期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于参数标准化的单样本定标方法在微波等离子体炬水泥快速分析中的应用
1
作者 邵益波 俞登捷 +3 位作者 李雅瑞 魏好泽 金伟 于丙文 《高等学校化学学报》 SCIE EI CAS CSCD 北大核心 2024年第8期60-69,共10页
流程工业颗粒物成分的在线检测具有低延时、安全可靠及低成本等要求,目前没有适合的技术手段.微波等离子炬(Microwave plasma torch,MPT)原子发射光谱法具有直接进样、成本低及装置安全可靠等优点,有潜力成为工业在线检测的重要手段.本... 流程工业颗粒物成分的在线检测具有低延时、安全可靠及低成本等要求,目前没有适合的技术手段.微波等离子炬(Microwave plasma torch,MPT)原子发射光谱法具有直接进样、成本低及装置安全可靠等优点,有潜力成为工业在线检测的重要手段.本文基于MPT装置对水泥样品进行直接进样分析,并针对工业应用场景中标准样品受限的问题,采用单样本定标技术(Single sample calibration,SSC)进行定量分析.SSC法中的线性假设容易受到等离子体参数波动的影响,导致精度下降.为此,提出了一种基于参数标准化的SSC算法PS-SSC(SSC based on parameter standardization),通过激发温度和电子数密度对谱线强度进行修正以提高SSC的定量精度.为了评估MPT和PS-SSC方法联用在水泥成分快速分析中的有效性,将GSB 08-2985-2013标准水泥粉末气溶胶直接引入MPT中进行定量分析,并将PS-SSC与现有定量方法进行比较.与传统SSC方法相比,PS-SSC方法的决定系数R2由‒0.81~0.81提高到0.39~0.88,平均相对误差由4.39%~10.33%提高到1.55%~5.83%,平均相对标准偏差由2.89%~9.40%提高到2.28%~6.50%,展现了该方法在工业在线成分检测中的应用潜力. 展开更多
关键词 微波等离子体炬 颗粒物直接进样 单样本定标 参数标准化
下载PDF
一种原子光谱分析用新激发光源--千瓦级微波等离子体炬(kW-MPT) 被引量:11
2
作者 金伟 于丙文 +3 位作者 朱旦 应仰威 于海翔 金钦汉 《高等学校化学学报》 SCIE EI CAS CSCD 北大核心 2015年第11期2157-2159,共3页
微波等离子体炬(MPT)[1]在小功率下工作时,形成的ArMPT原子光谱分析技术(ArMPT—AES)只要在进样系统中加入一套溶液雾化和去溶装置,把样品气溶胶中大量存在的溶剂水除去后,对多种元素的检测能力即已接近在千瓦以上功率下工作的... 微波等离子体炬(MPT)[1]在小功率下工作时,形成的ArMPT原子光谱分析技术(ArMPT—AES)只要在进样系统中加入一套溶液雾化和去溶装置,把样品气溶胶中大量存在的溶剂水除去后,对多种元素的检测能力即已接近在千瓦以上功率下工作的电感耦合等离子体发射光谱(ICP.AES)[2-5], 展开更多
关键词 千瓦级微波等离子体炬 双谐振结构炬管 原子发射光谱
下载PDF
千瓦级微波等离子炬-原子发射光谱(MPT-AES)在油液分析中的应用 被引量:2
3
作者 鄢雨微 金伟 +8 位作者 朱旦 张涛 应仰威 单锦 张旭晨 于丙文 陈挺 刘超 金钦汉 《高等学校化学学报》 SCIE EI CAS CSCD 北大核心 2018年第12期2651-2657,共7页
采用千瓦级微波等离子炬-原子发射光谱(MPT-AES)装置对油液样品直接雾化进样分析,对直接稀释后的润滑油中8种金属元素进行了检测,并记录了进样时等离子体形貌的变化.结果表明,所有元素的校正曲线线性回归方程的R^2值均优于0. 995,精密度... 采用千瓦级微波等离子炬-原子发射光谱(MPT-AES)装置对油液样品直接雾化进样分析,对直接稀释后的润滑油中8种金属元素进行了检测,并记录了进样时等离子体形貌的变化.结果表明,所有元素的校正曲线线性回归方程的R^2值均优于0. 995,精密度高,检出限接近传统的ICP-AES方法检出结果,为MPT-AES在油液视情维修中的分析监测及在线快速监测奠定了基础.同时还设计了一种油液在线混合进样装置,操作方便、进样量准确,适用于微量样品的采集和直接稀释及进样. 展开更多
关键词 微波等离子炬 润滑油 元素检测 进样装置
下载PDF
基于参数化量子电路的量子卷积神经网络模型及应用 被引量:2
4
作者 郑瑾 高庆 +2 位作者 吕颜轩 董道毅 潘宇 《控制理论与应用》 EI CAS CSCD 北大核心 2021年第11期1772-1784,共13页
量子神经网络结合了量子计算与经典神经网络模型的各自优势,为人工智能领域的未来发展提供了一种全新的思路.本文提出一种基于参数化量子电路的量子卷积神经网络模型,能够针对欧几里得结构数据与非欧几里得结构数据,利用量子系统的计算... 量子神经网络结合了量子计算与经典神经网络模型的各自优势,为人工智能领域的未来发展提供了一种全新的思路.本文提出一种基于参数化量子电路的量子卷积神经网络模型,能够针对欧几里得结构数据与非欧几里得结构数据,利用量子系统的计算优势加速经典机器学习任务.在MNIST数据集上的数值仿真结果表明,该模型具有较强的学习能力和良好的泛化性能. 展开更多
关键词 量子机器学习 量子神经网络 量子卷积神经网络 量子图卷积神经网络
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部