内容概要：本文介绍了COMSOL 6.1版本在激光选区融化（SLM）技术中的单道多道温度场与应力场仿真模型。该模型涵盖固体力学、增材制造、活化及圆柱形增材的热固耦合效应，能够精确模拟SLM过程中的温度场与应力场变化。模型具有清晰的注释、广泛的覆盖面、良好的可修改性和优秀的收敛性，适用于多种增材制造过程的仿真研究。 适合人群：从事增材制造、固体力学、热固耦合等领域研究的专业人士和技术人员。 使用场景及目标：①研究SLM过程中温度场与应力场的变化规律；②探索不同参数设置对SLM效果的影响；③为其他增材制造过程提供参考。 其他说明：模型不仅可用于SLM过程的仿真，还可进行拓展应用，为相关领域的研究提供强有力的支持。

快速成型与3D打印

查看一些命令符以方便操作人员在忘记活着不熟悉的时候查看命令

计算全息法 加载涡旋相位 很好用的一个方法

利用液晶空间光调制器（ＬＣ－ＳＬＭ）对其结构进行了优化。对ＬＣ－ＳＬＭ 等效透 镜功能的原理进行了分析，模拟仿真了利用ＬＣ－ＳＬＭ 对光束进行调制的结果。

用MATLAB编程实现的slm降papr的程序

仿真了OFDM中的SLM方法 ，并附有仿真图形，对于初学PAPR的朋友可有用

基于正交频分复用的无源光网络（OFDM-PON）系统的安全性最近已成为一个重要问题。 本文提出了一种基于多混沌的时频域加密技术，用于物理层安全和选择映射（SLM），以降低峰均功率比（PAPR），并在OFDM-PON系统中进行了实验验证。 所提出的方案基于Lozi和Logistic映射，并且可以生成混沌序列以在时域和频域中加扰子载波，从而增强物理层的安全性。 同时，可以将SLM方法应用于该方案中，以提高系统的PAPR性能。 在实验中，已在100 km标准单模光纤上安全地传输了8.9 Gb / s加密的OFDM信号。 结果表明，该方法可以有效提高物理层的安全性，同时提高系统的误码率性能。

SLM Lab是PyTorch中的模块化深度强化学习框架 PyTorch 中的 SLM 实验室模块化深度强化学习框架。 文档：https://slm-lab.gitbook.io/slm-lab/ BeamRider Breakout KungFuMaster MsPacman Pong Qbert Seaquest Sp.Invaders Ant HalfCheetah Hopper Humanoid Inv.DoublePendulum InvertedPendulum Reacher Walker

首先解释了ofdm的传输和生成，然后解释了这些技术对papr的减少。