6、光的量子奥秘:从经典理论到奇异现实

光的量子奥秘:从经典理论到奇异现实

1. 气体分子动能与温度的关系

理论精确预测,气体分子的平均动能与温度成正比。当加热气体时,分子的运动能量增加,这一结果被称为能量均分定理,它将温度与平均动能联系起来。该公式与实验结果高度吻合,其仅依赖于牛顿的原子碰撞运动方程和一些统计学知识。

2. 光的热平衡实验与灾难

19世纪末,物理学家将这一理论应用于处于热平衡状态的盒子中的光波。实验中,将空心腔室内壁涂上木炭,加热后木炭从黑色变为红热,会发出和吸收光波。英国物理学家瑞利(1900年)和金斯(1905年)计算了光波能量随波长的分布,结果却荒谬至极。该理论预测,随着光波波长越来越短,光能量分布会趋于无穷大,总功率也将变为无穷大,这意味着如果给一个内壁涂黑的陶窑加热,会有无限的紫外光射出摧毁宇宙,这就是所谓的“紫外灾难”。

而在实验室中,并未出现这种灾难。随着窑炉温度升高,在固定温度下,特定波长的发射光有平均能量,紫外光出现的概率会迅速降为零,总能量是有限的。由于这些窑炉内壁常被涂成黑色,它们被称为黑体,瑞利 - 金斯黑体理论彻底失败。实验测得的分布类似于麦克斯韦 - 玻尔兹曼分布,但不同的是,实验分布的峰值出现在光频率与温度成正比的点上,即温度升高时,对应峰值的波长会变短,从红外到深红,最终到橙色、黄色。

理论 长波长表现 短波长表现
瑞利 - 金斯理论 与正确结果和数据吻合 预测结果荒
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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