水溶性CdZnTe量子点荧光猝灭法测定银离子的研究

以疏基丙酸(MPA)为修饰剂,制备了水溶性CdZnTe量子点,研究了pH值,回流时间对CdZnTe量子点荧光强度的影响.基于Ag离子对CdZnTe量子点的淬灭作用,建立了一种新的测定Ag离子的方法.在最优试验条件下,Ag离子浓度在2×10-7～2×10-6 mol/L时与CdZnTe量子点荧光强度呈线性关系,线性回归方程为△F ＝-7 ×10-5c+5×10-5,相关系数R＝0.9787.该量子点荧光分析方法简便快速、灵敏度高、选择性好.     

大型偏心结构吊装欠约束问题研究

吊装施工过程中被吊模块的水平度是作业要求的重要指标,通常需要增加配重调平。传统有限元方法需要补充约束以消除单元刚体位移,且需要重复计算平衡方程来求解调平载荷,效率不高。将模块的运动分解为随动坐标系的整体运动以及相对该坐标系的弹性变形,可将欠约束问题化为多体系统的静平衡问题。基于虚功率原理推导了吊装平顺时刻的节点力平衡方程以及相应的切线刚度矩阵,并将配重表示为基础配重与载荷系数相乘的形式。通过对节点力平衡方程求导,得到一组以载荷系数为自变量的微分方程,通过求解微分方程并结合水平度判据,可快速搜寻满足水平度要求的载荷系数。数值算例表明,该方法在解决偏心模块吊装欠约束问题方面具有明显的优势,在确定配重载荷方面具有较快的速度和合理的精度。     

光谱法研究盐酸法舒地尔-牛血清白蛋白超分子体系

利用光谱法研究了盐酸法舒地尔(Fasudil Hydrochloride,FSD)与牛血清白蛋白(Bovine Serum Albumin,BSA)的相互作用机理。结果表明,FSD能有效猝灭BSA内源性荧光,属于静态猝灭机制。FSD与BSA结合比例约为1∶1,结合位置主要在BSA的亚螺旋域IIA中。FSD的加入导致色氨酸残基微环境的疏水性减弱,继而引起BSA的构象产生变化。通过荧光共振能量转移理论计算得到FSD与BSA之间结合距离r=4.35 nm;结合热力学参量进行分析,FSD与BSA结合的作用力类型主要是静电引力,反应是自发过程。Cu~(2+)、Zn~(2+)的加入降低了FSD对BSA结合亲和力,缩短了FSD在血液中的停留时间。     

基于平面度的燃料电池电化学性能模拟

 固体氧化物燃料电池的翘曲会影响电极-盖板界面的接触情况，从而影响电化学性能，对相关制造工艺提出了很大的挑战．为了分析燃料电池平面度对放电过程的影响，揭示其潜在的风险，我们建立了两个基于有限元法的仿真模型，对考虑平面度缺陷的燃料电池封装和放电进行分析．在对固体氧化物燃料电池进行平面度测量的基础上，首先建立了具有真实燃料电池翘曲特性的几何模型，分析封装过程中接触压力的分布情况．然后将接触电阻的仿真结果导入到三维多物理场耦合模型中，模拟具有平面度缺陷的燃料电池电化学性能．计算结果展示了燃料电池两侧封装过程中接触压力的分布情况．通过对比有接触电阻和无接触电阻的燃料电池电流密度，分析了电池与盖板的接触对放电过程的影响．结果表明，燃料电池的凹陷面较难达到满意的接触状态，需要比凸起面更大的封装压力．燃料电池表面接触电阻的变化将引起电流传导路径的变化，产生局部高电流或低电流．这项工作强调了在燃料电池中保持均匀分布的接触电阻的重要性，为今后的优化工作奠定了基础．     

基于CARS技术的超燃冲压发动机点火过程温度测量

相干anti-Stokes Raman散射（coherent anti-Stokes Raman scattering，CARS）技术作为一种非接触测量手段，已广泛应用于多种发动机模型燃烧室温度测量及地面试验.然而，目前的工作主要集中在稳态燃烧场温度的测量，缺乏用高分辨率的单脉冲来测量瞬变的燃烧火焰温度及组分浓度的研究.基于CARS理论，结合多参数拟合算法，开发了基于MATLAB的CARS光谱计算和拟合程序CARSCF；利用McKenna平面火焰炉在不同工况下进行了温度测量，并与DLR测量结果进行对比，结果显示开发的CARSCF具有较高的测量重复性和准确性；最后将CARS技术应用于测量超燃冲压发动机点火过程中的温度测量，获取了点火过程中的温度.结果显示，在来流Mach数为3的条件下，H₂/air点火过程中温度呈现急剧上升然后缓慢下降，而CARS信号则呈现急剧上升然后急剧下降随后又缓慢上升的趋势，并且在点火过程中最高温度为1 511 K.      

随机空间柔性多体系统动力学分析

轻质、高精度的柔性多体系统被广泛应用于实际工程领域中.由于实际设计公差、制造误差及环境温度等多种不确定因素的存在,使得柔性多体系统的结构参数(物理参数和几何参数)表现出随机性.具有随机结构参数的动力学模型能够客观地反映出真实系统的动力学行为,且结构参数的不确定性对空间柔性多体系统动力学响应的影响是不容忽视的.针对具有多个随机参数的空间柔性多体系统,提出了一种基于广义alpha算法的非侵入式随机柔性多体系统动力学计算方法.采用绝对节点坐标公式(absolute node coordinate formulation, ANCF)来描述柔性体, 推导建立多体系统动力学模型.利用混沌多项式展开(polynomial chaos expansion, PCE)法构建系统随机动力学方程的代理模型,然后将随机响应面法(stochastic response surface method, SRSM)嵌入广义-alpha方法中,分别采用改进抽样的回归方法(regression method of improved sampling, RMIS)和单项求容积法则(Monte Carlo simulation, MCR)来确定样本点.将数值计算结果与蒙特卡洛模拟(Monte Carlo simulation, MCS)结果进行对比, 验证了所提算法的有效性.在相同的定积分精度的条件下,根据单项求容积法则确定的样本点的计算结果稳定性更强, 且其计算效率更高.      

肿瘤细胞内CdS纳米量子点的仿生化合成

以宫颈癌HeLa细胞为载体,细胞内源性谷胱甘肽为保护剂和稳定剂,在细胞生命代谢活动驱动下合成性质优良的CdS量子点。光学性能表征显示,该CdS量子点在波长为450nm左右有发射峰,其荧光产率为5.2%。透射电镜表征显示CdS量子点粒径约为3.0nm,X射线衍射光谱表明该CdS量子点为立方晶型结构。     

基于无人机多光谱图像的土壤水分检测方法研究

以表层土壤为对象,探究土壤的多光谱反射率与土壤水分含量相关性,进行基于无人机多光谱图像的土壤水分含量预测模型方法的探究。选取中国农业大学通州实验站为研究区域,实地采集试验田的土壤样本100组,按照一定梯度配制土壤含水量,配成的土壤含水率为10%~50%之间,土壤含量的真实值采用土壤烘干法进行测定。多光谱相机灵巧便捷,可搭载在无人机上对土壤进行监测。将RedEdged-M型多光谱相机搭载在Phantom 3型无人机上,选择阳光充足的采集环境,实时采集土壤样本的多光谱图像,建立土壤多光谱信息与水分含量之间的模型。利用处理光谱数据的ENVI5.3软件提取土壤样本多光谱信息,以多光谱相机自带的标准白板反射率为100%,计算出土壤样本在蓝、绿、红、红边、近红外五个波段的光谱反射率。采用BP神经网络算法、支持向量机算法、偏最小二乘算法分别建立基于无人机多光谱图像的土壤水分含量的预测模型。以80组土壤样本数据作为训练集,建立基于多光谱图像的土壤水分含量预测模型。采用莱文贝格-马夸特算法对BPNN进行改进,提高了其训练速度,当网络结构为5-10-1时,训练效果最好,本文选择该网络结构;SVM采取高斯核函数,当参数为0.56时,模型效果最好。本研究采用归一化均方根误差(NRMSE)和决策系数(R 2)对三种土壤水分含量的预测模型进行定量对比。以20组土壤样本数据作为测试集,结果可知,基于BP神经网络土壤水分含量预测模型的NRMSE为0.268,R 2为0.872;基于支持向量机的土壤水分含量预测模型的NRMSE为0.298,R 2为0.821;基于偏最小二乘土壤水分含量预测模型的NRMSE为0.316,R 2为0.789。对三种模型分析可知,基于BPNN的土壤水分含量预测模型效果均较好。结果可知,土壤的光谱反射率与含水率间存在较密切的相关性,将多光谱相机搭载在无人机上可以对土壤水分含量进行有效的实时监测,对监测土壤墒情提供技术支持和理论支撑。     

基于三维荧光光谱法和PARAFAC对多环芳烃定性定量分析

三维荧光光谱法在研究多环芳烃(PAHs)类物质的荧光信息时起到了重要作用。多环芳烃类物质具有致癌性,难降解性,多由尾气排放,垃圾焚烧产生,危害着人类健康及环境,因此人们不断探索对多环芳烃检测的方法。实验选取多环芳烃中的苊和萘作为检测物质,利用FLS920荧光光谱仪,为避免荧光光谱仪本身产生的瑞利散射影响,设置起始的发射波长滞后激发波长40 nm,设置扫描的激发波长(λex)范围为:200~370 nm,发射波长(λem)范围为:240~390 nm,对多环芳烃进行荧光扫描获取荧光数据,采用三维荧光光谱技术结合平行因子算法对混合溶液中的苊和萘进行定性定量分析。实验选用的苊和萘均购于阿拉丁试剂官网,配制浓度为10 mg·L-1的一级储备液,再将一级储备液稀释,得到苊和萘浓度为0.5,1,1.5,2,2.5,3,3.5,4和4.5 mg·L-1的二级储备液,并将苊和萘进行混合。在进行光谱分析前需要对苊和萘的光谱进行预处理,采用空白扣除法扣除拉曼散射的影响,并采用集合经验模态分解(EEMD)消除干扰噪声。实验测得苊存在两个波峰,位于λex=298 nm,λem=324/338 nm处,萘存在一个波峰,位于λex=280 nm,λem=322 nm处。选用的PARAFAC算法对组分数的的选择很敏感,因此采用核一致诊断法预估组分数,估计值2和3的核一致值都在60%以上,分别对混合样品进行了2因子和3因子的PARAFAC分解,将分解后得到的激发发射光谱数据和各组分浓度数据进行归一化处理,并绘制光谱图,与归一化处理后的真实的激发发射光谱图和各组分浓度图进行对比。同时将PARAFAC得到的混合样本的预测浓度,通过计算回收率(R)和均方根误差(RMSEP)来判定定量分析的准确度。选择2因子时,各混合样品中苊和萘拟合度为95.7%和96.7%,平均回收率分别为101.8%和98.9%,均方根误差分别为0.0187和0.0316;选择3因子时,各混合样品中苊和萘拟合度为95.3%和95.8%,平均回收率分别为97%和102.5%,均方根误差分别为0.033和0.116,由三项指标可得选用2因子进行定性定量分析的效果明显好于选用3因子。分析实验结果表明,基于三维荧光光谱法和PARAFAC算法对混合样品进行定性定量分析,能够有效的判定混合样品的类别,同时能够成功的预测出混合样品的浓度。