各向异性堆叠结构环氧树脂复合材料的热防护性能

基于导热-隔热原理,通过在环氧树脂(Epon)中添加质量分数为5%,15%,25%的六方氮化硼(h-BN)作为填料制备环氧基散热层,质量分数为1%的膨胀蛭石(E-ver)作为填料制备环氧基隔热层,设计了宏观交替堆叠的环氧复合材料,并进行了热防护性能的研究。研究结果表明:具有各向异性结构的复合材料,顶部中心温度较传统材料的温度下降13~16℃,热延迟时间大大提升,并随着h-BN含量的增加,热性能得到明显改善。理论分析了该堆叠结构下复合材料"横向散热、纵向抑热"的机理。     

液相色谱-电感耦合等离子体质谱(HPLC-ICP-MS)法测定蔬菜中不同形态的铬

蔬菜中不同价态铬元素分析检测能对蔬菜中铬的营养与安全做出正确的评价。为了准确的了解蔬菜中铬的含量及危害,本研究利用高效液相色谱仪-电感耦合等离子体质谱仪（HPLC-ICP-MS）联用技术,以姜、番薯、莲藕等3种蔬菜作为主要研究对象,优化合理有效的提取方式,分离技术以及采集方法,建立测定蔬菜中三价铬和六价铬含量的铬形态分析方法。研究结果表明,以10 mmol/L EDTA-硝酸铵溶液作为提取溶剂,在50 ℃温度下提取络合15 min,该提取方式既保证三价铬完全络合,又能减少六价铬的转化;以 pH值为7.0,50 mmol/L硝酸铵溶液作为流动相,选择52Cr作为铬的质量数,采用氦气碰撞模式进行采集分析,可以在5 min内完成三价铬与六价铬的有效分离和测定;该方法的线性范围为5~200 μg/L,相关系数均大于 0.9999,三价铬与六价铬的方法检出限分别为 0.010 mg/kg 和 0.015mg/kg,精密度RSD分别为0.93% 和1.32%,加标回收结果良好,各技术指标表明该方法能满足测定的需求;本研究所建立的方法前处理操作简单且合理有效、检出限低、准确性和重复性好,可实现对蔬菜中铬形态的快速准确分析。     

基于自催化策略原位构建高性能锂电池用凝胶电解质

凝胶聚合物电解质作为一种高锂离子传导效率的聚合物电解质而备受关注。然而，制备凝胶聚合物电解质的过程仍存在催化剂难以脱除、流程繁琐等问题。在本工作中，采用离子液体1-丁基-3-甲基咪唑四氟硼酸盐(BMIMBF₄)中潜在的Lewis酸诱导乙烯基醚类单体发生阳离子聚合的策略，探究出一种在电池内部原位构建高性能凝胶聚合物电解质的方法。BMIMBF₄的引入提升了凝胶聚合物电解质的电导率和电化学稳定性，基于该凝胶聚合物电解质的锂对称电池能在0.1 mA·cm^-2电流密度下循环500 h。由该凝胶聚合物电解质原位组装的全电池以1 C的倍率进行恒流充放电，循环100圈后容量保持率为90%;即使在10 C的高倍率下时，电池的放电比容量仍能保持在67.5 mAh·g^-1。该自催化策略为凝胶聚合物电解质的快速构建提供了新的思路。     

EAST八对电流引线罐支撑结构的优化设计与分析

随着EAST高温超导电流引线的技术升级，针对电流引线罐内支撑结构重新进行了优化设计，开展了罐内支撑结构的稳定性分析，最后根据分析结果确定了最优设计方案。针对优化设计后的电流引线罐进行测试，表明其支撑结构可以更好地保证电流引线的安全与稳定。     

上波导层In摩尔分数对InGaN基蓝光激光器性能研究

基于实验样品结构，利用PICS3D模拟软件，构建了具有同样结构的InGaN基蓝光激光器，并采取了与实验样品一致的内部参数测定方式，结果表明，内部损耗相对误差为3.5%，实现了严格的比对。随后，构建了一系列InGaN基蓝光激光器，通过比较不同In摩尔分数下的光输出功率、载流子分布、光场分布、辐射复合系数和能带曲线等参数，对上波导层中的In摩尔分数进行优化研究。设计得到了光功率更优的两种不同的优化结构，均有效减少了电子泄漏，提高了斜率效率，从而有效提高了光电转化效率，其中渐变In摩尔分数上波导层结构提升效果更为显著。     

基于新息自适应卡尔曼滤波算法的多类型结构响应重构

为改善传统卡尔曼滤波KF(Kalman filter)算法在过程噪声方差和测量噪声方差未知的情况下响应重构精度降低甚至发散的问题，提出了一种基于新息自适应卡尔曼滤波IAKF(innovation-based adaptive Kalman filter)算法的多类型响应重构方法。首先根据新息统计特性对卡尔曼滤波增益和状态估计误差协方差矩阵进行实时自适应调整；然后利用有限测点的加速度传感器的测量数据，结合模态法对结构各个位置的加速度、速度、位移以及应变进行响应重构；最后对起重机桁架和简支梁分别进行数值模拟和试验分析。结果表明，该方法能够有效地调整过程噪声方差并估计测量噪声方差，未测点的重构响应时程曲线与计算响应或测量响应时程曲线吻合良好。     

Advances in chromatographic analysis of ginsenosidesEI北大核心CSCD

Ginsenosides possess pharmacological activities such as anti-aging，cardiovascular protection，and improving immunity. However，the detection and analysis of ginsenosides commonly suffer from the problem of low sensitivity owing to the complex matrix and low content of ginsenosides. Chromatographic technology was often used to detect ginsenosides owing to the advantages of high accuracy，high sensitivity，good reproducibility and low sample consumption，etc. In this review，the application of chromatographic analysis technologies in ginsenosides detection was summarized. First of all，accuracy of test results for the ginsenosides can be effectively improved by using high performance liquid chromatography（HPLC）combined with various detectors. Secondly，the combination of HPLC with mass spectrometry can be utilized for qualitative and quantitative analysis of ginsenosides， as well as other fields， such as metabonomics， pharmacokinetics， intestinal microorganisms and quality control. Moreover，the application of gas chromatography in analysis of ginsenosides was reviewed. Briefly，with the continuous development of chromatographic technology，the degree of accuracy for ginsenosides detection was effectively improved，which is beneficial to realize the effective analysis of ginsenosides. © 2023, Youke Publishing Co., Ltd. All rights reserved.     

糠醛气相加氢制备糠醇Cu/SiO2催化剂的失活机理研究

采用共沉淀法制备了Cu/SiO₂催化剂，在固定床反应器上评价其糠醛气相催化加氢制备糠醇的反应性能，并采用XRD、H2-TPR、ICP-OES、XPS、TG、Raman、TEM等手段对使用后的Cu/SiO₂催化剂进行表征，研究其在反应中的失活机理。在常压、反应温度140℃、质量空速2.4 h^-1、氢醛比9.7的条件下，反应5 h内糠醛转化率均高于97%；反应6-21 h，糠醛转化率从96%快速下降到32%，说明Cu/SiO₂催化剂在糠醛加氢反应中快速失活，失活的主要原因是活性组分铜的团聚烧结和催化剂表面上积炭覆盖了反应活性位。     

衍射深度神经网络下轨道角动量态的校正

衍射深度神经网络(D2NN)通过无源衍射层的深度学习，可实现快速高效的深度学习功能。利用多组不同湍流强度干扰下的轨道角动量(OAM)态和目标OAM态组成的训练数据集对设计的D2NN网络组件进行训练，更新和优化组件中各参数，直到由D2NN输出的OAM态与目标OAM态的平方误差损失函数达到预定的阈值，便可获得实现高速、高精度的OAM波前校正的D2NN组件。测试结果表明：D2NN迭代次数、衍射层数、训练参数的选择会对组件的校正速度和准确度产生影响，通过D2NN可以实现受大气湍流干扰的OAM态的高精度校正；当大气湍流强度为10^-14 m^-2/3、D2NN网络层层数为8时，组件性能最佳，其损失函数相比5层网络层的D2NN降低超过45.45%；而对于更强大气湍流的干扰，可以通过增加网络训练时的迭代次数来提高校正的准确度，迭代20次后损失函数的值降低率达到98.03%；对于湍流强度较弱的干扰，训练时采用纯相位参数，组件的性能更优；而对于强湍流的干扰，训练时采用相位参数与振幅参数两者相结合的方法，组件的性能更优；除此之外，OAM态的拓扑荷值越小，校正后的失真...     

模板属性对植物生长调节剂分子印迹效果的影响北大核心CSCD

以植物生长调节剂为模板,甲基丙烯酸(MAA)为功能单体,乙二醇二甲基丙烯酸酯(EGDMA)为交联剂,采用非共价键沉淀聚合法合成了10种单模板分子印迹聚合物(SMIP)和8种混合模板分子印迹聚合物(MMIP)。采用吸附实验研究了模板的偶极矩、油水分配系数(lgP)、酸碱电离常数(pKa)、氢键受体数、极性表面积和摩尔体积与SMIP印迹效果的关系。通过分子动力学模拟研究了MMIP全组分预聚合混合物,揭示了混合模板印迹选择性识别的机理。结果表明,模板的偶极矩、lgP和pKa与4℃UV引发聚合的SMIP的印迹因子(IF)、特异性参数(SP)和结合容量(Q)呈正相关,模板的lgP和pKa与60℃热引发聚合制备的SMIP的IF、SP和Q呈正相关。以4-氯苯氧乙酸、烯效唑和1-萘乙酸为混合模板,4℃UV引发聚合制备的MMIP产生了比单模板印迹更好的协同印迹效果,即使每种模板的浓度都仅为单独印迹时的1/3。该MMIP对目标物4-氯苯氧乙酸、烯效唑、1-萘乙酸、多效唑、三唑酮和噻苯隆具有最佳选择性,结合容量分别是非印迹聚合物(NIP)的1.77、1.78、2.79、1.62、2.88和5.39倍,可用于这些植物生物调节剂(PGR)的同时提取与分离。预组装体系中,同种模板之间和不同种模板之间都能形成预组装复合物,一些模板之间的结合会阻碍这些模板与功能单体的结合,导致印迹效果减弱,而另一些模板之间的结合能够增强他们与功能单体的结合,使印迹效果增强。