【摘 要】
：
原子气室温度控制是超高灵敏度仪器原子磁强计的关键技术之一,本文针对原子磁强计现有原子气室电加热存在的磁噪声过大的问题,设计了特殊走线的双层加热膜,利用相邻加热丝中大小相等、方向相反的电流,使其尽可能的抵消加热时加热丝产生的磁场干扰。加热膜产生的热量通过圆柱形加热结构将热量传导给气室,气室温度与设计温度之间误差小于0.1℃,同时双层结构加热膜产生的磁场干扰明显小于单层结构,本文的设计对原子磁强计的性能提升有明显的帮助。
【机 构】
：
上海理工大学光电信息与计算机工程学院
论文部分内容阅读
原子气室温度控制是超高灵敏度仪器原子磁强计的关键技术之一,本文针对原子磁强计现有原子气室电加热存在的磁噪声过大的问题,设计了特殊走线的双层加热膜,利用相邻加热丝中大小相等、方向相反的电流,使其尽可能的抵消加热时加热丝产生的磁场干扰。加热膜产生的热量通过圆柱形加热结构将热量传导给气室,气室温度与设计温度之间误差小于0.1℃,同时双层结构加热膜产生的磁场干扰明显小于单层结构,本文的设计对原子磁强计的性能提升有明显的帮助。
其他文献
本文提出了一种相机快速标定方法,使用一个平面标定板,仅拍摄一幅图像,就能完成相机标定。与通用的相机标定方法相比,可以减少拍摄图像及计算相机多个参数初值的麻烦,提高了相机标定的效率,尤其适用于多相机同时标定的情况。在计算相机内参时,使用Levenberg-Marquarat方法优化求解。实验结果表明,本算法速度快且精度较高,可应用于机器视觉研究、工业三维测量等多个领域的摄像机标定。本方法也可以选择拍
针对目前电压暂降治理方案未考虑治理设备标准容量与定制容量单位成本的差异,分析了不间断电源(uninterruptible power supply,UPS)与动态电压恢复器(dynamic voltage regulator,DVR)治理设备不同容量(定制和标准化)与初始成本之间的关系。同时为合理量化用户电压暂降治理投资客观需求,基于用户不同敏感设备经历单次暂降事件造成的经济损失,提出更合理的用户总体电压暂降严重程度度量方法。进一步地,结合用户投资能力,采用前景理论量化用户电压暂降治理投资意愿,得到符合用
传统的蒸馏学习仅通过大网络对轻量网络进行单向蒸馏,不但难以从轻量网络的学习状态中得到反馈信息,对训练过程进行优化调整,同时还会限制轻量网络的特征表达能力。本文提出结合自身多级注意力上下文信息进行自我学习优化的方法(MAD,Multi Attention Distillation),以自监督的方式使自身成熟的部分约束不成熟部分,即浅层可以从深层中提取有用的上下文信息,让浅层特征学习高层特征的表达,从
在去年所有火灾的起因中,电气引发的火灾占比高达三成,造成的经济损失更是无法估量,如何减少电气火灾发生的频率一直是一个难题。本文先是采用自组织竞争神经网络进行电气回路的故障判定,有效的判断电气回路是否存在火灾隐患;然后采用SOM自组织神经网络对存在火灾隐患的回路进行故障分类,达到了进一步细化故障的目的,做到了提前预警电气火灾,减少电气火灾的发生频率。
车牌识别在智能交通系统中有着广泛的应用,具有重要的意义,是图像识别领域一个重要而富有挑战性的研究课题。目前的许多方法只能适应在特定的环境下,才能完成正常的识别。而在现实复杂的场景中的鲁棒性不高。本文提出了一种在复杂的场景中鲁棒的车牌识别方法。首先,通过EfficientDet网络检测车辆所在的位置,从而缩小车牌位置的搜索范围,通过失真校正的车牌检测网络,检测并校正同一幅图像中一个或多个严重扭曲或倾
随着绿色出行理念的不断深入,电动汽车保有量逐年增长,而大规模的电动汽车充电负荷将对配电网产生不利影响.基于该背景,文章提出了一种计及充放电管理的充电站规划模型.首先,
针对传统以及基于深度学习的脑肿瘤MR图像分割方法存在精度低、特征信息丢失等问题,提出一种多尺度特征融合全卷积神经网络的脑肿瘤MR图像分割算法。该算法首先对脑肿瘤MR图像的4种模态进行归一化处理;将得到的结果通过多尺度特征融合全卷积神经网络(MFF-FCN)。该网络是在全卷积神经网络的基础上,引入5×5、7×7大小的卷积核作为其它2种通路,以提高模型的特征信息提取能力。实验结果表明,MFF-FCN网
我国“碳达峰”、“碳中和”目标将加速电力系统向以风、光发电为主的高比例新能源电力系统的演变进程,保障电力系统灵活运行是高比例新能源电力系统转型的核心.氢作为一种清
心率即指人在平和情况下心脏1min内所跳动的次数,而心率等参数的变化能反映出人体各项机能的运作情况。本文设计了一种核心元器件为STC89C52的单片机心率检测系统,借助于光电传感器产生的不同电信号,将电信号送入单片机进行分析处理,从而间接测出使用者的心率数值,数值超过范围系统将驱动蜂鸣器报警。此系统可提高心率检测仪的便携性和准确性,并降低成本。
针对当前考勤系统存在的费时费力,系统和数据库维护成本高,员工身份验证方法存在漏洞和用户操作不友好等问题,本文基于深度学习的方法提出并设计了一款基于人脸识别的智能员工考勤系统。本系统有效的解决了在考勤时员工身份的实时验证的问题,在保证高准确率的同时简化了操作,优化了智能考勤流程,降低了考勤成本。此设计主要将考勤系统分为4个功能:员工人脸录入,人脸检测,人脸对比身份验证及保存记录等,加之以数据存储库和