φ40全金属密封闸阀

一、引言 通径φ40毫米全金属密封闸阀是为强流短脉冲电子直线加速器的栅控电子枪与大气隔离而设计、研制的。电子枪的束流传输要求该问阀的厚度尽量薄,能直接通过电子束流。由于电子枪的烘烤排气和阴极分解激活的工艺要求,以及加速器真空系统需获得超高真空,要求该闸阀内部结构简单,能耐可靠,关闭时闸板的主密封对大气的泄漏率不大于10-9-10-10托·升/秒。配上这样闸阀的电子枪在制造的工艺过程中能获得很高的超高真空,并在靠闸阀与大气隔离而移出排气台后一段较长的时间内,枪内仍能维持相当高的高真空,已激活的复合阴极不致中毒,阴极发射…     

住友金属将在中国设厂

日本住友金属将在广东省广州市投资 770万美元建厂 ,主要生产不锈钢管等汽车用部件。该厂将于 2 0 0 4年 7月开始投入生产 ,届时日本在中国的汽车制造厂商将会是该厂产品的主要用户。第一个这样的厂也是由日本公司建立的。刚开始计划每年从日本进口 1 2万t不锈钢和碳钢带卷作为原材料 ,而现在则希望能够使用中国本地生产的带卷。住友一名官员说 :“但是当地厂家生产的带卷质量不能满足性能要求 ,所以目前只有从日本进口”。住友金属将在中国设厂@国强     

K-ICA算法的舰船直扩通信信号检测

根据舰船通信系统的多天线阵结构,提出一种适合舰船通信的新的非合作直扩信号检测方法,与传统多信号检测方法不同,新方法在预处理部分引入了核独立分量分析技术,克服了多个信号频段重叠、频谱交叉时信号难以分离的难题,提高了后续部分直扩信号的检测与识别准确率,通过仿真分析,验证了该检测方法的有效性.如对决策参数做适当调整,该检测方法同样适用于其他通信信号的检测.     

高斯噪声与窄带干扰同时抑制技术

为了抑制接收信号中的高斯噪声和窄带干扰,在进一步分析边带相关置换（SCR）算法的基础上,提出了一种新的高斯噪声和窄带干扰抑制算法——循环边带相关置换（CSCR）算法. CSCR算法将SCR思想引入循环谱相关理论中,利用循环谱相关可有效抑制高斯噪声的技术优势,在接收信号的谱相关密度函数中用相对于窄带干扰的边带对称值代替干扰值来重构期望信号,从而实现了高斯噪声和窄带干扰的同时抑制. 该算法对谱相关密度谱对称的调制方式均适用. 通过对2PSK信号的计算机仿真表明,循环边带相关置换算法可以有效抑制高斯噪声和窄带干扰.     

BTA酰基衍生物的合金及对Cu在3%NaCl水溶液中缓蚀性能…

用苯并三氮唑（ＢＴＡ）和酸性氯化物（酰氯类）合成７种ＢＴＡ酰基衍生物。采用间接失重方法比较ＢＴＡ及其衍生物对Ｃｕ在３％ＮＡＣｌ水溶液中的缓蚀性能。结果表明：７种ＢＴＡ衍生物中，Ｇｌｕｔａｒｙ／ＢＴＡ的缓蚀性能远于ＢＴＡ；Ｃ５／ＢＴＡ的缓蚀性不及ＢＴＡ；其余５种的缓蚀性能均略优于ＢＴＡ。用传统的失重方法测试金属缓蚀性能需要最少几十天才能完成。用阳极微分脉冲溶出伏安法（ＢＰＡＳ），可以灵敏地测出Ｃｕ泡     

基于云模型的基本概率赋值生成方法及应用

针对证据理论应用中基本概率赋值(BPA)生成模型难以确定问题,该文提出一种基于云模型的BPA生成方法。首先基于样本属性的正态云模型构建单子集命题的BPA模型函数,并将复合子集的模型函数表示为高斯函数乘积融合。其次提出一种根据测试样本动态度量属性权重的方法来兼顾信息源的可靠性。最后,用属性权重修正模型函数输出的结果得到BPA。鸢尾花等数据集分类识别实验表明,该方法识别准确性高,且适用于样本较少的情况。     

基于单通道多尺度图神经网络的自动调制识别

针对自适应可见性图(AVG)算法复杂度过高且精度提升不明显的缺点,该文提出一种基于单通道多尺度图神经网络(SMGNN)的自动调制识别(AMR)框架,并对框架各个部分进行了可解释性研究。首先利用多层感知机和1维卷积自适应地实现了单通道信号序列和图之间的映射,有效降低了AVG算法的复杂度;其次,设计了一种多尺度图神经网络,将不同分辨率的特征进行融合,提升了模型识别准确率。实验表明,该文提出的SMGNN算法相比于AVG算法节省了近1/2的参数量,且识别精度得到了较大的提升。     

基于周期截断数据矩阵奇异值分解的干扰抑制技术

针对现有适用于单天线接收机的干扰抑制技术难以为周期调频(PFM)干扰和卫星导航信号提供足够分离度,导致消除干扰成分时卫星导航信号损伤较大的问题,该文提出一种基于周期截断数据矩阵奇异值分解的干扰抑制方法。利用调频干扰信号的周期性把分散在较大带宽的能量集中到重排数据中几个甚至单个频点;进而采用奇异值分解(SVD)将干扰与期望信号映射进不同的投影子空间以消除干扰成分。仿真结果表明该方法可以降低在剔除干扰时卫星导航信号损失,提升卫星导航接收机对抗宽带周期调频干扰的能力。     

基于期望模式修正方法的混合网格多模型估计

针对期望模式修正(EMA)变结构多模型估计中基础模型集固定不变而扩张模型修正能力有限等问题,提出了一种改进的EMA变结构多模型算法(M-EMA).该算法将所用模型集合构造为混合网格结构,并引入自适应网格(AG)技术和可能模型集(LMS)技术,用于混合网格中修正模型网格与基础模型网格的生成,从而使参与状态估计的模型集合更加接近于系统真实模式,达到优化模型集合的目的.仿真实验证明,该算法有效提高跟踪精度和稳定性,同时减少了对目标机动方式与模型集合拓扑结构设计的依赖.