激光微区等离子体光谱测定铁电薄膜材料组份的元素比率

本文在常压空气环境下,以单脉冲YAG激光作为激发源,通过辅助电极激发,获得了铁电薄膜样品上不同位置处的等离子体发射光谱.利用最小二乘法对铁电薄膜样品中Co、Sr和La的光谱数据进行处理,得到了元素谱线辐射强度比和原子个数比之间的线性因子Kij,并利用线性因子Kij计算了铁电薄膜上不同位置处的元素比率.结果表明,激光微区等离子体光谱法可以用于测定亚微米薄膜材料中的元素比率.     

RS码在CMMB系统中的应用

Reed-Solomon（RS）码是一种性能优良的线性分组码,中国移动多媒体广播标准（CMMB）采用RS码作为信道编码的外码。对RS码的编译码原理进行了详细的阐述,并介绍了RS码在CMMB系统中的应用。     

冷热气流源试验装置的构成与智能控制

介绍冷热气流源试验装置的主要用途和构成。科学地选用CVF—P2-4T0037C变频器和CD901F系列回路调节器,结合试验数据,解决了气流出口直径变化引发的风量风温非线性变化。造成控制不准确的难题。利用计算机实现智能控制的方法和流程,并结合一个具体设备给出了控制案例。     

红外仿真中的海面发射率模型

海面作为舰船的主要背景,其红外辐射特性对于舰船红外仿真研究具有重大意义。介绍了三种海面发射率的计算模型：灰体模型、经验模型和理论模型,并针对红外仿真中舰船辐射场和海面背景红外热像模拟两方面的计算要求,分析比较了它们的计算结果。结果显示,对于舰船辐射场计算而言,使用经验模型已经具有足够的精度;而在模拟海面背景红外热像时,在天顶角较大的情况下必须使用理论模型。     

高电阻测量中的电流波动

电阻率是描述绝缘材料特性和判断其品质的重要参数之一。一般的缘绝材料,如聚乙烯、聚氯乙烯、油浸纸、云母等,室温下均具有很高的电阻率,测量这类绝缘材料的电阻时,为提高灵敏度,需采用高电压的直流电源,由于经济等方面的原因,一般均采用整流电源供电。整流后直流电源的脉动,能使泄漏电流     

鲜啤酒大肠菌群检验方法的探讨

在对鲜啤酒大肠菌群检验中,发现在样品受大肠菌群污染的情况下。采用10ml×3、1ml×3、0．1ml×3和1ml×3、0．1ml×3、0．01ml×3稀释度检验,所测得的数据相关很大,直接影响对产品质量的判定。本文对此进行了试验研究,讨论和分析,并提出建议：对受污染样品,应该按照国标GB47813-94大肠菌群最可能数（MPN）检索表所列,选择1ml×3、0．1ml×3、0．01ml×3三个稀释度检验,乳糖胆盐发酵管培养条件为36±1℃、24±2h,才能得出科学准确的结果。     

广东首部珠宝玉石地方“法规”颁布

为了保障宝七石市场的公平竞争,提高产品的生产、销售管理质量,更好地维护消费者的合法权益,广东省第一部宝玉石业的地方“法规”——《广东省珠宝玉石标识规定》最近正式出台。据悉,该《规定》是广东省技术监督局提出,由广东省技术监督局珠宝玉石质量监督检验站负责起草的,并由广东省技监局发布的强制性地方标准。它对广东省范围内生产、销售     

即食香肠矫色新工艺

香肠的安全可靠性越来越为人们重视。本文采用了一种新工艺,与传统工艺进行比较,结果表明新工艺发色效果良好,质地感官更佳,而且NaNO2加入量仅为传统香肠制作时用量的15％。     

抗静电多功能面料的研制

0　前言抗静电多功能面料是由纯棉织物镶嵌导电丝经阻燃、抗油拒水整理而成的多功能织物。该织物既有棉织物的吸湿、透气、穿着舒适等特点,又具有良好抗静电、阻燃、抗油拒水性能,是一种多功能抗静电面料。利用其抗静电性能,广泛应用于电子、航空航天工业的劳保用品及装饰织物;利用其阻燃性能,广泛应用于军工、消防、森林、石油、煤矿、冶金等行业制作劳保用品,也可用于飞机船舶、汽车、建筑物、医院、剧场、宾馆等墙布及装饰材料;利用其抗油拒水性能可用于石油开采、石化厂等作业场所的特种劳保工作服。1　织物规格及工艺流程1.1　织物规格…     

基于Informer的电池荷电状态估算及其稀疏优化方法

准确估计电池荷电状态（State Of Charge,SOC）是延长电动汽车电池使用寿命,确保电动汽车行驶安全的重要基础.传统的深度学习估计方法存在并行化计算效率不高、训练时间长的问题.为此,利用基于自注意力机制的Informer模型来估计电池SOC.其降低了传统自注意力机制的时间复杂度、提高了硬件使用率、降低了训练时长,与其他深度学习方法相比估计更准确.然而Informer模型仍然存在体量大及参数冗余的问题,故提出稀疏优化方法 .利用基于彩票假设的幅值迭代剪枝方法对Informer进行稀疏化处理,突出主导注意力特征,实现了在降低参数冗余的同时提升模型估计精度.在室温下,提出的稀疏化Informer模型估计电池SOC的平均绝对误差和均方根误差分别达到0.285 8%和0.383 0%,相比于Informer模型在平均绝对误差指标上估计精度提升了25%.并验证了其具备估计不同类型锂电池SOC的泛化能力.与循环神经网络、卷积神经网络这类传统的深度学习模型相比,本模型进行电池SOC估计时训练速度更快,估计准确性和稳定性更高.