镱掺杂二氧化锡纳米粉体的制备工艺影响因素

以SnCl4·5H2O和Yb(NO3)3·6H2O为原料,氨水为沉淀剂,采用化学共沉淀法制备了镱掺杂二氧化锡纳米粉体,考察了反应温度、煅烧温度、分散剂的种类对所得纳米镱掺杂二氧化锡粉体的物相、晶粒度和形貌的影响。对粉体的前驱体进行综合热分析(TG-DTA),用X射线衍射仪(XRD)、扫描电子显微镜(SEM)对产物的结构和形貌进行表征,得到共沉淀法制备纳米镱掺杂二氧化锡粉体的最佳条件为:反应温度60℃,煅烧温度600℃,用非离子型PEG-600为分散剂。     

关于高标清同播下变换方式的思考

介绍了《电视台数字化网络化建设白皮书——电视台高标清同播技术策略研究》中幅型变换的原则和策略,结合近年来的发展状况,提出了改进建议.     

录像机报警故障的维修

虽然数字录像机有着诸多的优越性能,但大多数中、小电视台由于经费有限,目前仍然在使用模拟录像机。本期在此选用了2篇有关模拟录像机维修的文章,文章作者在台里均从事设备维修工作,他们把平时在维修中总结的经验整理成文,在此分别介绍了JVC BR-S822/622和SonyBetacam SP两种广泛应用于各级电视台的录像机典型故障处理方法,希望对电视台维修人员有所启发。     

基于GC-MS与GC-IMS技术对四种柚皮精油挥发性风味物质的检测

以广东省梅州蜜柚、沙田柚及江西省井冈蜜柚、福建省福鼎四季柚四种柚子为研究对象,通过气相色谱-质谱（GC-MS）和气相色谱-离子迁移谱（GC-IMS）GC-MS和GC-IMS技术在四种柚皮精油共检测出56和58种不同挥发性成分,主要为萜烯类、醇类和醛类化合物。GC-MS结果表明,梅州蜜柚精油中特有挥发性成分为萜烯类、醇类和醛类;井岗蜜柚精油中特有挥发性成分为萜烯类、醇类和酯类;梅州沙田柚精油中特有挥发性成分为萜烯类;福鼎四季柚精油中则为萜烯类、醇类、醛类、酮类和酯类。GC-IMS结果表明,梅州蜜柚精油中主体挥发性成分为萜烯类、醇类和醛类;井岗蜜柚精油中主体挥发性成分主要为醇类、醛类和酯类;梅州沙田柚精油中主体挥发性成分为萜烯类;福鼎四季柚精油中主体挥发性成分为醇类、酯类、酮类和呋喃等。两种技术的分析结果存在一定差异,GC-MS检测出的大多是大分子（C₁₀~C₁₅）高含量挥发性组分,GC-IMS检测出的主要是小分子（C₂~C₁₁）低含量挥发性成分,两种技术相结合扩大了样品中挥发性组分的检测范围,且GC-IMS相较于GC-MS检测出的挥发性成分种类和数量更多。热图聚类和主成分分析可以很好区分四种柚皮精油样品,证明四种柚皮精油中的挥发性成分存在一定差异。两种技术结合能更全面直观地反映四种柚皮精油挥发性成分之间的差异,为不同品种、不同产地柚皮精油的加工利用进一步提供科学依据。     

基于主成分及聚类分析的不同产地芦笋品质综合评价

该研究选取了不同产地（山东菏泽S1、河南许昌S2、云南弥勒S3、贵州贵阳S4及江西吉安S5）芦笋对其基本营养及功能性成分进行测定,利用相关性分析、主成分分析和聚类分析等方法,对芦笋品质进行综合评价。结果表明：32项指标简化为4个主成分,累积方差贡献率为100%,结合相关性分析,从32项品质指标中筛选出13项核心品质指标,即确定钾、木质素、总酚酸、锌、水仙苷、烟花苷、果胶、总皂苷、咖啡酸、可溶性蛋白、叶绿素、根皮苷和山奈酚。聚类分析结果显示五个产地芦笋可划分为3类,各产地综合品质优劣排名依次为S1、S2、S5、S4、S3,其中排序较相近的产地被聚为一类,表明两种分析方法得出的结果较为一致。该研究为不同产地芦笋品质评价和核心品质指标的确定提供了理论依据。     

浅谈色织布中色纱的对色

探讨了色织物色纱对色的基本方法及各种组织结构的织物和加工工艺对色光的影响,并提出了解决方法。     

广西海堤护坡结构设计探讨

以广西海堤加固为例,对比分析各种护坡结构的优缺点,提出在原有旧堤上加固,采用现浇砼混合护坡方案的可行性,指出其优点及推广价值.     

磷石膏制备磷酸氢钙的实验研究

以磷石膏中钙源回收利用为研究目的,采用磷酸与磷石膏制得的硫氢化钙反应,制备饲料级磷酸氢钙产品.研究结果表明:磷石膏制备磷酸氢钙路径可行;湿法磷酸和热法磷酸均可制备出符合国家标准的饲料级磷酸氢钙产品;两者相比,采用湿法磷酸在成本上具有优势,采用热法磷酸在品质方面具有优势.实验结果对磷石膏的综合利用具有一定的指导意义.     

斜拉桥拉索减振阻尼器对拉索索力测量的影响研究

研究了拉索减振阻尼器对拉索模态频率的影响,提出了考虑拉索垂度的拉索-阻尼器系统模态频率的分析方法,以岳阳洞庭湖大桥A11号拉索为例,得到了阻尼器安装相对高度、阻尼系数对拉索模态频率的影响程度和规律及消除阻尼器对索力测量精度影响的方法.结果表明,采用高阶模态频率能更准确测量拉索索力.     

一种基于Kinect的自动跟随机器人设计

利用微软的Kinect传感器获得跟随目标的坐标信息包括深度信息后,在上位机上进行数据处理,计算机器人本体与跟随目标的相对位置,发送控制指令到下位机,通过这样的方式实现本体对设定目标的运动跟随。在进行跟踪的同时从深度图像中判断是否存在障碍物,使用改进的人工势场法进行路径规划,以达到在有障碍的同时顺利完成跟踪的目标的目的。通过设计机器人本体进行实验,获得了预期效果。