Si（Li）谱仪测定X射线荧光谱中CrKβ谱线化学位移的探索

采用放射源＾２４１Ａｍ５９．６ｋｅＶγ射线分别激发金属Ｃｒ、Ｃｒ２Ｏ３和Ｋ２ＣｒＯ４，用Ｓｉ（Ｌｉ）谱仪比较测量其Ｋｘ射线的能量。实验表明Ｋ２ＣｒＯ４和ＣｒＫβ能峰相对于金属Ｃｒ有２．１２±０．２７ｅＶ的位移。     

基于Zernike多项式的波前传感器的光子受限的研究

应用基于Zernike多项式的波前探测和重构方法2,利用蒙特卡罗法,可求出探测器在不同的光子数下,其探测精度的变化。文章还给出了由不同的探测器组成的传感器,探测星等的变化情况。     

具奇系数发展型p-Laplace不等方程整体解的不存在性

考虑两类带奇性系数发展型p-Laplace不等方程整体非负解的不存在性,也即要证明某些拟线性抛物型方程的非线性Liouville定理.通过先验估计,证明了整体解在某个带参数的函数空间中的不存在性.当只考虑连续整体解时,可选取不带参数的函数空间并证明整体解在其中的不存在性.     

Zernike模式系数传感器的优化设计

优化设计的目的是用最少的通道数（探测器的像元数）探测最高阶的波前畸变。由此使探测器的探测精度高，系统简单，在极弱光探测条件下可探测光强低。由响应矩阵元的定义式可知，影响Ｚｅｒｎｉｋｅ模式系数传感器可探测和重构波前Ｚｅｒｎｉｋｅ多项式项数的主要因素是探测器的形状，即探测器的内部像元数和边缘像元数及它们的排列形状。如何根据需要重构的Ｚｅｒｎｉｋｅ多项式的项数来选择合适的探测器像元数及它们的排列，是本文优化设计的研究目的。     

1.315 μm波长附近实际大气高分辨率吸收光谱

 用窄线宽、脉冲可调谐光参量振荡器（OPO）作光源，使用光程长达1 097m的怀特池，采用单探测器分时复用的探测方法，首次在吸收池中精确测量了实际大气中1.315 μm波长附近高分辨率吸收光谱，实验验证了实际大气中水汽是该波段的主要吸收气体；得到了实际大气中吸收分子在氧碘激光波长（7 603.14cm^-11）处的吸收截面为 (1.05±0.09)×10^-24 cm²(标准大气条件下）以及在该波段主要吸收谱线的参数，包括吸收线的位置、线强度、压力加宽半宽度等。利用实测的线参数计算了在氧碘激光波长附近大气分子的吸收截面，发现吸收最小的波长分别位于7 603.31和7 603.93cm^-1，其值约为(8.9±0.8)×10^-25 cm²，比氧碘激光波长处的吸收截面约小15%。     

战略内审十步走

高效的内部审计职能将对推动企业的风险管理、内部控制建设和可持续发展起到关键性作用。本刊前两期先后介绍了建立战略性内审职能的十步启动框架的第1～7步,本期将继续介绍该框架的最后一部分。     

工作温度对高温碳酸熔盐热物性的影响

熔融盐由于具有工作温度高、蒸气压力低、热稳定性良好等优势,在集中式太阳能热发电系统中可作为传热和蓄热工质。工作温度对熔盐的传热蓄热性能具有显著影响。本文利用分子动力学模拟方法研究了温度对二元混合碳酸盐(K₂CO₃:Li₂CO₃=38.0:62.0,摩尔分数)热导率、黏度、比热容及热扩散系数的影响。结果表明,随着温度升高,熔盐的热导率和黏度均降低,比热容和热扩散系数均增加。进一步分析径向分布函数发现,温度升高导致离子间距变小,熔盐结构变得更为紧凑,使得热导率和黏度均下降。温度越高,离子间碰撞越剧烈,因而能传输更多的热量导致热扩散系数增大。本文对高温熔盐热物性的研究可为光热发电蓄热技术发展提供指导。     

铁磁性加载复合管壳电子注聚焦性能的研究

大功率行波管通常利用复合管壳提升高频系统的集成度和散热特性。宽带行波管采用复合管壳高频制造工艺时,由于加载翼片含有铁磁性材料(纯铁)使得聚焦系统的横向磁场分量变大,径向和角向磁场分量呈非均匀性,电子注聚焦困难。本文研究了周期永磁聚焦系统横向磁场产生的原因并建立理论模型,并对磁场分量和其对电子注形态的影响进行了仿真,仿真结果与理论计算结果一致。根据横向磁场分布模型对加载翼片的形状和数量进行优化仿真,结果表明9片齿形加载翼片方案可在保持慢波电路参数的同时,降低聚焦系统的横向磁场分量,改善电子注聚焦效果。     

利用激光背向散射成像的马铃薯品质智能分级

激光背向散射成像是激光与生物组织相互作用产生散射光的成像,在农产品的品质分类中有着广泛的应用。利用激光背向散射成像技术与深度学习,实现马铃薯在不同存储情况下的品质分类。对激光背向散射进行理论分析,搭建激光背向散射成像的数据采集系统,对马铃薯样品进行激光背向散射图像采集,得到新鲜马铃薯、冰箱存储与室温存储马铃薯的激光背向散射成像数据集。对数据集利用改进后的VGG16网络进行训练,并与DenseNet121网络、原始VGG16网络的训练结果进行对比。结果显示,改进后的VGG16网络对数据集的分类准确率为95.33%。由此表明,激光背向散射成像结合深度学习可以实现马铃薯品质的智能分级。