激光散射实验

激光的鲜明特点是能量集中的高亮度性,发散角很小的强方向性和很好的时间与空间相干性,但是在激光投影显示技术和激光惯性约束核聚变等领域又要设法消除或部分消除相干性,研制非相干激光就成为了难题。散射可能对破坏激光的相干性有些作用,可以通过简单设计加以演示,开发出新的物理实验内容。     

LD抽运Nd：GdVO4水热法KTP腔内倍频激光器的研究

本文报道了使用水热法KTP对Nd：GdVO4晶体倍频绿光的研究。通过分析和计算水热法的KTP倍频效率与温度的关系,选择合适的控制温度,分析了Nd：GdVO4的热透镜效应结合谐振腔的稳定条件,得出了谐振腔的稳定参数。在实验中,当抽运功率为6.1W时,水热法KTP倍频的Nd：GdVO4激光器输出绿光功率分别为0.7W,光-光转换效率为11.5%。     

短脉宽激光除漆理论清洗模型的建立

在理论上分别计算油漆的粘附力、短脉宽激光除漆时的漆层和基底的温度以及它们之间的脱离力,从而建立了短脉宽激光除漆的理论清洗模型,得到激光除漆的条件是脱离力大于油漆与基底之间的粘附力,满足此条件油漆就能被清洗．同时还可以通过理论模型进一步获得短脉宽激光除漆过程中漆层和基底的温度情况。最终得到使得漆层脱落但是基底又不被损伤的合适的激光参数,从而更好的指导实际的激光除漆过程．     

红外激光油位测量系统的研究

提出了一种利用红外激光进行油位测量的新方法及相应的实验室测量系统．重点介绍了系统的特点、组成及工作原理,并对系统的实际测量效果、存在的问题进行了简要的分析．     

激光熔覆技术在球磨机主轴修复中的应用

利用激光熔覆技术对球磨机主轴表面进行工艺参数熔覆试验,主要分析了熔覆层裂纹和气孔产生的趋势及对熔覆层耐磨性能的影响,采取适当的工艺参数,消除熔覆层内的气孔,减少裂纹,使表面硬度在不同程度上得到提高,从而提高熔覆层性能。     

关于射击训练定量检测和及时反馈系统改造为射箭实时反馈系统的研究

在研究借鉴射击训练定量检测和及时反馈系统的基础上,将此系统进行改装,应用于射箭项目的训练中,经过反复研究,解决了激光发射器固定问题;激光接收靶的放置问题;触发问题;软件问题.成功的研制出射箭实时反馈系统,以最直观、最简单和最快的速度对其进行反馈,为射箭的训练提供了科学的依据,旨在提高我国射箭项目运动水平的提高.     

激光熔覆层的微观检测

通过选取三种基材、五种合金粉末进行的激光熔覆实验,探讨了金相显微分析和显微硬度实验两种熔覆层的微观检测方法,并得出相关检测结果。     

两种激光熔覆法对Ni-WC复合涂层耐磨性的影响研究

比较了两种激光熔覆法制备的Ni基WC复合涂层的耐磨性.结果表明,通过三级激光熔覆法制造有梯度变化的涂层或采用优化WC颗粒浓度、激光功率获得有明显梯度分布的涂层都可以制备出无气孔夹杂的涂层,但三级激光熔覆法制备的涂层在磨损一定时间后会导致磨损量急剧增大,不适宜应用于长期磨损的涂层.     

可饱和吸收镜制造误差及其对飞秒激光器腔型设计的影响

目的：从可饱和吸收镜（SESAM）制造误差所引起其光学特性的改变出发,提出采用飞秒激光器腔型设计的方法,避免 SESAM误差对激光输出性能造成的影响。创新点：从激光器腔型设计方案出发,采用不同曲率镜,调整激光腔中激光晶体及可饱和吸收镜上的光斑半径大小比值,解决 SESAM制造误差对激光器输出的影响。方法：采用传递矩阵法计算 SESAM半导体膜层厚度对其光学性能的影响。对于不同的 SESAM设计,影响大小不同（表1）。结论：通过改变腔内曲率镜M1,M2和M3的曲率值大小以及腔的长度值,可以减弱 SESAM制造误差对飞秒激光器输出的影响,实现对所有 SESAM的连续锁模。     

Preoperatively molecular staging with CM10 ProteinChip and SELDI-TOF-MS for colorectal cancer patients

Objectives： To detect the serum proteomic patterns by using SELDI-TOF-MS （surface enhanced laser desorption/ ionization-time of flight-mass spectrometry） technology and CM10 ProteinChip in colorectal cancer （CRC） patients, and to evaluate the significance of the proteomic patterns in the tumour staging of colorectal cancer. Methods： SELDI-TOF-MS and CM10 ProteinChip were used to detect the serum proteomic patterns of 76 patients with colorectal cancer, among them, 10 Stage Ⅰ, 19 Stage Ⅱ, 16 Stage Ⅲ and 31 Stage Ⅳ samples. Different stage models were developed and validated by support vector machines, disctiminant analysis and time-sequence analysis. Results： The Model Ⅰ formed by 6 protein peaks （m/z： 2759.58, 2964.66, 2048.01, 4795.90, 4139.77 and 37761.60） could be used to distinguish local CRC patients （Stage Ⅰ and Stage Ⅱ） from regional CRC patients （Stage Ⅲ） with an accuracy of 86.67% （39/45）. The Model Ⅱ formed by 3 protein peaks （m/z： 6885.30, 2058.32 and 8567,75） could be used to distinguish locoregional CRC patients （Stage Ⅰ, Stage Ⅱ and Stage Ⅲ） from systematic CRC patients （Stage IV） With an accuracy of 75.00% （57/76）. The Model Ⅲ could distinguish Stage Ⅰ from Stage Ⅱ with an accuracy of 86.21% （25/29）. The Model Ⅳ could distinguish Stage Ⅰ from Stage Ⅲ with accuracy of 84.62% （22/26）. The Model Ⅴ could distinguish Stage Ⅱ from Stage Ⅲ with accuracy of 85.71% （30/35）. The Model Ⅵ could distinguish Stage Ⅱ from Stage Ⅳ with accuracy of 80.00% （40/50）. The Model Ⅶ could distinguish Stage Ⅲ from Stage Ⅳ with accuracy of 78.72% （37/47）. Different stage groups could be distinguished by the two-dimensional scattered spots figure obviously. Conclusion： This method showed great success in preoperatively determining the colorectal cancer stage of patients.