排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
2.
3.
匙孔是激光焊接熔池形态的一个重要特征,与焊接的质量和焊接的状态有着密切的关系。本文以10kW大功率光纤激光焊接304不锈钢板为试验对象,应用近红外高速摄像机摄取焊接过程中的熔池图像,以匙孔面积和匙孔宽度作为匙孔形态特征参数,激光束与焊缝中心的偏差来反映焊接的稳定性。在频域内运用高斯高通滤波、高频加强滤波、灰度阈值分割、Canny边缘检测等方法获取匙孔特征参数。通过分析匙孔特征参数的变化,发现匙孔形态与焊接状态之间存在联系。试验结果表明,匙孔面积和匙孔宽度参数可有效反映大功率光纤激光焊接过程的稳定性。 相似文献
4.
熔融氯化盐是下一代聚光式太阳能热发电站(第3代CSP)候选传热和储热介质,含MgCl2的熔融氯化盐对金属传热管道和储热容器腐蚀后在其表面形成MgO,MgO对管道耐腐蚀性能影响尚不清楚。通过对比碳钢和3种Fe-Cr-Ni合金在固态(345 ℃)和熔融NaCl-MgCl2(445和545 ℃)中的腐蚀行为,分析了MgO对4种试样在不同温度下的腐蚀行为机理。结果表明,在固态NaCl-MgCl2中,碳钢表面MgO壳致密且连续,可以保护试样免受腐蚀。在熔融NaCl-MgCl2中,4种试样表面也生成了致密的MgO壳,但它因热应力作用而开裂和剥落,熔融盐沿着氧化膜裂纹渗入MgO/基体界面,发生化学-电化学联合腐蚀反应,不能保护试样免受该熔盐腐蚀。 相似文献
5.
6.
本研究中,开发了一种新颖的基于过渡金属碳化物-亚甲基蓝-互补DNA(MXene-MB-cDNA)探针构建的竞争型电化学传感器,可用于重金属镉离子(Cd2+)的检测。该传感器一部分是基于MXene片层结构扩大MB负载率,用以放大电化学检测信号;另一部分以电极上修饰的Cd2+Apt做为纽带连接MXene-MB-cDNA。当Cd2+存在时,与c DNA竞争性结合Apt,引起双链结构变化,产生电化学信号,其最低检测限达到0.0034 mg·L-1,并在0.01至1.6 mg·L-1范围内呈现良好的线性关系(R2=0.991)。相较传统方法,该方法更简单灵敏,为环境保护、食品安全、生物医药等研究方向中镉离子的检测提供了新的思路。 相似文献
7.
目的 建立基于Apt@AuNCs/GO的高灵敏复合荧光纳米传感器检测水产品中汞离子(Hg2+)的方法。方法 以寡核苷酸序列为模板通过一步法快速合成具有直接特异性识别Hg2+能力的金纳米团簇(Apt@AuNCs); Apt@AuNCs作为荧光能量供体, 与氧化石墨烯(graphene oxide, GO)纳米片结合, 形成Apt@AuNCs/GO复合荧光纳米体系, 此时, Apt@AuNCs荧光被GO猝灭; Hg2+以T-Hg2+-T结构与Apt@AuNCs结合, 使得Apt@AuNCs脱离GO表面, 体系荧光得到恢复, 从而实现Hg2+的快速荧光法检测。结果 最佳检测条件为: 选择适配体序列为C12T2CT3CT2C4T2GT3GT2、GO质量浓度为0.30 mg/mL、激发波长为345 nm、GO与Apt@AuNCs孵育时间为35 min。该方法的Hg2+检出限约为0.189 nmol/L, 定量限约为0.63 nmol/L, 线性范围为0.5~10.0 nmol/L。选择小龙虾和鲢鱼作为实际检测样品, 通过标准加入法进行测试, 其加标回收率为87.18%~109.90%。结论 该复合荧光纳米体系无需复杂预处理, 实现了对实际样品中Hg2+的现场、简单快速且高灵敏的测定, 为水产品中Hg2+的检测提供了一种新思路。 相似文献
8.
将彩色图像区域生长算法应用到智能交通的道路分割中。针对彩色图像,提出了一种简单的颜色特征提取方法。该方法利用中值点法来改进其中种子点的选取方法,并结合RGB彩色空间中像素点的性质确定区域生长准则和终止准则。实验结果表明:该方法在保证区域连通性的同时,也能够有效的分割出道路区域,同时对各种路况有良好的适应性。 相似文献
9.
采用对金属蒸汽图像特征进行分类的方法来评估焊接过程的稳定性。使用高速摄像机实时获取大功率盘形激光焊接过程中金属蒸汽和飞溅图像,定义并提取飞溅面积和个数、飞溅灰度图像平均灰度和熵、金属蒸汽质心与焊接点的坐标比以及金属蒸汽质心的极坐标(矢径和极角)等7个金属蒸汽和飞溅特征。为实现降维,使用Karhunen-Loeve变换法将7维特征向量转换为3维特征向量,同时使用K近邻法将图像分成焊接质量较好与较差两类。实验结果表明,金属蒸汽及飞溅与焊接稳定性有密切的联系,使用K近邻法对Karhunen-Loeve变换后的图像进行分类可以获得较好的效果,实现焊接状况的评估。 相似文献
10.
激光焊接偏差识别是保证激光焊接质量的关键技术,本文研究一种用于识别激光束与焊缝位置偏差的BP神经网络模型。在大功率光纤激光焊接试验条件下,利用高速红外摄像机摄取焊接区域熔池图像,分析激光束与焊缝对中及偏离所对应的红外辐射瞬态特征。通过图像处理增强熔池图像,计算熔池特征参数(熔池匙孔特征参数、匙孔质心值、热堆积效应参数)以及相对应的焊缝与激光束之间的偏差值,将其输入所设计的神经网络进行网络权值参数的训练,建立基于BP神经网络且具有一定环境适应能力的焊缝偏差模型。试验结果表明,该模型能够反映熔池特征参数与焊缝偏差之间的规律,可实现较精确的焊缝偏差识别。 相似文献