拉曼光谱退偏度实验数据处理方法改进

针对CCl4拉曼光谱退偏度实验中实验值与理论值间存在偏差较大的问题,提出了利用专业的数据处理软件扣除本底噪声,以提高实验结果的可靠性。分别采用多峰拟合和单峰拟合的方法扣除拉曼光谱的本底,计算分析了退偏度与理论值的偏差。结果表明:多峰拟合时,扣除的是斯托克斯或反斯托克斯3个峰的共同本底,忽略瑞利散射峰对其附近拉曼散射峰影响大的因素,单峰拟合扣除的是每一个拉曼散射峰的本底,使得单峰拟合的光谱强度与实际更接近,退偏度与理论值偏差最小。     

X射线管激发X荧光光谱连续本底扣除方法研究

X射线管是目前X射线荧光光谱分析中最常采用的激发源,它所产生的原级谱成为了X荧光光谱中本底成分的主要来源,在对这种光谱进行进一步的分析处理之前需要对其本底进行扣除,对本底估计的准确性直接影响后续处理步骤的效果。对射线管激发X荧光光谱的成分进行了分析,针对其本底特点构造了一种本底强度的估计方法,并根据实测谱线构建了理论测试谱线以便对光谱处理算法的效果进行评价。该方法利用测得X射线荧光光谱中不包含特征峰的谱段对X射线管原级谱造成的本底成分进行估计,使用只包含连续本底的谱段对整个测量谱段进行插值,从而避免了谱线特征峰重叠或对半高宽估计不当时所产生的影响。利用构建的测试光谱对SNIP法、傅里叶变换法和本文的本底估计方法的使用效果进行了比较,使用该方法估计的本底与理论本底更加接近。结果表明使用的方法对X射线管激发的X荧光光谱的本底估计准确,可以采用这种方法对连续本底进行扣除,在对实际测得的X射线荧光光谱的本底扣除中取得了较好的应用效果。     

利用标记中子检测墙体内爆炸物

利用14 MeV标记中子发生器、Φ76mm×76mm硅酸钇镥(LYSO)γ探测器及时间分辨约1.7ns的快电子学系统搭建实验装置,获得了D-T中子作用下空气、墙体10cm和15cm深处以及硝铵和TNT模拟物分别在这些环境中的瞬发γ能谱.计算了~(12)C,~(14)N,~(16)O的元素特征峰计数,并讨论了爆炸物在不同环境下的分辨方式.     

R值测量中束流相关本底的扣除方法

利用北京谱仪R值扫描数据,研究了束流相关本底的特征及其扣除方法.采用f因子方法和拟合强子事例顶点z分布的方法来扣除残余束流相关本底,并讨论其对R值测量误差的贡献.结果表明,两种方法对R值测量误差的影响约为0.3%至2.3%.     

FFT-BP神经网络模型对车载γ能谱辐射剂量率的预测分析

为了实现车载γ谱仪巡测系统对辐射剂量率的准确测定，提出基于快速傅里叶变换(FFT)本底扣除法的改进型BP神经网络模型(FFT-BP神经网络模型)。实验采用γ射线能谱分析法，对不同间距处的137Cs放射源进行车载γ能谱测试，将得到的谱数据通过快速傅里叶变换(FFT)扣除本底，获得新的谱线数据。应用FFT-BP神经网络模型对未知剂量的车载γ谱线作辐射剂量率的定量预测，将预测结果同3个函数模型的拟合结果比较，验证FFT-BP神经网络模型的预测效果。结果表明，FFT扣除法能较好的削弱散射本底对γ谱线的影响，能有效的降低谱线本底。通过新谱线获得的特征峰面积和净谱线面积与辐射剂量率的相关系数均为0.99(p<0.05)，相关性显著。模型拟合分析过程中，FFT-BP神经网络模型表现出较强的学习泛化能力，预测较理想，相对误差和累计误差分别低于0.6%和9%，效果明显优于数学模型和γ能谱全能峰法，可显著降低γ能谱分析辐射剂量率的误差，且能有效提升工作效率。因此，FFT-BP神经网络模型适用于γ能谱辐射剂量的预测分析，为车载γ谱仪巡测系统测量辐射剂量提供了一种新型有效的分析方法。     

拉曼及近红外吸收光谱的燃油混合物量化分析

生物柴油是典型的"绿色能源",具备良好的环保性和燃料特性,通常与柴油混合使用在柴油发动机上。但是目前世界各国柴油与生物柴油混合的比例标准参次不齐,没有一个统一的标准,并且不同比例的柴油/生物柴油混合物具有不同的燃烧性能,也会对柴油发动机产生一定程度的影响。为了能够快速、准确的测量柴油/生物柴油混合物中的生物柴油浓度,近红外光谱和拉曼光谱在燃油检测方面已经得到广泛的应用。利用拉曼及近红外光谱对柴油/生物柴油混合物中的生物柴油浓度进行了量化分析研究。首先采集了柴油/生物柴油混合燃油的拉曼光谱及近红外吸收光谱,然后利用平滑、基线校正、归一化等方法对采集到的光谱进行预处理。从光谱图中观察到,在柴油/生物柴油混合物的拉曼光谱和近红外光谱中都有C=O特征光谱区域,且该光谱区域的光谱峰都随生物柴油的浓度增加而越来越明显。拉曼光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在1 743 cm~(-1)位置处的特征峰,在近红外光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在4 659 cm~(-1)处的特征峰。然后分别根据强度比方法和偏最小二乘(PLS)回归方法建立了相应的混合燃油中生物柴油浓度预测模型。结合强度比方法建立特征峰强度比的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱建立的C=O特征峰线性预测模型相关系数分别为0.947 2和0.996 2;结合偏最小二乘(PLS)回归法建立特征光谱区域的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱特征区域建立的相应预测集相关系数(R~2)分别为0.981 5和0.991 2,相应的预测均方根误差(RMSE)分别为0.093 7和0.012 9。结果表明,在混合燃油中,使用近红外光谱中的C=O光谱区域建立的生物柴油浓度预测模型会得到更准确的预测结果。     

紫外光引发阳离子聚丙烯酰胺的红外光谱研究

以丙烯酰胺(AM)、丙烯酰氧基乙基三甲基氯化铵(DAC)、丙烯酸丁酯(BA)为单体,采用紫外光引发聚合制备阳离子聚丙烯酰胺P(AM-DAC-BA)。采用紫外光谱和红外光谱研究其结构特征;分析AM,DAC,BA,P(AM-DAC-BA)的红外光谱中的典型红外振动频率的归属。通过与单体红外光谱比较得出:由于聚合产物的对称性增加,聚合产物红外光谱更加简单。P(AM-DAC-BA)的特性粘度随着光强、BA含量、光引发剂浓度、光照时间的增加而增加。选取AM,DAC,BA中的—CONH2,—COOCH2(CO),—COOCH2—(C—O—C),—CH2—N+(CH3)3基团吸收峰为特征吸收峰,随着光强、BA含量的增加,特征峰面积增加;随着光引发剂浓度增加特征峰面积却呈现减少趋势;随着光照时间增加,峰面积是先减小后增加。但不同P(AM-DAC-BA)在红外光谱上对应的特征吸收峰的峰型类似,特征峰位置基本一致。     

鱼翅干制品品质的ATR-FTIR鉴别研究

采用衰减全反射-傅里叶变换红外光谱法(ATR-FTIR)对64份鱼翅干制品(包括真鱼翅、仿鱼翅和素鱼翅)及明胶增重真鱼翅干制品进行快速无损检测鉴别。实验比较了上述四种样品的特征红外光谱图,结果显示,同一种样品的红外光谱具有较好的稳定性;四种鱼翅干制品的红外光谱图存在明显的差异,主要表现在蛋白质酰胺Ⅰ和Ⅱ峰(1 650,1 544cm-1)和多糖骨架(1 050cm-1)等营养成分吸收峰的差异。真鱼翅样品由于蛋白质含量高、多糖组分含量较低,故其红外光谱图主要呈现强度较高的蛋白质特征吸收酰胺Ⅰ和Ⅱ峰(1 650,1 544cm-1)与较弱的多糖骨架C—O—C伸缩振动峰(1 050cm-1),前者峰面积和(Apro)与后者峰面积和(Apol)的比值(Apro/Apol)范围为5.58~25.38。仿鱼翅样品是由鲨鱼的边脚料、胶体及其他一些物质混合、压模而成的,其他添加物质导致减弱了蛋白质特征吸收酰胺Ⅰ和Ⅱ峰的强度,也使酰胺Ⅰ峰发生了约30cm-1的蓝移,Apro/Apol范围为2.63~2.86。素鱼翅样品主要是由海藻酸钠等多糖类物质合成的,其红外光谱图上几乎不显示蛋白质的特征峰,而多糖的特征峰(~1 047cm-1)表现明显,高于真鱼翅相应吸收峰的强度,Apro/Apol范围为0.60~0.72。真鱼翅样品涂覆明胶增重后,样品表面的红外光谱图显示蛋白质和多糖的特征峰均有所减弱,Apro/Apol值为1.16,而样品剖面的红外光谱图则与真鱼翅的谱图基本一致。可见,采用ATR-FTIR,利用样品间特征红外光谱图和Apro/Apol值的差异,可简便、快速、直观地实现鱼翅干制品品质的无损快速鉴别。     

爆炸物的X射线相干散射实验研究

采用同步辐射连续光谱的X射线(1.2-38.2KeV),对数种爆炸物(含铝黑色炸药、黑色炸药、黑索今、纯硝铵炸药、硝铵炸药和TNT)和非爆炸物(糖、奶粉、咖啡、纸等)进行了小角度的X射线散射实验,得到了上述几种爆炸物和非爆炸物的小角度相干散射谱. 从爆炸物的X射线散射谱中可以找到他们各自的特征衍射峰作为他们的"指纹",从而可以将爆炸物从非爆炸物中鉴别出来     

太赫兹技术在爆炸物检测中的应用

研究了太赫兹成像技术在爆炸物探测中的应用,分析了太赫兹透射型时域光谱系统的实验装置,介绍了太赫兹时域光谱的测量步骤。确定了四种爆炸物样品(TNT,RDX,DNT,HMX)在太赫兹波段的吸收谱。结果表明,这四种爆炸物样品在0~2.5THz的频率范围内均存在特征吸收峰,这为太赫兹技术检测爆炸物提供了一种有效的途径。