英语SouthRedAgate南红玛瑙southredagate单词

南红玛瑙,古称赤玉,是中国特有的宝石品种,质地细腻油润。其应用历史悠久,早在战国时期就有南红玛瑙饰品出土。南红玛瑙与和田玉、翡翠形成三足鼎立之势,深受历代统治者珍视。近年来,随着四川高品质矿源的发现,南红玛瑙再次成为收藏界的热门。
部署运行你感兴趣的模型镜像

南红SouthRedAgate玛瑙

南红玛瑙(SouthRedAgate)是玛瑙的一个种类,古称”赤玉”,质地细腻油润,是中国独有的品种。由于产量稀少,老南红玛瑙价格急剧上升。南红玛瑙曾被古人用之入药,养心养血。

现在的南红SouthRedAgate玛瑙已经和和田玉、翡翠形成三足鼎立之势。

中文名南红玛瑙 外文名South red agate 别    称赤玉、赤琼、琼玉 类    别隐晶质矿物 化学式SiO2 颜    色朱红色、粉色、玫瑰色等 光    泽蜡样光泽 透明度半透明至不透明 断    口贝壳状断口 硬    度6.5-7 脆    性脆 矿物密度2.6-2.7 比    重2.55-2.91 溶解度不溶 应    用珠宝、工艺品、文玩、饰品、收藏 分    布云南、四川

南红SouthRedAgate玛瑙的应用历史悠久,在出土的战国贵族墓葬中已经有南红玛瑙的串饰了,如云南博物馆馆藏有古滇国时期的出土南红饰品,北京故宫博物院馆藏的清代南红玛瑙凤首杯更是精美,是研究南红玛瑙制品、南红玛瑙雕刻件等,宫廷碾玉的实物资料,具有非常重要的历史、艺术价值,被定为国家一级文物。从这些馆藏作品可以看出,历朝历代对南红都非常重视,同时也是很稀少的珍贵材料。

从这些馆藏作品中不难看出,作为稀少珍贵的宝玉石材料,历代南红玛瑙精品都被统治者所珍视,尤其至清代达到顶峰。随着四川凉山地区高品质南红玛瑙矿的发现,收藏级别的南红玛瑙作品又重新回到收藏界,也重新掀起了南红玛瑙收藏的热潮,吸引了众多藏家的关注。

我们迄今所知古滇国后最早的南红SouthRedAgate珠就是扁圆南红多棱珠,而实际上,这种南瓜形制最早见于古埃及,在我国的历史也起码可以追溯到战国,并且这种形制在明清的琉璃珠中也不少见。时间跨度长达2000余年。

剩下的历史几乎就是每个南红爱好者耳熟能详的了,南红作为深海红珊瑚的替代品正式走上藏区的舞台。由于藏区使用的红珊瑚全部为所谓倒枝珊瑚,只产于日本海峡和台湾海峡,贸易的相对困难和本身珊瑚材质的珍贵决定了红珊瑚只是属于藏区高层的奢侈品,而广大的藏民也同样需要这些红色的寄托,于是南红真正的以批量产品的形式登上历史舞台,成为众多信徒的随身配饰。这种情况至早结束于清晚期,伴随着我们通常认为清晚期南红矿藏的枯竭,南红SouthRedAgate珠子的制作才基本告结束。

您可能感兴趣的与本文相关的镜像

Facefusion

Facefusion

AI应用

FaceFusion是全新一代AI换脸工具,无需安装,一键运行,可以完成去遮挡,高清化,卡通脸一键替换,并且Nvidia/AMD等显卡全平台支持

#include <reg52.h> // 定义状态枚举 typedef enum { STATE_NS_GREEN, STATE_NS_YELLOW, STATE_EW_GREEN, STATE_EW_YELLOW, STATE_MANUAL_NS, // 手动北绿 STATE_MANUAL_EW // 手动东西绿 } TrafficState; // 全局变量 unsigned char timer_count_50ms = 0; TrafficState current_state = STATE_NS_GREEN; bit is_manual_mode = 0; // 按键状态记忆(用于边沿检测) bit k1_last = 1; bit k2_last = 1; bit k3_last = 1; // 函数声明 void Timer0_Init(void); void Delay_ms(unsigned int ms); // 设置单个方向灯函数 —— 参数顺序:(green, yellow, red) void Set_North(unsigned char green, unsigned char yellow, unsigned char red) { if (green) P0 &= ~0x08; else P0 |= 0x08; // P0.3 → 北绿 if (yellow) P0 &= ~0x04; else P0 |= 0x04; // P0.2 → 北黄 if (red) P0 &= ~0x02; else P0 |= 0x02; // P0.1 → 北 } void Set_South(unsigned char green, unsigned char yellow, unsigned char red) { if (green) P1 &= ~0x20; else P1 |= 0x20; // P1.5 → 绿 if (yellow) P1 &= ~0x10; else P1 |= 0x10; // P1.4 → 黄 if (red) P1 &= ~0x08; else P1 |= 0x08; // P1.3 → 南红 } void Set_East(unsigned char green, unsigned char yellow, unsigned char red) { if (green) P1 &= ~0x04; else P1 |= 0x04; // P1.2 → 东绿 if (yellow) P1 &= ~0x02; else P1 |= 0x02; // P1.1 → 东黄 if (red) P1 &= ~0x01; else P1 |= 0x01; // P1.0 → 东 } void Set_West(unsigned char green, unsigned char yellow, unsigned char red) { if (green) P0 &= ~0x01; else P0 |= 0x01; // P0.0 → 西绿 if (yellow) P1 &= ~0x80; else P1 |= 0x80; // P1.7 → 西黄 if (red) P1 &= ~0x40; else P1 |= 0x40; // P1.6 → 西 } // 统一设置北方向(绿, 黄, ) void Set_North_South(unsigned char green, unsigned char yellow, unsigned char red) { Set_North(green, yellow, red); Set_South(green, yellow, red); } // 统一设置东西方向(绿, 黄, ) void Set_East_West(unsigned char green, unsigned char yellow, unsigned char red) { Set_East(green, yellow, red); Set_West(green, yellow, red); } // 关闭所有灯 void All_Off() { P0 = 0xFF; P1 = 0xFF; } // 主函数 void main() { unsigned int i; bit k1_current, k2_current, k3_current; All_Off(); Timer0_Init(); EA = 1; // 开总中断 current_state = STATE_NS_GREEN; timer_count_50ms = 0; while (1) { // 读取按键状态(低电平表示按下) k1_current = (P2 & 0x01); // K1: P2.0 k2_current = (P2 & 0x02); // K2: P2.1 k3_current = (P2 & 0x04); // K3: P2.2 // === K1: 按下 → 锁定北通行 === if (k1_current == 0 && k1_last == 1) { for(i = 0; i < 1000; i++); // 消抖延时 ~1ms if ((P2 & 0x01) == 0) { // 确认仍按下 is_manual_mode = 1; current_state = STATE_MANUAL_NS; Set_North_South(1, 0, 0); // 北绿亮 Set_East_West(0, 0, 1); // 东西亮 } } // === K2: 按下 → 锁定东西通行 === if (k2_current == 0 && k2_last == 1) { for(i = 0; i < 1000; i++); if ((P2 & 0x02) == 0) { is_manual_mode = 1; current_state = STATE_MANUAL_EW; Set_North_South(0, 0, 1); // 亮 Set_East_West(1, 0, 0); // 东西绿亮 } } // === K3: 按下 → 恢复自动模式 === if (k3_current == 0 && k3_last == 1) { for(i = 0; i < 1000; i++); if ((P2 & 0x04) == 0) { is_manual_mode = 0; current_state = STATE_NS_GREEN; timer_count_50ms = 0; } } // 更新上次按键状态 k1_last = k1_current; k2_last = k2_current; k3_last = k3_current; // 小延时避免CPU满载 for(i = 0; i < 100; i++); } } // 定时器0初始化:50ms中断(12MHz晶振) void Timer0_Init() { TMOD &= 0xF0; TMOD |= 0x01; // T0方式1,16位定时器 TH0 = 0x3C; // 50ms初值 TL0 = 0xB0; ET0 = 1; // 使能T0中断 TR0 = 1; // 启动T0 } // 定时器0中断服务程序 void Timer0_ISR(void) interrupt 1 { TH0 = 0x3C; TL0 = 0xB0; if (is_manual_mode) return; // 手动模式不更新状态 timer_count_50ms++; switch (current_state) { case STATE_NS_GREEN: Set_North_South(1, 0, 0); // 北绿 Set_East_West(0, 0, 1); // 东西 if (timer_count_50ms >= 500) { // 25s timer_count_50ms = 0; current_state = STATE_NS_YELLOW; } break; case STATE_NS_YELLOW: Set_North_South(0, 1, 0); // 北黄 Set_East_West(0, 0, 1); // 东西 if (timer_count_50ms >= 100) { // 5s timer_count_50ms = 0; current_state = STATE_EW_GREEN; } break; case STATE_EW_GREEN: Set_North_South(0, 0, 1); // Set_East_West(1, 0, 0); // 东西绿 if (timer_count_50ms >= 500) { // 25s timer_count_50ms = 0; current_state = STATE_EW_YELLOW; } break; case STATE_EW_YELLOW: Set_North_South(0, 0, 1); // Set_East_West(0, 1, 0); // 东西黄 if (timer_count_50ms >= 100) { // 5s timer_count_50ms = 0; current_state = STATE_NS_GREEN; } break; } } // 可选毫秒延时函数 void Delay_ms(unsigned int ms) { unsigned int i, j; for (i = 0; i < ms; i++) for (j = 0; j < 123; j++); } 按一下K1键,保持北通行状态;按一下K2键,保持东西通行状态;按一下K3键,保持正常交通灯。 要求在中断中进行按键处理。
10-17
内容概要:本文介绍了一种基于蒙特卡洛模拟和拉格朗日优化方法的电动汽车充电站有序充电调度策略,重点针对分时电价机制下的分散式优化问题。通过Matlab代码实现,构建了考虑用户充电需求、电网负荷平衡及电价波动的数学模【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)型,采用拉格朗日乘子法处理约束条件,结合蒙特卡洛方法模拟大量电动汽车的随机充电行为,实现对充电功率和时间的优化分配,旨在降低用户充电成本、平抑电网峰谷差并提升充电站运营效率。该方法体现了智能优化算法在电力系统调度中的实际应用价值。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源汽车、智能电网相关领域的工程技术人员。; 使用场景及目标:①研究电动汽车有序充电调度策略的设计与仿真;②学习蒙特卡洛模拟与拉格朗日优化在能源系统中的联合应用;③掌握基于分时电价的需求响应优化建模方法;④为微电网、充电站运营管理提供技术支持和决策参考。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注目标函数构建、约束条件处理及优化求解过程,可尝试调整参数设置以观察不同场景下的调度效果,进一步拓展至多目标优化或多类型负荷协调调度的研究。
内容概要:本文围绕面向制造业的鲁棒机器学习集成计算流程展开研究,提出了一套基于Python实现的综合性计算框架,旨在应对制造过程中数据不确定性、噪声干扰面向制造业的鲁棒机器学习集成计算流程研究(Python代码实现)及模型泛化能力不足等问题。该流程集成了数据预处理、特征工程、异常检测、模型训练与优化、鲁棒性增强及结果可视化等关键环节,结合集成学习方法提升预测精度与稳定性,适用于质量控制、设备故障预警、工艺参数优化等典型制造场景。文中通过实际案例验证了所提方法在提升模型鲁棒性和预测性能方面的有效性。; 适合人群:具备Python编程基础和机器学习基础知识,从事智能制造、工业数据分析及相关领域研究的研发人员与工程技术人员,尤其适合工作1-3年希望将机器学习应用于实际制造系统的开发者。; 使用场景及目标:①在制造环境中构建抗干扰能力强、稳定性高的预测模型;②实现对生产过程中的关键指标(如产品质量、设备状态)进行精准监控与预测;③提升传统制造系统向智能化转型过程中的数据驱动决策能力。; 阅读建议:建议读者结合文中提供的Python代码实例,逐步复现整个计算流程,并针对自身业务场景进行数据适配与模型调优,重点关注鲁棒性设计与集成策略的应用,以充分发挥该框架在复杂工业环境下的优势。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值