摘要:

摘要:

摘要:量子时间同步是量子技术与时间频率技术相融合的交叉前沿技术。利用频率纠缠双光子源的内禀非定域时间关联性，双向量子时间同步不仅能将现有时间同步精度提高1～2个数量级，同时具备内在安全性优势，为大幅提升授时精度和保障授时安全性提供了新一代变革性技术方案。重点介绍了中国科学院国家授时中心在双向量子时间同步领域取得的研究进展：建立了双向量子时间同步准确度评估模型；在国际上首个报道了10 fs级超高精度量子时间同步实验演示案例；先后在2 km自由空间 + 7 km实地光纤混合链路、百km实地光纤链路以及250 km超长距离光纤链路上成功实现了亚皮秒级时间传递演示，充分验证了该技术在大损耗、强噪声环境中的高精度同步应用能力；同时，通过实验研究证实了量子时间传递系统的安全性优势。这些研究成果不仅标志着我国在长距离光纤量子安全时间传递领域取得了重要进展，更为未来构建大规模量子网络提供了高兼容性的时间同步解决方案。

摘要:介绍了里德堡激子作为半导体中高激发态电子空穴对的核心特征，包括类氢能级、宏观量子特性、强相互作用与非线性响应。阐述了氧化亚铜（Cu₂O）因其低缺陷和偶极跃迁禁止特性，成为研究高阶里德堡态的理想平台。分析了利用光谱技术和外场调控揭示的里德堡激子特性——微米级半径、高极化率、长寿命和大偶极矩。探讨了高主量子数下激子间显著增强的长程相互作用及其引发的激子阻塞和非线性折射现象，以及外场对能级分裂、跃迁选择定则和选择性激发的调控作用，并提及环境扰动的影响。指出里德堡激子凭借其独特的物理性质和对环境的高度敏感性，在弱场传感、片上单光子器件、量子模拟及微波光学转换等前沿领域具有巨大应用潜力；深入研究和开发这些特性是未来实现高性能量子信息技术与精密传感技术的关键方向。

摘要:针对高温环境下热气流扰动导致的散斑图像模糊及噪声耦合难题，提出融合图像退化理论与多帧信号处理的协同复原方法。首先，通过构建基于结构相似性指数（Structural Similarity Index， SSIM）的自适应损失函数优化模型，自适应估计退化参数，突破传统固定退化模型与实际热扰动失配的局限性；然后，结合维纳滤波与灰度平均技术，实现去模糊与降噪的联合优化，解决噪声抑制与细节保留难以兼顾的技术问题。600 ℃高温实验平台验证结果表明：利用传统灰度平均法处理得到的图像位移测量均方根误差为0.006 4 mm；利用基于退化函数自适应优化与灰度平均的高温数字图像相关（Digital Image Correlation， DIC）测量方法处理得到的图像位移测量均方根误差为0.004 7 mm，图像质量显著提升，满足亚像素级精度要求。该方法无需使用复杂硬件，且无需预知热流场参数，显著提升了高温DIC测量的鲁棒性，为极端工况下的材料变形分析提供了低成本、高精度的解决方案，具有重要工程应用价值。

摘要:为实现双镜面物体完整三维面形的高精度测量，提出一种全局优化系统标定方法。首先，建立双镜面面形测量系统，采用2个无公共视场（Field-of-View， FoV）的直接相位偏折测量子系统完整覆盖双镜面物体的被测视角；然后，采用传统方法进行子系统的深度标定、横向标定和子系统测量基准间的标定；最后，基于高精度双镜面标定物优化初始参数，引入3个度量误差以评估标定物的三维测量精度，通过最小化所定义的度量误差，计算出最佳标定参数。开展对比实验验证全局优化系统标定方法的应用效果，结果表明：利用初始系统标定方法得到测量系统参数，然后重建量块整体三维面形，得到量块两表面间距离的均方根误差R_RMSE（Root Mean Square Error， RMSE）为164 μm；利用全局优化系统标定方法得到测量系统参数，然后重建量块整体三维面形，得到量块两表面间距离的R_RMSE为34 μm。全局优化系统标定方法有效提升了双镜面物体三维面形测量精度，为提高非共视条件下多传感器光学测量系统的标定准确性提供了技术借鉴。

摘要:针对石化高温管道运行中因温度波动导致超声壁厚测量精度下降的问题，提出一种基于超声导波信号反演温度并对壁厚进行补偿的测量方法。建立二维稳态传热模型，解析波导条温度场分布，构建超声飞行时间预测模型，表征管道温度和波导中超声飞行时间的定量关系，实现高温管道温度的实时测量，在此基础上对超声导波测厚数据进行补偿，提升管道壁厚监测准确性。搭建超声导波测量平台并开展实验，结果表明：在15 ~ 500 ℃条件下，该方法可以实现对管道温度变化的精确测量，补偿后的壁厚测量误差为± 0.1 mm。该方法突破了现有导波测厚装置在变温环境中的应用瓶颈，为石化装置安全运行提供了技术支撑。

摘要:针对当前竹木加工机械性能不足及竹木材料固有缺陷所导致的加工成品质量不稳定问题，聚焦于木材智能制造过程中的缺陷检测关键技术，提出了一种基于改进YOLO（You Only Look Once）目标检测算法的集成化质量评估系统。该系统创新性地引入了多参数缺陷权重机制，通过量化分析缺陷尺寸、缺陷特征及缺陷严重性等关键指标，构建了基于模糊综合评价的木材质量分级模型。实验结果表明：该系统能够有效地将木材产品划分为优等品（A级）、良品 / 合格品（B级）及不合格品（C级）3个等级。在Plywood木材缺陷数据集上，实现了91.3%的全类别平均精度均值（mean Average Precision@0.5， mAP@0.5），其动态权重分级策略与人工评估结果的误差低于5%（欧氏距离0.063， 杰卡德指数0.892），为木材智能制造提供了高效、可扩展的质量评估范式，具备显著的工程应用价值。

摘要:飞机机翼在飞行过程中会因多种复杂载荷作用而产生变形，精确测量机翼变形对于保障飞行安全、优化飞机性能以及开展先进航空结构设计等至关重要。综述了当前国内外测量飞机机翼变形的主要方法，包括拉线位移传感器法、应变传感器法、立体视觉测量法、光纤传感法等，对比分析了各种方法在测量精度、实时性、环境适应性等方面的优劣，探讨了其在实际飞机机翼变形监测中的应用现状。最后，对未来进一步提升机翼变形测量能力的发展方向进行了展望，旨在为航空工程领域相关的机翼健康监测与性能优化工作提供参考。

摘要:介绍了叶端定时技术的原理，阐述了叶端定时欠采样信号的频域分析研究现状，论述了单支传感器布局、2支传感器布局、特定限制传感器布局、多支传感器布局策略在叶端定时频域分析领域的应用情况，介绍了时间序列拟合、带限重构理论、稀疏表示理论、阵列信号处理4种欠采样信号频谱分析方法的原理与优缺点，探讨了叶端定时领域中同步振动分析与异步振动分析的特点。展望了转子叶片叶端定时频域分析技术的发展方向，指出采样不确定性分析、幅值分析有效性评估、新型叶端采样数据分析、特征智能化挖掘与智能故障诊断将成为未来的研究重点。

摘要:激光色散光谱（Laser Dispersion Spectroscopy， LDS）是一种先进的光谱类气体检测技术，其具有宽动态范围检测特性以及对光功率波动的强免疫特性，已在痕量气体检测和燃烧诊断领域受到极大关注。从开展LDS技术研究的动机出发，系统介绍了基本光谱原理，构建了理论分析框架；重点阐述了外差相敏色散光谱技术（Heterodyne Phase-Sensitive Dispersion Spectroscopy， HPSDS） 和啁啾色散光谱技术（Chirped Laser Dispersion Spectroscopy， CLaDS）的特征与实现方法，并探讨了免标定数学物理模型的构建方法。通过梳理近十年该技术在燃烧诊断、高温烟气监测、环境光学痕量气体探测等典型场景的应用案例，揭示了不同应用维度的技术需求特征。最后，针对现有检测灵敏度不足、测量系统复杂等瓶颈问题，从基础研究和应用需求两个维度展望了未来发展方向，为LDS技术的理论深化和工程化应用提供了系统化参考。

摘要:基于传声器阵列的传统定位方法在千米级尺度下对广域低频声信号的定位存在一定局限性。为了提高定位精度，利用32阵元声阵列开展外场试验，研究了时延最小方差（Time Delay Minimum Variance， TDMV）方法与波束形成（Beamforming， BF）方法在5 km的外场环境下对同一位置低频声信号的定位能力。试验结果表明：相较于传统的波束形成方法，时延最小方差方法在广域范围的定位精度具有显著优势，定位准确度提高了2.1%以上。本研究拓展了声源定位的距离范围，为低频声源的精确定位提供了可行的方法。

摘要:为了准确分析金属材料的功能特性并测试其结构稳定性，基于欧拉-伯努利梁理论，提出了一种通过分析材料前两阶谐振频率来计算动态杨氏模量的多阶谐振法；并搭建了以高频激振器和激光测振仪为核心的动态实验系统，该系统具备宽广的动态范围、精准控制测量的能力和优越的抗干扰性。针对4种金属材料进行测试，计算、统计和分析了杨氏模量的平均值与变异系数，验证了该方法具有较高的精准性、一致性和鲁棒性，同时有效避免了传统静态测试中应变测量工具和内部结构变化带来的影响。本研究为推动各向同性金属及非金属材料的性能测试与结构分析等领域的发展提供了重要支持。

摘要:基于层析技术的三维燃烧诊断需要利用多个方向的火焰图像进行三维重建，镜头角度标定的准确性直接影响重建质量和精度，为降低角度标定误差，提出基于十字标定块的卷积神经网络（Convolutional Neural Network， CNN）镜头角度标定方法。设计新型十字标定块，与传统标定块相比，其具有更复杂的空间结构特征，能够提升图像在旋转过程中的几何信息差异，有助于CNN更准确地提取角度特征，降低训练集中的角度标签误差。搭建基于残差神经网络（Residual Neural Network， ResNet）架构的CNN进行角度预测，并基于开源框架PyTorch实现CNN训练，避免了人工特征设计。开展实验对基于十字标定块的CNN镜头角度标定方法的应用效果进行验证，结果表明：采用传统三棱柱标定块进行镜头角度标定时，角度标签误差较大，导致镜头角度标定准确性较低；采用十字标定块进行镜头角度标定时，模型训练过程中损失函数收敛更快，镜头角度标定准确性更高。基于十字标定块的卷积神经网络镜头角度标定方法展现出更高的鲁棒性与更强的泛化能力，为提升燃烧图像重建准确性提供了技术支撑。