简介：1.核磁共振驰豫时间（T1,T2）当氢原子核被置于固定的强磁场中时,会分成顺磁场和逆磁场两种方向排列,而形成两种能级状态。这时若用无线电波来照射这些氢原子核,各氢原子核会因周围环境的差异而吸收不同频率的无线电波的能量从低能级向高能级跃迁,这种现象称核磁共振（NMR）。使氢原子核发生核磁共振的条件是:ω=26753H0式中H0表示氢原子核周围磁场的强度,ω表示使该氢原子核产生共振跃迁的无线电波的频率,比例常数26753,是氢原子核的旋磁

简介：时间常数是检测热电偶动态测试性能的重要指标．为了衡量热电偶的动态测试性能，设计了一种热电偶时间常数测试系统，包括热电偶、恒温槽、数据采集卡、激光对射式光电传感器．测试过程中，由激光对射式光电传感器记录热电偶接触恒温槽恒温介质时间点，由数据采集卡采集热电偶的温度数据以及激光对射式光电传感器的电压数据，由数据采集软件显示并记录温度与电压变化曲线．对热电偶的温度数据进行了拟合，测得热电偶的时间常数并与理论计算值进行了比较．最后对测试过程产生的误差进行了分析．分析结果表明，该热电偶时间常数测试系统可大幅度减少热电偶自身的热惰性所引起的测量误差，但仍会产生其它微小测量误差．

简介：目的评估血清标本在运行自动生化分析仪器中放置时间对血清总蛋白（TP）、白蛋白（ALB）检测结果的影响。方法按放置时间2、4、6、8h，分4组，每组20份标本；对照管只测TP和ALB。结果血清标本在运行仪器中放置2、4h，TP和ALB与对照管比较无显著性变化；放置6、8h后，TP和ALB与对照管比较显著升高。结论标本在运行的分析仪器中的放置时间，属于分析前的影响因素必须引起观注，并提出相应的对策。

简介：针对因影响因素众多而难以预测的隧道沉降问题,使用粒子群算法（PSO）优化支持向量回归模型（SVR）并结合灰色理论中的等维新息,提出了混合模型对隧道沉降时间序列数据进行预测研究.与ELM极限学习机预测模型及PSO-BP神经网络预测模型进行了对比实验.发现等维新息SVR模型在预测精度上要优于其它两个模型,于是得出该模型可以有效地应用于隧道沉降时间序列的预测研究.

简介：针对微生物快速检测的需求,基于生长时间光谱法设计了大肠菌群快速检测仪器.根据大肠菌群指数生长期与大肠菌群浓度的关系来计算大肠菌群初始浓度;采用分光光度法对大肠菌群的指数生长时间进行检测;通过实验确定了625nm作为分光光度检测波长;设计了基于双积分球的仪器光路结构,提高了仪器对透过率的测量稳定性,采用样品从实验开始时的初始透过率降低至初始透过率的70%时所需时间作为生长时间,显著降低了检测所需时间,对大肠菌群100cfu/mL的检测,只需要276min.建立了大肠菌群的生长时间与大肠菌群初始浓度的数学模型.设计实验评价了本方案平行样标准偏差小于12.61%;与滤膜法进行比对,相关系数0.979.

简介：在数据驱动的集中式空调系统故障诊断过程中，特征选择是一个必要的预处理．选取重要的特征作为分类依据，无论是从经济的角度还是对故障的有效判断上，都具有非常重要的意义．现采用不同的特征选择方法对一组冷水机组故障数据进行特征选取，并利用支持向量机完成分类，最后通过对比分析获取冷水机组故障诊断中最重要的特征子集．

简介：简要介绍了北京万拓仪器公司生产的AFS-2202a型双道原子荧光光度计中常见故障及排除方法.

简介：针对两连杆三自由度机械臂的电机故障和碰撞故障的分类，将残余动量信号时域中的均值、方差、相关系数与频域中的小波包能量谱组合成高维特征向量；搭建ADAMS机械臂虚拟样机，分析故障引起的残余动量特征值变化情况；虚拟样机与Matlab/Simulink进行联合仿真和支持向量机故障分类器训练，测试表明采用时频特征向量得到的故障分类准确率为98%；在工业机械臂上开展了碰撞故障实验，得到的故障分类结果表明,基于残余动量时频特征和支持向量机分类器的故障检测算法能有效检测出碰撞故障.

简介：为解决空气处理机组在故障检测过程中难以获得大量带有类标记样本,且故障样本数据标记代价较高的问题,本文结合支持向量机与半监督学习方法,提出了针对空气处理机组故障检测的半监督学习算法.首先利用序列前向选择选出重要的特征作为分类依据,将半监督学习方法引入支持向量机的学习过程中,并使用遗传算法寻找支持向量机的最佳参数.然后选择类标记置信度高的未标记样本加入训练样本集,利用未标记样本中有利于支持向量机的信息,提高学习性能.实验表明,提出的混合算法能够在故障标记样本比较少的情况下达到较高的故障诊断率.

简介：PEC-A2样品表面处理装置是岛津公司为EPM-8l0Q电子探针样品表面进行喷金处理装置,其主要包括抽真空系统和喷金电流控制系统,抽真空系统由机械泵和油扩散组成,真空度可达到6.7×103Patorr.

简介：针对观缆车主轴系统难以拆卸的特点,将声发射检测技术应用于观缆车轴承的故障诊断中,提出一种经验模态分解(Empiricalmodedecomposition,EMD)与近似熵相结合的观缆车轴承故障诊断方法.即利用观缆车试验台对滚动轴承无故障、内圈故障和滚动体故障进行模拟,采集其声发射信号.通过EMD方法将获取的声发射信号分解为若干个本征模态函数(Intrinsicmodefunction,IMF)分量,然后利用能量和相关系数法选取IMF分量,最后对筛选的IMF分量进行近似熵计算.实验结果表明,该方法能够有效判断观缆车滚动轴承是否存在故障.

简介：在C-R2A数据处理机上,根据故障现象结合电路原理,用替换法查找故障,并进行元件代换。