【摘 要】
：
Stern—Volmer关系式建立了荧光光强与表面压力之间的函数关系，是光学压敏涂料测压技术的理论基础和核心。从光化学的基本理论和基本模型出发，推导和整理出多种形式的SterwVolm
【机 构】
：
中国空气动力研究与发展中心,中国人民解放军94170部队
【基金项目】
：
国家自然科学基金项目（10972233）
论文部分内容阅读
Stern—Volmer关系式建立了荧光光强与表面压力之间的函数关系，是光学压敏涂料测压技术的理论基础和核心。从光化学的基本理论和基本模型出发，推导和整理出多种形式的SterwVolmer关系式，并简要评价分析了每种形式的特点及适用范围，同时，基于Stern-Volmer关系式衍生式，研究分析了压力测量值偏差、最优测压范围和压力灵敏度等压敏涂料特性参数的规律特点以及对PSP测量的影响，得出了一些对PSP测压技术工程应用具有重要参考意义的结论，
其他文献
针对IEEE 802.16 OFDMA系统,提出了一种考虑运营收益并且动态调整预留信道的呼叫接纳控制算法。该算法将一个连接申请潜在的运营收益值作为接入优先级函数的因子,从而提高系统的运营收益;其次,算法根据系统内资源的使用情况动态调整预留信道,在降低系统掉话率的同时,也尽可能地将呼叫阻塞率保持在较低水平。将所提算法与传统接纳控制方法进行了仿真比较,结果表明该算法能够有效控制系统掉话率和阻塞率,达到
为了更好地滤除图像中多种类型的噪声污染,提出了一种新的图像混合自适应滤波器。该滤波器首先基于图像中每个像素八个方向上的基本梯度,及其3×3邻域窗口像素的结构和连通特性,提出了九条像素类型判别规则,把图像中的像素划分为脉冲噪声污染像素、边缘或细节像素和平滑区像素三类;然后,采用不同的子滤波器对这三类像素分别进行处理。同时,滤波器处理窗口的尺寸根据其处理像素的邻域结构和连通特性自适应选择。实验结果表明
现有的稀疏过完备表示的贪婪寻踪方法(如匹配寻踪、正交匹配寻踪等)的原子选取策略大多是针对一般性信号和字典的,对于一些具有特殊结构的信号和字典,其保稀疏性和收敛性较差。针对孤立奇异性信号和多尺度字典,基于分段正交匹配寻踪方法和小波变换的模极大理论,提出了分段脊寻踪方法。由于分段脊寻踪使用伪逆计算残差在局部字典下的最小l2范数解,给出了最小l2范数解是最小l0范数解的充要条件。数值实验进一步表明了分段
利用PIV技术对两种不同尺寸的中心突扩燃烧室在不同入口速度条件下的冷态流场进行了实验研究,测量并分析了流场结构与来流速度、突扩比、喷管收缩段等因素的关系。实验结果表
完整性约束常用来定义数据库的数据语义,违反约束的数据库实例为不一致数据库,返回含有不一致结果的查询称为不一致查询。一致性查询目的在于不修改数据库实例而从不一致数据库获取满足约束的查询结果,已有方法因其支持的约束类型有限或计算复杂度高而影响其应用范围。提出了一种基于空值修复的数据库一致性查询方法,首先将原始完整性约束转换为与查询相关的统一约束,然后根据统一约束对原SQL查询进行查询重写,重写后的查询
分析了模具企业信息共享与数据集成的需求与特点,结合面向服务思想和事件驱动架构,提出了一种事件驱动型企业服务总线(enterprise service bus,ESB)框架;阐述了该框架的运行原理及实现技术,并在此框架基础上实现了基于SOA的模具企业设计制造集成平台数据集成服务。该框架满足模具企业事件驱动的业务特征,并采用总线式的集成模式和异步消息的方式,松散耦合地集成各种应用系统及数据,降低了应用
提出了一种新的彩色图像脉冲噪声滤除的方法。该方法充分考虑彩色图像的颜色信息,结合模糊规则进行检测。实验结果显示,此方法不论对椒盐脉冲噪声还是均匀分布的随机值脉冲噪声都有较好的滤波效果,比VMF更好地保护了图像边缘细节。
对在移动环境中的IEEE 802.16d系统中的信道估计进行了分析。为了增强系统对移动性的支持,提出了一种利用线性模型预测的方法来跟踪每帧中时变信道的频域信息。仿真结果表明,采用该方法可以在有较大多普勒频移以及恶劣的信道环境下仍能精确地得到信道信息,能很好地支持系统中移动终端的接入。
在森林防火、目标追踪、灾难预警、环境监测等应用中,需要通过定位算法对无线传感器节点进行三维定位。提出一种基于多维定标的无线传感器网络三维定位算法,结合RSS经验衰减模型和最短路径建立相异性矩阵,采用轻量级矩阵分解算法降低相异性矩阵分解的计算复杂性,并利用网络中存在的周期性消息将初始定位信息回送,在后台使用迭代优化算法对初始定位结果求精。仿真实验表明,在测距误差一定的情况下,该算法能够提高节点三维坐
提出了一种新的动态模糊自组织神经网络模型(TGFCM),并将其用于文本聚类中。针对传统模糊自组织神经网络需要预先确定聚类数的问题,TGFCM采用了可自动确定聚类数的动态自组织神经网络(TGSOM)的结构,在TGSOM网络结构中提出新的学习率计算式,并以模糊聚类中心作为TGFCM网络中对应的神经元的权值,从而提高了聚类的精度,并可提高收敛速度。