多诊断方法研究大气压氦-氧等离子射流中的能量输运
计算机视觉与模式识别
2021-02-25 v1 机器学习
摘要
等离子体的能量平衡不仅包含基本等离子体物理的基础信息，对于针对特定应用定制等离子体也十分重要。尤其是以氦气为工作气体并掺入氧气、由射频驱动的大气压等离子体射流（APPJs）在工业与医学中具有很高的应用潜力。迄今已研究多种等离子体射流，由此带来如何比较不同源结果的挑战。我们开发了一种测量沉积于等离子体中功率的方法，作为比较不同源与气体混合物的参数。此外，我们基于COST参考射流、以毛细管作为电极间电介质，在新开发的APPJ中研究了能量输运随输入功率与分子气体掺混的变化。我们测定了气体温度、原子氧密度、臭氧密度与可见光波段的绝对发射强度。综合结果给出了能量平衡：大部分能量沉积于气体加热，最终化学产物的生成占沉积功率的小部分，而辐射在所有研究的外部参数组合下均可忽略。
引用
@article{arxiv.2102.12127,
title = {Efficient Palm-Line Segmentation with U-Net Context Fusion Module},
author = {Toan Pham Van and Son Trung Nguyen and Linh Bao Doan and Ngoc N. Tran and Ta Minh Thanh},
journal= {arXiv preprint arXiv:2102.12127},
year = {2021}
}
备注
Published in 2020 International Conference on Advanced Computing and Applications (ACOMP)