力,通过虚拟组的形式保证了会话管理与会话传输的独立性。面向无状态场景,本文提出了分播,为网络提供了无状态的一对多会话能力。分播直接基于SRv6设计了平行处理逻辑,设计了多个全新的功能化SRv6段,为用户进行多目的地址承载与处理提供了数据平面支撑。对于分播的传输,设计了多目的地址指示聚合传输,对于网络提供了直接基于用户数据进行一对多传输的能力,利用新设计的SRv6段对于携带的多目的地址进行路由行为的聚类表示,并将聚类信息插入数据包内部。基于P4与真实交换机进行了原型系统实现与仿真测试,结果表明,源组播与分播能够以可接受的开销带来主动性的一对多传输功能,并且与现有方案对比,在状态利用与传输处理开销上有一定的优势,使骨干网具备了与网络强耦合的一对多传输功能,推进了骨干网的功能化演进。本文最后针对骨干网中对于服务质量多元化的需求,面向目前网络服务质量保障策略的单一性问题,着眼于带宽与时延的独立性服务质量保障展开了研究,提出了带宽-时延解耦的集中式队列服务质量（QoS,Quality of Service）保障模型,通过对于带宽与时延进行多元化分析,实现解耦的差异化服务质量,能够对于应用感知IPv6网络（APN6,Application-aware IPv6 Networing）等方案提供面向用户服务需求的实际保障能力。方案对网络节点的队列进行管理,提出了队列时延管理机制,在队列内部实现了独立于带宽队列时延的差异化服务。本文设计了综合参数Dijkstra路由算法,从路由计算上为用户的传输时延提供了差异化服务,并综合考虑了多种参数进行路由决策,提升网络的整体服务质量和服务承载能力。仿真结果表明,提出的方案能够对于带宽和时延进行独立且有效的差异化服务保障,并能够给网络带来更多的业务承载能力,提升高优先级业务的整体服务质量。
王建臣[7]（2021）在《基于有效多尺度和颜色鲁棒性特征学习的行人重识别研究》文中进行了进一步梳理行人重识别是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术,通常被认为跨摄像头下的行人检索问题。随着智慧城市的发展,行人重识别在视频监控、行人检索和人机交互等方面发挥着越来越重要的作用,拥有广阔的应用前景,因而受到越来越多的计算机视觉研究者的关注。但是在真实场景中,由于视角、姿态、光照条件的变化,行人背景信息的杂乱和更加严重的遮挡问题,使得行人重识别成为一个极具挑战性的任务。卷积神经网络作为深度学习提取特征的有效方式,通过结合全局特征和局部特征,已成功地应用到行人重识别中,取得突破性的进展。然而,一方面,是否所有卷积深度下的特征信息对于最终的识别效果都会产生正向作用是一个值得探索的问题;另一方面,在真实场景下,不同的行人可能穿着相同或相似的衣服,同一个人在不同的时间、地点可能穿着不同的衣服,这种情况下,颜色信息可能成为行人重识别任务的一种重要的干扰因素,因此,如何提取颜色鲁棒性特征也是一个亟待解决的问题。本论文针对上述行人重识别问题,采用深度学习和多尺度方法,提出了两种不同算法,提取潜在的、更加有判别力的特征,改善了行人重识别的精度和鲁棒性。主要工作和创新成果如下:（1）提出了基于有效多尺度特征学习的行人重识别模型与算法。该方法主要研究不同卷积深度下的特征信息对行人重识别精度的影响。考虑到不同尺度下的特征信息的有效性,提出了一个改进的多层级神经网络框架,可以提取有效的多尺度全局特征和局部特征。同时,考虑到现有的方法很少关注特征的后处理问题,框架中设计了一个特征处理单元,能够从特征图中提取到更多有效的特征信息,进一步提高了行人重识别的精度。最后通过三个标准的数据集进行验证,实验结果证明了方法的有效性。（2）提出了基于颜色鲁棒性特征学习的行人重识别模型与算法。该方法针对真实场景中存在的颜色干扰问题,提出了一个双流的、基于通道交换的、端到端的神经网络框架,能同时提取一般的行人特征和颜色鲁棒性特征,并通过两种特征信息的结合进行综合判断,使得行人重识别的精度得到进一步的提升。在提出的框架中,对于一张RGB图像的三个通道:R通道、G通道和B通道,通过交换这三个通道,可以得到六张同一行人但颜色不同的图像;在训练阶段,一个分支通过输入原始的RGB图像,可以提取到一般的行人特征;另一个分支通过随机输入同一个行人的六张图像中的一种,迫使神经网络在不断地迭代过程中学习到颜色无关特征;最后将两种特征结合作为最终的特征描述子,有效提升了行人重识别的精度。通过在三个标准数据集上的大量消融实验,本文提出的方法进一步提高了行人重识别的精度。第一种算法偏向于多尺度特征剪枝,第二种算法主要侧重于降低颜色信息的干扰。最终的目的都是为了提取的有效、有判别力的行人特征,达到提升行人重识别精度的目的。
徐文晶[8]（2021）在《毛果杨次生壁纤维素合酶基因CRISPR/Cas9编辑突变及功能研究》文中认为纤维素是地球上最丰富的生物质资源,自然界纤维素原料大多来源于木材。长期以来,由于树木基因敲除突变体的缺乏,限制了人们对木材次生细胞壁纤维素合酶（SCW CesAs）的确定及功能解析。毛果杨中,次生壁纤维素被推定由5个SCW PtrCesAs（PtrCesA4、7A、7B、8A、8B）合成。本研究在第一个测序树毛果杨中建立了 CRISPR/Cas9基因编辑体系,制备了 5个SCW PtrCesAs基因敲除突变体。通过解剖学、免疫组织化学和木材成分分析等手段,在遗传水平上解析了 5个SCW PtrCesAs基因的功能。主要研究结果如下:通过农杆菌介导的潮霉素筛选方法将Cas9/gRNA转化到Nisqually-1基因组中,并进行了单双基因编辑实验,分析了 Cas9/gRNA编辑PtrCHLI1单基因突变和PtrCHLI1/2双基因突变的特点。结果显示在18棵PtrCHLI1单基因编辑的转基因植物中,11棵是具有白化表型的双等位/纯合突变,效率为61.1%;在20棵PtrCHLI1和2双基因编辑的转基因植株中,也产生了 50～91.7%的双等位/纯合突变。表明建立的毛果杨CRISPR/Cas9基因编辑体系诱导一个基因或两个基因的突变是高效的。通过该CRISPR/Cas9基因编辑技术,编辑毛果杨次生壁纤维素合酶PtrCesA4、7A、7B、8A、8B基因。结果获得了 54棵PtrCesA4、7A、7B、8A、8B、7A/B和8A/B单双基因编辑突变体。分析了 ptrcesa突变体中PtrCesAs蛋白编码的移码终止情况和潜在脱靶位点编辑情况,结果显示Cas9/gRNA诱导的编辑在大多数情况下会导致蛋白编码提前终止,且未发现ptrcesa突变体潜在脱靶位点的编辑。评估了 Cas9/gRNA编辑位点在ptrcesa4、7ab和8ab突变体后代的遗传稳定性,表明Cas9/gRNA编辑位点在顶端和腋芽繁殖的子代中稳定遗传。遗传表型分析显示ptrcesa4、7ab和8ab突变体都具有匍匐生长、丧失顶端优势、矮小成垂枝盆景树的特征,以及木质导管、木质纤维、表皮细胞、保卫细胞和髓细胞变小的表型,而ptrcesa7a、7b、8a和8b突变体几乎没有生长缺陷。这些遗传证据显示PtrCesA7A和7B、PtrCesA8A和8B功能冗余,而PtrCesA4、7A/B和8A/B功能相同且非冗余,表明PtrCesA4、7A/B和8A/B代表了三类 SCW PtrCesAs。Western blot 结果显示ptrcesa4、7ab或8ab突变体中均未检测到PtrCesA4、7A/B或8A/B蛋白,表明它们是基因敲除突变体;在杨树次生木质部删除任何一类SCW PtrCesAs（PtrCesA4、7A/B或8A/B）都会降低其他两类蛋白质水平,表明PtrCesA4、7A/B和8A/B三类SCW PtrCesAs构成了木质部SCW纤维素合酶复合体核心成分。扫描电子显微镜和透射电子显微镜分析显示ptrcesa4、7ab和8ab突变体的木材细胞壁结构存在严重缺陷,纤维细胞仅具有薄薄的单层细胞壁结构。ptrcesa4、7ab和8ab突变体的纤维素含量从正常木材的42%减少至4%,木质素和半纤维素多糖的含量增加了近2倍。表明PtrCesA4、7A/B和8A/B对木材次生细胞壁结构起到关键作用,次生壁纤维素的合成完全由PtrCesA4、7A/B和8A/B负责。ptrcesa4、8a、8b、7ab和8ab突变体的应拉木诱导实验显示ptrcesa4、7ab和8ab具有偏心生长、导管数量减少、纤维S层变薄的应拉木特征,但纤维细胞没有形成G层,而ptrcesa8a和8b突变体中G层几乎不受影响。表明负责应拉木G层纤维素合成的纤维素合酶复合体也招募了PtrCesA4、7A/B和8A/B三类SCW PtrCesAs。此外,扫描电子显微镜和透射电子显微镜分析显示ptrcesa4、7ab和8ab突变体的初生和次生韧皮纤维失去了n（G+L）和G层,保留了较厚的S层。结合细胞壁多糖免疫定位结果表明,PtrCesA4、7A/B和8A/B对应拉木纤维G层和韧皮纤维细胞壁的独特结构是必不可少的。
李磊[9]（2020）在《MOS控制晶闸管的位移损伤机理与加固关键技术研究》文中指出金属-氧化物-半导体场效应晶体管控制晶闸管（Metal-oxide-semiconductor Controlled Thrysitor,MCT）是一种硅基高压器件,具有触发延迟小、导通阻抗低、电流上升速率快等优点,常用作爆炸箔起爆器的触发开关。阳极短路型栅控晶闸管（Anode Shorted Metal-Oxide-Semiconductor Controlled Thrysitor,AS-MCT）是新一代的MCT,相较于常规MCT,具备常关断能力,能够简化驱动电路,对导弹电子学系统的可靠性和小型化具有重要的作用,已经逐步替代常规的MCT。AS-MCT为金属-氧化物半导体场效应晶体管（Metal-Oxide-Semiconductor,MOS）、多重双极型晶体管构建的复合型器件,工作物理机制复杂,在中子辐射场中,由于中子源不可避免的存在伴生γ辐射,器件内部会同时产生位移损伤和电离损伤,严重影响起爆电路的脉冲放电性能,直至于无法起爆。AS-MCT是一种军事用途明显的高端半导体器件,一直禁运,特别是AS-MCT器件物理和辐射效应研究的公开资料非常少,严重阻碍了该类器件的自主研制、辐射效应和抗辐射加固技术的研究。基于此,本文在业内率先报道了AS-MCT的器件工作物理机制、电参数辐射损伤效应以及器件损伤对电容脉冲放电性能影响的研究。同时开展了该类器件的抗辐射加固技术的初探,为后续更高注量中子辐照效应研究及产品研制做技术储备。本文的主要内容如下:1、深入分析AS-MCT的器件结构,在特定栅极和阳极偏置条件下,建立了反向二极管、开基三极管、MOS、JFET（Junction Field Effect Transistor）、IGBT（Insulated Gate Bipolar Transistor）和晶闸管六种等效电路与工作模式,同时借助TCAD仿真器分析了转移、正向导通、正向阻断、反向和脉冲放电五个特性。2、围绕“实验-效应-模型-电路”,开展位移辐射损伤效应和机理的研究。以XND1型AS-MCT为研究对象（1800 V、60 A级）,利用CFBR-II堆开展了裂变中子辐照实验,获得了3.1×109 cm-2至5×1013 cm-2范围内的实验数据;以该器件的等效电路为基础,分析了AS-MCT转移特性、正向传输特性和正向阻断特性的位移辐射效应;首先对AS-MCT中核心结构--三极管的增益损伤模型进行改进,考虑了缓变掺杂基区自建场对增益损伤的影响,建立了具有广域特性（适用于均匀和缓变掺杂基区）三极管增益位移损伤的解析模型。以此为基础,建立了器件关键电参数（触发电流、正向漏电和正向击穿电压）位移损伤的解析模型;最后利用实验和等效漏电电阻法分析了器件位移辐照损伤对电容脉冲放电电路性能的影响,包括充电时间常数变化、电容电压减小和峰值脉冲电流减小。3、围绕“实验-效应-电路”,开展电离损伤效应和机理的研究。以XND1型AS-MCT为研究对象,利用钴-60源开展电离辐照实验,获得了9160 Gy（Si O2）范围内的实验数据;以该器件的等效电路为基础,分析了转移特性、正向传导特性和正向阻断特性的电离辐射效应;最后,利用实验和等效漏电电阻法,分析了器件电离辐照损伤对电容脉冲放电电路性能的影响,典型的电路参数损伤效应包括充电时间常数变化、电容电压减小和峰值脉冲电流减小。4、开展AS-MCT的抗辐射加固技术研究。以增益位移损伤模型为指导,提出了含场阻止结构的抗位移损伤的器件结构,采用场阻止层抑制N-base区耗尽,减薄N-base区,减小载流子渡越时间,抑制位移缺陷对载流子的复合,提高器件触发特性的抗位移损伤能力。较XND1型AS-MCT（代表现有技术水平）,新结构器件触发电流抗位移辐射损伤的能力增大约1.7倍;提出了电离损伤加固的结构,采用“均匀掺杂沟道+Si3N4/Si O2复合栅”结构,抑制阳极沟道耗尽和电离缺陷产生,对漏电进行结构加固,沟道的均匀掺杂利用横向渐变掺杂技术实现。较XND1型AS-MCT,加固器件阳极漏电抗电离辐射损伤的能力提高约4倍。本文的工作,对AS-MCT的产品研制及抗辐射损伤加固技术的研究打下了一定的基础,期望能为后续该类产品的国产化及实用化起到抛砖引玉的作用。
张礼廉,屈豪,毛军,胡小平[10]（2020）在《视觉/惯性组合导航技术发展综述》文中研究说明视觉/惯性组合导航技术是自主导航领域的重要研究方向之一。首先介绍了视觉/惯性组合导航技术的发展概况,然后从纯视觉导航（里程计、同步定位与构图）以及组合导航（滤波、非线性优化）2个层次介绍了传统的基于视觉几何与运动学模型的视觉/惯性组合导航方法,还介绍了近年来发展迅猛的基于机器学习的视觉/惯性组合导航方法。最后,简要介绍了视觉/惯性组合导航技术的典型应用及未来发展趋势。
二、Layer(层)的解析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Layer(层)的解析（论文提纲范文）
（1）干式空心串联电抗器绕组匝间短路电磁特性研究（论文提纲范文）
| 0 引言 |
| 1 解析计算原理介绍 |
| 1.1 等效电路分析 |
| 1.2 电感、电流计算分析 |
| 1.3 磁场计算分析 |
| 2 二维轴对称模型的建立 |
| 2.1 磁场—电路耦合计算 |
| 2.2 10 k V真型电抗器正常运行工况下的模型仿真验证 |
| 2.2.1 仿真模型建立 |
| 2.2.2 仿真结果对比分析 |
| 3 匝间短路工况下的电磁特征分析 |
| 3.1 匝间短路模型建立与仿真 |
| 3.2 短路电流分析 |
| 3.3 磁感应强度分析 |
| 4 结论 |
（2）轻量级卷积神经网络室内目标检测算法设计及硬件加速（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 目标检测模型研究现状 |
| 1.2.2 轻量级卷积神经网络模型研究现状 |
| 1.3 论文主要内容及结构 |
| 2 算法理论基础 |
| 2.1 目标检测算法介绍 |
| 2.2 基于候选区域的目标检测模型 |
| 2.2.1 R-CNN |
| 2.2.2 SPP-Net |
| 2.2.3 Fast R-CNN |
| 2.2.4 Faster R-CNN |
| 2.3 基于回归的目标检测模型 |
| 2.3.1 YOLO |
| 2.3.2 SSD |
| 2.3.3 YOLOv2 |
| 2.3.4 YOLOv3 |
| 2.4 轻量级卷积神经网络结构介绍 |
| 2.5 轻量级卷积神经网络模型 |
| 2.5.1 Squeeze Net |
| 2.5.2 Xception |
| 2.5.3 Mobile Net |
| 2.5.4 Shuffle Net |
| 2.5.5 Mobile Netv2 |
| 2.5.6 Shuffle Netv2 |
| 2.6 本章小结 |
| 3 基于轻量级卷积神经网络的目标检测算法实现 |
| 3.1 基于轻量级卷积神经网络的目标检测模型 |
| 3.1.1 YOLOv3-Shuffle Netv2 |
| 3.1.2 tiny-YOLOv3-Shuffle Netv2 |
| 3.2 数据集准备 |
| 3.2.1 数据集介绍 |
| 3.2.2 数据集制作 |
| 3.3 本章小结 |
| 4 实验结果与分析 |
| 4.1 实验平台介绍 |
| 4.1.1 CUDA架构 |
| 4.1.2 Open CV开源库 |
| 4.1.3 Tensor Flow框架 |
| 4.2 实验环境搭建 |
| 4.3 实验方案 |
| 4.3.1 实验思路 |
| 4.3.2 训练阶段 |
| 4.3.3 验证阶段 |
| 4.4 目标检测评价指标 |
| 4.4.1 mAP |
| 4.4.2 FPS |
| 4.4.3 model_size |
| 4.5 本研究目标检测模型结果 |
| 4.5.1 YOLOv3 实验结果 |
| 4.5.2 YOLOv3-Shuffle Net V2 实验结果 |
| 4.5.3 tiny-YOLOv3-Shuffle Net V2 实验结果 |
| 4.5.4 三种模型结果对比 |
| 4.6 本章小结 |
| 5 目标检测算法的So C硬件加速实现 |
| 5.1 Zynq-7000 So C平台架构 |
| 5.2 HLS开发工具 |
| 5.3 参数量化 |
| 5.4 系统总体硬件架构 |
| 5.5 系统各子模块设计 |
| 5.5.1 标准卷积模块 |
| 5.5.2 深度卷积模块 |
| 5.5.3 最大池化模块 |
| 5.5.4 流水并行架构 |
| 5.6 验证与性能评估 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（3）基于深度学习的知识抽取技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 课题的研究背景与意义 |
| §1.1.1 研究背景 |
| §1.1.2 研究意义 |
| §1.2 国内外研究现状 |
| §1.2.1 命名实体识别的国内外研究现状 |
| §1.2.2 关系抽取的国内外研究现状 |
| §1.2.3 事件抽取的国内外研究现状 |
| §1.3 研究内容与文本结构 |
| §1.3.1 研究内容 |
| §1.3.2 论文结构 |
| 第二章 知识抽取相关技术与方法 |
| §2.1 命名实体识别常用方法 |
| §2.1.1 基于规则的方法 |
| §2.1.2 基于统计的方法 |
| §2.1.3 基于深度学习的方法 |
| §2.2 关系抽取常用方法 |
| §2.2.1 基于依存句法的方法 |
| §2.2.2 基于深度学习的方法 |
| §2.3 word2vec训练词向量 |
| §2.3.1 词的向量表示 |
| §2.4 BiGRU-CRF模型 |
| §2.4.1 GRU神经网络模型 |
| §2.4.2 BiGRU-CRF神经网络模型 |
| §2.5 本章小结 |
| 第三章 基于BERT-BiGRU-CRF的中文命名实体识别 |
| §3.1 数据集预处理 |
| §3.1.1 Hash Cos相似度算法划分数据集 |
| §3.1.2 数据标注 |
| §3.2 BERT预训练词向量 |
| §3.3 BERT-BiGRU-CRF神经网络 |
| §3.3.1 Tensor Flow简介 |
| §3.3.2 BERT-BiGRU-CRF神经网络 |
| §3.4 实验 |
| §3.4.1 优化参数选择 |
| §3.4.2 命名实体识别评判标准 |
| §3.4.3 Dropout丢弃机制 |
| §3.4.4 模型对比 |
| §3.5 本章小结 |
| 第四章 基于BERT-BiSRU-Attention的关系抽取 |
| §4.1 SRU语言模型 |
| §4.2 Attention机制 |
| §4.2.1 自注意力机制 |
| §4.3 BERT-Bi SRU-Attention模型 |
| §4.4 实验 |
| §4.4.1 数据集 |
| §4.4.2 实验参数设置 |
| §4.4.3 模型对比 |
| §4.5 本章小结 |
| 第五章 总结与展望 |
| §5.1 总结 |
| §5.2 展望 |
| 参考文献 |
| 补充材料 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（4）基于无线通讯的伺服驱动器调试系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 课题的背景和意义 |
| 1.2 国内外现状 |
| 1.2.1 伺服驱动器调试系统发展现状 |
| 1.2.2 无线通信在工业上的应用现状 |
| 1.3 课题研究内容和主要目标 |
| 1.4 课题主要特点和创新点 |
| 1.5 文章组织结构和章节安排 |
| 第2章 伺服驱动器调试系统的需求分析 |
| 2.1 伺服调试系统的特点及主要任务 |
| 2.2 系统目标需求分析 |
| 2.3 系统功能需求 |
| 2.3.1 参数配置功能 |
| 2.3.2 通信功能 |
| 2.3.3 伺服驱动器控制功能 |
| 2.3.4 数据采集和分析功能 |
| 2.4 系统的非功能性需求 |
| 2.5 本章小结 |
| 第3章 伺服驱动器调试系统的设计与实现 |
| 3.1 开发环境介绍 |
| 3.2 总体架构的设计与实现 |
| 3.3 主界面设计与实现 |
| 3.4 功能模块的设计与实现 |
| 3.4.1 参数配置模块的设计与实现 |
| 3.4.2 通信功能的设计与实现 |
| 3.4.3 伺服驱动器控制模块的设计与实现 |
| 3.4.4 数据采集和分析模块的设计与实现 |
| 3.5 本章小结 |
| 第4章 串口通信协议自适应算法的设计与改进 |
| 4.1 串口通信协议ModBus协议 |
| 4.2 传统的自适应算法 |
| 4.3 改进的自适应算法 |
| 4.3.1 改进的自适应算法介绍 |
| 4.3.2 改进的自适应算法测试 |
| 4.4 本章小结 |
| 第5章 系统测试 |
| 5.1 实验平台搭建 |
| 5.2 系统功能的验证 |
| 5.2.1 通信功能的测试 |
| 5.2.2 参数配置模块的测试 |
| 5.2.3 伺服驱动器控制模块与数据采集和分析模块的测试 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 后续工作总结 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（5）夹芯结构的大变形和抗水下爆炸冲击研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 抗水下爆炸冲击的防护机理 |
| 1.2.2 抗水下爆炸冲击的试验研究 |
| 1.2.3 抗水下爆炸冲击的仿真研究 |
| 1.2.4 研究现状分析 |
| 1.3 本文主要内容 |
| 第2章 夹芯结构的弹塑性静力学响应 |
| 2.1 引言 |
| 2.2 EHSAPT基础理论 |
| 2.3 控制方程和数值求解 |
| 2.4 双线性各向同性硬化塑性 |
| 2.5 结果与讨论 |
| 2.5.1 验证 |
| 2.5.2 纵向载荷 |
| 2.6 本章小结 |
| 第3章 夹芯结构的弹塑性动力学响应 |
| 3.1 引言 |
| 3.2 非线性EHSAPT运动控制方程 |
| 3.2.1 运动控制方程 |
| 3.2.2 时域积分 |
| 3.3 双线性比例塑性硬化 |
| 3.3.1 双/多线性比例硬化材料 |
| 3.3.2 屈服准则 |
| 3.3.3 结构应变能和刚度 |
| 3.3.4 返回映射算法 |
| 3.3.5 多维弹塑性分析流程 |
| 3.4 爆炸载荷下简支夹芯结构时域响应 |
| 3.4.1 Opti Struct有限元建模 |
| 3.4.2 非线性动态EHSAPT的收敛性分析 |
| 3.4.3 时域响应 |
| 3.5 爆炸载荷下底部固支的夹芯结构时域响应 |
| 3.6 本章小结 |
| 第4章 大变形下夹芯结构静态和动态力学响应 |
| 4.1 引言 |
| 4.2 EHSAPT大变形理论和推导 |
| 4.2.1 理论基础 |
| 4.2.2 插值方案 |
| 4.3 非线性EHSAPT控制方程 |
| 4.3.1 平衡方程 |
| 4.3.2 线性化 |
| 4.4 增量控制方程的推导 |
| 4.4.1 内力和外力 |
| 4.4.2 线性化的应变能 |
| 4.4.3 静态响应分析 |
| 4.4.4 动态响应分析 |
| 4.5 结果与讨论 |
| 4.5.1 静态力学分析 |
| 4.5.2 动态力学分析 |
| 4.6 本章小结 |
| 第5章 夹芯结构的抗水下爆炸冲击 |
| 5.1 引言 |
| 5.2 水下爆炸冲击波的传播 |
| 5.3 基于EHSAPT的运动控制方程 |
| 5.4 基于EHSAPT的流固耦合理论 |
| 5.4.1 考虑芯子纵向刚度的流固耦合模型 |
| 5.4.2 忽略芯子刚度的EHSAPT流固耦合模型 |
| 5.5 结果与讨论 |
| 5.5.1 计算模型 |
| 5.5.2 流固耦合 |
| 5.5.3 时域响应 |
| 5.6 本章小结 |
| 第6章 抗水下爆炸冲击的轻质金属夹芯结构设计 |
| 6.1 引言 |
| 6.2 金属夹芯结构层数设计 |
| 6.2.1 三角型基础构型 |
| 6.2.2 Y型基础构型 |
| 6.2.3 金子塔型基础构型 |
| 6.2.4 结果与讨论 |
| 6.3 顶部面板厚度 |
| 6.3.1 力和力矩平衡 |
| 6.3.2 面板和芯子的接触面积 |
| 6.3.3 面板的设计要求 |
| 6.4 其他设计要求 |
| 6.4.1 芯子的屈服强度 |
| 6.4.2 芯子的厚度 |
| 6.4.3 芯子的相对密度 |
| 6.4.4 母材的应变率效率 |
| 6.5 算例研究 |
| 6.5.1 基本设计要求 |
| 6.5.2 估算芯子相对密度及面板厚度 |
| 6.5.3 仿真验证 |
| 6.6 本章小结 |
| 结论 |
| 附录 |
| 1.插值函数 |
| 2.位移增量的校正 |
| 3.双线性应力-应变关系 |
| 4.弹塑性应变能 |
| 5. “三段式”模型 |
| 6.N1 和N2 |
| 7.阻尼矩阵 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（6）软件定义骨干网段路由技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景概述 |
| 1.1.1 骨干网定义 |
| 1.1.2 骨干网特征及其与业务间的矛盾点 |
| 1.2 骨干网软件定义化进程 |
| 1.2.1 基于SRv6的软件定义技术特征 |
| 1.2.2 IPv6+技术分类概述 |
| 1.3 论文内容概述 |
| 1.3.1 论文面向的骨干网软件定义化问题 |
| 1.3.2 主要研究内容及创新点 |
| 1.4 论文组织架构 |
| 第二章 与论文相关研究 |
| 2.1 源路由列表压缩机制与优化 |
| 2.2 主动性一对多技术与传输优化 |
| 2.2.1 IP组播增强 |
| 2.2.2 IP单播扩展 |
| 2.2.3 一对多传输优化 |
| 2.3 多维度服务质量保障 |
| 2.3.1 动态路由规划 |
| 2.3.2 动态队列配置 |
| 第三章 面向软件定义G-SRv6网络的双功能动态标记与优化方法 |
| 3.1 背景介绍 |
| 3.2 方案适用约束条件 |
| 3.2.1 非异构SRv6网络 |
| 3.2.2 软件定义系统 |
| 3.2.3 单一G-SRv6域 |
| 3.3 动态双标记机制 |
| 3.3.1 原理概述 |
| 3.3.2 概念定义 |
| 3.3.3 功能化模型 |
| 3.4 顺序节点对快照优化算法 |
| 3.4.1 定义与表示 |
| 3.4.2 算法流程 |
| 3.5 仿真测试与分析 |
| 3.5.1 仿真设定 |
| 3.5.2 SID列表压缩概率 |
| 3.5.3 已压缩SID列表压缩效率与压缩字长 |
| 3.6 本章小结 |
| 第四章 基于SRv6的主动一对多传输技术 |
| 4.1 背景介绍 |
| 4.2 有状态源组播会话机制 |
| 4.2.1 方案设计概述 |
| 4.2.2 SRv6多目的地址增强 |
| 4.2.3 源组播业务发起 |
| 4.2.4 组成员操作与确认机制 |
| 4.3 无状态分播机制 |
| 4.3.1 方案设计概述 |
| 4.3.2 SRv6平行处理逻辑扩展 |
| 4.3.3 目的地址指示聚合传输 |
| 4.4 仿真测试与分析 |
| 4.4.1 源组播仿真测试 |
| 4.4.2 分播仿真测试 |
| 4.5 本章小结 |
| 第五章 带宽-时延差异化的集中式队列QoS保障模型 |
| 5.1 背景介绍 |
| 5.2 基础功能 |
| 5.2.1 用户需求获取 |
| 5.2.2 网络状态获取 |
| 5.3 队列时延管理机制 |
| 5.4 综合参数路由算法 |
| 5.4.1 CPR参数 |
| 5.4.2 CPR算法流程 |
| 5.5 仿真测试与分析 |
| 5.5.1 原型系统与环境设定 |
| 5.5.2 QDMS解耦功能 |
| 5.5.3 CPR传输时延 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录1 章节5所包含算法 |
| 附录2 缩略语说明 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（7）基于有效多尺度和颜色鲁棒性特征学习的行人重识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 行人重识别的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 特征表达 |
| 1.2.2 度量学习 |
| 1.3 本文研究内容 |
| 1.4 论文组织结构 |
| 第二章 基于深度学习的行人重识别相关理论概述 |
| 2.1 卷积神经网络 |
| 2.1.1 卷积神经网络的概述 |
| 2.1.2 卷积神经网络的组成 |
| 2.1.3 卷积神经网络模型的演变 |
| 2.2 标准数据集 |
| 2.2.1 Market-1501 |
| 2.2.2 Duke MTMC-re ID |
| 2.2.3 CUHK03 |
| 2.3 评价指标 |
| 2.3.1 累积匹配曲线 |
| 2.3.2 平均均值精度 |
| 2.4 本章小结 |
| 第三章 基于有效多尺度特征学习的行人重识别研究 |
| 3.1 引言 |
| 3.2 基于有效多尺度特征学习的网络模型 |
| 3.2.1 整体架构设计 |
| 3.2.2 特征后处理模块 |
| 3.2.3 损失函数 |
| 3.3 实验结果及分析 |
| 3.3.1 实验设置 |
| 3.3.2 与SOTA方法比较 |
| 3.3.3 消融实验 |
| 3.4 本章小结 |
| 第四章 基于颜色鲁棒性特征学习的行人重识别研究 |
| 4.1 引言 |
| 4.2 基于颜色鲁棒性特征学习的行人重识别模型 |
| 4.2.1 整体网络结构 |
| 4.2.2 通道交换模块设计 |
| 4.2.3 损失函数 |
| 4.3 实验结果及分析 |
| 4.3.1 实验设置 |
| 4.3.2 与SOTA方法比较 |
| 4.3.3 消融实验 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 在学期间取得的科研成果和科研情况说明 |
| 致谢 |
（8）毛果杨次生壁纤维素合酶基因CRISPR/Cas9编辑突变及功能研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 木材形成 |
| 1.2.1 细胞分化和扩张 |
| 1.2.2 次生细胞壁的沉积 |
| 1.2.3 细胞程序性死亡 |
| 1.3 应拉木 |
| 1.4 纤维素的生物合成 |
| 1.4.1 纤维素合酶 |
| 1.4.2 与纤维素合成相关的其他基因 |
| 1.5 基因组编辑技术 |
| 1.6 CRISPR/Cas9核酸酶系统 |
| 1.6.1 CRISPR/Cas9系统结构与机制 |
| 1.6.2 CRISPR/Cas9系统植物中应用 |
| 1.7 本研究的目的与意义 |
| 2 毛果杨CRISPR/Cas9基因编辑体系建立 |
| 2.1 实验材料 |
| 2.1.1 植物材料 |
| 2.1.2 载体与菌株 |
| 2.1.3 耗材及试剂材料 |
| 2.1.4 仪器设备 |
| 2.1.5 试剂配置 |
| 2.2 实验方法 |
| 2.2.1 植物总DNA的提取 |
| 2.2.2 目的DNA片段胶回收 |
| 2.2.3 大肠杆菌感受态的转化 |
| 2.2.4 农杆菌感受态的转化 |
| 2.2.5 农杆菌介导的毛果杨遗传转化 |
| 2.2.6 靶序列选择 |
| 2.2.7 引物设计 |
| 2.2.8 Cas9/gRNA-PtrCHLI载体构建 |
| 2.2.9 转基因植株鉴定及靶位点编辑情况鉴定 |
| 2.2.10 潜在脱靶位点分析 |
| 2.3 结果与分析 |
| 2.3.1 潮霉素筛选的毛果杨遗传转化方法 |
| 2.3.2 CRISPR/Cas9编辑PtrCHLI1单基因分析 |
| 2.3.3 CRISPR/Cas9编辑PtrCHLI1和2双基因分析 |
| 2.3.4 毛果杨CRISPR/Cas9编辑体系流程 |
| 2.4 本章小结 |
| 3 次生壁纤维素合酶PtrCesA4、7A、7b、8A、8B基因CRISPR/Cas9编辑及敲除突变体制备 |
| 3.1 实验材料 |
| 3.1.1 植物材料 |
| 3.1.2 载体与菌株 |
| 3.1.3 耗材及试剂材料 |
| 3.1.4 仪器设备 |
| 3.2 实验方法 |
| 3.2.1 载体构建 |
| 3.2.2 转基因植株鉴定及靶位点编辑情况鉴定 |
| 3.2.3 潜在脱靶位点分析 |
| 3.2.4 毛果杨温室苗的培养 |
| 3.2.5 毛果杨土培苗的外植体消毒芽再生培养 |
| 3.3 结果与分析 |
| 3.3.1 PtrCesA4、7A、7B、8A和8B靶位点选取及其Cas9/gRNA载体构建 |
| 3.3.2 ptrcesa4、7a、7b、8a、8b、7ab和8ab突变体中靶位点编辑情况 |
| 3.3.3 ptrcesa4、7a、7b、8a、8b、7ab和8ab突变体蛋白提前终止情况 |
| 3.3.4 ptrcesa4、7ab和8ab突变体潜在脱靶位点分析 |
| 3.3.5 CRISPR/Cas9编辑位点遗传稳定性 |
| 3.4 本章小结 |
| 4 毛果杨次生壁纤维素合酶基因敲除对生长发育的影响 |
| 4.1 实验材料 |
| 4.2 实验方法 |
| 4.2.1 植物组织石蜡包埋与切片 |
| 4.2.2 细胞壁组织化学染色 |
| 4.2.3 纤维细胞和导管细胞分离 |
| 4.2.4 蛋白Western杂交 |
| 4.2.5 气孔参数 |
| 4.2.6 叶片失水率 |
| 4.2.7 显着性分析 |
| 4.3 结果与分析 |
| 4.3.1 PtrCesA7A和7B、PtrCesA8A和8B功能冗余 |
| 4.3.2 次生壁纤维素合酶家族分为PtrCesA4、7A/B和8A/B三类 |
| 4.3.3 PtrCesA4、7A/B和8A/B馏基因敲除影响木质部纤维和导管细胞 |
| 4.3.4 PtrCesA4、7A/B和8A/B基因敲除影响下表皮细胞和保卫细胞 |
| 4.3.5 PtrCesA4、7A/B和8A/B基因敲除影响髓薄壁细胞 |
| 4.3.6 木材次生壁纤维素合酶复合体由PtrCesA4、7A/B和8A/B三类核心成分构成 |
| 4.4 本章小结 |
| 5 PtrCesA4、7A/B和8A/B在木材次生壁以及G纤维细胞壁结构的作用 |
| 5.1 实验材料 |
| 5.2 实验方法 |
| 5.2.1 纤维素,木质素和半纤维素含量测定 |
| 5.2.2 扫描电子显微镜 |
| 5.2.3 透射电子显微镜 |
| 5.2.4 细胞壁多糖原位杂交 |
| 5.2.5 显着性分析 |
| 5.3 结果与分析 |
| 5.3.1 PtrCesA4、7A/B和8A/B敲除对次生壁结构的影响 |
| 5.3.2 PtrCesA4、7A/B和8A/B敲除对木材化学成分的改变 |
| 5.3.3 PtrCesA4、7A/B和8A/B对应拉木纤维G层发育的作用 |
| 5.3.4 PtrCesA4、7A/B和8A/B对韧皮纤维细胞壁结构的作用 |
| 5.4 本章小结 |
| 讨论 |
| 结论 |
| 参考文献 |
| 附录1 PtrCesA 7B序列 |
| 附录2 Cas9/gRNA编辑的PtrCesAs基因突变 |
| 附录3 Cas9/gRNA编辑的ptrcesa突变体无性繁殖后代的稳定遗传情况 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 东北林业大学 博士学位论文修改情况确认表 |
（9）MOS控制晶闸管的位移损伤机理与加固关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 栅控晶闸管产品的现状 |
| 1.2.1 国外产品情况 |
| 1.2.2 国内产品情况 |
| 1.3 辐照效应的研究历史与现状 |
| 1.3.1 典型辐射环境 |
| 1.3.2 国外研究情况 |
| 1.3.3 国内研究情况 |
| 1.3.4 栅控晶闸管的辐射效应研究 |
| 1.4 爆炸箔起爆器的现状 |
| 1.5 现有问题和本文贡献 |
| 1.6 本论文的结构安排 |
| 第二章 AS-MCT的器件物理分析 |
| 2.1 器件结构与基本工作原理 |
| 2.2 不同结构MCT电学性能的对比 |
| 2.3 器件的关键电学特性 |
| 2.3.1 转移特性 |
| 2.3.2 正向传输特性 |
| 2.3.3 正向阻断特性 |
| 2.3.4 反向传输特性 |
| 2.3.5 电流上升速率 |
| 2.4 实验样品的结构剖析 |
| 2.5 本章小结 |
| 第三章 辐射效应及电容脉冲放电电路的理论和装置 |
| 3.1 位移辐射效应研究 |
| 3.1.1 缺陷动力学 |
| 3.1.2 电参数损伤 |
| 3.2 电离辐射效应研究 |
| 3.2.1 缺陷动力学 |
| 3.2.2 电参数损伤 |
| 3.3 电容脉冲放电原理 |
| 3.4 辐照实验装置 |
| 3.4.1 中子辐照装置 |
| 3.4.2 电离辐照装置 |
| 3.5 测试设备和测试方法 |
| 3.5.1 电压-电流测试 |
| 3.5.2 电容-电压测试 |
| 3.5.3 深能级瞬态谱测试 |
| 3.5.4 脉冲放电测试 |
| 3.6 本章小结 |
| 第四章 AS-MCT的中子位移损伤效应 |
| 4.1 辐照实验过程 |
| 4.2 基区缓变掺杂三极管增益损伤模型 |
| 4.2.1 模型建立 |
| 4.2.2 实验验证 |
| 4.3 转移特性损伤效应 |
| 4.3.1 辐照前 |
| 4.3.2 实验结果与效应分析 |
| 4.4 正向传输特性损伤效应 |
| 4.4.1 辐照前 |
| 4.4.2 实验结果与效应分析 |
| 4.4.3 触发电流位移损伤模型 |
| 4.5 正向阻断特性损伤效应 |
| 4.5.1 辐照前 |
| 4.5.2 实验结果与效应分析 |
| 4.5.3 阳极漏电损伤模型 |
| 4.5.4 击穿电压损伤模型 |
| 4.6 脉冲放电特性损伤效应 |
| 4.6.1 辐照前充电过程分析 |
| 4.6.2 辐照前放电过程分析 |
| 4.6.3 等效漏电阻 |
| 4.6.4 充电过程的损伤效应 |
| 4.6.5 放电过程的损伤效应 |
| 4.7 材料参数损伤的表征 |
| 4.7.1 掺杂浓度 |
| 4.7.2 位移缺陷 |
| 4.8 本章小结 |
| 第五章 AS-MCT的电离损伤效应 |
| 5.1 辐照实验过程 |
| 5.2 转移特性损伤损伤效应 |
| 5.2.1 实验结果 |
| 5.2.2 损伤效应分析 |
| 5.2.3 电离缺陷提取 |
| 5.3 正向传输特性损伤 |
| 5.4 正向阻断特性损伤 |
| 5.4.1 实验结果 |
| 5.4.2 漏电 |
| 5.4.3 击穿 |
| 5.5 脉冲放电特性损伤效应 |
| 5.5.1 等效漏电电阻 |
| 5.5.2 充电过程的损伤 |
| 5.5.3 放电过程的损伤 |
| 5.6 本章小结 |
| 第六章 AS-MCT的抗辐射加固关键技术 |
| 6.1 抗位移辐射加固 |
| 6.1.1 材料选择 |
| 6.1.2 加固结构 |
| 6.1.3 参数分析与优化 |
| 6.1.4 工艺实施 |
| 6.1.5 加固效果 |
| 6.2 抗电离辐射加固 |
| 6.2.1 加固结构 |
| 6.2.2 工艺实施 |
| 6.2.3 加固效果 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（10）视觉/惯性组合导航技术发展综述（论文提纲范文）
| 0 引言 |
| 1 视觉/惯性组合导航技术发展简述 |
| 2 基于模型的视觉/惯性组合导航技术 |
| 2.1 基于模型的纯视觉导航算法 |
| (1)视觉里程计原理 |
| (2)闭环优化与构图 |
| 2.2 基于模型的视觉/惯性组合导航算法 |
| (1)基于滤波技术的信息融合算法 |
| (2)基于优化技术的信息融合算法 |
| 3 基于机器学习的视觉/惯性组合导航技术 |
| 3.1 前端网络 |
| (1)视觉特征提取器 |
| (2)惯性信息特征提取器 |
| (3)深度估计网络 |
| 3.2 特征优化 |
| 3.3 闭环优化与建图 |
| 4 视觉/惯性组合导航技术的典型应用及发展趋势 |
| 4.1 视觉/惯性组合导航技术的典型应用 |
| 4.2 视觉/惯性组合导航技术的未来发展趋势 |
四、Layer(层)的解析（论文参考文献）
- [1]干式空心串联电抗器绕组匝间短路电磁特性研究[J]. 鲁尧,咸日常,王立权,张万征. 高压电器, 2021(11)
- [2]轻量级卷积神经网络室内目标检测算法设计及硬件加速[D]. 王昕. 西安理工大学, 2021(01)
- [3]基于深度学习的知识抽取技术研究[D]. 庄浩宇. 桂林电子科技大学, 2021(02)
- [4]基于无线通讯的伺服驱动器调试系统的设计与实现[D]. 姚媛媛. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021(08)
- [5]夹芯结构的大变形和抗水下爆炸冲击研究[D]. 魏光涛. 哈尔滨工业大学, 2021(02)
- [6]软件定义骨干网段路由技术研究[D]. 吴畏虹. 北京邮电大学, 2021
- [7]基于有效多尺度和颜色鲁棒性特征学习的行人重识别研究[D]. 王建臣. 天津理工大学, 2021(08)
- [8]毛果杨次生壁纤维素合酶基因CRISPR/Cas9编辑突变及功能研究[D]. 徐文晶. 东北林业大学, 2021
- [9]MOS控制晶闸管的位移损伤机理与加固关键技术研究[D]. 李磊. 电子科技大学, 2020(03)
- [10]视觉/惯性组合导航技术发展综述[J]. 张礼廉,屈豪,毛军,胡小平. 导航定位与授时, 2020(04)