主链型阳离子表面活性剂聚季铵盐的制备

以N,N-二甲基-1,3-丙二胺、尿素及1,4-二氯丁烷为原料,通过共缩聚反应两步法制备了一种新的主链型的水溶性聚季铵盐.采用正交试验获得了制备聚季铵盐的最佳条件：N,N-二甲基-1,3-丙二胺与尿素的物质的量比为2∶1,反应温度为135℃,反应时间为11h,得到中间体双[3-（N,N-二甲基丙胺基）]丙脲,产率高达99％;中间体与1,4-二氯丁烷的物质的量比为1∶1,于90℃下反应6h.采用红外光谱和核磁氢谱对产物结构进行表征,测定了其热稳定性和特性粘数.     

单光子电离质谱法用于不同品牌真假酒的快速鉴别

利用单光子电离飞行时间质谱法(SPI-TOF-MS),结合主成分分析(PCA),在无需样品预处理的条件下,建立了快速准确鉴别酒(包括白酒和劲酒)类样品真假的方法。同时,利用光电子电离质谱法(PEI-TOF-MS)对SPI-TOF-MS的准确度和可靠性进行了验证。结果表明,本方法不仅能快速实现对茅台等5种不同品牌酒的真假区分,还可以对影响酒的品质的特征物质进行分析和鉴定。与其它离子化技术(如EI,PEI,ICP等)相比,SPI作为一种"软"电离源,更容易产生分子离子峰,图谱更简单。因此,本方法有望应用于市场上酒类饮品的真假鉴别及品质的鉴定,对于快速筛选伪劣酒类产品有着重要的应用价值。     

表面解吸常压化学电离质谱快速鉴别樟木制品

采用自行研制的表面解吸常压化学电离质谱(SDAPCI-MS),在无需样品预处理的情况下,对樟木制品及普通木材进行检测,在正离子模式及m/z 90～400范围内获得其化学指纹图谱,并通过主成分分析(PCA)方法对所获指纹谱图信息进行分析,进而对不同样品进行鉴别。结果表明,SDAPCI-MS能够对樟木表面多种特征化学成分(樟脑,香叶醇等)进行解吸电离,快速获得樟木的化学指纹谱图,并能够对目标组分做多级串联质谱鉴定。结合PCA方法,可对不同品质、不同种类的木材样品进行区分。结果表明,本方法灵敏度高,分析速度快(单个样品分析时间小于3 min),可望应用于珍贵木材快速无损分析及品质鉴定。     

主成分分析-近红外光谱法快速测定婴儿配方乳粉中必需脂肪酸

利用主成分分析法将婴儿乳粉的近红外光谱数据与必需脂肪酸含量建立校正模型,并采用交互验证和外部检验两种方式来考察模型的可靠性。得到模型校正相关系数(R2)0.8704,均方估计残差(RMSEC)和交互校验均方残差(RMSECV)分别为0.6275和0.8907,应用所建立的必需脂肪酸近红外模型对婴儿乳粉必需脂肪酸含量进行预测,并将预测值和化学测量值进行配对t检验,结果表明两者无显著差异。     

等效道路线声源位置优化研究

计算道路交通噪声时,一般将每个车道等效为1个线声源。有时,为了简化计算,将道路等效为1个线声源,等效线声源位置为道路中轴;或等效为2个线声源,等效线声源位置为道路两侧中心线或两侧最外车道中心线。推导不同等效方法下观测点噪声的计算公式,并探讨不同等效方法引起的误差。研究结果表明,将道路等效为2个线声源,等效线声源位置为道路两侧中心线的简化方法引起的误差最小。     

广东省能源需求预测模型构建及实证分析

为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.     

基于显微共聚焦拉曼技术对三种食源性致病菌的快速鉴别研究

采用显微共聚焦拉曼技术,建立了对三种常见食源性致病菌快速鉴别的检测方法。使用XploRA PLUS共聚焦拉曼光谱仪,在激光功率为5 mW、积分时间为30s、积分次数为1次的条件下,对德尔卑沙门氏菌、副溶血性弧菌和金黄色葡萄球菌进行了拉曼光谱数据的采集。对拉曼光谱采用多项式平滑算法和荧光背底扣除后,采用主成分分析法(PCA)对预处理后的数据进行降维,提取出前三个主成分的累计方差贡献率达到了95.4％,样本明显的聚为了3类。同时结合Fisher判别分析法(FLD)构建分类模型,对三种样本进行交叉验证,分类准确率达到了100％。结果表明,采用显微共聚焦拉曼技术与PCA-FLD方法结合可实现对三种食源性致病菌的快速准确鉴别且模型检测精度高,方法具有一定的实用性及参考价值。     

高中学业水平考试试题难度模型建构*

利用主成分分析方法厘清试题难度影响因素之间的关系,进而从问题表征、问题解决和结果输出等3个维度上建立了影响高中学业水平考试试题难度的主要因素。通过编写高中学业水平考试测试题进行实证研究,建立影响因素常见呈现类型的难易赋值规则。选用机器学习的线性回归方法建构试题难度分析模型,并使用高考化学江苏卷部分试题的实测难度数据进行校验,模型难度预测值和高考难度实测值具有较好的拟合度,表明模型具有较好的应用价值和推广意义。     

显微共聚焦拉曼光谱结合群分析的黑色直液笔墨迹鉴别研究

黑色直液笔是一种新型书写工具,目前对该种笔墨迹的相关研究较少。为给文件检验工作中墨迹的分析提供新的参考依据,本实验使用显微共聚焦拉曼光谱技术,采集了30支不同品牌、型号的黑色直液笔墨迹光谱数据,进行Savitzky-Golay卷积平滑处理后,依据光谱图的拉曼位移及拉曼谱峰差异对墨迹进行初步分析。设置聚类方法为组间联接,区间距离测量方式为平方欧式距离,对采集的光谱数据进行群分析,将30支黑色直液笔墨迹样本分成了3类,并与品牌建立了相关联系;同时通过主成分分析验证了群分析的可靠性和准确性。研究表明,显微共聚焦拉曼光谱技术结合群分析方法可实现对黑色直液笔墨迹的无损分析及有效鉴别,该方法操作简便、结果准确,适用于法庭科学文件检验。     

改进蚁群PID-神经元解耦的CFB锅炉燃烧系统控制

床温和主汽压都是循环流化床锅炉生产运行中的重要参数,会直接影响机组的安全性和经济性。但由于这两者对象存在非线性、大时延、强耦合等特点,其现场控制效果一直不太理想。本文首先采用自适应神经元将床温和主汽压解耦,再利用具有分工特征的蚁群算法优化参数的PID控制器对两者进行独立控制。采用该算法优化常规PID控制参数,能够实现控制参数的快速寻优。该方案应用于循环流化床锅炉燃烧系统仿真,结果表明能有效实现系统解耦,且具有响应快、超调量小等优点,有效地提高了控制品质。