火花放电原子发射光谱类型标准化校正方式的探讨

在国内,火花放电原子发射光谱分析广泛使用类型标准化进行方法校正。在国外,标准和文献中鲜见使用此方法的相关论述。类型标准化主要采用平移校正和转动校正两种方式,哪种方式更加合理也鲜见报道。国外设备类型标准化的默认设置优先采用转动校正方式,相关国内标准对最优校正方式的规定尚不明确,此默认设置的合理性有待探讨。实验选用低合金钢20CrNi2Mo、R407标准样品和不锈钢317L、0Cr18Ni9标准样品,引用国内相关标准,以正确度临界差为评判依据,模拟类型标准化样品和待测样品“十分接近”和“接近”两种情况下平移校正和转动校正的数据正确度。经数据统计分析,平移校正分析结果均满足要求,转动校正结果在“接近”情况下部分元素不满足要求。结合相关国家标准中元素含量范围和精密度数据进行分析,通过计算允许最大偏倚量并制作曲线图方式展开分析,得出如下结论:在满足文中类型标准化控制要点前提下,分析设置更适合于采用平移校正方式。     

配分工艺对中碳Ti-Mo高强Q&P钢组织和性能的影响

摘要：采用盐浴实验、扫描电镜、透射电镜、拉伸实验和磨损实验等手段，研究了配分工艺对中碳Ti Mo钢组织和性能的影响，分析了不同配分工艺处理下的组织演变和性能变化。结果表明，显微组织主要由回火马氏体、渗碳体、(Ti，Mo)C粒子组成。随着配分时间的延长和配分温度的升高，板条马氏体数量减少，马氏体板条厚度增加，边界钝化。此外，随着配分温度从310℃提高至400℃，抗拉强度、硬度和低温冲击韧性同时下降，分别降低约250MPa、56HV和15J。最后，Ms以下温度配分（310℃）试样的耐磨损性能明显优于Ms以上温度配分（400℃）试样。Ms以下温度配分试样磨损表面形貌以塑性变形为主，Ms以上温度配分试样磨损表面以犁沟为主。     

CFETR水冷陶瓷增殖剂包层模块产氚率实验验证

水冷陶瓷增殖剂（WCCB）包层作为中国聚变工程试验堆（CFETR）候选包层之一，承担着氚增殖、核热提取、屏蔽等重要涉核功能，其中子学设计的可靠性直接影响CFETR氚自持目标的实现。为验证中子学设计工具，即MCNP和FNEDL3.0数据库，在WCCB包层中子学设计中的可靠性，基于研制出的WCCB包层模块，在DT中子环境下开展中子学实验，对以产氚率（TPR）为代表的中子学参数进行了模拟值（C）和实验值（E）对比分析。结果表明，模块中轴线位置处TPR的C/E为0.97?1.08，而模块边缘位置处TPR的C/E为0.65?0.82；模块钛酸锂层边缘区197Au（n，γ）198Au反应率的C/E为0.72?0.90，表明模块边缘区存在非期望的散射中子，导致该区TPR模拟值和实验值偏离较大。     

仿真虚拟实训中心建设在药学高等职业教育中的应用

在当前信息技术快速发展的社会,虚拟仿真实训开始在高等职业教育教学中广泛应用,使用虚拟仿真实训技术能够有效的解决当前高等职业教育实践教学中存在的一些突出问题,能对传统的教育教学模式进行有效的补充。本文以仿真虚拟实训中心建设为切入点,就其建设及其在高等职业教育药学专业中的应用进行分析,以期使虚拟仿真实训中心在提高实践教学效果方面发挥重要作用。     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。     

稳产国Ⅵ柴油并兼产喷气燃料技术方案的工业应用

介绍了浙江石油化工有限公司新建的3 Mt/a柴油加氢精制装置，其配套使用中国石化石油化工科学研究院有限公司开发的催化剂级配技术，并实施了可根据原料供应及市场产品需求情况灵活调整切换的2种生产技术方案。1 a的安稳生产运行结果表明:该装置以直馏柴油为主原料，通过分馏塔的馏分切割及其侧线抽出，实现了稳产国Ⅵ柴油并兼产喷气燃料技术方案的工业化应用；在实施以兼产喷气燃料为主的生产技术方案时，通过调整常一线柴油的掺炼量，不仅可以生产含硫量小于10.0 μg/g的精制柴油产品，同时兼产所得到的喷气燃料产品含硫量小于0.5 μg/g，赛波特颜色号值大于30；在实施主产精制柴油组分方案时，通过掺炼质量分数为20%~40%的催化柴油，并使所提炼得到的精制柴油组分含硫量小于6.0 μg/g的前提下，这些精制柴油组分产品既可直接作为满足国Ⅵ柴油产品出厂待售，也可作为柴油调和组分储存待用于产品的进一步优化。     

机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。