多口分子泵中检口位置对氦质谱检漏仪性能的影响研究

来源 :真空 | 被引量 : 0次 | 上传用户:yanchao0424
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在氦质谱检漏技术中,多口复合分子泵通过接入不同的抽气口可以适应不同的检漏需求,这拓宽了传统分子泵的应用范围.抽气口的位置影响分子泵的抽气能力,而分子泵的抽气能力决定检漏仪的性能,本文基于分子泵抽气基本理论,建立了多口复合分子泵计算模型,在分子泵牵引级选取不同位置设置中检阀的抽气口,并结合质谱仪实际使用情况对抽气特性进行研究,分析了中检口位置对氦质谱检漏仪性能的影响,得到了不同检漏工况下的最优开口位置,为检漏用多口复合分子泵结构优化设计提供了理论依据.结果表明,在牵引级选择高度为15~20mm处设立中检阀,既可以获得较优的检测性能又可以保证质谱室的许可压力,以及较宽的工作压力范围.
其他文献
针对传统多类运动想象(MI)脑电信号的识别方法须进行繁琐的预处理以及特征提取问题,提出基于深度学习的MI信号自动分类方法.在样本表示方面,提出将多通道脑电(EEG)信号转化为一维序列信号处理,在增加样本数量的同时又能够忽略与通道位置相关的空间信息的影响;根据输入信号的特点,采用多层一维卷积神经网络学习不同运动想象状态时脑电信号中的时频信息,自动完成特征提取和分类工作.将所提出的方法在公共数据集上与多种方法进行比较,并完成对实际采集数据集的分类.利用所提方法在不需要先验知识的条件下,对脑电信号进行端到端的学
针对人-机器人协作搬运,现有的控制策略难以同时保证搬运过程的柔顺性和搬运终点位置的精确性,而且对不同搬运任务适应性不够.基于模仿学习提出变刚度协作搬运控制策略.使用任务参数化的高斯混合模型(TP-GMM)对多次搬运示教数据进行编码,学习不同搬运工况下的搬运轨迹概率模型;结合导纳控制建立机械臂末端变刚度交互模型,实现柔性搬运操作,并基于交互力阈值实现不同搬运任务的切换;搭建协作搬运平台进行实验验证.实验结果表明,提出的策略在实现柔性协作搬运的同时将特定搬运任务的终点位置精度提高到1.9 mm,且保证了特定搬