电子俘获材料CaS∶Eu,Sm光谱特性研究

研究了电子俘获材料CaS∶Eu,Sm多晶粉末的紫外-可见-红外吸收光谱及红外激励光谱.研究结果表明,CaS∶Eu,Sm中主激活剂Eu和辅助激活剂Sm分别以Eu2 离子和Sm3 离子的形式存在;ETM的吸收差谱及红外激励光谱所反映的光谱特性是不同的.紫外-可见光区的吸收差谱给出了ETM光谱存储灵敏度的信息,而红外光谱区的吸收差谱给出了ETM所俘获电子数量的信息及电子陷阱能级的特征(深度和宽度)信息.红外激励光谱则反映了ETM将不同波长的红外激励光的能量转换为特定波长处的红外辐射光能量的光谱转换灵敏度.二者结合起来可以更完整地描述ETM的光谱特性.     

红外导引头整流罩技术研究

从材料选择和整流罩设计两方面,介绍了如何解决高速红外导引头整流罩问题.针对高速红外成像导引头使用环境的要求,分析了整流罩材料选择应考虑的因素.通过比较材料的透过率、硬度、抗弯强度和热膨胀等性能参数,得出尖晶石是较理想的高速导弹整流罩材料,其机械性能和光学性能良好,易于制备,并已取得成功应用;红外玻璃特别适合大尺寸和复杂形状制备.为了减小整流罩气动加热效应,分析了解决气动加热问题的途径,提出可通过镀金刚石膜、信号处理、共形设计等技术来减小影响,并简要介绍共形整流罩设计原理和制造.     

红外偏振成像对伪装目标的探测识别研究

针对目前普通光电成像系统对伪装目标的探测和识别概率较低的状况,提出伪装目标的探测识别新技术研究。介绍了红外偏振成像系统的原理、组成和特点,研制的中波/长波红外偏振成像装置,其波段范围为3 m ~5 m和8 m~12 m,线偏振度95%,消光比大于100∶1,给出了试验分析数据和偏振融合效果图。研究表明,采用红外偏振成像技术可以有效地实现对地面伪装目标的探测和识别。研究结果还可以扩展到对人工假目标、空中隐身目标等的探测和识别。     

基于红外光谱研究沥青燃烧机理和有害气体成分分析

利用Rosemount气体分析仪和定碳炉搭建起固定床燃烧反应试验平台,通过红外光谱分析技术定量分析沥青及其胶浆在高升温速率条件下燃烧反应的有毒气态产物成分、及其释放规律。研究表明,在高升温速率、近等温条件下,沥青及胶浆的燃烧过程可近似分为活泼挥发组分析出燃烧、二次挥发析出结合残炭燃烧两个阶段,其主要气态产物为CO₂,CO,NO,NO₂及SO₂。沥青材料中活泼挥发组分含量是影响燃烧气态产物释放规律的关键因素之一,减少沥青材料中活泼挥发组分的含量可有效降低燃烧气态产物的生成、尤其是CO的产生。     

红外光谱在纤维质文物材料鉴别中的应用研究

纺织纤维和纸张纤维是常见纤维质文物材料, 是构成博物馆精美文物如服饰手稿书画的基本材料, 近年来寻求通过无损或微损方法对这一类材料的鉴别以及劣化状况评价备受文物鉴赏家和文物保护工作者的关注。借助傅里叶变换红外光谱, 研究博物馆常见纺织纤维材料棉、麻、桑蚕丝、柞蚕丝、羊毛的红外光谱特征和它们的分子结构组成异同, 研究传统纸纤维稻草、麦草、龙须草、龙旗松、桑皮红外光谱特征。结果表明: 衰减全反射傅里叶变换红外光谱无损分析技术可通过比较3 300～2 800 cm-1 CH, NH, OH振动区间光谱形状以及指纹区峰位以区别不同种类纺织品纤维;碳氧振动纸张纤维最明显光谱差异位置出现在与纤维素OH伸缩振动相关波数3 300 cm-1和与C—O—C相关波数1 332, 1 203, 1 050 cm-1。文章探索研究红外光谱技术结合主成分分析法在快速鉴别纤维材料中的应用。通过对全光谱数据多元散射校正(MSC)预处理后进行主成分分析, 可以把红外光谱十分相似的纺织纤维棉和亚麻、桑蚕丝和柞蚕丝明显分类;对光谱相似的纸纤维, 可采用选择不同光谱波数段进行主成分分析, 比较发现能够把五种纸纤维明显区分的光谱区间为3 800～2 800 cm-1。本研究为分子光谱无损分析技术应用于文物材料鉴别、科学评估纤维材料保存状况提供基础研究。     

蓝色圆珠笔字迹色痕FTIR光谱解析

本文系统解析了１０８种油墨色痕的傅立叶变换显微红外谱图。根据红外谱图的特征峰,识别了油墨中的溶剂、色科、树脂等组分,这为字迹色痕形成时间的无损分析奠定了基础。     

基于数学形态学的弱点状运动目标的检测

提出了一种新的基于数学形态学的红外图像序列中弱点状运动目标的非参数检测算法。采用数学形态学抑制背景杂波干扰和增强目标,用沿时间轴投影和二维空域搜索代替复杂的时空三维搜索形成组合帧,然后在每条可能的轨迹上将进行目标能量累加,实现了一种快速检测前跟踪(TBD)检测算法。仿真实验表明:在恒虚警概率条件下,该检测算法能高效地检测信噪比约为2的弱点状运动目标,检测性能对噪声分布不敏感,能精确地得到目标的即时位置和速度信息,适合于实时图像处理和目标探测,具有很高的实用价值。     

光声光谱技术在多组分气体浓度探测中的应用

CO和CH_4气体作为判断变压器运行状态的故障气体,对其浓度的探测在变压器维护中具有重要意义.为了准确探测变压器运行过程中产生的CH_4和CO气体浓度,本文利用光声光谱技术,设计了一套基于宽带光源的多组分气体探测系统,和共振型光声系统相比,该系统中所用的非共振型光声池体积小,易加工,池内各处信号强度相同,降低了对声学信号探测器的安装要求.系统的性能通过对CO和CH_4气体的探测进行评估.首先,从理论上分析了信号强度与调制频率呈反比,然后根据宽带光声系统在不同调制频率下的响应,确定系统的最佳调制频率为22 Hz.在最佳调制频率下,根据温度与待测气体光声信号的关系,对光声信号进行温度补偿,消除温度变化对光声信号的影响,进一步提高了系统的稳定性.最后,通过不同浓度的CH_4和CO气体对系统进行标定.实验表明,温度补偿前后,光声信号随温度的漂移分别为0.023 23V/℃和8.383 48×10~(-5) V/℃,通过对不同浓度CH_4和CO气体的探测,系统的线性度分别达到0.995和0.998 4.在一个大气压下,积分时间为1s时,宽带光声探测系统对CO和CH_4气体的探测极限浓度能够达到1μL/L.该系统成本低,线性度好,探测灵敏度符合国标对变压器维护过程中CO和CH_4气体的探测要求.     

红外光谱与人工神经网络相结合识别栽培、野生黄芩和粘毛黄芩

为了识别栽培黄芩、野生黄芩和粘毛黄芩，采用非线性－线性、线性－线性、非线性－非线性三种模式的人工神经网络（ANN）分别分析各种黄芩的红外谱。我们采用42个样本作训练集，34个样本作检验集，用各种模式的ANN进行了监督性训练。当训练目标误差平方和定为0.01时，各类ANN对训练集中三类黄芩样本识别的正确率均为100%，但对检验集样本识别的结果各不相同，其识别的正确率与隐含层节点数S1有关。我们发现当S1较大时，识别正确率反而下降，可能此时网络的非线性程度过高，使其不适合于该类样本集的训练。线性－线性型ANN识别的结果随S1的变化不很大，但识别的正确率不高，基本在85％左右。非线性－线性型ANN识别的结果最佳。当S1为3时，其识别正确率超过了97％。因此该法可用以简便、快速、准确地识别这三种黄芩药材。     

FTIR光谱方法对比分析少年和老年软骨成分含量

利用傅里叶变换红外(FTIR)光谱方法测量了少年和老年人软骨的红外光谱。由OMNIC 5.2软件计算了软骨中主要有机成分(胶原)和无机成分相关光谱带的积分面积。对代表有机物和无机物的某些谱带面积大小进行了比较。结果表明：软骨中有机成分(酰氨Ⅰ)含量与无机成分(PO3-₄)含量之比少年是老年人的5～7倍;然而脂类含量却有很大的不同, 对脂类(1 747 cm-1)与无机物(PO3-₄)的谱带积分面积进行比较,老年人软骨中脂类含量明显高于少年。作者认为人体随着年龄的增加,全身性的退化在软骨中的总体表现为有机成分(胶原)的减少(而脂类含量却增加)和无机成分(磷酸盐、碳酸盐等)相对的增加,使得软骨骨质变脆,失去过多弹性,耐磨性减低,是进一步容易导致骨病和骨伤的原因。