新葡京娱乐场-大陆娱乐场开户注册

從電器文明開始，短短一個(gè)世紀(jì)的時(shí)間，人類在科學(xué)探索的步伐上已經(jīng)從工業(yè)進(jìn)入了智能化的技術(shù)環(huán)境。隨著物聯(lián)網(wǎng)的發(fā)展，數(shù)據(jù)時(shí)代到來(lái)，各行各業(yè)也在爭(zhēng)相抓住契機(jī)，利用新時(shí)代科技智能手段，幫助企業(yè)更好發(fā)展。其中，傳感器技術(shù)的應(yīng)用，為工業(yè)監(jiān)測(cè)帶來(lái)了新的驚喜。它在工業(yè)自動(dòng)化系統(tǒng)的監(jiān)測(cè)過程中，起到巨大作用，可以實(shí)時(shí)監(jiān)測(cè)將監(jiān)測(cè)到的信號(hào)經(jīng)過轉(zhuǎn)化后以數(shù)據(jù)的方式提供給人們，做到實(shí)時(shí)監(jiān)測(cè)，確保工業(yè)自動(dòng)化系統(tǒng)的正常運(yùn)行。現(xiàn)階段，監(jiān)測(cè)工業(yè)機(jī)械運(yùn)行一般使用振動(dòng)傳感、溫振一體化傳感器等，存在成本高、易誤報(bào)、不能對(duì)早前故障進(jìn)行監(jiān)測(cè)等問題；而故障早期診斷對(duì)于維護(hù)設(shè)備安全、保障工業(yè)體系正常運(yùn)轉(zhuǎn)具有重要意義。 針對(duì)現(xiàn)有故障監(jiān)測(cè)系統(tǒng)存在的問題，團(tuán)隊(duì)開發(fā)了基于聲紋、振動(dòng)、溫度一體的聲振溫一體傳感器，該傳感可綜合感知監(jiān)測(cè)對(duì)象聲音、振動(dòng)、沖擊脈沖、溫度以及傾角數(shù)據(jù)，全面覆蓋旋轉(zhuǎn)設(shè)備早中晚期故障信息。同時(shí)，開發(fā)了旋轉(zhuǎn)設(shè)備聲振溫一體化監(jiān)測(cè)診斷系統(tǒng)，其由有線/無(wú)線聲振溫一體傳感器、采集網(wǎng)關(guān)、電腦 WEB 端構(gòu)成，同時(shí)適配云平臺(tái)、手機(jī)端小程序。通過有線/無(wú)線聲振溫一體傳感器將設(shè)備運(yùn)行時(shí)的沖擊脈沖、三軸振動(dòng)、噪聲、溫度數(shù)據(jù)采集傳輸至數(shù)據(jù)庫(kù)服務(wù)器，依托獨(dú)有的異音分析、健康因子指標(biāo)專利算法，實(shí)現(xiàn)設(shè)備狀態(tài)實(shí)時(shí)監(jiān)測(cè)與故障診斷。 核心優(yōu)勢(shì)： （1）全面集成沖擊脈沖、三軸振動(dòng)、聲音、溫度多維度深度感知專利技術(shù)； （2）快捷部署(磁吸膠粘/紋可選)，無(wú)線方式，快速聯(lián)網(wǎng)； （3）數(shù)字信號(hào)傳輸，抗干擾能力強(qiáng)準(zhǔn):獨(dú)有異音、健康因子指標(biāo)專利算法； （4）高性價(jià)比，大容量電池，長(zhǎng)維護(hù)周期。

本實(shí)用新型涉及一種能區(qū)分小麥初生根、次生根的分根套管裝置，包括內(nèi)PVC管和外PVC管，內(nèi)PVC管設(shè)置在外PVC管內(nèi)部縱向中心線位置；內(nèi)PVC管頂部設(shè)有分根錐形帽，分根錐形帽頂部中間位置設(shè)有填土注水孔，分根錐形帽上部錐形側(cè)面上分布有多個(gè)種植孔；內(nèi)PVC管管壁側(cè)面分布有多個(gè)水分平衡孔。該實(shí)用新型的優(yōu)勢(shì)在于內(nèi)管頂部錐形帽的設(shè)計(jì)，既可以實(shí)現(xiàn)更好的初生根、次生根分離，又可以填土，注水；內(nèi)管壁有水分平衡孔，可以保證初生根、次生根的生長(zhǎng)環(huán)境一致，具有分離徹底，操作方便，干擾少，苗存活率較高等優(yōu)點(diǎn)。

【發(fā) 明 人】潘林梅；郭立瑋；黃敏燕；朱華旭【技術(shù)領(lǐng)域】本發(fā)明涉及一種陶瓷膜分離的技術(shù)，特別涉及一種適用于陶瓷膜微濾中藥液體制劑的膜分離方法。【摘要】          本發(fā)明公開了一種中藥液體制劑的陶瓷膜分離在線耦合超聲方法，步驟為：藥液加壓至膜組件中，調(diào)節(jié)陶瓷膜工作壓力與溫度，打開滲透液閥門，測(cè)定單位時(shí)間內(nèi)滲透液流出量，截留液循環(huán)流回原料罐，陶瓷膜管處于功率為5～20W的超聲中，工作壓差為0.1～0.5MPa，藥液溫度范圍為5～85℃。所述的超聲由探頭式超聲發(fā)生器發(fā)生，超聲探頭進(jìn)入陶瓷膜管的深度占陶瓷膜管總長(zhǎng)的10～90％。藥液為中藥酒類液體制劑或以水為溶劑的中藥液體制劑。可以在線控制膜污染、降低清洗頻率、顯著提高膜的分離效率。  

本發(fā)明涉及生物質(zhì)能利用技術(shù)，旨在提供一種超聲波改變濕藻細(xì)胞分形結(jié)構(gòu)促進(jìn)油脂萃取的方法。該方法包括：收獲分形維數(shù)為1.21～1.24、細(xì)胞壁厚度為0.07～0.08μm的濕藻，然后進(jìn)行超聲波輻照改性，控制超聲波輻照功率和時(shí)間使?jié)裨逯屑?xì)胞的分形維數(shù)上升為1.46～1.51，細(xì)胞壁厚度減小為0.04～0.06μm；向處理后的濕藻中加入萃取劑，進(jìn)行油脂萃取；所述濕藻細(xì)胞是指含水率在10～90％的微藻細(xì)胞的集合體。本發(fā)明利用超聲波改變濕藻細(xì)胞分形結(jié)構(gòu)促進(jìn)油脂萃取，省去了傳統(tǒng)方法中濕藻細(xì)胞的脫水干燥等高能耗步驟，通過提高藻細(xì)胞分形維數(shù)和降低細(xì)胞壁厚度，使萃取劑對(duì)細(xì)胞內(nèi)油脂的萃取效率提高到85-90％。

本發(fā)明公開了一種基于光譜擬合與差分算法的光纖傳感動(dòng)態(tài)信 號(hào)解調(diào)方法，包括：掃描得到光譜紋波；對(duì)光譜紋波進(jìn)行擬合獲得靜 態(tài)光譜；將光譜紋波與靜態(tài)光譜進(jìn)行差分處理獲得差值信號(hào)；對(duì)光譜 紋波的極值點(diǎn)進(jìn)行擬合獲得上下邊緣包絡(luò)曲線；對(duì)上下邊緣包絡(luò)曲線 進(jìn)行差分處理獲得光譜變化函數(shù)，將差值信號(hào)與光譜變化函數(shù)進(jìn)行歸 一化處理，獲得去包絡(luò)后差值信號(hào)，根據(jù)掃描速度和初始波長(zhǎng)將波長(zhǎng) 換算為時(shí)間，獲得去包絡(luò)后時(shí)域動(dòng)態(tài)信號(hào)。本方法對(duì)紋波光譜及其擬 合曲線進(jìn)行差分獲得動(dòng)態(tài)信號(hào)，可以消除諸如溫度、濕度等環(huán)境干擾， 且恢復(fù)的動(dòng)態(tài)

本發(fā)明公開了一種基于平面分形彈簧結(jié)構(gòu)的 RFID 電子標(biāo)簽射頻天線，其為由多個(gè)呈分形彈簧結(jié)構(gòu)的線圈段依次首尾相連形成的閉合線圈。本發(fā)明還提供了基于所述射頻天線的 RFID 電子標(biāo)簽，射頻天線附著于基板上，線圈段的彈簧伸縮方向與其處的基板區(qū)域受到的拉伸方向一致。本發(fā)明還提供了制備所述 RFID 電子標(biāo)簽的方法。本發(fā)明 RFID 電子標(biāo)簽在基板橫向和縱向分別布置有與基板拉伸方向一致的多級(jí)彈簧分形結(jié)構(gòu)的射頻天線，存在較大的變形冗余，能夠承受軸向和橫向拉伸與壓縮，具有很大的彎曲變形能力，從而使其可以貼在人體

本發(fā)明公開了一種基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測(cè)方法，包括步驟：步驟 1，獲取樣本圖 像序列中各樣本圖像的圖像差分熵及不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性；步驟 2，基于步驟 1 獲取的數(shù)據(jù)， 采用線性擬合方式構(gòu)建不同壓縮倍數(shù)下圖像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系，即圖像編碼質(zhì)量預(yù)測(cè)模 型；步驟 3，根據(jù)待預(yù)測(cè)圖像的圖像差分熵，采用圖像編碼質(zhì)量預(yù)測(cè)模型即可獲得待預(yù)測(cè)圖像在不同壓縮倍 數(shù)下的圖像結(jié)構(gòu)相似性。本發(fā)明簡(jiǎn)單，高效，無(wú)需消耗較大的硬件

該成果提出了一種基于空譜差分輔助核聯(lián)合稀疏表示分類的高光譜圖像分類方法。本章方法的主要?jiǎng)?chuàng)新性在于：1）能夠?qū)⒐庾V的差分輔助信息和原光譜特征信息有效結(jié)合。2）能夠考慮不同光譜屬性間的高階空間相關(guān)信息。3）原空譜和差分空譜核特征字典的信息通過具有混合正則的核聯(lián)合稀疏表示分類方法得到充分利用。通過在真實(shí)高光譜圖像數(shù)據(jù)上的實(shí)驗(yàn)表明，該成果提出的方法能夠有效地提高高光譜遙感圖像的分類效果。 主要技術(shù)指標(biāo) 不同數(shù)據(jù)集下的訓(xùn)練樣本與測(cè)試樣本數(shù)參閱表 1. 在該訓(xùn)練樣本集數(shù)量下的分類結(jié)果表現(xiàn)參見表 2. 相比于傳統(tǒng)分類器 SVM，OA 提高了約 20%；相比于 SOMP，OA 提高了約20%。 該成果無(wú)需使用 GPU 資源在保證精度的同時(shí)有效提升了分類的精度和效果，同時(shí)在較少訓(xùn)練樣本條件下仍能得到較好的分類精度和分類效果。 表 1. 不同數(shù)據(jù)集下的訓(xùn)練樣本選取數(shù)量 表 2. PaviaU 大學(xué)數(shù)據(jù)下不同方法的正確率比較

本發(fā)明公開了一種低噪聲差分前置放大電路及放大器，低噪聲差分前置放大電路采用差分輸入輸出電路，對(duì)整體電路的噪聲性能起主導(dǎo)作用。由 Q1、Q2、Q3、Q4 四個(gè)并聯(lián)的 NPN 型晶體管對(duì)管和 Q5組成共射—共基放大電路。在 Q1、Q2、Q3、Q4 的基極引入無(wú)噪聲偏置電路。由電阻 R11、R16 和電容 C5 組成的電路為 Q5 提供基極偏置電壓。儀用放大器 U1、U2 對(duì)差分信號(hào)進(jìn)行放大。通過電阻 R2L(R2R)和