X射线粉末衍射仪智能辅助校正系统
作者:

Intelligent Auxiliary Correction System for X-Ray Powder Diffractometer
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [8]
  • |
  • 相似文献
  • |
  • 引证文献
  • | |
  • 文章评论
    摘要:

    X射线粉末衍射仪(X-Ray powder Diffraction,XRD)是物质研究的精密仪器,物理结构复杂,微小的硬件偏差会对衍射数据质量造成影响,对其硬件设备进行偏差校正将有效保证数据正确性,在校正偏差前需要进行偏差类型识别.通常衍射仪设备调校多由设备厂商专家使用专用仪器和设备逐项排查的方式进行偏差校正,对人员经验有较高依赖、调校过程复杂且效率低.为了提高偏差识别效率,本文探讨了X射线粉末衍射仪偏差类型及其产生原因,并开发了一套基于分类预测的X射线粉末衍射仪智能辅助校正系统.该系统采用通用计算机硬件平台,通过特征提取、模型训练等步骤分析标准样品衍射数据,自动化识别仪器状态、辅助校正.结果表明该系统可以快速识别偏差,达到辅助校正的目的.

    Abstract:

    X-Ray powder Diffraction (XRD) is an exact instrument for material research with complex physical structure. Thus, a small hardware deviation will affect the quality of diffraction data, and the deviation correction of its hardware equipment will effectively guarantee the correctness of the data. Therefore, the deviation type recognition should be carried out before correcting the deviation. In general, XRD equipment is calibrated by the the equipment manufacturer expert using the special instruments to inspect item by item. This calibration highly depends on personnel experience, and the process is complicated and unefficient. This paper discusses the XRD error types and causes, and develops a intelligent auxiliary correction system for XRD based on classification and prediction, to improve the efficiency of error recognition. The system uses the general computer hardware, analyzes the standard sample diffraction data, then identifies the instrument status and assists correction automatically by feature extraction, model training, and other steps. The results show that the system can quickly identify the deviation and achieve the purpose of auxiliary correction.

    参考文献
    1 马礼敦. X射线粉末衍射仪性能的评估. 上海计量测试, 2007, 34(2):10-15.
    2 胡丽华, 张勇, 唐娟, 等. X射线粉末衍射仪的测试及使用. 化学工程师, 2012, 26(1):16-17, 20.
    3 Gozzo F, Cervellino A, Leoni M, et al. Instrumental profile of MYTHEN detector in Debye-Scherrer geometry. Zeitschrift für Kristallographie, 2010, 225(12):616-624.[DOI:10.1524/zkri.2010.1345]
    4 Du R, Cai Q, Chen ZJ, et al. Mythen detector for X-ray diffraction at the Beijing synchrotron radiation facility. Instrumentation Science & Technology, 2016, 44(1):1-11.
    5 柳小桐. BP神经网络输入层数据归一化研究. 机械工程与自动化, 2010, (3):122-123, 126.
    6 禹建丽, 卞帅. 基于BP神经网络的变压器故障诊断模型. 系统仿真学报, 2014, 26(6):1343-1349.
    7 邓万红, 籍艳, 王平. BP神经网络在诊断气象仪故障的研究. 科技创新与生产力, 2014, (9):68-69.
    8 王继强. C4.5算法在信号设备故障诊断中的应用研究. 电子世界, 2012, (9):107-109.
    相似文献
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

刘峰,杨帆,于碧辉. X射线粉末衍射仪智能辅助校正系统.计算机系统应用,2018,27(8):75-80

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2018-01-02
  • 最后修改日期:2018-01-23
  • 在线发布日期: 2018-08-04
文章二维码
您是第11201210位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号