作者单位
摘要
长春理工大学 光电工程学院, 吉林 长春 130022
针对钛宝石晶体表面低损伤加工进行了系统研究, 在CCOS数控小磨头抛光机上进行了正交实验, 选用不同的抛光液对钛宝石进行化学机械抛光, 有效去除精磨阶段的亚表面损伤, 实验证明SiO2硅溶液作为磨料的抛光效果好, 适合作为钛宝石加工的抛光液。研究了抛光盘种类、抛光盘压力、抛光盘速度、硅溶胶稀释浓度这四个因素和钛宝石晶体表面粗糙度和表面疵病的关系, 并获得钛宝石低缺陷加工过程中工艺参数的影响规律。按照优化后的工艺参数进行实验, 获得了低缺陷、高精度的钛宝石表面。运用灰色关联分析法对抛光参数进行优化, 在最佳加工工艺组合条件下, 得到钛宝石表面粗糙度为0.262 nm, 表面疵病率为1.4×10-3 mm-1。
钛宝石 化学机械抛光 表面粗糙度 表面疵病 灰度关联 titanium gemstone chemica-mechanical polishing surface roughness surface rickets grayscale correlation 
红外与激光工程
2019, 48(12): 1215002
作者单位
摘要
桂林电子科技大学 机电工程学院,广西 桂林 541004
建立了弯曲光纤的二维轴对称有限元分析模型,对初始光纤弯曲性能进行了有限元分析,分别计算其弯曲损耗,有效模场面积和连接损耗;选取芯层到下陷层距离b,下陷层宽度c,下陷层深度Δt,空气孔孔径r为设计变量,以弯曲损耗和连接损耗最小为目标,利用正交试验和灰度关联分析相结合的方法对光纤弯曲性能进行了多因素多目标优化设计。研究结果表明:优化后光纤弯曲损耗从0.127 8 dB/m减小到1.749 8×10-4 dB/m;有效模场面积从94.741 μm2减小到82.37 μm2;连接损耗由0.174 3 dB减小到5.805×10-4 dB。与标准单模光纤对比发现,新型光纤在弯曲半径为3 mm的情况下,有效模场面积从209.21 μm2减小到82.3 μm2,连接损耗从7.535 8 dB减小到5.805×10-4 dB,大大地降低了光纤的连接损耗。新型光纤在小半径弯曲情况下,也能保证系统的传输质量。
光纤光学 光纤弯曲性能 灰度关联分析法 弯曲损耗 连接损耗 optical fiber optics fiber bending performance gray relational analysis method bending loss splice loss 
红外与激光工程
2019, 48(9): 0918006
作者单位
摘要
中国航空工业集团公司雷华电子技术研究所, 江苏 无锡 214063
针对分布式多传感器融合系统中, 传统的航迹融合算法未充分考虑不同传感器探测跟踪性能不同带来的航迹质量的不确定度差异, 导致融合后的航迹质量下降的问题, 提出了一种基于跟踪质量熵的航迹融合算法。首先, 构建融合中心所有局部航迹的跟踪质量熵模型, 根据熵大小排序并划分不确定度等级; 然后, 选择质量熵排序队列的航迹作为参考数列, 利用灰度理论对不同局部节点的来自同一目标源的航迹进行聚类; 最后, 将聚类后的航迹, 根据不确定等级进行分群融合, 并把不确定等级较低的航迹融合后的状态反馈至各局部节点进行局部融合。该方法提高了局部节点的跟踪质量, 增强了航迹融合的正确性, 仿真验证了该方法的可行性和有效性。
分布式多传感器融合 航迹融合 质量熵 灰度关联 反馈信息 distributed multi-sensor fusion track fusion quality entropy gray correlation feedback information 
电光与控制
2019, 26(5): 39
张勇 1,2,*赵冰 3
作者单位
摘要
1 长春大学光华学院, 吉林 长春130117
2 长春师范学院, 吉林 长春130032
3 吉林大学超分子结构与材料国家重点实验室, 吉林 长春130012
灰度关联分析是通过关联度的计算来理清系统中各因素之间的主次关系, 找出影响较大的因素。 简述了灰度关联分析的基本原理, 并利用其对180个烟草样品的近红外谱进行了谱区优化, 选取其中120个样品用于建模, 另外60个样品用于模型检验。 进一步利用偏最小二乘法和径向基支持向量机法分别建立了烟草样品的总糖、 还原糖、 烟碱及总氮的定量分析模型。 结果表明, 将灰度关联分析与支持向量机法联合用于烟草近红外光谱四个组分的定量分析, 其模型的泛化能力和预测精度均有较明显的提高, 从而能够有效地提高建模效率。
近红外光谱 灰度关联分析 偏最小二乘 支持向量机 Near-infrared spectroscopy Grey correlation analysis Partial least squares Support vector machine 
光谱学与光谱分析
2013, 33(2): 363

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!