排序方式: 共有6条查询结果,搜索用时 4 毫秒
1
1.
2.
土壤样品用硝酸-氢氟酸-高氯酸(5+5+3)混合酸消解后,采用火焰原子吸收光谱法分别测定了试样溶液中铁、锰、铜、锌、铅、镉和镍的含量。因消解过程中加入了氢氟酸,大部分硅生成四氟化硅气体除去,可在此溶液中直接测定其中铁、锰、铜、锌及镍的量。考虑到SiO_3~(2-)、Ti(Ⅳ)及Al~(3+)对锰测定有负干扰,加入一定量的氯化钙溶液作为释放剂消除其干扰。如试样含铁量较高,须加入硝酸镧溶液作释放剂以克服其对锌测定的干扰。测定铅及镉时须加入碘化钾溶液使之生成碘化物络阴离子后,用4-甲基-2-戊酮作溶剂进行萃取分离,随后在有机相中测定铅与镉的含量。用7种元素的标准溶液制作了各自的标准曲线,所得线性回归方程的相关系数在0.999 2~0.9996之间。以土壤样品为基体,加入一定量7种元素的标准溶液做回收试验,得到回收率在96.8%~99.9%之间,相对标准偏差(n=6)在0.9%~2.0%之间。 相似文献
3.
基于神光Ⅲ原型装置,提出了一种对成像型任意反射面速度干涉仪(VISAR)测量冲击波速度的精度进行实验检验的方法。针对一般双灵敏度VISAR存在的多值问题,该方法利用厚度已知的样品获得了准确的冲击波速度历史曲线图,并给出其测速精度。同时在理论上对这套测速系统进行了不确定度评估,预估结果与实验结果相吻合,验证了这种方法的正确性。此外,该方法还可用于单灵敏度VISAR确定条纹丢失的数目,仅凭一台条纹相机就可确定速度历史曲线。 相似文献
4.
针对经过刻蚀的微细矩形磁性体系,将样品的形状及其磁晶易磁化轴的偏转两个因素引入经典的Stoner-Wohlfarth一致转动磁化模型中,发现磁性样品的微细化将使其特征星形线发生膨胀,而样品形状的缺陷及磁晶易磁化轴的偏转都将导致样品非对称特征星形线的产生.这些结果说明在诸如磁性随机存储器等基于微细磁性薄膜的工作中,薄膜形状及其磁晶易磁轴的角度不容忽略.
关键词:
磁性薄膜
Stoner-Wohlfarth模型
特征星形线
各向异性 相似文献
5.
豆粕是大豆浸提取豆油后经适当干燥和热处理所得副产品,是制作禽畜类饲料的主要原料,其品质决定营养价值。针对现有豆粕品质检测方法存在着有毒化学试剂使用多、操作复杂、分析时间长、无法满足实际生产线快速检测及调控需求等问题,提出一种基于近红外光谱分析的豆粕品质多组分检测方法,以期用于产品质量在线检测及调控。从大豆油脂加工生产线上采集豆粕样品449个,利用105 ℃烘箱法、凯氏定氮法和索氏提取法分别测定样品的水分、蛋白质和脂肪化学值,采用瑞士BuchiNIRMaster傅里叶变换近红外光谱仪采集样品漫反射光谱。首先利用马氏距离法剔除异常样本,然后用多种方法对光谱数据进行降噪处理,对比分析发现小波去噪效果最优。分别采用KS和SPXY两种算法确定豆粕不同组分的最佳样本分集。为了探讨豆粕组分的近红外吸收特性,剔除光谱冗余信息,降低模型计算复杂度,采用区间偏最小二乘法(iPLS)对4 000~10 000 cm-1全谱进行特征提取,优选出水分、蛋白质和脂肪的特征吸收波段分别为4 904~5 200,4 304~4 600和4 304~4 600 cm-1。最后建立豆粕组分含量的广义回归神经网络(GRNN)预测模型。为了减少网络的输入变量,缩小网络规模,提高运行速度,采用PLS对光谱数据降维,提取主因子得分作为GRNN输入变量。通过交叉验证循环法优选网络参数光滑因子spread值,建立豆粕多组分含量PLS-GRNN预测模型,并与经典的PLS和BP模型对比,发现PLS-GRNN模型效果更优,其水分、蛋白质和脂肪的预测集R2分别为0.976 9,0.940 2和0.911 1,RMSEP分别为0.091 2,0.383 4和0.113 4,RSD分别为0.79%,0.83%和8.53%。虽然脂肪的预测误差相对较大,但也在模型评定标准可用范围之内。实验表明基于PLS-GRNN的近红外光谱分析用于豆粕品质检测是可行的,能够用于实际生产过程中的品质监控。 相似文献
6.
1