Mn含量对Al掺杂PMN-PMS-PZT陶瓷介电性能的影响

采用传统的固相烧结法制备了Pb1.07[(Mn1/3Nb2/3)1/2(Mn1/3Sb2/3)1/2]0.08(Zr0.828Ti0.092)O3+x wt%Al2O3+y wt%MnO2(x=0.1,0.3,0.5,0.7;y=0.00,0.02,0.04,0.06,0.08,0.10,0.12)热释电陶瓷,在对不同组分Al掺杂PMNPMS-PZT陶瓷材料介电性能对比寻优的基础上,逐步增加Mn的含量,研究不同Mn增量下,对最优Al掺杂PMNPMS-PZT热释电陶瓷相结构、晶粒生长以及介电性能的影响。通过X射线衍射仪(XRD)分析显示Al掺杂PMNPMS-PZT陶瓷和在最优Al掺杂基础上增加Mn的含量都不会引入新的杂相,扫描电子显微镜(SEM)分析表明当x=0.30,适当增加Mn的含量,有助于陶瓷晶体的均匀致密,但一旦添加过量则又会产生不好的影响。实验结果表明:采用530℃排塑,烧结1190℃,保温2 h,当x=0.30,y=0.08时,PMN-PMS-PZT热释电陶瓷具有较好的相结构和介电性能,其中介电常数εr约为210,介电损耗tanδ约为0.16%,压电系数d33约为66.00 pC/N。     

新型交叉耦合双模宽带带通滤波器设计

采用变形的阶梯阻抗谐振器(SIR)设计了一款小型化、高性能新型宽带带通滤波器.通过对经典的SIR进行弯折,在高阻抗线之间引入交叉耦合构成交叉耦合多模谐振器.该谐振器具有与经典SIR相同的谐振模式,由前两个谐振模式构成通带,并且在上下阻带产生两对对称的传输零点.该带通滤波器结构紧凑、带内差损非常小,同时由于带外传输零点的存在,一阶杂散得到有效抑制,带外特性明显改善.     

横向双模双频滤波器设计

基于横向滤波器耦合结构,采用支节加载双模谐振器,设计了中心频率位于1.57 GHz(GPS应用)与2.4GHz(WLAN应用)的双频微带滤波器。由短路支节加载双模谐振器形成第一个通带,开路支节加载双模谐振器形成第二个通带,两个谐振器被输入/输出馈线隔离,每个通带的中心频率与带宽可以单独调节。测试结果表明:两个通带内的最小插损分别为2.18,1.35 dB,3 dB带宽分别为5.2%,6.8%,回波损耗均小于16 dB,三个传输零点分别位于1.28,2.08,2.71 GHz处。该滤波器具有尺寸小、带外选择性好等优点。     

盐业企业技术创新的现状与对策

技术创新是盐业企业发展的基础和决定因素。目前盐业企业普遍存在技术创新能力不足、制盐技术装备与设备相对落后,产品结构单一、附加值较低,研发能力弱、知识产权保护薄弱,资源利用率低、可持续发展的意识淡薄等现状,为此盐业企业应从深入贯彻落实科学发展观、创造良好的创新环境和机制、建立技术创新组织、加大技术创新力度、重视知识产权保护等方面采取相应的对策,进一步促进企业的可持续发展。     

基于多任务学习框架的红外行人检测算法

与高质量可见光图像相比,红外图像在行人检测任务中往往存在较高的虚警率.其主要原因在于红外图像受成像分辨率及光谱特性限制,缺乏清晰的纹理特征,同时部分样本的特征质量较差,干扰网络的正常学习.本文提出基于多任务学习框架的红外行人检测算法,其在多尺度检测框架的基础上,做出以下改进:1)引入显著性检测任务作为协同分支与目标检测网络构成多任务学习框架,以共同学习的方式侧面强化检测器对强显著区域及其边缘信息的关注.2)通过将样本显著性强度引入分类损失函数,抑制噪声样本的学习权重.在公开KAIST数据集上的检测结果证实,本文的算法相较于基准算法RetinaNet能够降低对数平均丢失率(MR-2)4.43％.     

基于MFCC与分形维数混合参数的语音识别

针对语音气流中具有混沌特征,而分形可以定量地分析混沌现象,故分形可用来分析语音信号。语音波形具有分形特征,将分形用于改善语音识别技术更好地表现语音的特征,避免传统的分段线性处理所产生的局限性。将传统特征参数MFCC与分形特征结合起来,组成混合参数用于语音识别。实验结论显示,基于MFCC与分形维数混合参数的语音识别方法要好于使用单一MFCC参数的语音识别方法。     

基于吸收光谱乙炔气体浓度在线检测系统的研究

可调谐二极管激光吸收光谱技术是利用二极管激光器的波长调谐特性,获得被选定的待测气体特征吸收谱线的吸收光谱,从而对待测气体进行定性或定量分析技术,与多次反射池相结合,利用谐波检测技术对所提取的微弱信号进行处理,设计了一套远距离在线测量乙炔气体监测系统,经过系统实验,能准确、快速地完成乙炔气体浓度的监测。     

一种新的强抗噪边缘检测方法

针对传统形态学边缘检测方法存在去除噪声与边缘细节保留矛盾的问题,提出了一种能有效去除噪声且准确检测图像边缘的方法.该方法首先利用多结构元素对图像进行滤波,然后用全方位多角度线结构元素结合一种改进的形态学算子检测图像边缘,最后将所得结果进行自适应权重求和,得到噪声存在下较理想的图像边缘.实验表明,该方法对噪声具有较强的抑制能力,在准确检测图像边缘、保留更多细节边缘的同时,能够有效地去除图像中的多种噪声,具有较高的信噪比.     

基于粒子群算法和支持向量机的故障诊断研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中;支持向量机中核函数的参数选择非常重要,它决定着故障诊断的精确度;为了提高电气设备故障诊断的精度和效率,将粒子群优化算法和最小二乘支持向量机相结合,提出了一种基于粒子群支持向量机的故障诊断方法,能够实现对核函数的σ参数进行快速动态选取,提高故障诊断的准确率和效率;实验表明,该方法能够有效地找出合适的核参数,并能取得较好的分类效果。