氯化钾溶解过程的热动力学研究

用ＤＤＣ—Ⅱ型补偿式数字精密热量计对ＫＣｌ的溶解过程进行了测定，获得了过程的溶解热数据及热谱图（功率—时间曲线），为进一步研究和揭示ＫＣｌ参加的化学和生物过程的实质提供了科学依据及研究方法     

鸡肝脏和心脏线粒体的热化学研究

利用ＬＫＢ２２７７生物活性检测系统，测定了家鸡两个品种的心脏和肝脏线粒体的活性及其代谢热。结果表明：这两个品种鸡的心脏和肝脏线粒体热谱图各异，ＡＶＩＡＮ心脏和肝脏线粒体的总体谢时间和总代谢热量大于ＳＴＡＲ－ＣＲＯＳＳ２８８。讨论了热谱图与不同品种鸡的线粒体代谢的关系。     

用气相色谱最佳分离条件的特征值rt0／β确定GC／MS的操作条件

作者从理论和实践上证明了在检测器、载气及色谱柱参数不同的条件下，通过改变死时间ｔ０和升温速率ｒ，保持特征值ｒｔ０／β不变，能达到气相色谱图与气质联用仪总离子科一致的。     

乌斯特3型纱线毛羽测试的应用研究

从毛羽测试目的着手,介绍乌斯特3型毛羽测试原理及特点,对某些术语做了解释,如毛羽H、毛羽不匀率CV_h、毛羽最大最小值等。图示说明了毛羽的变化图、波谱图、变异-长度曲线,频率分布图及其对纱线表面结构进行分析的价值。     

多尺度形态梯度和标记分水岭的时频谱图分割

时频谱图干扰强,目标之间、目标与干扰之间有重叠,其分割是重要而困难的问题.提出一种基于图像熵定义的时频谱图多尺度形态梯度图像融合方法,将该方法与标记分水岭分割结合形成一种基于多尺度形态梯度和标记分水岭的时频谱图分割方法.实验结果表明,与基于单尺度形态梯度和标记分水岭的分割方法相比,新方法实用性更强;与Otsu法相比,新方法分割更准确.     

一种综合时频分布在mc-PPS检测中的应用

为解决多分量多项式相位信号(mc-PPS)的检测问题,提出乘积性谱图-WVD(PSWVD)变换的多分量PPS信号检测方法.综合谱图和WVD变换的优势,在去除WVD变换交叉项的同时保持了良好的频率聚集性和优良的低信噪比性能.为抑制噪声和交叉项,设置了自适应门限,大幅减少了后续Radon变换的计算量.对三分量线性调频(LFM)、双分量非线性调频(NLFM)和强弱分量PPS信号的仿真结果表明,PSWVD算法具有优良的检测性能.     

变电站电压致热型设备的红外测温诊断

红外测温技术是变电站发现设备早期缺陷的有效手段之一,设备发热缺陷的判断是一个比较困难的问题。如何掌握电压致热型设备发热缺陷的正确判断十分重要。本文针对电压互感器、避雷器、绝缘子、耦合电容器等电压致热型设备不同于电流致热型设备,缺陷时其温升不明显,相对温差法对分析这类缺陷不适用的情况,通过分析电压致热型设备故障时发热特点,提出了＂结合热谱图,并对比相间或对应点温差曲线＂的方法,并总结出运行人员测温时提高准确度的几点注意事项。     

识别同谱图的实用算法

所谓同谱图是指邻接矩阵不置换相似但具有相同特征多项式的图.在化学上,它表示休克尔分子轨道能谱相同,但对分子结构不同的共轭碳氢化合物,从理论上要识别两个图是否同谱.并给出判别准则,是图论与分子轨道理论目前正在探讨的问题.另从计算的角度出发,给出确定图的邻接矩阵特征多项式的准确快速算法,对于判断给定的图是否同谱,进而检验某些与此有关的理论与猜想也是十分有意义的.在文献[1]中,曾因计算过程中数字膨胀过快,而对利用牛顿公式确定0-1矩阵的特征多项式的方法加以怀疑,本文在分析利用牛顿公式确定休克尔矩阵(每一列最多有三个     

ACCC导线碳纤维复合芯损伤声发射信号研究

参照"QJ 2099—1991三向纤维增强复合材料弯曲性能试验方法"标准,针对ACCC导线碳纤维复合芯弯曲应力损伤,对试验件进行三点弯曲试验,并同步对损伤进行声发射检测。通过声发射信号时域分析和频域分析方法,找出在不同应力损伤与声发射信号功率谱频率之间的对应关系。试验结果表明:树脂基体断裂和碳纤维断裂有明显不同特征,声发射采集的功率谱频率相差很大,树脂基体断裂的功率谱频率在150 kHz左右,碳纤维断裂的功率谱频率在250 kHz左右。声发射仪接收到功率谱低频率为主,则碳纤维复合芯的树脂基体有断裂;声发射仪接收到功率谱以高频率为主,则复合芯的碳纤维有断裂。     

基于精细化特征信息提取的健康和病害肉快速判别方法

[目的]针对健康肉与病害肉的快速鉴别问题,本文对健康与病害肉的表面拉曼谱图的特征信息提取和分类方法进行研究,以实现对健康肉与病害肉的快速鉴别.[方法]以羊肉的表面增强拉曼谱图为样本,分别采用主成分分析-支持向量机和卷积神经网络两种方法进行分类.通过提取谱图的精细化特征,实现谱图数据的降维和干扰信息的过滤,为分类模型提供更加准确和丰富的特征信息.并以240份包含健康与病害羊肉的拉曼谱图为训练集样本,建立了分类模型,以另外的120份样本进行健康与病害肉的辨别效果验证.[结果]实验表明经过精细化特征提取后构建的主成分分析-支持向量机模型能清晰的找到健康与病害肉的分类边界,验证样本的识别准确率从82.5%上升到93.3%,同时使用卷积神经网络对精细化提取的特征进行学习与分类,识别准确率从常规方法的90.2%上升到95.5%.[结论]本文提出的基于表面增强拉曼的肉类谱图的精细化特征信息提取和分类方法能够有效实现对羊肉样品中健康肉与病害肉的快速分类和鉴别,该方法同样可以应用于其他肉类的检测分类,对保障食品安全具有重要的意义.