环境样品的采集和前处理 1环境样品的采集 2环境样品的前处理技术 一、环境样品的前处理与分离富集概述 二、样品前处理的新方法与技术

基本门电路的设计（采用数据流设计 ） 基本门电路表达简单逻辑关系，采用简单的赋值语句就能方 便地实现；没有必要采用更复杂的结构

以等物质的量的高锰酸钾和乙酸锰为原料,采用机械化学法制备出弱结晶型α-MnO2超级电容器电极材料.在1.2V电压内,200mA·g-1电流密度下对对称型超级电容器进行恒流充放电测试.采用XRD法、循环伏安及交流阻抗法对充放电前后电极材料的结构以及电化学性能进行表征,首次采用求斜率法对充放电曲线分析.结果表明:超级电容器表现出法拉第电容与双电层电容的双重特征;在循环过程中,电化学惰性物质Mn3O4生成,循环伏安图中氧化还原峰逐渐消失;充放电曲线的法拉第电容特征逐渐消失而接近双电层电容理想曲线;超级电容器的比容量、等效串联电阻发生了对应的变化,其最大电极比容量达到416F·g-1,经过近500次循环后,比容量为220F·g-1

采用放电等离子烧结(SPS)设备制备了93W-5.6Ni-1.4Fe高比重合金,烧结温度范围为1100~1180℃,保温时间为5min.对不同烧结温度下的样品进行了密度、硬度、抗弯强度等性能测试,采用场发射SEM观察了样品表面形貌及断裂行为.结果表明:采用SPS烧结,可以在较低的温度下实现93W-5.6Ni-1.4Fe高比重合金的固相烧结,使合金致密化,并能有效控制钨晶粒长大,提高材料的硬度、抗弯强度等力学性能

针对滚动轴承故障精密诊断的需要,采用小波包分析方法提取了滚动轴承故障的特征信号,通过小波包分析将高频信号分解到8个频带中,以频带能量作为识别故障的特征向量,应用RBF径向基神经网络建立了从特征向量到故障模式之间的映射,现场采集的数据分析表明,采用小波包和神经网络相结合的方法可以比较准确地识别滚动轴承的故障

针对地下金属矿山生产和经营特点,首先采用商业智能和组合预测的理论和方法,建立矿产品市场需求计划模型;然后根据矿产品市场需求计划模型提供的分析结果,采用多目标规划、专家系统、时间价格Petri网的理论和方法,对采掘作业流程进行建模,提出了求解流程最小成本的计算方法.某地下金属矿山的实例计算表明,该模型能够有效地优化企业的生产计划,提高企业的市场竞争力,降低企业的运营成本

第一节 标本采集的意义和原则 第二节 各种标本的采集

提出了一种采用LabVIEW并行运算提高传统遗传算法计算速度的方法,可实现多核计算机多线程的同时运算,从而大幅度提高运算效率.Ni-Ti合金线材无模拉拔初始阶段拉拔速度路径优化结果表明,在八核计算机上采用基于LabVIEW的多线程并行运算程序,与基于文本编程的MATLAB运算程序相比,前者运算时间仅为后者的1/8左右.Ni-Ti合金线材无模拉拔实验结果表明,采用本文智能优化后的拉拔速度路径,可使线材直径波动长度缩短至24 mm,远小于线性或S线型路径的最小直径波动长度

通过自行设计搭建的高温熔融-高压水射流装置,进行了熔融态转炉钢渣与高炉渣的高压水射流试验.试验表明:采用高压水射流直接冷却微细化的方法能够同时实现转炉钢渣的微细化与胶凝活性增强;在本文试验条件下,采用8~10MPa的高压水,射流冷却后的射流钢渣体积平均粒度达到94.3μm,主要物相是玻璃相和结晶矿物Ca2SiO4,由其所制备胶凝材料养护28 d的抗压强度达33.96MPa,超过原钢渣制备胶凝材料8MPa.射流高炉矿渣形成絮状结构,并具有更低胶凝活性.与熔融态高炉矿渣相比,熔融态转炉钢渣更适合采用高压水射流方法

在SUS316L不锈钢基体上,采用HVOF和DGS两种不同的工艺方法,分别喷涂WC-12Co和FeAl涂层,观察WC-12Co和FeAl粉末的颗粒形貌、粒度组成以及DTA,研究它们对热喷涂涂层质量的影响.通过表面粗糙度、显微硬度、形貌相以及X射线衍射谱等分析表明,球化程度高,颗粒大小均匀的粉末可使涂层的组织均匀,致密性好,结合强度高.采用HVOF方法喷涂WC-12Co涂层的质量最好,而采用DGS工艺喷涂FeAl涂层的工艺参数还有待于进一步优化