金属纳米颗粒制备中的还原剂与修饰剂*

金属纳米颗粒由于其独特的光学、电学、化学性质以及各种潜在的应用价值,受到不少研究人员的广泛关注。实现金属纳米粒子尺寸、形貌可控,改善粒子分散性和稳定性,提高产率及纯度已成为具有挑战性的研究课题,不断发展和完善金属纳米粒子的合成方法则显得尤为重要。本文总结了目前制备金属纳米材料的几种化学方法：化学试剂还原法、电化学还原法、辐射还原法等,分类介绍了化学试剂还原法中常用的无机、有机还原剂,以及含氮、磷、羧基、巯基小分子有机化合物以及高分子聚合物等修饰剂并重点总结了其还原和修饰机理。     

光学仿真设计实践能力培养训练的思考与探索

教学团队本着"重理论建模、强仿真设计、突创新实践、促科学探索"的教育理念,依托"数学物理方法与仿真"和"空间光通信创新实验"两门课程,重点开展了小班教学大学生光学仿真设计实践能力培养训练的思考与探索,通过近几年的教学研究与实践,其构建的光学仿真设计"阶梯次"能力训练教学实践培养模式,对培养大学生具有"宽泛的专业知识、科学的探索能力、仿真设计能力强和综合素质能力高"的创新型设计人才具有突出教学效果.     

仿植物叶子表面微纳结构的光学性能

采用双液相转写法制备具有植物叶子表面微纳结构的有机玻璃.采用透光率雾度仪检测仿叶子有机玻璃薄膜(LM-PMMA)的光学性能.研究仿叶子薄膜的透射、反射率、散光、及其对光伏效益的影响,并采用蒙特卡洛法计算光学性能及模拟光路传播.结果表明:与光滑有机玻璃相比,仿生有机玻璃具有高达85;的雾度率,并有效提高硅太阳电池的效益;仿生微纳表面结构均有效减少反射、增透及增加硅的光吸收率;另外,光在“乳突”结构中的转播过程模拟结果说明:折射、聚焦、散射是仿叶子有机玻璃散光主要原因.     

微波消解ICP-AES法分析九种补血类中药元素

采用微波消解法处理样品,以电感耦合等离子体发射光谱法(ICP-AES)测定并分析九种补血类中药中Zn,Mn,Na,K,Ca,Mg,Ni,Pb,Se,Fe,Cu,Al,B,Ti,Sn,Hg和Li元素的含量。结果显示,九种补血类中药富含有益于人体健康的主要及微量元素,其中众所周知补血类元素Fe,Se,Ni,Mn,Zn含量较高。九种补血中药按各大元素分类(大量元素,必需元素,非必需元素,有害元素)分布于柱形直方图。应用主成分分析和聚类分析于数据矩阵去评价元素分析结果。聚类分析的结果显示九种补血类中药中十七种元素的含量所形成的树状系统图主要分为三个集群。通过优化微波消解条件,各元素的回收率均在97.89%～103.25%之间,相对标准偏差均小于3.0%。ICP-AES结合微波消解法可以精确和准确地测定九种补血类中药中的元素。     

构建化学实验教学新体系,培养创新创业人才

基于创新创业型人才培养的需要,针对当前化学化工专业大学生实验教学中的能力培养问题,通过实验教学内容与科学研究和生产应用互动,构建了化学实验教学新体系,将训练实验技能、训练知识转移能力、训练创新创业意识等环节相互融合、相互支撑,从课内延伸到课外,做到大学四年创新创业训练不断线,并在本科生的实验教学过程中进行了实施,取得了良好的教学效果。     

双功能镧系化合物:合成、结构、磁性和荧光性质

利用N-succinopyridine（HL）配体,成功合成了2个同构型镧系化合物[Ln（HL）₂（H₂O）₄]Cl₃（Ln=Pr（1）,Eu（2））并对其进行了结构表征。1和2均由羧酸配体双桥联金属离子形成1D链结构,再通过氢键进一步相互连接构成了3D超分子结构。变温磁化率测试表明1中Pr（Ⅲ）离子之间存在反铁磁相互作用,而在2中,Eu（Ⅲ）离子之间则表现出弱铁磁相互作用。固态发光测试观察到2可以发出很强的红光,但由于Pr（Ⅲ）离子的能隙较大,未观察到1的特征峰。     

红外光幕靶测速系统和精度分析

介绍了弹丸初速度测量的不同方法;讨论了红外光幕靶的测速原理;分析了该系统的测速误差;由实弹射击试验证明:红外光幕靶测速系统达到小于 0.1%的测速精度.     

不同润滑状态下表面润湿性的摩擦学特性研究

本文中以锡青铜为基底,采用纳秒紫外激光制备了具有微观粗糙结构的超疏水表面和亲水表面,利用扫描电子显微镜和接触角测量仪对所制备的微观结构和表面润湿性进行了表征,并通过XPS测试对所制备的样片表面润湿性转变的机理进行了分析,通过UMT-2型摩擦磨损试验机测试了在边界润滑及流体动压润滑状态下的摩擦系数,研究表面润湿性对摩擦学特性的影响.研究结果表明:材料表面润湿性在不同润滑状态下对摩擦学特性有显著的影响;在边界润滑状态下,亲水表面的摩擦学特性优于疏水表面,平均摩擦系数相对减少6.79%;在流体动压润滑状态下,疏水表面的摩擦学特性优于亲水表面,摩擦系数相对减少了10%.     

基于追逐粒子与自适应变异的PSO-SVM算法与养殖水质评价研究

为提高标准PSO算法对SVM参数优化选取的精度和速度,提出以粒子群适应度均方差为判别依据,用追逐粒子位置替代陷入局部优化时的群体最优位置,对粒子的速度进行自适应调整;利用两个距离最远的粒子位置构成的圆形区域作为最优位置的吸引域,引入位置变异因子,使粒子随着迭代次数有规律地跳出局部最优位置吸引域,从而对粒子位置进行自适应变异.通过对4种不同适应度函数迭代100次的收敛测试,并与另外2类不同粒子群算法比较,结果表明改进算法收敛精度提高了20倍以上.将改进的PSO-SVM算法与另外3种分类算法对采集的5 439组养殖水质数据按照从优到差5个级别进行水质评价分类试验,发现改进的PSO-SVM算法收敛速度和收敛精度最高,对水质评价的错误率为1.54%,能有效地满足实际水质分类需求.