TDLAS湿度传感器与维萨拉湿度传感器性能对比研究

水汽含量对于诸如文物保护、气象、工业生产等领域都有明确标准并需要严格控制,因此能够精确和快速的实现环境湿度监测已成为一大研究热点.现在常用的湿度传感器为芬兰VAISALA生产的湿度传感器系列,但是其测湿部分采用聚合物高分子薄膜电容传感器,存在响应时间长,褪湿慢等缺点,已经不能满足用户需求.基于TDLAS技术的湿度传感器使用半导体激光器作为光源,参考气室提供光谱调节反馈,构成了一种高精度水汽含量检测系统,响应速度快,灵敏度高,可以克服传统湿度传感器的不足.该文以米歇尔露点仪为标准,对比测试了TDLAS湿度传感器与传统的VAISALA电容传感器响应时间、测量精度等性能.证明了TDLAS湿度传感器具有更好的测量准确度与灵敏度.     

西柏坡时期的廉政文化建设

西柏坡时期的廉政文化建设主要包括廉政思想文化、廉政制度文化和廉政建设实践。其中两个务必和进京赶考是西柏坡时期廉政思想文化建设的主要内容,三项制度和六条规定是西柏坡时期廉政制度文化建设的主要内容,领导率先垂范、自觉接受监督和设立相关机构是西柏坡时期廉政文化建设的具体实践。     

刮板输送机如何满足连采机的配套使用

刮板输送机是连续采煤机运输系统中煤炭运输的重要设备,其是否可靠运行,直接关系到采掘工作面能否正常生产的问题。有时一个很小的故障发生,如果不能及时地得到有效的处理,轻者会造成采掘工作面停产,重者影响到整个煤矿生产秩序的顺利进行,甚至还会烧毁电动机,毁坏设备,发生人身伤亡事故,给煤矿造成很大的经济损失。通过对刮板输送机常见故障和原因分析,提出改进措施,经实践表明经济实用,安全可靠。     

压力补偿数字阀及系统数学模型,静动态数字仿真

本文以我校研制的PDV-Ⅲ型、 PDV-Ⅰ型数字阀及其组成系统为对象,建立了它们的数学模型,提出了一种解液压系统非线性微分方程的实用型方法——变微分方程等数法,并以阶跃和脉冲输入,进行了动态数字仿真。所得的结论,具有一定的指导意义。     

聚3-己基噻吩/ZnO微纳米球复合膜的形貌和光学性能

对ZnO微纳米球从分散性和能级匹配方面进行了受体可行性研究,分析了能级结构和光电性能之间的关系;并将聚-3己基噻吩(P3HT)与ZnO微纳米球共混和旋涂制备P3HT/ZnO复合膜,考察P3HT和ZnO的共混质量比和退火温度对复合膜微观形貌及光学性能的影响。结果说明,P3HT/ZnO微纳米球复合膜与纯ZnO薄膜相比,拓宽了紫外吸收范围,增强了对太阳光的吸收,说明复合膜的吸收光谱与太阳光谱能够较好的匹配;在120℃退火处理后增强了P3HT的有序性,改善了复合膜的结晶性,有利于电池效率的提高。当P3HT质量浓度为6mg/mL、旋涂转速为1 500r/min时,优质复合膜的制备参数为:P3HT和ZnO微纳米球共混质量比为1∶2,退火温度120℃。优质复合膜大大拓宽了紫外吸收范围,增强了对太阳光的吸收。     

对虾白斑症病毒的初步研究

对虾白斑症病毒可通过人工投喂感染克氏螯虾,病和发展迅速,死亡率高。该病毒既可见在胞核中复制,也常见于胞质中装配。通过差速离心,蔗糖垫层离心或密度梯度离心后,再将分离物中细胞源核酸消化掉,可提取出较纯的病毒ＤＮＡ。     

大体积混凝土施工中温度裂缝的控制

收缩应力及温度应力是大体积混凝土产生裂缝的主要原因.首先对大体积混凝土的温度裂缝控制进行了探讨,并在工程实际中加以实践.     

基于cox2-3 spacer序列的串珠藻属系统发育研究

对7种串珠藻属植物共13样本的cox2-3spacer序列进行了测定,并对其进行了系统发育分析.结果表明:cox2-3spacer序列片段长度为415bp,无插入或缺失,核苷酸变异位点238个,占序列长度的57%,其中178个简约信息位点,占序列长度的43%.A-T含量较多,进化上有碱基偏好性.胶串珠藻作为串珠藻属的模式种独立于其他串珠藻属植物,单独位于一个分支;长柄串珠藻、洪洞串珠藻和弧形串珠藻应该归入Sect.Helminthoidea;弯形串珠藻和绞扭串珠藻应归入新属Kumanoa.     

基于HMM语音合成的语调控制

语调是语音分析和合成领域关注的重要课题,可计算的语调模型是实现语调控制的关键。该文分析了大规模语句的音节音高在句子中的变化,归纳了语调模式。陈述语调主要表现为基调的升降和音高下倾;疑问语调主要特点是疑问焦点的音高提升和调型变化。该文提出了一种陈述语调归一化描述方法,以及疑问语调调型差异模型。利用基于隐Markov模型的语音合成系统的控制机制,实现了对语调的控制。实验表明:基于陈述句语调归一化描述方法模拟了陈述句语调的变化,基于疑问语调调型差异模型实现了陈述到疑问语调的转换。语调控制使合成语音的表现力得到了提高。     

基于无监督迁移分量分析的语种识别

训练数据和测试数据之间由于信道等差异而引起的不匹配会严重影响语种识别的性能。而在实际应用中,通常只能获得少量的和测试数据匹配的标注数据(目标域数据),以及大量的和测试数据不匹配的标注数据(源域数据)。该文利用迁移学习的方法,通过无监督迁移分量分析(unsupervised transfer component analysis,UTCA),可以合理利用上述两种数据寻找到一个低维子空间,在该空间中,源数据和目标数据之间的分布差异最小,而且数据中有利于分类的属性得以保留,从而提高系统识别性能。实验表明:相对于基线系统,该算法对30s和10s语音的识别性能分别有24.7%和8%的提高。