当前位置：文档之家 › Selection of Spectral Data for Classification of Steels Using Laser-Induced Breakdown Spectroscopy

Selection of Spectral Data for Classification of Steels Using Laser-Induced Breakdown Spectroscopy

  • 格式：pdf
  • 大小：416.94 KB
  • 文档页数：7

Ｐｌａｓｍａ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｖｏ１．１７，Ｎｏ．１１，Ｎｏｖ．２０１５　

Ｓｅｌｅｃｔｉｏｎ　ｏｆ　Ｓｐｅｃｔｒａｌ　Ｄａｔａ　ｆｏｒ　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　Ｓｔｅｅｌｓ　Ｕｓｉｎｇ　

Ｌａｓｅｒ—Ｉｎｄｕｃｅｄ　Ｂｒｅａｋｄｏｗｎ　Ｓｐｅｃｔｒｏｓｃｏｐｙ　

ＫＯＮＧ　Ｈａｉｙａｎｇ（孔海洋）　，。，ｖ，ＳＵＮ　Ｌａｎｘｉａｎｇ（孙兰香）　，ｖ，ＨＵ　Ｊｉｎｇｔａｏ（胡静涛）　，ｖ，　

ＸＩＮ　Ｙｏｎｇ（辛勇）　，ｖ，ＣＯＮＧ　Ｚｈｉｂｏ（丛智博）　，。　

Ｓｈｅｎｙａｎｇ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ａｕｔｏｍａｔｉｏｎ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｓｈｅｎｙａｎｇ　１１００１６，Ｃｈｉｎａ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ　１０００４９，Ｃｈｉｎａ　。ＣＡＳ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｎｅｔｗｏｒｋｅｄ　Ｃｏｎｔｒｏｌ　Ｓｙｓｔｅｍ，Ｓｈｅｎｙａｎｇ　１１００１６，Ｃｈｉｎａ　

Ａｂｓｔｒａｃｔ　Ｐｒｉｎｃｉｐａ１　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ　ｆＰＣＡ１　ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ａｒｔｉｆｉｃｉａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ　ｗａｓ　ｕｓｅｄ　ｔｏ　ｃｌａｓｓｉｆｖ　ｔｈｅ　ｓｐｅｃｔｒａ　ｏｆ　２７　ｓｔｅｅｌ　ｓａｍｐｌｅｓ　ａｃｑｕｉｒｅｄ　ｕｓｉｎｇ　ｌａｓｅｒ—ｉｎｄｕｃｅｄ　ｂｒｅａｋｄｏｗｎ　ｓｐｅｃ—　ｔｒｏｓｃｏｐｙ．Ｔｈｒｅｅ　ｍｅｔｈｏｄｓ　ｏｆ　ｓｐｅｃｔｒａｌ　ｄａｔａ　ｓｅｌｅｃｔｉｏｎ，ｓｅｌｅｃｔｉｎｇ　ａｌｌ　ｔｈｅ　ｐｅａｋ　ｌｉｎｅｓ　ｏｆ　ｔｈｅ　ｓｐｅｃｔｒａ，　ｓｅｌｅｃｔｉｎｇ　ｉｎｔｅｎｓｉｖｅ　ｓｐｅｃｔｒａｌ　ｐａｒｔｉｔｉｏｎｓ　ａｎｄ　ｔｈｅ　ｗｈｏｌｅ　ｓｐｅｃｔｒａ．ｗｅｒｅ　ｕｔｉｌｉｚｅｄ　ｔｏ　ｃｏｍｐａｒｅ　ｔｈｅ　ｉｎｆｉｕ－　ｅｎｃｅ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｉｎｐｕｔｓ　ｏｆ　ＰＣＡ　ｏｎ　ｔｈｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　ｓｔｅｅｌｓ．Ｔｈｒｅｅ　ｉｎｔｅｎｓｉｖｅ　ｐａｒｔｉｔｉｏｎｓ　ｗｅｒｅ　ｓｅｌｅｃｔｅｄ　ｂａｓｅｄ　ｏｎ　ｅｘｐｅｒｉｅｎｃｅ　ａｎｄ　ｐｒｉｏｒ　ｋｎｏｗｌｅｄｇｅ　ｔｏ　ｃｏｍｐａｒｅ　ｔｈｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ．￡Ｌｓ　ｔｈｅ　ｐａｒｔｉｔｉｏｎｓ　ｃａｎ　ｏｂｔａｉｎ　ｔｈｅ　ｂｅｓｔ　ｒｅｓｕｌｔｓ　ｃｏｍｐａｒｅｄ　ｔｏ　ａｌｌ　ｐｅａｋ　ｌｉｎｅｓ　ａｎｄ　ｔｈｅ　ｗｈｏｌｅ　ｓｐｅｃｔｒａ．Ｗｌｅ　ａｌｓｏ　ｕｓｅｄ　ｔｗｏ　ｔｅｓｔ　ｄａｔａ　ｓｅｔｓ，ｍｅａｎ　ｓｐｅｃｔｒａ　ａｆｔｅｒ　ｂｅｉｎｇ　ａｖｅｒａｇｅｄ　ａｎｄ　ｒａｗ　ｓｐｅｃｔｒａ　ｗｉｔｈｏｕｔ　ａｎｙ　ｐｒｅｔｒｅａｔｍｅｎｔ，ｔｏ　ｖｅｒｉｆｖ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｔｈｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｔｈｉｓ　ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ｃｏｍｐａｒｉｓｏｎ　ｓｈｏｗ　ｔｈａｔ　ａ　ｂａｃｋ　ｐｒｏｐａｇａｔｉｏｎ　ｎｅｔｗｏｒｋ　ｔｒａｉｎｅｄ　ｕｓｉｎｇ　ｔｈｅ　ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔｓ　ｏｆ　ａｐｐｒｏｐｒｉａｔｅ，ｃａｒｅｆｕｌｌｙ　ｓｅ—　ｌｅｃｔｅｄ　ｓｐｅｃｔｒａｌ　ｐａｒｔｉｔｉｏｎｓ　ｃａｎ　ｏｂｔａｉｎ　ｔｈｅ　ｂｅｓｔ　ｒｅｓｕｌｔｓ．Ａ　ｐｅｒｆｅｃｔ　ｒｅｓｕｌｔ　ｗｉｔｈ　１００％ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｃｃｕｒａｃｙ　ｃａｎ　ｂｅ　ａｃｈｉｅｖｅｄ　ｕｓｉｎｇ　ｔｈｅ　ｉｎｔｅｎｓｉｖｅ　ｓｐｅｃｔｒａｌ　ｐａｒｔｉｔｉｏｎｓ　ｒａｎｇｉｎｇ　ｏｆ　３５７—３６７　ｎｍ．　

Ｋｅｙｗｏｒｄｓ：ｌａｓｅｒ—ｉｎｄｕｃｅｄ　ｂｒｅａｋｄｏｗｎ　ｓｐｅｃｔｒｏｓｃｏｐｙ，ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　ｓｔｅｅｌ　ｓａｍｐｌｅｓ，ｐｒｉｎｃｉｐａｌ　

ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ，ａｒｔｉｆｉｃｉａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ，ｓｅｌｅｃｔｉｏｎ　ｏｆ　ｓｐｅｃｔｒａｌ　ｄａｔａ　

ＰＡＣＳ：４２．６２．一ｂ，４２．６２．Ｆｉ，０２．５０．Ｆｚ，０７．０５．Ｍｈ，０２．７０．Ｈｍ　

ＤＯＩ：１０．１０８８／１００９—０６３０／１７／１１／１４　

（Ｓｏｍｅ　ｆｉｇｕｒｅｓ　ｍａｙ　ａｐｐｅａｒ　ｉｎ　ｃｏｌｏｕｒ　ｏｎｌｙ　ｉｎ　ｔｈｅ　ｏｎｌｉｎｅ　ｊｏｕｒｎａ１）　

１　Ｉｎｔｒｏｄｕｃｔｉｏｎ　

Ａ　ｇｒｏｗｉｎｇ　ｎｕｍｂｅｒ　ｏｆ　ｔｙｐｅｓ　ｏｆ　ｇａｒｂａｇｅ　ａｎｄ　ｉｎｄｕｓｔｒｉａｌ　

ｗａｓｔｅ　ｎｅｅｄ　ｔｏ　ｂｅ　ｒｅｃｙｃｌｅｄ　ｗｉｔｈ　ｉｎｄｕｓｔｒｉａｌ　ｄｅｖｅｌｏｐｍｅｎｔ，　ｉｎｃｌｕｄｉｎｇ　ａ　ｌａｒｇｅ　ａｍｏｕｎｔ　ｏｆ　ｓｃｒａｐ　ｓｔｅｅｌｓ【ｌ一引．Ｉｆ　ｔｈｅｓｅ　

ｓｃｒａｐ　ｓｔｅｅｌｓ　ａｒｅ　ｍａｎｕａｌｌｙ　ｃｌａｓｓｉｆｉｅｄ，ｔｈｅ　ｓｐｅｅｄ　ａｎｄ　ｐｒｅ—　

ｃｉｓｉｏｎ　ｏｆ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｍａｙ　ｎｏｔ　ｓａｔｉｓｆｙ　ｒｅｑｕｉｒｅｍｅｎｔｓ　ａｎｄ　

ｎｕｍｅｒｏｕｓ　ｈｕｍａｎ　ａｎｄ　ｆｉｎａｎｃｉａｌ　ｒｅｓｏｕｒｃｅｓ　ｗｉｌｌ　ｂｅ　ｗａｓｔｅｄ．　

Ｉｎ　ａｄｄｉｔｉｏｎ　ｉｔ　ｗｉｌｌ　ｂｅ　ａ　ｓｉｇｎｉｆｉｃａｎｔ　ｄａｎｇｅｒ　ｔｏ　ｔｈｅ　ｓａｆｅｔｙ　ｏｆ　ｈｕｍａｎ　ｌｉｆｅ　ｗｈｅｎ　ｔｈｅ　ｍａｔｅｒｉａｌｓ　ａｒｅ　ｔｏｘｉｃ　ｏｒ　ｒａｄｉｏａｃ—　

ｔｉｖｅ．Ｔｈｅｒｅ　ｉｓ　ａｌｓｏ　ａ　ｄｅｍａｎｄ　ｆｏｒ　ｑｕａｌｉｔａｔｉｖｅ　ａｎａｌｙｓｉｓ　

ｔｏ　ｇｕａｒａｎｔｅｅ　ａｎ　ｏｖｅｒａｌｌ　ｃｏｍｐｒｅｈｅｎｓｉｏｎ　ｏｆ　ｔｈｅ　ｍａｔｅｒｉａｌｓ　

ｐｒｉｏｒ　ｔｏ　ｑｕａｎｔｉｔａｔｉｖｅ　ａｎａｌｙｓｉｓ　ｉｎ　ｉｒｏｎ　ａｎｄ　ｓｔｅｅｌ　ｐｒｏｄｕｃ—　ｔｉｏｎ．Ｆｏｒ　ｅｘａｍｐｌｅ，ａ　ｑｕａｌｉｔａｔｉｖｅ　ａｎａｌｙｓｉｓ　ｗａｓ　ｉｍｐｌｅ　

ｍｅｎｔｅｄ　ｔｏ　ｄｅｔｅｒｍｉｎｅ　ｗｈｉｃｈ　ｋｉｎｄｓ　ｏｆ　ｅｌｅｍｅｎｔｓ　ｓｐｅｃｉｆｉｃ　

ｍａｔｅｒｉａｌｓ　ｃｏｎｔａｉｎｅｄ　ａｎｄ　ａ　ｑｕａｎｔｉｔａｔｉｖｅ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　ｅｌｅｍｅｎｔｓ　ｗａｓ　ｐｅｒｆｏｒｍｅｄ　ａｃｃｏｒｄｉｎｇｌｙ【４１．　

Ｌａｓｅｒ—ｉｎｄｕｃｅｄ　ｂｒｅａｋｄｏｗｎ　ｓｐｅｃｔｒｏｓｃｏｐｙ（ＬＩＢＳ　１　ｉｓ　ａ　

ｔｙｐｅ　ｏｆ　ａｔｏｍｉｃ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ｗｈｉｃｈ　ｈａｓ　ｂｅｅｎ　ｗｉｄｅｌｙ　ｒｅ—　ｓｅａｒｃｈｅｄ　ａｎｄ　ｄｅｖｅｌｏｐｅｄ　ｉｎ　ｒｅｃｅｎｔ　ｄｅｃａｄｅｓ．Ｃｏｍｐａｒｅｄ　

ｔｏ　ｃｏｎｖｅｎｔｉｏｎａｌ　ｓｐｅｃｔｒａｌ　ａｎａｌｙｓｉｓ　ｔｅｃｈｎｏｌｏｇｉｅｓ，ＬＩＢＳ　

ｈａｓ　ｍａｎｙ　ａｄｖａｎｔａｇｅｓ，ｅ．ｇ．，ｉｔ　ｃａｎ　ａｃｈｉｅｖｅ　ａ　ｆａｓｔ　ａｎｄ　

ａｃｃｕｒａｔｅ　ｒｅｓｕｌｔ　ｗｉｔｈｏｕｔ　ｓａｍｐｌｅ　ｐｒｅｐａｒａｔｉｏｎ，ａｎｄ　ｔｈｕｓ　ｉｔ　ｉｓ　ｐａｒｔｉｃｕｌａｒｌｙ　ｓｕｉｔａｂｌｅ　ｆｏｒ　ｒｅｃｙｃｌｉｎｇ　ａｎｄ　ｃｌａｓｓｉｆｖｉｎｇ　

ｓｃｒａｐ　ｓｔｅｅｌｓ　ｉｎ　ｓｉｔｕ．Ｔｈｅｒｅｆｏｒｅ．ＬＩＢＳ　ｈａｓ　ｂｅｅｎ　ｐａｉｄ　ｉｎ—　ｃｒｅａｓｉｎｇ　ａｔｔｅｎｔｉｏｎ　ｂｙ　ｒｅｓｅａｒｃｈｅｒｓ　ａｓ　ａｎ　ｉｎｎｏｖａｔｉｖｅ　ａｎｄ　ｐｒｏｍｉｓｉｎｇ　ｍｅｔｈｏｄ　ｆｏｒ　ｔｈｅ　ａｎａｌｙｓｉｓ　ｏｆ　ｍａｔｅｒｉａｌｓ［５－８ｊ．　

Ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ　ｆＰＣＡ１［９—１４］ａｎｄ　ａｒ—　

ｔｉｆｉｃｉａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ　ｆＡＮＮｓ１【１５—２１）ａｒｅ　ｃｏｍｍｏｎ　

ｍｅｔｈｏｄｓ　ｆｏｒ　ｔｈｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　ｍａｔｅｒｉａｌｓ　ｂｙ　ＬＩＢＳ．Ｓｉｒ—　

ｖｅｎ　ｅｔ　ａ１．【ｌ６Ｊ　ｅｍｐｌｏｙｅｄ　ＰＣＡ　ａｎｄ　ａｎ　ＡＮＮ　ｔｏ　ｃｌａｓｓｉｆｖ　

ｓｏｉｌ　ｓａｍｐｌｅｓ　ａｎｄ　ｔｈｅ　ｃｏｍｐａｒａｔｉｖｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗｅｄ　ｔｈａｔ　

ａ　ｂｅｔｔｅｒ　ｒｅｓｕｌｔ　ｃａｎ　ｂｅ　ｏｂｔａｉｎｅｄ　ｕｓｉｎｇ　ＡＮＮｓ．Ａ　１００％　ｃｌａｓｓｉ矗ｃａｔｉｏｎ　ａｃｃｕｒａｃｙ　ｃｏｕｌｄ　ｂｅ　ａｃｈｉｅｖｅｄ　ｉｆ　ｔｈｅ　ａｖｅｒａｇｅ　

ｔｈｒｅｓｈｏｌｄ　ｏｆ　ｔｈｅ　ｐｒｅｄｉｃｔｅｄ　ｏｆｆｓｅｔ　ｖａｌｕｅ　ｗａｓ　ｓｅｔ　ｔｏ　０．１．　Ｒａｍｉｌ　ｅｔ　ａ１．　Ｊ　ｉｎｖｅｓｔｉｇａｔｅｄ　ｔｈｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　ａｒｃｈａｅ—　

ｏｌｏｇｉｃａｌ　ｃｅｒａｍｉｃｓ　ｕｓｉｎｇ　ＡＮＮｓ．Ｔｗｏ　ＡＮＮ　ｉｎｐｕｔｓ．ｆｕ１１　

ｓｐｅｃｔｒａ　ａｎｄ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｌｉｎｅｓ　ｏｆ　ｓｐｅｃｔｒａ．ｗｅｒｅ　ｃｏｒｎ—　

ｐａｒｅｄ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗｅｄ　ｔｈａｔ　ａｎ　ＡＮＮ　ｗｉｔｈ　ｉｎｐｕｔ　ｏｆ　

ｆｌｌｌｌ　ｓｐｅｃｔｒａ　ｃａｎ　ｏｂｔａｉｎ　ｂｅｔｔｅｒ　ｒｅｓｕｌｔｓ．　

Ｗｉｔｈ　ｔｈｅ　ｉｍｐｒｏｖｅｍｅｎｔ　ｏｆ　ｓｐｅｃｔｒｏｍｅｔｅｒｓ．ｔｈｅ　ｏｒｉｇｉ—　ｎａｌ　ｓｐｅｃｔｒａ　ｏｂｔａｉｎｅｄ　ｂｙ　ＬＩＢＳ　ａｒｅ　ｎｏｗ　ｃｏｍｍｏｎｌｙ　ｃｏｍ—　

ｐｒｉｓｅｄ　ｏｆ　ｔｅｎｓ　ｏｆ　ｔｈｏｕｓａｎｄｓ　ｏｆ　ｓｐｅｃｔｒａｌ　ｉｎｔｅｎｓｉｔｉｅｓ．ｔｈｅｒｅ—　

ｆｏｒｅ　ｒｅｄｕｃｉｎｇ　ｔｈｅ　ｄｉｍｅｎｓｉｏｎｓ　ｏｆ　ｔｈｅ　ｓｐｅｃｔｒａ　ｕｓｉｎｇ　ＰＣＡ　ｉｓ　ｅｘｔｒｅｍｅｌｙ　ｉｍｐｏｒｔａｎｔ　ｂｅｆｏｒｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ．　Ａｍａｔｏ　

ｅｔ　ａ１．【２引ｄｅｖｅｌｏｐｅｄ　ａｎ　ａｕｔｏｍａｔｉｃ　ｐｅａｋ，ｅｌｅｍｅｎｔ　ａｎｄ　

ｓｕｐｐｏｒｔｅｄ　ｂｙ　ｔｈｅ　Ｎａｔｉｏｎａｌ　Ｈｉｇｈ　Ｔｅｃｈｎｏｌｏｇｙ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ　Ｐｒｏｇｒａｍ　ｏｆ　Ｃｈｉｎａ（８６３　Ｐｒｏｇｒａｍ）（Ｎｏ．２０１２ＡＡ０４０６０８），　Ｎａｔｉｏｎａｌ　Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｆｏｕｎｄａｔｉｏｎ　ｏｆ　Ｃｈｉｎａ（Ｎｏｓ．６１４７３２７９，６１００４１３１）ａｎｄ　ｔｈｅ　Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　Ｓｃｉｅｎｔｉｆｉｃ　Ｒｅｓｅａｒｃｈ　Ｅｑｕｉｐｍｅｎｔ　Ｐｒｏｇｒａｍ　ｏｆ　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ（Ｎｏ．ＹＺ２０１２４７）　

９６４

合集下载

ASTM A262 2015 奥氏体不锈钢晶间腐蚀敏感性检测标准方法

ASTM A262 2015 奥氏体不锈钢晶间腐蚀敏感性检测标准方法

Designation:A262−15

StandardPracticesfor

DetectingSusceptibilitytoIntergranularAttackinAustenitic

StainlessSteels1

ThisstandardisissuedunderthefixeddesignationA262;thenumberimmediatelyfollowingthedesignationindicatestheyearoforiginaladoptionor,inthecaseofrevision,theyearoflastrevision.Anumberinparenthesesindicatestheyearoflastreapproval.Asuperscriptepsilon(´)indicatesaneditorialchangesincethelastrevisionorreapproval.

ThisstandardhasbeenapprovedforusebyagenciesoftheU.S.DepartmentofDefense.

1.Scope*

1.1Thesepracticescoverthefollowingfivetests:

1.1.1PracticeA—OxalicAcidEtchTestforClassification

ofEtchStructuresofAusteniticStainlessSteels(Sections4to

13,inclusive),

1.1.2PracticeB—FerricSulfate-SulfuricAcidTestforDe-

tectingSusceptibilitytoIntergranularAttackinAustenitic

StainlessSteels(Sections14to25,inclusive),

1.1.3PracticeC—NitricAcidTestforDetectingSuscepti-

具有复杂光谱特征的丙烯气体的TDLAS检测技术研究

具有复杂光谱特征的丙烯气体的TDLAS检测技术研究

具有复杂光谱特征的丙烯气体的TDLAS检测技术研究

钟笠 宋迪 焦月 李晗 李国林 季文海

TDLAS detection of propylene with complex spectral features

ZHONG Li, SONG Di, JIAO Yue, LI Han, LI Guo-lin, JI Wen-hai

引用本文:

钟笠,宋迪,焦月,李晗,李国林,季文海. 具有复杂光谱特征的丙烯气体的TDLAS检测技术研究[J]. 中国光学, 2020, 13(5):

1044-1054. doi: 10.37188/CO.2019-0203

ZHONG Li, SONG Di, JIAO Yue, LI Han, LI Guo-lin, JI Wen-hai. TDLAS detection of propylene with complex spectral

features[J]. Chinese Optics, 2020, 13(5): 1044-1054. doi: 10.37188/CO.2019-0203

在线阅读 View online: https:///10.37188/CO.2019-0203

您可能感兴趣的其他文章

Articles you may be interested in

TDLAS直接吸收法测量CO2的基线选择方法

Selection of baseline method in TDLAS direct absorption CO2 measurement

中国光学. 2017, 10(4): 455 https:///10.3788/CO.20171004.0455

基于SESAM被动调Q的激光二极管泵浦Yb:CaYAlO4脉冲激光器

Output characteristics of diode-pumped passively Q-switched Yb: CaYAlO4 pulsed laser based on a SESAM

Unsupervised Feature Selection for Multi-Cluster Data

Unsupervised Feature Selection for Multi-Cluster Data

UnsupervisedFeatureSelectionforMulti-ClusterData

DengCaiChiyuanZhangXiaofeiHe

StateKeyLabofCAD&CG,CollegeofComputerScience

ZhejiangUniversity,China{dengcai,xiaofeihe}@,pluskid@

ABSTRACT

Inmanydataanalysistasks,oneisoftenconfrontedwith

veryhighdimensionaldata.Featureselectiontechniquesare

designedtofindtherelevantfeaturesubsetoftheoriginal

featureswhichcanfacilitateclustering,classificationandre-

trieval.Inthispaper,weconsiderthefeatureselectionprob-

leminunsupervisedlearningscenario,whichisparticularly

difficultduetotheabsenceofclasslabelsthatwouldguide

thesearchforrelevantinformation.Thefeatureselection

problemisessentiallyacombinatorialoptimizationproblem

whichiscomputationallyexpensive.Traditionalunsuper-

visedfeatureselectionmethodsaddressthisissuebyselect-

ingthetoprankedfeaturesbasedoncertainscorescom-

选区激光熔化AlSi10Mg合金镜的表面性能

选区激光熔化AlSi10Mg合金镜的表面性能

第51卷第11期2020年11月中南大学学报(自然科学版)JournalofCentralSouthUniversity(ScienceandTechnology)Vol.51No.11Nov.2020

选区激光熔化AlSi10Mg合金镜的表面性能

韩潇1,2，康楠3，焦建超1,2，王超1,2

(1.北京空间机电研究所，北京，100094；

2.先进光学遥感技术北京市重点实验室，北京，100094；

3.西北工业大学凝固技术国家重点实验室，陕西西安，710072)

摘要：基于激光增材制造技术适用于复杂轻量化结构光学元件的快速成形，且采用同种材料一体化光机结

构能够降低空间光学成像系统的温度敏感性，提高稳定性，利用选区激光熔化(SLM)技术制备全铝空间光

学相机用AlSi10Mg铝合金反射镜。研究结果表明：采用SLM制备的AlSi10Mg铝合金组织致密(相对密度

大于99.5%)，且退火后力学性能优异；通过单点金刚石车削(SPDT)获得光学级表面，表面粗糙度达8~

13nm，面形精度达到0.28λ(λ为波长，λ=632nm)。该研究结果可以应用于空间光学反射镜的设计与制造。

关键词：增材制造；选区激光熔化；铝镜；空间光学；表面性能；金刚石车削

中图分类号：TB34；TG113文献标志码：A开放科学(资源服务)标识码(OSID)

文章编号：1672-7207（2020）11-3088-05

SurfacecharacteristicsofselectivelasermeltedAlSi10Mgmirrors

HANXiao1,2,KANGNan3,JIAOJianchao1,2,WANGChao1,2

(1.BeijingInstituteofSpaceMechanicsandElectricity,Beijing100094,China;

2.BeijingKeyLaboratoryofAdvancedOpticalRemoteSensingTechnology,Beijing100094,China;