作者单位
摘要
承德华富玻璃技术工程有限公司,承德 067000
阐述了电熔炉在停产保温期间,停产前后、保温送电、恢复生产等环节的保温操作,为了保证料质、不影响熔炉寿命,强调停产保温期间要保证炉内的玻璃液不能硬化,值班操作人员要遵守操作规范。
保温电流 生料层 归零 保温 恢复 insulation current raw meal layer return to zero heat preservation recovery 
玻璃搪瓷与眼镜
2023, 51(4): 21
作者单位
摘要
承德华富玻璃技术工程有限公司,承德 067000
阐述了电熔炉发生网电停电时,采用备用发电机对需要持续供电的重要设备进行供电的操作规程及注意事项,为行业内电熔炉操作技术人员提供经验和指导。
电熔炉 停电 关键设备 
玻璃搪瓷与眼镜
2022, 50(4): 16
作者单位
摘要
承德华富玻璃技术工程有限公司,承德 067000
电熔炉电气相位平衡一直是电气设计中需重点考虑的因素。按 “发现问题、分析原因、解决问题”的总体思路,详细介绍了现场解决电气相位不平衡问题的全过程,分析其中经验,提升技术水平。
相位平衡 联接组编号 时间相位 空间相位 相序 
玻璃搪瓷与眼镜
2022, 50(2): 21
作者单位
摘要
西安电子科技大学 物理与光电工程学院, 西安 710071
为了抑制窄线宽脉冲光纤放大器中受激布里渊散射效应, 使用多谱线技术对单频种子源的线宽进行了拓展, 进行了基于三谱线的主振荡功率放大高峰值功率脉冲全光纤激光器实验验证。结果表明, 经过两级预放、一级功放, 获得激光输出的最大平均功率为303W, 脉宽为2.8ns, 重复频率为3.1MHz, 对应的峰值功率为35kW, 在最高功率输出情况下, 激光器的光束质量小于1.3; 三谱线结构对受激布里渊散射有着明显的抑制作用。该研究为高峰值功率的脉冲光纤激光器放大技术提供了参考。
激光器 高峰值功率 受激布里渊散射 窄线宽 lasers high peak power stimulated Brillouin scattering narrow linewidth 
激光技术
2019, 43(6): 753
作者单位
摘要
西安电子科技大学物理与光电工程学院, 陕西 西安 710071
报道一种高峰值功率、线偏振、窄线宽、纳秒脉冲的全光纤激光器。种子源激光器产生的单频连续激光通过一个电光强度调制器实施调制, 为抑制受激布里渊散射(SBS), 脉宽设置为2.8 ns, 重复频率为1.59 MHz。经两级预放、一级功率放大进行放大, 激光最大平均输出功率为139 W, 峰值功率为31 kW。实验过程中未发现受激拉曼散射(SRS), 功率的提升受限于SBS。在最高功率输出情况下, 激光器的光束质量小于1.3。受限于(6+1)×1保偏合束器, 激光器的偏振消光比为14.5 dB。
激光器 光纤激光 高峰值功率 受激布里渊散射 纳秒脉冲 线偏振 窄线宽 
中国激光
2018, 45(4): 0401015
作者单位
摘要
1 中北大学计算机与控制工程学院, 山西 太原 030051
2 山西大学商务学院信息学院, 山西 太原 030031
由于人类对宇宙的认识有限, 因此, 如何通过对光谱数据分析发现一些新的、 特殊的天体成为天文学家面临的重要课题。 目前, 常见特殊天体发现方法的基本思想是利用智能分类算法对离群数据进行分析。 然而, 当前主流分类算法大多对离群数据不敏感, 分类性能甚至受离群点影响较大, 因而无法完成特殊天体发现任务。 鉴于此, 提出基于模糊大间隔最小球分类模型的离群数据挖掘方法, 该方法利用部分一般样本和离群样本建立最小球模型, 并在此基础上引入模糊技术, 通过降低噪声的权重, 尽量减少噪声的影响。 与C-SVM, SVDD, KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明所提方法的有效性。
恒星光谱 分类 模糊大间隔最小球 离群数据 Stellar spectrum Classification Fuzzy large margin and minimum ball Spectra outlier data 
光谱学与光谱分析
2016, 36(4): 1245
作者单位
摘要
1 中北大学计算机与控制工程学院, 山西 太原030051
2 中北大学信息与通信工程学院, 山西 太原030051
3 山西大学商务学院信息学院, 山西 太原030031
尽管经典的分类方法支持向量机SVM在天文学领域广泛应用, 但其只考虑类间的绝对间隔而忽略类内的分布性状, 因而分类性能有待于进一步提升。 鉴于此, 提出一种新颖的基于流形判别分析和支持向量机的恒星光谱数据自动分类方法。 该方法引入流形判别分析的两个重要概念: 基于流形的类内离散度MW和基于流形的类间离散度MB。 所提方法找到的分类面同时保证MW最小且MB最大。 可建立相应最优化问题, 然后将原最优化问题转化为QP对偶形式求得支持向量和判别函数, 最后利用判别函数判断测试样本的类属。 该方法的最大优势在于进行分类决策时, 不仅考虑样本的类间信息和分布特征, 而且还保持了各类的局部流形结构。 SDSS恒星光谱数据上的比较实验表明该方法的有效性。
自动分类 恒星光谱数据 流形判别分析 支持向量机 Automatic classification Star spectra data Manifold-based discriminant analysis (MDA) Support vector machine (SVM) 
光谱学与光谱分析
2014, 34(1): 263

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!