基于神经网络和遗传算法的光塑性图像处理

本文论述了神经网络、遗传算法结合起来在光塑性图像处理中的应用 ,以楔横轧工序的光塑性图像处理为例 ,三次投射时光塑性图像中各点都有对应的等差线条纹级数和等倾线角度 ,首先利用神经网络建立起图像参数与等效应变之间关系的数学模型 ,然后用遗传算法对图像参数进行优化 ,优化结果与实际情况吻合良好。由此证明神经网络、遗传算法完全可以较好地优化光塑性图像参数 ,并应用于光塑性图像处理领域     

模拟退火-改进遗传算法及其应用

论述了遗传算法在全局搜索中的优势和模拟退火算法在局部寻优中的能力，进而提出了两者相结合的算法：模拟退火一改进遗传算法。通过比较，说明模拟退火一改时遗传算法的优化性能更好、更完善，并在实际应用中取得了良好的应用效果。     

高效液相色谱法测定化妆品中的双(羟甲基)咪唑烷基脲

建立高效液相色谱法测定化妆品中双(羟甲基)咪唑烷基脲的含量。通过测定化妆品中双(羟甲基)咪唑烷基脲释放甲醛的量间接测定其含量。双(羟甲基)咪唑烷基脲在碱性条件下可快速降解释放甲醛,与2,4-二硝基苯肼反应后,经高效液相色谱仪分离,用紫外检测器在355 nm波长下测定。在优化的实验条件下,双(羟甲基)咪唑烷基脲可快速降解达到稳定状态。双(羟甲基)咪唑烷基脲的质量浓度在1～100μg/mL范围内与色谱峰面积呈良好的线性关系,相关系数为0.999 84,方法检出限为0.000 5%。样品加标回收率为92.1%～108.2%,测定结果的相对标准偏差为0.18%～1.83%(n=6)。该方法可用于化妆品中双(羟甲基)咪唑烷基脲含量的测定,填补了化妆品中该类物质检测的空白,为化妆品监管提供技术支持。     

高效液相色谱-电感耦合等离子体质谱联用测定化妆品中六价铬与三价铬

建立了一种有效分离检测化妆品中Cr(Ⅵ)和Cr(Ⅲ)的高效液相色谱-电感耦合等离子体质谱(HPLC-ICP-MS)分析方法。以10 mmol/L(pH 7.0)EDTA为提取溶剂,0.075 mol/L硝酸(pH 7.0,氨水调节)为流动相,采用Agilent Bio-WAX柱(4.6 mm×50 mm,5μm)对样品提取液进行分离,电感耦合等离子体质谱进行测定。在优化实验条件下,Cr(Ⅵ)和Cr(Ⅲ)在0～100μg/L范围内线性关系良好,相关系数(r~2)均为0.999 9。Cr(Ⅵ)和Cr(Ⅲ)的检出限分别为6、2μg/kg,定量下限分别为18、6μg/kg,加标回收率为85.1%～113%,相对标准偏差为0.4%～4.6%。实际样品的测定结果显示,在膏霜乳液类及粉类样品中检出Cr(Ⅵ)和Cr(Ⅲ)。该方法重现性好、灵敏度高,且Cr(Ⅵ)在中性条件下较稳定,不易转化为Cr(Ⅲ),适用于不同基质类型化妆品中Cr(Ⅵ)和Cr(Ⅲ)的同时检测。     

声学理论在超短基线跟踪自治水下机器人中的应用

对超短基线定位系统的有效跟踪范围问题进行了研究,将射线声学基本理论和声纳方程相结合,提出一种确定超短基线定位系统在试验现场跟踪范围的有效方法。利用射线方程确定跟踪范围的上边界;利用声纳方程确定跟踪范围的下边界,上、下两个边界所围区域确定有效跟踪范围。湖上和海上试验证明了方法的有效性,提高了超短基线定位系统跟踪自治水下机器人自动航行的安全性和可靠性。。     

超高效液相色谱法同时测定化妆品中的19种喹诺酮类抗生素

建立了同时测定化妆品中氧氟沙星、诺氟沙星、环丙沙星、双氟沙星、沙拉沙星、恶喹酸、氟甲喹等19种喹诺酮类抗生素的超高效液相分析方法。不同形态的化妆品样品经溶剂超声提取,提取液经高速离心处理,上清液以正己烷除脂,经0.22#m微孔滤膜过滤后取续滤液,采用Waters ACQUITY UPLC BEH ShieldRP C18反相色谱柱(100 mm×2.1 mm,1.7#m),以甲醇-乙腈(85∶15,V/V)-0.05 mol/L磷酸盐溶液(pH=3.6)梯度洗脱,然后采用二极管阵列检测器测定。本方法的相对标准偏差为0.4%～1.1%;回收率为75.5%～105.1%;各种喹诺酮类抗生素在5～100 mg/L的浓度范围内呈良好线性关系,相关系数均大于0.996;19种喹诺酮类抗生素的方法检出限为1.2～14.7 mg/kg。与传统的液相色谱法相比,本方法具有分离效率高、分析时间短、分析成分多等特点,已成功用于实际样品的检测。