表面增强拉曼散射(SERS)衬底的研究及应用

表面增强拉曼散射(surface enhanced Raman scattering,SERS)是通过吸附在粗糙金属表面或金属纳米结构上的分子与金属表面发生的等离子共振(SPR)相互作用而引起的拉曼散射增强现象,是一种高灵敏的探测界面特性和分子间相互作用的光谱手段。文章归纳总结了近年来常用的SERS衬底的制备方法(溶液中的金属溶胶(MNPs in suspension)、 金属纳米粒子的自组装(self-assembly)、 模板法(Template method)和纳米光刻法(Nanolithographic)等;综述了这些衬底的表面增强拉曼特性;着重介绍了SERS增强在环境监测和生物医学应用上的最新国内外研究动态。目前已经能够实现增强因子高、 可靠性好、 重现性强的SERS衬底的可控制备,表明SERS可以作为一种高性能的分析探测工具,充分实现其潜在应用价值。     

8～10轮AES-128的biclique攻击

高级加密标准(AES)是信息安全中实现数据加密、认证和密钥管理的核心分组密码算法,其安全性分析是密码学的重要课题之一.本文利用AES独立的相关密钥差分,构造了3轮biclique;基于该biclique,使用重计算技术,针对8~10轮AES-128给出新攻击.研究结果表明,攻击8轮AES-128所需的数据复杂度为264选择密文,时间复杂度为2125.29次加密;攻击9轮AES-128所需的数据复杂度为264选择密文,时间复杂度为2125.80次加密;攻击10轮AES-128所需的数据复杂度为264选择密文,时间复杂度为2126.25次加密.与已有的同轮攻击结果相比,新分析所需要的时间复杂度或数据复杂度降低.     

层叠式“产生/判别”混合模型的语音情感识别

提出了层叠式“产生/判别”混合模型的语音情感识别方法。首先,提取63维语句级特征,运用Fisher从中选择12个最佳的语句级特征,建立小波神经网络(WNN)的层叠式产生式模型进行语音情感识别;然后提取69维帧级特征,采用SFS选择出待使用的8维特征,将高斯混合模型(GMM)进行多维概率输出,建立层叠式“产生/判别”混合模型进行语音情感识别。实验结果显示:(1)层叠式“产生/判别”混合模型较单独WNN、GMM、HMM (隐马尔可夫模型)、SVM (支持向量机)的识别率要高;(2)层叠式“产生/判决式”混合模型识别率较基于WNN的层叠产生式模型高;(3) M=13,D维GMM-MAP/SVM (MAP,最大后验概率)串联融合模型为最优的层叠式“产生/判别”混合模型,能获得最高85.1%的识别率。      

考虑摩擦动力学特性的渐开线齿轮润滑分析

以渐开线齿轮为研究对象,综合考虑齿面摩擦、油膜刚度和阻尼的影响,将摩擦动力学特性和齿面形貌考虑到有限长线接触弹流润滑理论(EHL)中,采用多重网格数值求解法获得了渐开线齿轮在不同啮合位置处的动载荷分布,压力与膜厚分布,并对比分析了干摩擦与润滑条件下压力分布的不同特征以及动载荷对油膜分布的影响.计算结果表明:低速时,动载荷接近稳态分布,在单双齿交替点有明显的高频冲击,随着转速的增加,动载荷变化趋于平缓;与干摩擦相比,润滑油膜可以减小最大压力峰值以及入口区和出口区的压力,但对粗糙峰凹谷处压力有所增加.沿啮合线方向,压力在节点位置附近达到最大值,膜厚受动载荷的影响较小,近似呈线性增加趋势.     

结构可靠性分析的自适应子集模拟方法

结构可靠性分析需要精确高效的失效概率计算方法。为解决高维非线性可靠性分析问题中的失效概率计算问题,本文提出了两种以失效概率估计精度为停机控制参数的自适应子集模拟方法。理论分析和数值算例表明:(1) 两种自适应子集模拟方法能根据失效概率的估计精度要求自适应调整样本量;(2) 考虑样本量优化的自适应子集模拟方法能进一步减少总样本量,提高计算效率。本文所提方法为研究者对结构进行精确高效的可靠性分析提供了一条可行途径。     

仿生分级结构NiO纳米线/纳米纤维的可控制备及光催化性能

采用静电纺丝技术和"自下而上"的溶液相自组装技术, 制备了具有仿生主次分级结构的三维NiO纳米线/纳米纤维. 采用扫描电子显微镜(SEM)、 X射线衍射仪(XRD)和比表面积分析仪分别对其形貌、 晶型和孔结构进行了表征. 以水体中的有色染料亚甲基蓝为模型污染物, 研究了分级结构NiO纳米线/纳米纤维的光催化性能. 结果表明, 在180 min内, 以分级结构NiO为催化剂时, 亚甲基蓝的降解率达到了97%, 分别是以纳米纤维和纳米粒子为催化剂时的1.24倍和2.16倍.     

正丁基氯化镁还原氧化石墨烯的表征

采用元素分析、红外光谱(FTIR)、X射线光电子能谱(XPS)、拉曼光谱、X射线衍射(XRD)、固体¹³C核磁共振波谱(¹³C MAS NMR)、热失重分析(TGA)、导电率测试以及原子力显微镜(AFM)等手段对正丁基氯化镁还原的氧化石墨烯进行了系统的表征. 结果表明, 正丁基氯化镁可以有效还原氧化石墨烯, 随着其用量的增加, 氧化石墨烯还原程度增加, 碳/氧摩尔比升高, 片层间距减小, 热稳定性增强, 导电率增大(可达3.6×10² S/m). 还原后部分氧化石墨烯片层发生聚集.     

添加气对非平衡等离子体转化低碳烷烃的影响

在常压下, 研究了添加气的种类(N₂, He, Ar, H₂, NH₃, CO和CO₂)对介质阻挡放电低碳烷烃(甲烷、 乙烷和丙烷)转化制低碳烯烃的影响. 结果表明, 以甲烷或乙烷为原料时, N₂, He, Ar和CO的引入有利于提高原料的转化率和总烯烃的选择性; 而CO₂, H₂和NH₃的引入对甲烷、 乙烷的转化率无明显影响, 但H₂和NH₃的引入会使总烯烃的选择性显著降低. 以丙烷为原料时, 所研究的添加气均可提高丙烷的转化率, 而只有CO的引入可提高总烯烃选择性. 综上所述, 80%(摩尔分数) CO添加量最有利于低碳烷烃转化成低碳烯烃, 对应的甲烷、 乙烷和丙烷的转化率分别提高了14.4%, 17.6%和42.8%, 总烯烃的选择性分别提高了19.9%, 25.0%和11.9%. 以CH₄为例, 通过对放电电流波形和等离子体区物种的发射光谱(OES)研究发现, 引入CO能显著增加等离子体的电子密度, 并且体系中出现激发态O^*物种(777.5和844.7 nm), 这种O^*物种能够促进C-H键的断裂, 有利于烯烃的生成. 因此, 等离子体区电子密度的增加和激发态O^*物种的出现可能是CH₄-CO体系中CH₄有效转化的主要原因.     

双水杨醛缩乙二胺合铜(Ⅱ)席夫碱金属配合物的合成及应用

合成了双水杨醛缩乙二胺合铜(Ⅱ)[Cu(Ⅱ)-EDBSAD]席夫碱金属配合物,并以该配合物为中性载体制备PVC膜电极,该电极对SCN-具有优良的电位响应特性,在pH=5.5磷酸盐缓冲溶液中,SCN-浓度在1.0×10-1～1.0×10-7 mol/L之间具有能斯特响应,校准曲线方程为Ｅ(mV)＝-51.75lg cSCN--255.29,检测下限为5.6×10-8 mol/L。 将电极用于废水中硫氰酸盐含量的测定,结果与高效液相色谱法基本一致。     

高效液相色谱法分离和测定小麦中的5种内源激素

建立了高效液相色谱法(HPLC)用于分离和测定小麦中的吲哚乙酸(IAA)、脱落酸(ABA)、赤霉素(GA₃)、玉米素(ZT)和水杨酸(SA)5种植物内源激素。经过条件优化,选用甲醇作为样品提取溶剂。然后,经石油醚和乙酸乙酯萃取,经Sep-Pak C18小柱纯化。液相色谱的分离采用Eclipse XDB-C₁₈ (250 mm×4.6 mm, 5 μm)反相色谱柱;流速为1 mL/min;进样量10 μL。检测器波长设置为254 nm; 14.5 min时切换到240 nm; SA洗脱后即18 min时切换回254 nm。流动相A为甲醇,B为乙酸溶液(pH 3.6)。梯度条件为0~7 min, 20%A; 7~10 min, 20%A~28%A; 10~17 min, 28%A; 17~19 min, 28%A~40%A; 19~35 min, 40%A。结果表明,小麦中各激素的分离效果理想,加标回收率达96.9%~98%,相对标准偏差在1.54%~2.29%之间。因此,该方法的建立为快速、准确地分离和测定小麦内源激素提供了可靠的方法。