排序方式: 共有42条查询结果,搜索用时 31 毫秒
2.
泡沫塑料富集—硫脲解脱—原子吸收法测定含钨、钼矿石中金的分析结果严重偏低的原因在于样品预处理过程中形成的H2WO4、H2Mo O4胶状物捕集了部分Au Cl-4,导致溶液中Au Cl-4与泡沫塑料上活性基团—RNH+3的离子交换程度降低,而与Au Cl-4竞争被泡沫塑料同时吸附的WO2-4、Mo O2-4与泡沫塑料上—RNH+3结合,再次成为捕集硫脲解脱产物Au[SC(NH2)2]+2的类胶状体。通过控制样品分解溶液的酸度,加入适量Fe(Ⅲ)和NH4NO3,可确保溶液中Au(Ⅲ)的稳定性,将可能的H2WO4、H2Mo O4胶状物转化为可溶性盐;将硫脲解脱载金泡沫塑料改为无臭灰化载金泡沫塑料,确保了Au的回收率。该方法操作简便,用于国家标准物质测定,其分析结果的精密度(RSD)小于1.29%,与标准值的相对误差(RE)小于0.92%。 相似文献
3.
4.
5.
6.
采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集.针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法.首先,采用迁移学习获取图像数据样本的特征向量集合;其次,通过引入连接权重策略的自组织增量神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数进行少量人工节点标注;然后,搭建图卷积网络(GCN)挖掘图中节点的潜在联系,利用Dropout手段提高网络的泛化能力,对剩余节点进行自动标注进而获得所有金相图的分类结果.针对从某国家重点实验室收集到的金相图数据,比较了在不同人工标注比例下的自动分类精度,结果表明:在图片标注量仅为传统模型12%时,新模型的分类准确度可达到91%. 相似文献
7.
采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集。针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法。首先,采用迁移学习获取图像数据样本的特征向量集合;其次,通过引入连接权重策略的自组织增量神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数进行少量人工节点标注;然后,搭建图卷积网络(GCN)挖掘图中节点的潜在联系,利用Dropout手段提高网络的泛化能力,对剩余节点进行自动标注进而获得所有金相图的分类结果。针对从某国家重点实验室收集到的金相图数据,比较了在不同人工标注比例下的自动分类精度,结果表明:在图片标注量仅为传统模型12%时,新模型的分类准确度可达到91%。 相似文献
8.
为研究全贯流泵(电机泵)的性能,采用CFD软件对全贯流泵模型装置进行三维流动数值模拟,分析了全贯流泵内部流态和整体性能。结果表明:全贯流泵模型装置在各个工况下前导叶进口流速均匀度均在97%以上、叶轮进口流速均匀度均在91%以上,均匀度足以保证水泵性能。进水喇叭管、前导叶水力损失小,后导叶、出水喇叭管水力损失大。出水喇叭管出口断面流速分布不均匀,流态差。该装置最高效率为69.47%,对应工况流量为290L/s时,扬程为4.855m。在各个工况下,全贯流泵模型装置扬程比对照轴流泵装置扬程小,效率比对照轴流泵装置效率低,消耗的轴功率比对照轴流泵装置消耗的轴功率多。全贯流泵管路短,出水喇叭管出口流速大,扩散不充分,水力损失大,这是全贯流泵装置效率低的主要原因。 相似文献
9.
根据高频红外吸收法测定硫的特点及钨精矿的性质,讨论了高频红外吸收法测定钨精矿中硫的影响因素,主要有分析气流量、助熔剂的选择及其用量、称样量、坩埚的处理、水的干扰等。通过实验,分析了各种影响因素对结果产生影响的原因,并确定了最佳的分析条件。实验助溶剂采用0.1g锡粒,0.2g三氧化钼,0.2-0.4g纯铁,1g钨粒,分析流量为3.0-4.5L/min,称样量为0.1-0.3g,坩埚预先于1100℃灼烧4h,在此条件下,对钨精矿中的硫进行测定,并和经典的碘量法进行比对,RSD〈5%,结果令人满意,可用于钨精矿中硫的测定。 相似文献
10.