火眼金睛辨真假——小记CPU-Z软件

当今的电脑市场龙蛇混杂，各种等级的JS已经将“Remark”的水半发挥到了炉火纯青的地步，假冒伪劣的东东不计其数，一不留神就容易买到一块打磨过的CPU。而且其仿造水平之高有时连常泡电脑城的老鸟都不免上当，更不用说一些初涉电脑的菜鸟了。如何才能买到一颗让自己放心的真．“芯”呢？这就需要借助各种能够测试CPU状态的软件了。而这方面的软件数量不在少数，不过使用简单方便并且功能颇为强劲的莫过于得到大家一致好评的“CPU-Z”了。     

MPEG视频格式专题测试 流动中的视觉艺术

虽然如今的视频格式种类十分繁多,并且由于网络的发展使流媒体技术大行其道,但迄今为止,MPEG技术标准根深蒂固的主导地位仍然没有被撼动。在本文中,CHIP将带你进入一个由MPEG统治的“视”界!     

离子液体/NMP对双马萃余煤的结构和萃取性能影响

为研究离子液体/NMP对双马萃余煤的结构和萃取性能影响,首先分别用乙醇和丙酮对宁东双马煤样(SM)进行分步萃取,得到萃余煤(SMEC),然后将不同种类的离子液体(ILs)分别与N-甲基吡咯烷酮(NMP)混合后对SMEC进行萃取.用TG研究ILs/NMP萃取前后煤样热分解特性的变化,用FT-IR研究ILs/NMP萃取前后煤样官能团的变化,用GC/MS分析萃取物的种类.结果表明,ILs/NMP萃取后煤样的热失重增大,萃余煤中含氧官能团含量下降.另外,疏水型离子液体/NMP对SMEC煤的累积萃取率大于亲水型离子液体/NMP的累积萃取率.亲水型离子液体[Bmim]Cl/NMP和[Bmim]BF4/NMP分别萃取出51种和44种有机物质;疏水型离子液体[Bmim]NTf2/NMP和[Bmim]PF6/NMP分别萃取出28种和29种有机物质.疏水型离子液体/NMP对SMEC煤中含氧官能团化合物的萃取能力强于亲水型离子液体/NMP;疏水型离子液体/NMP对SMEC煤中含杂原子化合物的萃取能力小于亲水型离子液体/NMP.     

8种药剂对黄蓟马的室内生物活性及田间防效

[目的]筛选防治黄蓟马的有效药剂及用量。[方法]选择8种杀虫剂,采用浸叶法对黄蓟马成虫进行室内生物活性测定,并结合防效试验进行效果验证。[结果]室内生物活性测定结果表明:25%噻虫嗪WG、10%吡虫啉WP、50%噻嗪酮SC和1.80%阿维菌素EC对黄蓟马有较高的活性。田间药效结果表明:10%吡虫啉WP 4.14 g a.i./hm2在施药3 d后防效最好,达到92%;1.80%阿维菌素EC 1.20 g a.i./hm2和25%噻虫嗪WG 5.13 g a.i./hm2在施药7 d后防效最好。[结论]25%噻虫嗪WG和1.80%阿维菌素EC可推荐为防治黄蓟马的首选药剂,2者属于不同类型的杀虫剂,适合交替使用,防止黄蓟马快速产生抗药性。     

基于线性规划算法的源-网-荷互动最优潮流模型

针对风、光电等新能源的严重弃风弃光问题,提出了源-网-荷互动最优潮流模型.利用柔性电荷、新型能源和传统电源等特性,基于传统最优潮流模型和线性规划算法,修改目标函数的设置,确定了约束条件的基本表达式,从而实现了增大系统边际效益的目的.利用Visual Studio和Styrp1. 10等软件搭建了源-网-荷互动最优潮流模型.仿真测试结果证实了模型的可行性和有效性,该模型可以缓解新能源发电的能力局限问题.     

多种促进剂并用硫黄硫化三元乙丙橡胶机理研究

对促进剂EZ/PPD/CZ/TETD并用体系在三元乙丙橡胶硫化过程中的作用机理进行分析。结果表明,促进剂并用体系在硫化过程中裂解出的胺起到促进剂和橡胶分子链间的活化作用,使得硫化反应易于进行;硫化逆反应发生在硫化后期,没有对硫化诱导期和热硫化期产生延迟作用,这也是硫化速率加快的原因之一。     

LC2294处理器片内A／D转换器测试

介绍了通过对 LC2294处理器片内 A /D 转换器测试,构建简单可靠,通用性好的自动测试系统,提出了一种软硬件结合的 A /D 测试方法,给出了测试系统原理图,并详细描述了软件实现过程。     

外圆磨削接触弧区温度模型的建立及其试验研究

本文在建立磨削接触弧区不同等温面温度数学模型的基础上，推导出一个比较简单的计算磨削接触面最高温度的数学模型。本文的磨削接触弧区温度测试系统较好地解决了外圆磨削温度难以检测的难题，为外圆磨削温度的测试提供了一种行之有效的方法。计算机仿真和磨削试验的结果都证明了所建立的磨削温度模型的正确性。     

表面粗糙度模糊神经网络在线辨识模型

为解决零件加工中表面粗糙度在线检测困难这一问题,提出一种基于模糊神经网络的零件表面粗糙度在线辨识方法,并以外圆纵向磨削为例,建立表面粗糙度模糊神经网络在线辨识模型.首先研究前人建立的外圆纵向磨削零件表面粗糙度理论公式及经验公式,得出加工中的工件速度、砂轮速度、磨削深度和纵向进给量对零件表面粗糙度有直接影响,并进一步提出以在线测得的加工中工件与砂轮的速度比、磨削深度和纵向进给量作为零件表面粗糙度辨识模型的输入.由于加工过程极其复杂,无法建立加工中零件表面粗糙度与加工参数之间的精确数学模型,故将模糊神经网络引入建模过程中.同时,由于加工中零件表面粗糙度的对数与加工参数的对数存在线性关系,故模型中采用了T-S型模糊推理.此模型应用于实际磨削加工中,建模型精度可达97%,这进一步证明此在线辨识方法的可行性.