黄绿色葡萄石的矿物学特征及谱学研究

葡萄石可以以板状、片状、葡萄状、肾状、放射状或块状集合体的形式产出,因其美丽的外观和特殊的晶体结构,近年来受到了学者的广泛关注。本文通过电子探针、粉晶X射线衍射仪、傅里叶变换红外光谱仪、显微拉曼光谱仪、紫外可见分光光度计等仪器对黄绿色葡萄石的成分、结构及谱学特征进行了分析与探讨。葡萄石的主要致色元素为Fe,且Fe³⁺经常取代Al³⁺占据八面体配位,Fe²⁺经常取代Ca²⁺存在于空隙中。电子探针数据表明:Fe与Al的含量变化整体呈现负相关关系,Fe与Ca的含量变化也整体呈现负相关关系,Fe含量相对较高的样品其黄绿色调加深。XRD图谱和拉曼光谱的结果表明:在葡萄石中绿帘石以包裹体的形式存在。红外光谱和拉曼光谱表明葡萄石中存在硅氧四面体和铝氧八面体两种架构,紫外可见吸收光谱揭示了葡萄石的致色机理。本文对葡萄石的矿物学特征及谱学特征进行系统分析,为后续葡萄石的进一步研究提供思路与实验数据。     

基于图像特征检测和匹配的无人船航行姿态角提取方法

计算机视觉的飞速发展, 使得采用视觉技术辅助无人船航行成为可能. 在无人船巡航过程中, 获取船体航向是航行控制的必备基础. 特征匹配是无人船相关视觉技术中的重要部分, 是目标识别和定位等功能的关键步骤. 获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配. 针对水域环境中的图像静态特征提取速度慢、精度低的问题, 本文提出一种图像匹配方法以求取无人船的航行姿态角. 首先对图像预处理, 并对有效区域进行特征提取. 其次, 设计一种基于描述子相似度的初始特征匹配策略. 再其次, 筛选特征匹配对, 优化模型参数. 最后, 通过前后帧旋转矩阵计算航行姿态角. 实验表明, 该方法能有效提取无人船的航行姿态角.     

基于卷积神经网络的HL-2A装置H模辨识研究

基于HL-2A装置的放电实验数据，利用卷积神经网络和时间窗口算法开发了高约束(H)模时段的识别算法，得到了可靠的高成功率的高约束模时段识别结果。算法中，选取206次放电实验数据中等离子体储能及氘α通道信号作为双通道原始数据进行学习，得到一个深度为21层的二分类卷积神经网络。该网络模型经过其他474次放电数据的测试集检验，高约束模识别的正确率达到了98.17%。     

脱硫石膏制备硫酸钙晶须结晶动力学研究

结晶动力学能够揭示结晶过程本质,通过测定溶液中Ca2浓度来确定硫酸钙晶须的转化率,从而确定硫酸钙晶须结晶动力学参数,得到转化率与时间的关系式:X=1/｛1+e6^[-10.01977t(0.0956-c)+1.1188]｝,(0≤t≤6.0).研究了影响硫酸钙晶须结晶动力学的影响因素降温速率和陈化时间,利用SEM对制备的硫酸钙晶须进行表征.结果表明:自然冷却条件下,陈化时间6h,制备出的硫酸钙晶须结晶发育完整,晶须平均长径比达到150,平均直径为2.1 μm.     

刺激响应型肽自组装及其应用

肽自组装体由于具有结构稳定、易调控、生物相容性好、可生物降解等优点,在构筑新型材料及生物医药领域表现出了巨大潜力。本文介绍了肽自组装的概念、机理和应用,详细归纳了刺激响应型肽自组装的研究进展;按照刺激源的不同将刺激响应型肽自组装分为pH响应型肽自组装、温度响应型肽自组装、溶剂响应型肽自组装、光响应型肽自组装、超声波响应型肽自组装以及离子响应型肽自组装;列举了肽自组装在药物控释、脊髓损伤修复、仿酶催化、生物模板等领域的应用。最后,基于目前肽自组装存在的一些问题(如影响肽自组装结构的外界因素不易精准把控、自组装的研究与生命科学领域的交叉程度低等)对肽自组装的发展做了展望。     

蓖麻油交联改性对室温自愈合聚氨酯性能的影响

以蓖麻油(CTO)或三羟甲基丙烷(TMP)作为交联剂,合成了一系列自愈合聚氨酯弹性体(PU)。借助核磁共振仪和红外光谱仪分析了产物结构,通过电子拉力试验机研究了交联剂添加量对PU的力学性能以及自愈合性能的影响。结果表明:CTO和TMP均能提高PU的拉伸强度,但是断裂伸长率会降低。随着交联剂用量的增加,PU内部交联度提升,自愈合性能下降。当PPG与TMP的物质的量之比为6∶4时,自愈合能力消失。在交联剂用量相同的情况下,CTO交联PU的自愈合性能保留效果比TMP交联PU更好。随着CTO用量的增加,断裂后愈合PU的拉伸强度先增加后减小。当聚丙二醇(PPG)与CTO的物质的量之比为7∶3时,总体性能最佳,在提高样品拉伸强度的同时,其自愈合后的拉伸强度恢复率为80.95%。     

钒钨酸盐-CdS纳米粒子复合膜的制备与电致变色性能

通过层-层自组装方法制备了由Dawson结构三钒取代型钨酸盐1-K₉P₂W₁₅V₃O₆₂·18H₂O(P₂W₁₅V₃)与CdS纳米粒子构筑的复合膜材料, 研究了CdS纳米粒子添加和复合膜层数对P₂W₁₅V₃多酸复合膜材料电致变色性能的影响. 采用UV, XRD, SEM和循环伏安等测试手段对复合材料的结构和性能进行了表征; 将电化学工作站和紫外-可见吸收光谱联用, 在-1.0~+1.0 V的电压范围内, 对不同层数、 有无CdS纳米粒子复合的的膜材料的电致变色性能进行研究. 研究结果表明, 20层的复合膜材料性能最佳, 光反差为38.05%, 着色时间为3.57 s, 褪色时间为6.94 s, 最大着色效率达到94.04 cm²/C, 实现了从无色、 蓝色到蓝紫色, 再到无色的可逆颜色变化, 相对于单独P₂W₁₅V₃膜, 光反差提高46.07%, 着色效率提高96.53%, 电致变色性能显著提高.     

近红外光谱LASSO特征选择方法及其聚类分析应用研究

近红外光谱技术是一种通过分析样本的特征光谱数据，实现定性或定量分析的无损检测方法，特征数据的完整性和代表性决定了所建模型的性能，而现有分析方法只能实现光谱子区间特征筛选，导致分析模型稳定性差、且难以再优化。为实现近红外光谱区间高维数特征提取，有效提高近红外光谱定性分析模型的精度和稳定性，提出一种基于最小绝对收缩和选择算法(LASSO)的光谱特征筛选方法，并以我国特色高值外贸产品云南松茸为分析对象进行聚类应用研究，讨论了该方法对于高维光谱特征筛选的有效性、分析对比了LASSO筛选特征变量及主元分析(PCA)降维算法所建松茸真伪甄别及食用菌分类模型的预测精度及稳定性。通过调研发现，云南产鲜松茸因其独特外形易于分辨，而片状的干松茸失去其独有的外形特征，导致国内干松茸掺假事件屡禁不止。选取云南产松茸、杏鲍菇、老人头、姬松茸四种干样共166样本数据进行分析，采用光谱范围为900～1 700 nm的NIRQuest512型近红外光谱仪获得166×512维原始光谱数据，剔除异常数据后采用标准正态变换对光谱数据进行预处理。在此基础上，利用LASSO筛选出全光谱区间的特征变量，再使用Kennard-Stone法并结合典型线性(KNN)和非线性建模(BP)算法，构建松茸真伪甄别模型和食用菌分类模型，对两种模型进行盲样测试，并分析了LASSO与PCA算法的不同点，最后使用蒙特卡罗方法检测两种模型的稳定性。实验结果表明基于LASSO光谱特征选择的松茸真伪甄别模型和食用菌分类模型预测精度和稳定性均高于PCA方法，其中基于原始光谱数据所建真伪甄别模型的预测准确率为69.57% (BP)和60.87% (KNN)，食用菌分类模型准确率为67.39% (BP)和65.22% (KNN)，基于LASSO特征筛选的真伪甄别模型预测准确率分别达到100% (BP)和78.26% (KNN)，食用菌分类模型预测准确率分别达到89.13% (BP)和80.43% (KNN)，对两种模型进行10次蒙特卡罗实验，其结果平均值分别为99.93%和97.22%，由此可知，与PCA等数据降维算法相比，LASSO可实现全光谱区间的光谱特征选择和数据降维，有效地提高了近红外定性分析模型的预测性能，为近红外分析提供了一种新的特征筛选方法。