王超 1,*苟学科 1段英 1胡俊 1[ ... ]石小江 5
作者单位
摘要
1 电子科技大学 电子科学与工程学院, 四川 成都 611731
2 电子科技大学 机械与电气工程学院, 四川 成都 611731
3 电子科技大学 自动化工程学院, 四川 成都 611731
4 西南科技大学 信息工程学院, 四川 绵阳 621900
5 中国航发四川燃气涡轮研究院, 四川 江油 621700
简要介绍了航空发动机涡轮叶片表面温度的几种主要测量方法, 总结了热电偶、晶体、示温漆、荧光、光纤、以及红外辐射、多光谱等测温方法的的测温原理、技术特点和国内外研究现状, 并在此基础上对将来涡轮叶片温度测量发展方向进行了展望.
涡轮叶片 温度测量 辐射测温 turbine blade temperature measurement radiation temperature measurement 
红外与毫米波学报
2018, 37(4): 501
作者单位
摘要
1 西南科技大学 信息工程学院, 四川 绵阳 621900
2 中国科学技术大学 信息科学技术学院 自动化系, 合肥 230026
提出了一种基于稀疏表示的核素能谱特征提取方法,其实质是将核素能谱在区分性最好的稀疏原子上进行投影。利用稀疏分解方法对核素能谱进行稀疏分解,提取分解系数向量作为表征核素的特征向量,通过模式识别分类方法建立分类模型实现核素识别。与传统稀疏分解方法的区别在于:在能谱稀疏分解过程中按照稀疏字典中的原子排列顺序顺次进行分解;其次,分解目的在于特征提取,即最终提取到的特征对不同核素具有可区分性,并不要求核素能谱的重构精度。在241Am,133Ba,60Co,137Cs,131I和152Eu共6种核素1200个能谱数据上进行了核素识别实验,7种不同分类算法的平均识别率达到91.71%,实验结果的统计分析表明,本文提出的特征提取方法识别准确率显著地高于两种传统核素能谱特征提取方法准确率。
伽马能谱 核素识别 稀疏表示 特征提取 模式识别 gamma spectrum nuclide identification sparse representation feature extraction pattern recognition 
强激光与粒子束
2018, 30(4): 046003

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!