排序方式: 共有17条查询结果,搜索用时 109 毫秒
11.
12.
13.
研究乌梅果和叶中砷、汞、硒的微波消解-氢化物原子荧光法测定方法,选定了最佳微波消解条件和测定条件,回归线性方程分别为 As:If=3.86C-7.86,r=0.9997:Hg:If=104.41C-0.42,r=0.9990,Se:If=0.3686C 0.5,r=0.9994,检出限 As 为 0.12,Hg 为 0.07,Se 为 0.25,线性范围 As 为0-50,Hg 为 0-20,Se 为 0-20(浓度单位C:ng/mL).回收率在 97.6%~101.8%之间,结果满意. 相似文献
14.
建立了氢化物发生-原子荧光光谱法测定钢铁中微量锡的新方法。对实验仪器的参数和锡的氢化物发生条件进行了优化,采用主量元素匹配法,对钢铁中常见共存元素的干扰情况进行了探讨,并研究了不同掩蔽剂对各种干扰元素的掩蔽效果。结果表明:酒石酸对基体元素Fe和共存元素V,Cr,Si,Mn有很好的掩蔽作用;EDTA能够消除大量W和Mo的影响;Cu的干扰必须通过硫脲和EDTA的联合作用消除。在选定的实验条件下测定,锡量在0~80ng/mL范围内线性关系良好,方法的检出限是0.1084 ng/mL,对20 ng/mL的锡标准溶 相似文献
15.
16.
针对滚动轴承在新工况下无标记数据且存在噪声干扰问题,提出一种具备抗噪能力的滚动轴承故障诊断领域自适应深度残差收缩网络(DADRSN)。首先,采用深度残差收缩网络(DRSN)去除已知工况和新工况数据噪声冗余并充分提取数据特征;其次,应用迁移学习中的领域自适应(DA)方法,计算已知工况和新工况数据的局部最大均值差异(LMMD),以对齐两种工况数据之间的分布;最后,对新工况下故障样本进行分类。实验结果表明,该模型在噪声干扰、缺少标记数据、工况变化的情况下仍能保持较高的故障诊断精度。 相似文献
17.
发酵过程的状态监测对于及时发现各类异常故障起到了至关重要的作用。然而,由于发酵过程数据呈现非线性特性,导致在提取特征信息时存在困难,增加了故障监测的难度。为了解决上述问题,提出了一种基于注意力动态卷积自编码器(attention dynamic convolutional autoencoder, ADCAE)的发酵过程故障监测方法。首先,设计了一种动态卷积结构(dynamic convolution structure),该结构可以在浅层使用大尺寸卷积核提取低级特征,在深层使用小尺寸卷积核提取高级特征,从而拓宽了模型特征学习的尺度;其次,设计了一种通道卷积注意力(channel convolutional attention, CCA)模块,该模块能够从不同尺度提取输入的非线性特征,并且在通道向量转化为权重的过程中可以更好地提取局部特征,提高了对有效信息的关注能力;最后,将动态卷积结构与CCA模块融入卷积自编码器中,使模型能够有效地捕获变量中的非线性关系,从而更好地应对发酵过程中的故障监测问题。利用青霉素发酵过程仿真平台和大肠埃希菌实际生产数据对该方法的可行性进行了验证,结果表明该方... 相似文献