自动电压力锅的原理与检修

<正> 自动电压力锅是近年投放市场的一种通过温度传感器及定时器进行功率控制的新型厨房电器。它集普通压力锅和电饭锅功能于一体,具有外型新颖、电气性能好、用途多和使用安全等优点。 结构与原理 图1是自动电压力锅结构图。它主要由锅盖、锅内胆、外壳、磁钢限温器、电热盘、定时器和安全装置等组成。图2为自动电压力锅的电原理图,图中XP为电源连接器,ST为磁钢限温器,HL1为加热指示灯,EH1为加热电热管,PT为定时器,HL2为保压指示灯,EH2为保压电热管,     

爱特CD-2208HR激光唱机故障十例

<正> 激光唱机是目前音响设备中的佼佼者,其放音质量非一般唱机可比,是音乐爱好者、音响发烧友喜爱产品。现以爱特CD-2208HR激光唱机为例,介绍十种常见故障及其原因。整机电原理图见本刊1995年第6期中心插页。 [例1]故障现象 接通电源,整机不工作,显示屏无显示。 故障原因 机外供电电源未加到线路板上。具体原因有电源插头与插座接触不良;电源线断线和交流供电保险丝熔断等,如果电源插头、插座、电源线和保险丝都正常,则机内电源相关元件有故障或损坏。通常为电源开关接触不良或损坏,电源变压器初级或次级接线柱松动;整流桥堆D304烧坏;C303、C304、C305和C306损坏;Q101损坏;保护电阻R307和R308烧断。     

聚合细粒度特征的深度注意力自动裁图

目的 从图像中裁剪出构图更佳的区域是提升图像美感的有效手段之一,也是计算机视觉领域极具挑战性的问题。为提升自动裁图的视觉效果,本文提出了聚合细粒度特征的深度注意力自动裁图方法（deep attention guided image cropping network with fine-grained feature aggregation,DAIC-Net）。方法 整体模型结构由通道校准的语义特征提取（semantic feature extraction with channel calibration,ECC）、细粒度特征聚合（fine-grained feature aggregation,FFA）和上下文注意力融合（contextual attention fusion,CAF）3个模块构成,采用端到端的训练方式,核心思想是多尺度逐级增强不同细粒度区域特征,融合全局和局部注意力特征,强化上下文语义信息表征。ECC模块在通用语义特征的通道维度上进行自适应校准,融合了通道注意力;FFA模块将多尺度区域特征级联互补,产生富含图像构成和空间位置信息的特征表示;CAF模块模拟人眼观看图像的规律,从不同方向、不同尺度显式编码图像空间不同像素块之间的记忆上下文关系;此外,定义了多项损失函数以指导模型训练,进行多任务监督学习。结果 在3个数据集上与最新的6种方法进行对比实验,本文方法优于现有的自动裁图方法,在最新裁图数据集GAICD （grid anchor based image cropping database）上,斯皮尔曼相关性和皮尔森相关性指标分别提升了2.0%和1.9%,其他最佳回报率指标最高提升了4.1%。在ICDB （image cropping database）和FCDB （flickr cropping database）上的跨数据集测试结果进一步表明了本文提出的DAIC-Net的泛化性能。此外,消融实验验证了各模块的有效性,用户主观实验及定性分析也表明DAIC-Net能裁剪出视觉效果更佳的裁图结果。结论 本文提出的DAIC-Net在GAICD数据集上多种评价指标均取得最优的预测结果,在ICDB和FCDB测试集上展现出较强的泛化能力,能有效提升裁图效果。