一种室内可见光通信亮度控制方法

为了解决室内无线可见光通信中照明光源亮度不稳定的问题,提出了一种新型的以脉冲宽度调制（PWM）波形作为载波的编码调制方法,设计了基于该方法的发射器和接收器。PWM波形在逻辑1和逻辑0时的载波占空比相同,频率分别为38 kHz和7 kHz。发射端采用高亮度白光LED作为光源,接收端采用PIN光电二极管和低噪声放大器作为前...     

黏弹性表面活性剂在煤粉上的吸附性能研究

采用紫外分光光度计研究了季铵盐型黏弹性表面活性剂VES-2-16和VES-4-16在沁水盆地煤粉上的吸附规律,并计算了该类表面活性剂在煤粉上的吸附焓。结果表明:季铵盐型黏弹性表面活性剂在煤粉上的吸附曲线符合Langmuir吸附规律;不管是在较高温度还是在较低温度下都基本能达到吸附平衡,此后吸附量的增加趋于平缓;两者在煤粉上的吸附焓变是负值说明吸附是放热的,温度升高不利于吸附的进行。     

利用分形理论计算油水相对渗透率曲线

相对渗透率曲线是油藏工程和油藏数值模拟计算中的重要参数,该文在分流量方程的基础上,利用分形理论和生产数据,计算得到了油水两相相对渗透率曲线。通过油藏的具体实例,利用计算的相对渗透率曲线反推含水率,与实验室测定的含水率符合性好,表明可用该方法计算的相对渗透率曲线有较强的可靠性。     

基于能量图谱和孪生网络的导波损伤诊断方法

由于导波损伤诊断方法在碳纤维增强复合材料(carbon fiber reinforced polymer,简称CFRP)损伤监测领域的结构不确定性和专家经验缺乏,提出了一种基于能量图谱和孪生卷积神经网络(convolutional neural networks,简称CNN)的导波损伤识别和定位方法。以导波监测网络的能量图谱作为模型的学习样本,消除样本标签质量对专家水平的严重依赖,同时为深度学习模型提供丰富的有效信息。设计了权值共享的孪生网络以避免模型参数过多导致的过拟合现象,并利用CNN和长短记忆网络自动挖掘导波信号的高层特征。此外,对深度学习模型提取的特征进行可视化分析并讨论其物理意义,为解释神经网络的工作原理提供基础。实验结果表明,该方法在考虑结构不确定性的情况下,损伤识别和损伤定位的准确率分别达到88%和85%,相较于基于专家经验的传统方法优势明显。     

信息技术与高中英语说明文阅读课整合模式探析

纵观2010年中小学信息技术与课程整合优质课大赛,信息技术与英语教学的整合,不是简单地把信息技术作为辅助英语教师“教”的演示工具,而是要实现信息技术与英语教学的“融合”。     

NiO掺杂InVO4光催化降解甲酸水溶液产氢的研究

以有机污染物为电子供体可达到制氢与治污的双重目标.通过高温固相法制备了新型NiO/InVO4复合光催化剂.采用XRD,SEM,UV-VIS,BET等测试手段对复合光催化剂的物理和光学性质进行了表征,考察了NiO/InVO4复合光催化剂降解甲酸水溶液制氢的光催化反应.结果表明:NiO/InVO4复合光催化剂为正交晶相结构...     

数字全息显微测量中相位畸变的矫正方法

针对微尺寸(1 mm)透射型物体的数字全息显微测量中存在的相位畸变问题,提出一种相位矫正方法,通过改进预放大离轴菲涅耳数字全息记录光路以及全息图的卷积再现算法,消除了相位分布的一次畸变和二次畸变.使用该方法测量USAF1951分辨率板,成功矫正了其再现像的相位畸变,并得到了横向尺寸0.25 mm区域的清晰相位分布三维重建图.该方法的优点在于通过对记录光路和再现算法的改进,矫正相位畸变,直接得到正确的再现像相位,简化了相位补偿计算的步骤,很大程度地降低了相位重建过程的复杂程度,有利于对物体进行实时探测和快速重建.     

CoCrFeNi高熵合金在金属氧化物熔盐电脱氧中的形成过程

在1173 K下将金属氧化物在CaCl₂熔盐中进行电脱氧,制备了CoCrFeNi高熵合金。通过X射线衍射（XRD）、扫描电子显微镜（SEM）和能量色散X射线能谱（EDS）研究了不同电解时间下金属氧化物转化为高熵合金的相变过程。结果表明,CoCrFeNi高熵合金的形成过程包括快速脱氧和深度脱氧2个阶段。在快速脱氧阶段,在1 h内去除了烧结氧化物球团中93.93%（质量分数）的氧,电流效率达到89.95%。电解结束后,产物的氧含量可达0.26%（质量分数）,电流效率为17.93%。该高熵合金的形成过程可用于指导建立低成本、高效率的电化学路线。     

基于解决实际问题导向的“电路与信号分析”课程建设探究

＂电路分析基础＂和＂信号与系统＂是电子信息类各专业的两门重要的工程技术基础课程,然而,长期以来这两门课程的教学存在在授课内容上重复、衔接不合理等诸多问题,因而根据信息化时代的需求和相应的人才培养目标,在对原有课程体系教学内容进行优化整合的基础上,建设成为＂电路与信号分析＂一门课程。本文针对该课程建设的目标和内容提出一些见解,以促进课程授课质量的提高。     

基于排列熵和VPMCD的滚动轴承故障诊断方法

VPMCD(Variable Predictive Model Based Class Discriminate)是一种新的模式识别方法,它充分利用从原始数据中所提取的特征值之间的相互内在关系建立数学模型,从而进行模式识别。论文将VPMCD结合排列熵(Permutation Entropy,简称PE)方法应用于滚动轴承故障诊断。首先采用ITD(Intrinsic Time-scale Decomposition,简称ITD)对滚动轴承振动信号进行分解,得到若干个固有旋转(Proper Rotation)分量,并对包含主要故障信息的PR分量提取排列熵作为故障特征值;然后,对VPMCD分类器进行训练;最后,采用VPMCD分类器进行故障识别和分类。实验数据的分析结果表明该方法能够有效地应用于滚动轴承故障诊断。