排序方式： 共有16条查询结果，搜索用时 15 毫秒
1.
2.
利用低本底α、β测量仪,通过一系列比较实验和数据获得影响水中总α、总β放射性活度的实验因素。按照现行国标中的标准曲线法进行实验并分析关系曲线的拟合结果;采用^(241)Am和^(40)K标准粉末源进行串道干扰实验;最后利用热释光测量仪分析影响样品源计数值的因素。结果表明:“质量厚度净计数率”关系曲线线性拟合结果良好,可应用在实验计算中;在测量放射性活度较高的水样时,α通道对β通道产生的串道干扰需进行修正;样品源制备完毕后,不宜立刻测量,应贮存在干燥低本底的环境中,贮存后应用红外灯干燥足够长的时间并完全冷却后进行测量。 相似文献
3.
利用低本底α、β测量仪研究影响水中总α、β放射性活度浓度测量的实验因素。通过一系列对比实验,获得样品放置时间、水样的贮存时间和贮存温度、样品制备方式等条件对实验结果的影响。结果表明:井水、自来水、地下水等水体内溶解的氡和红外线加热可能对水样残渣的计数产生干扰,样品制备完毕后,宜在室温且干燥环境下静置至少3小时后再进行上机测量;水样在密封贮存的情况下,贮存温度和时间对水样的总α、总β放射性活度无显著影响;采用现行国标推荐的硫酸酸化水样的方法可以有效避免样品可能存在的吸潮现象,减少实验误差。 相似文献
4.
针对螺纹松动过程影响因子多且具有典型非线性特征,预紧力衰减难以准确预测的问题,提出了一种基于贝叶斯优化神经网络的螺栓防松性能预测方法。首先建立了螺纹松动的动力学模型,并采用响应曲面法定量分析了各因子对残余预紧力的影响,确定了初始预紧力和振幅为影响松脱最敏感的两个因子;进一步采用贝叶斯优化算法,建立基于神经网络的螺栓残余预紧力预测模型,实现螺栓残余预紧力的精准预测,并对该模型进行了验证。结果表明：相对于三层神经网络、高斯过程回归以及支持向量机模型等,基于贝叶斯优化的神经网络预测模型的均方误差最小,且R2系数最接近1,通过试验验证,螺栓残余预紧力预测值与实际测试值误差在7%之内,验证了模型的有效性及可靠性,为螺栓可靠性防松设计奠定基础。 相似文献
5.
6.
7.
9.
10.
