共查询到4条相似文献,搜索用时 0 毫秒
1.
本文对带状(快速淬火法获得)和片状(用化学气相沉积法制备)铁基6.5%Si试样的显微结构和软磁特性,即初始磁化率及其不适应性进行了研究。研究是试样在1373K退火1小时后在炉内或冲水中冷却至室温下进行的。结果表明,试样炉内冷却,出现50%的B2超结构。然而,高速冷却导致硅原子小范围内有序化。与此同是城水中冷却度同较好的软磁必 ,低稳定域和不适应性增强,以及较高的初始导磁率。 相似文献
2.
高比例可再生能源接入的输电网结构适应性指标及评估方法 总被引:1,自引:0,他引:1
高比例可再生能源并网和交直流混联电网是未来电力系统发展的基本特征,评估不同输电网结构特别是交直流混联电网结构对源—荷双重波动的适应性,将为未来电力系统经济、安全、可靠、灵活运行奠定基础,但适应性评估难于量化且亟待一套新背景下的评价体系。首先,在分析未来高比例可再生能源接入下输电网基本结构特征的基础上给出了输电网结构适应性的定义;然后,提出一套概率化的输电网结构适应性评价指标体系,并基于蒙特卡洛模拟算法和最优经济模型提出一种实用化的适应性指标计算方法;最后,以IEEE 30节点系统作为基础网架,分别对纯交流和交直流混联电网结构适应性做出评价,同时定量研究了不同因素对结构适应性指标的影响及变化规律。算例证明适应性指标能够有效反映不同输电网结构在高比例可再生能源接入下多方面的适应能力。 相似文献
3.
为了实现高光谱图像处理技术对小麦不完善粒的快速准确鉴别,研究了一种基于小麦不完善粒高光谱图像的光谱和图像特征,结合多分类支持向量机的不完善粒的识别方法。实验采集小麦不完善粒的高光谱图像,对图像进行图像增强、阈值分割等处理后,提取7个纹理特征和5个形态特征作为分类器的输入,应用多分类支持向量机分别建立并比较基于光谱特征、基于图像特征以及基于光谱和图像特征组合的不完善粒识别模型的分类精度。基于光谱特征建立的4分类模型总识别率达94.73%,黑胚粒与正常粒的识别率分别为100%、98.63%,效果较好,但虫蚀粒与破损粒的识别精度均低于90%;基于图像特征的不完善粒识别率相对较低;融合光谱与图像特征建立的4分类支持向量机模型总识别率达97.89%,其中虫蚀粒识别率从89.79%提高到95.91%,破损粒识别率从84%提高到94%,识别效果最佳。实验结果表明,高光谱成像技术可以快速、无损鉴别单籽粒小麦不完善粒,该技术在小麦种子质量快速、高通量、无损检测领域具有的应用潜力。 相似文献