外磁场诱导制备麦穗形多级结构Fe_3O_4材料

在外磁场的诱导下,通过共沉淀法在壳聚糖溶液中成功制备了麦穗形的多级结构Fe3O4材料.扫描电子显微镜（SEM）观察发现,这种Fe3O4材料由长0.5-1.5μm、直径0.1-0.5μm的纺锤形亚微粒有序堆积而形成麦穗状;透射电子显微镜（TEM）结果表明,纺锤形亚微粒由长度为100-500nm、直径为3-7nm的Fe3O4纳米线平行排列而成.我们对这种麦穗形的多级结构Fe3O4粒子的形成进行了分析与讨论.此外,振动样品磁强计（VSM）测试结果显示,该麦穗形的多级结构Fe3O4粒子呈现超顺磁性,饱和磁化强度为18.3A·m^2/kg.

基于PCNN分层聚类迭代的故障区域自动提取方法

为了在电力设备红外图像中较好地检测故障区域,提出一种基于分层聚类迭代的红外图像故障区域自动提取方法。在该方法中,首先以脉冲耦合神经网络(Pulse-coupled neural network,PCNN)作为红外图像处理核心模型,通过设置PCNN模型内在参数以及引入聚类机理,使得模型在迭代过程中可将整个图像划分成多个具有相似特性的区域。在此基础上,通过计算各个层点火区域均值以及对均值大小进行排序,然后针对灰度值较高的点火区域,结合边界检测算子并利用相似度评价方式对相邻区域进行合并处理,实现红外图像中热故障区域的有效提取。最后对真实红外图像进行测试并对比现有的一些方法,验证文中方法对热故障区域提取的有效性和适用性。