直接从气室获得3?μΚ超低温铯原子光学粘团

报告了采用直接从铯蒸汽气室而不用磁光阱实现了光学粘团的方法.用此办法得到了3?μΚ的铯的超冷原子团.这是我国目前用激光冷却方法得到的最低温度.具体描述了实验装置和方法,以及测量温度的拟合方法.     

用混沌振子检测淹没在强背景噪声中的方波信号

提供一个利用混沌振子检测微弱方波信号的有效方法,仿真实验表明,混沌振子在强噪声背景下对方波信号非常敏感,并将可测信噪比范围扩展到-88.45dB。     

双轴亚铁磁粒子中的量子位相干涉

本文研究了外磁场沿难磁化轴和中间磁化轴所在平面上任意方向时,亚铁磁颗粒中的量子位相干涉。     

数码摄像技术在磁粉探伤自动化中的应用初探

简要介绍无损检测的国内外研究动态,提出了一个以数码摄像机或相机作为图像数据采集及信号转换工具的磁粉探伤自动化试验系统,运用通用串行总线USG实现数码相机与计算机之间的数字图像传输,用专用的iLink电缆连接数码摄像机与计算机,按IEEE1394标准进行数据传输,论述了总体设计思想及工作原理,讨论了凸轮轴表面裂纹数码图像的效果及其预处理情况,并运用实例进一步加以说明。     

高温稀土永磁合金Sm2(Co,Cu,Fe,Zr)17

利用粉末冶金的方法研制了3种成分为Sm(Cobal Fe0.24 Cu0.08 Zr0.027)70,Sm(Cobal Fe0.27 Cu0.05 Zr0.027)7.0,Sm(Cobal Fe0.36 Cu0.05 Zr0.026)7.0的高温永磁合金,并对其磁性能、温度稳定性和显微结构进行了分析.研究结果表明常温时,3种永磁合金都具有较高的磁性能,其中,合金样品Sm(Cobal Fe0.27 Cu0.05 Zr0.027)7.0的内禀矫顽力(2 165.6kA.m-1)和磁能积(212.0 kA.m-3)最大;200℃时,3种合金的磁性能降低,但仍具有较大值;增加Co和Fe的含量,可提高材料的剩磁,当Zr的含量较大时,合金的矫顽力较高;3种磁体的温度系数都较低,最高使用温度均在400℃以上,大大高于一般商用磁体的使用温度;增加Sm,Co,Cu的含量和减少Fe的含量可以提高材料的温度稳定性;合金中含有Sm2(Co,Fe)17主相、Sm(Co,Cu)5相、Zr的化合物等;Sm(Co,Cu)5相、单质Zr、晶粒边界等钉扎畴壁,使合金具有较高的矫顽力.     

Nb掺杂对双钙钛矿型化合物Sr2FeMoO6磁性的影响

研究了双钙钛矿结构的氧化物Sr2FeMo1-xNbxO6中Mo位的Nb替代效应,发现Nb替代Mo强烈地抑制了Sr2FeMoO6的铁磁性,居里温度TC也随Nb含量的增加而逐渐降低,直至最终消失;并且存在着团簇玻璃态向自旋玻璃态的转变。指出随着Nb的掺入而引起晶体结构从四方相到正交相的转变是产生上述结果的主要原因。     

超磁致伸缩驱动器理论分析及实验研究

针对超磁致伸缩位移驱动器(Terfeno1-D棒6mm×80mm)进行了实验研究,主要考虑输入电流、预压力、温度与位移输出特性之间的变化关系。通过己有设备构建实验平台,在不同的条件下对驱动器输出特性进行实验,实验结果与理论分析一致,揭示了输入与输出的特性,为驱动器的优化奠定了基础。     

强噪背景下基于改进匹配追踪算法的桥梁缆索缺陷识别

为降低噪声对磁致伸缩导波信号的干扰,实现强噪背景下的桥梁缆索缺陷识别,提出了一种基于改进匹配追踪算法的桥梁缆索缺陷识别方法。首先,采用构建非对称Gabor函数作为原子字典,将相邻残差比作为迭代终止条件,对强噪背景下的导波信号进行匹配追踪。然后,通过缺陷回波包络峰值时刻,对桥梁缆索缺陷进行了定位。最后,对采用不同降噪方法时的桥梁缆索缺陷定位误差进行了比较。结果表明：未添加噪声时,采用缺陷回波包络峰值时刻定位桥梁拉索缺陷,最大误差仅为0.28%。当缺陷回波的信噪比高于-5 dB时,采用本文方法进行降噪,均方差E_MSE几乎为0,信噪比E_SNR增加到7.56 dB以上。采用本文方法对含噪导波信号进行降噪,其降噪精度和缺陷定位精度均优于小波阈值降噪、小波-EMD降噪和传统匹配追踪降噪。当导波信号信噪比为-5 dB及以下时,本文方法的优越性更为显著。即使导波信号信噪比达到-10 dB,采用本文方法进行降噪处理,拉索缺陷定位误差仍能达到1.5%以内。可见所提出的方法可以有效降低强噪声对实测导波的干扰,提高桥梁缆索缺陷识别精度。     

混沌振子在流体输送管道泄漏检测中的应用

流体输送管道在泄漏时会产生微弱的周期性的次声波信号。首先介绍了一种混沌振子的特性,然后阐述了利用此种振子建立模型,检测微弱周期信号从而判定泄漏的基本原理和操作流程。通过理论分析及仿真、实测数据处理验证了这种泄漏检测方法的可行性。     

基于RBF网络的漏磁检测缺陷定量分析方法

为了正确评估油气管道的使用寿命和安全状况,需根据漏磁检测信号特征对缺陷进行准确的定量分析。提出一种基于径向基函数(RBF)神经网络、用于定量分析油气管道缺陷的迭代方法,给出了具体的算法步骤,并采用自适应学习机制来训练网络,既加快了该算法的收敛速度,又避免了陷入局部最小值问题。仿真结果表明:该方法不仅训练速度明显快于普通反向传播(BP)网络,而且最大量化误差仅为0.26%。该方法有助于提高漏磁检测的准确度,可为油气管道的安全评估提供可靠的依据。