用于虚拟仪器的USB-信源/数采设备开发

USB通用串行总线是电脑系统连接外围设备的新一代接口标准,本文从虚拟仪器的基本要求出发,针对PC插卡扩展存在的问题,提出并实现了一种基于USB总线的通用信源/数采设备.系统采用一种高集成的Cygnal-F007单片机和USBN9604通用接口芯片,并就其总体设计思想、关键技术和实施要点进行了讨论,内容涉及硬件电路、固件程序,以及作为应用示例的示波器、信号源和辨识机的两种采样-通信工作方式.     

不同分散染料微胶囊的制备及应用

采用原位聚合法进行双层造壁，对不同结构的分散染料进行胶囊化。将分散染料高速均化后，在pH=4～6时加入TMM，65℃保温1．5小时，再滴加一定量PEHMM，在75℃时保温2.5小时进行双层造壁、C.I.分散橙30染料胶囊的粒径平均值为13．53μm，中值8．732μm；C.I．分散蓝56微胶囊粒径平均值为36.3μm，中值24.87μm。胶囊染色结果显示：这两只染料性能优于传统染料，染色后其废液的吸光度分别为0.021和0.003，比传统染色废水的1.286和0.786低很多。     

基于局放重症监测技术在750kV主变缺陷检测中的应用

本文中作者介绍了一起基于局放重症监测系统在某750kV主变压器悬浮放电缺陷局放检测及定位的应用案例,并通过试验及检查,证明了局放重症监测系统对发现主变悬浮放电缺陷的及时性和准确性。     

多孔淀粉对森林浴香精的吸附及释放性能研究

本文采用多孔淀粉吸附法,制备具有一定缓释性能的香精缓释制剂。使用扫描电子显微镜观察其表面多孔并向内部延伸。150目多孔淀粉的平均饱和吸附率为0.785g/g。热重法测得在150℃之前,随着温度的升高,多孔淀粉缓释制剂失重速率加快,至170℃左右时,香精基本释放完全。紫外分光光度法得出,随着时间的延长,质量相等固体中香精含量c缓慢下降,释放速率也逐渐减小;吸附在多孔淀粉中的香精在初期表面阶段释放符合一级反应动力学,方程为logc=-0.03123t+0.9149(r2=0.96799);微孔阶段释放符合二级反应动力学,方程为1/c=0.0051t+0.1338(r2=0.95915)。     

取向硅钢连铸坯中夹杂物和析出相的形貌特征

通过多角度分析取向电工钢铸坯中夹杂物和析出相的形貌特征,得到了铸坯中典型夹杂物主要由氮化物和硫化物的复合夹杂物、硫化物、少量Al2O3和TiN所组成。经金相法可以推断出,铸坯中二维夹杂物主要为不规则的复合夹杂物,尺寸为1～2μm。试样经过硝酸酒精侵蚀后的夹杂物和析出相可以清晰看出Al-Cu-Ti-Mn-N-S复合夹杂物的不规则形貌和尺寸为1～2μm。采用电解法可以无损地展现出三维夹杂物和析出相,氮化物和硫化物的复合夹杂物主要是由Al-Cu-Ti-Mn-N-S组成,呈现边部圆润和锯齿状的不规则形状及花瓣状。硫化物主要是Mn-Cu-Ti-S,呈现矩形和圆片状。同时还有少量的四边形Al2O3和多边形TiN。     

7-(3-氨基-3-芳基丙酰)-3-三氟甲基-5,6,7,8-四氢[1,2,4]三唑并[4,3-α]哌嗪的合成

以2-氯吡嗪和3-氨基-3-芳基丙酸为原料,经肼解、三氟乙酰化、闭环、氢化、缩合、脱保护等一系列反应合成了标题化合物,通过IR、1HNMR、13CNMR、MS对所得化合物的结构进行了表征.     

考虑历史工况的电力变压器健康状态评估模型

电力变压器结构、运行工况复杂,影响其健康状态的因素众多,建立有效的变压器健康状态评估模型对其状态进行准确评估是十分必要的.文中提出一种考虑变压器历史运行工况影响的变压器健康状态评估模型.从油色谱试验、电气试验、油化试验数据及现场评估等方面提取相关重要指标作为定量指标和定性指标,通过主客观组合权重和岭型隶属函数完成基于定...     

南宁市售茶叶重金属含量及健康风险评价

采用电感耦合等离子体质谱(ICP–MS)法测定了南宁市售茶叶中Cu、Zn、Pb、Cd、As、Cr和Ni七种重金属的含量,运用内梅罗综合污染指数对重金属污染水平进行评价,运用靶标危害系数法对重金属人体健康风险进行评估.结果表明:试验方法精密度和准确度都较高,市售茶叶中重金属Cu、Zn、Pb、Cd、As、Cr和Ni的含量差...     

用于拼染的微胶囊化分散染料初选

选用工厂生产常用的C．I．分散红73、C．I．分散黄211和C.I.分散蓝183这3种纯分散染料进行微胶囊化并实施无助剂染色。通过改变微胶囊化时的芯壁比,控制分散染料缓释速率,并考察相应微胶囊化分散染料的高温高压染色上染曲线、初染率、匀染性及提升力等染色性能。最终找出微胶囊化芯壁比的变化与染色性能之间的关系,筛选出适于无助剂拼染的微胶囊化分散染料最佳组合。     

基于深度学习的变压器局部放电模式识别研究

针对传统PD模式识别用统计特征量需要依赖专家经验而缺乏一定的泛化性问题和卷积神经网络(CNN)模式识别算法缺乏PD图谱时序特征信息的问题,文中构建了基于CNN-LSTM深度学习的PD PRPD图谱模式识别模型,该模型综合了CNN善于挖掘PRPD图谱局部空间信息的优点和长短时记忆网络(LSTM)善于挖掘PD图谱时序特征信息的优点,可同时提取PRPD图谱的局部空间特征和时序特征,利用变压器典型绝缘缺陷放电图谱对构建的网络进行性能测试,并与CNN和LSTM对比,结果表明,对于PD图谱稳定的悬浮电位缺陷,CNN-LSTM和CNN的识别能力均为100%,但是对于金属突出物缺陷、油纸气隙缺陷和沿面放电缺陷,CNN-LSTM的识别能力优于CNN,CNN-LSTM网络的整体识别性能优于CNN和LSTM。