Sm, Pr掺杂CeO2和CeMoO15基固体电解质的结构与性能

采用溶胶凝胶法制备了Sm和Pr掺杂的CeO2和CeMoO15基固体电解质, 通过X射线衍射(XRD)、拉曼光谱(Raman)、场发射扫描电镜(FE-SEM)等手段对氧化物结构进行了分析, 用交流阻抗谱测试了其电性能, 并比较了不同基体及其掺杂体系的结构与电性能. 结果表明, Ce6MoO15基掺杂体系的导电性能高于CeO2基掺杂体系; 元素Mo的加入使Ce6MoO15基材料的晶粒尺寸增大, 晶界相成分减少, 材料的晶界电导率增加, 600 ℃以下材料导电性能明显提高; Pr的掺入减小了材料的晶粒尺寸, 提高了材料的晶界电导率.     

在SO42-/ZrO2上苯与丙烯的烷基化反应

制备了SO42 -/ZrO2 催化剂并采用X射线衍射、红外光谱仪测定、Py IR测定等技术对其进行了表征 .反应在自制高压流动床 (具有控温和冷凝 )装置上进行 ,原料以苯∶丙烯为 8∶1的比例配置于贮罐中 ,4 .0MPaN2 恒压 ,压入计量器后 ,用 8.0MPaN2 恒压 .反应后收集的液相产物由气相色谱 质谱 (GC MS)分析 ,产物分析在SE 5 4型毛细管色谱议上进行 .考察了苯与丙烯气相流动烷基化反应以及制备条件对催化活性的影响 ,结果表明 ,适当条件下制得的SO42 -/ZrO2 催化剂可用于合成异丙苯反应 ,并有高的丙烷转化率 (99.2 % )和高的异丙苯选择性(93.3% ) .     

高光谱图像与稀疏核典型相关分析冷鲜羊肉新鲜度无损检测

羊肉新鲜度受多种因素影响，通常由多个指标来综合评价，常规试验操作复杂不适合在线检测。高光谱成像数据能够反映羊肉新鲜度变化过程中多种成分的变化信息，但是光谱特征提取与评价模型的建立对最终结果影响较大。为了研究高光谱成像与多指标的快速检测羊肉新鲜度的可行性，提出一种稀疏核典型相关分析方法，借助实验室测定的多个标准值，研究多指标的羊肉新鲜度无损检测。采集了70个代表各级新鲜程度的羊肉样本400~1 000 nm高光谱图像，采用实验室方法测定了挥发性盐基氮(TVB-N)和菌落总数(TAC)标准值，选择感兴趣区域(ROIs)提取代表性光谱图像，利用所提出的特征提取方法提取光谱特征信息，并按照3:1划分校正集和预测集，利用三层神经网络进行分类识别试验。结果表明，新鲜度等级分类总体精度(OA)为0.939 3，Kappa系数为0.906 0，均方根误差(RMSEC)为0.297。研究表明，所提出的多指标光谱特征提取方法可用于快速无损检测羊肉新鲜程度，为采用高光谱成像综合多个新鲜度检测指标，改善由于单一检测指标造成评价模型的适用性和鲁棒性提供了基础。     

离子色谱-柱切换法测定土壤浸出液中的氟离子

建立了离子色谱-柱切换测定土壤浸出液中氟离子的方法。使用柱切换技术,将样品通过高聚物反相色谱柱进行在线预处理,分离氟离子和小分子有机酸,同时除去水溶性有机杂质,采用收集环收集氟离子并进入分析系统分析,消除了测定氟离子时普遍存在的干扰问题。分析系统的淋洗液为KOH溶液,流速为1.0 mL/min,采用抑制性电导检测,外标法定量。氟离子的线性范围为0.05~10.0 mg/L,相关系数为0.9999,加标回收率为103.4%~105.3%,相对标准偏差为2.0%~2.1%,检出限 (S/N=3)为5.50 μg/L。该方法适用于测定复杂基体样品中的氟离子。     

氟离子仪器分析方法研究进展

近几年社会公众对氟离子的关注度显著提高,氟离子含量的检测技术也在不断更新和发展。该文介绍了氟离子含量测定的各类仪器分析技术及其优缺点,主要包括氟离子选择电极法、离子色谱法、反相-高效液相色谱法以及气相色谱法。     

基于多标记深度森林算法的冷鲜羊肉新鲜度无损检测方法

羊肉新鲜程度受多种因素影响,其检测一般要从感官性状、分解的理化产物和微生物繁殖程度等方面进行。然而基于单一指标的羊肉新鲜度检测局限性大,适用性低,很难综合评价羊肉新鲜程度,而且传统检测方法操作复杂,效率低,不能满足日常实际需求。高光谱成像技术作为一种快速、无损、高效的检测技术,可以有效地获取冷鲜羊肉腐败过程中表面、内部组成和理化变化信息。提出一种基于改进深度森林算法的冷鲜羊肉新鲜度评价模型,增加特征筛选挖掘与多个评价指标相关的光谱信息,同时增加层增长控制有效防止模型过拟合。采集了0～14天4℃贮藏环境中羊肉样本的400～1 000 nm高光谱数据,采用实验室方法测定了样本的挥发性盐基氮(TVB-N)、 pH值、菌落总数(TAC)和大肠菌群近似数(ANC)指标值。选择感兴趣区域提取光谱数据,通过S-G平滑滤波法和多元散射校正法对原始光谱数据进行预处理,利用连续投影法提取了18个特征波段。将数据集按照3∶1划分为训练集和测试集;利用本文提出的改进深度森林算法建立新鲜度等级分类模型。结果表明,新鲜度等级分类总体精度为0.985 7,并利用hamming loss、 one-error、 ra...     

膜处理-离子色谱法测定碳酸钡中的杂质阴离子

建立了一种膜处理-离子交换色谱测定碳酸钡中痕量杂质阴离子(F^-、SO₄^2-和NO₃^-)的方法。碳酸钡是一种难溶于水的固体,因此选用酸对其进行溶解。为了减少酸根离子的影响,利用阳离子膜只能通过阳离子而阻碍阴离子交换的特点,用质量分数为7%的盐酸溶解阳离子交换膜内的碳酸钡样品,稀释100倍,过0.22 μ m滤膜,进样分析,进样体积为25 μ L。经流速为1 mL/min的20 mmol/L KOH淋洗液淋洗,目标离子经过Ion Pac AG11-HC保护柱(50 mm×4 mm)和Ion Pac AS11-HC阴离子交换色谱柱(250 mm×4 mm)进行分离,最后由抑制电导进行检测。在优化的色谱条件下,该方法在0.01~5.00 mg/L范围内线性关系良好,相关系数R²≥0.9996。相对标准偏差(RSD)为1.87%~2.19%,检出限(S/N=3)为1.37~9.45 μ g/L。将该方法应用于实际样品的检测中,得到样品的加标回收率为84.0%~106.2%。该方法实现了固体碳酸钡中杂质阴离子含量的测定,为水不溶性固体物质中的离子检测提供了依据,具有较好的应用前景。     

牛奶蛋白质含量的SSA-SVM高光谱预测模型

牛奶中包含着很多人体需要的营养元素,如脂肪、蛋白质、钙等;对牛奶营养元素进行分析是牛奶安全检测关键的一部分.高光谱技术可以有效地结合图像和光谱数据识别牛奶种营养元素.为了实现对牛奶中蛋白质含量快速、精确的预测,采用竞争性自适应重加权(CARS)算法选取特征波长,并提出一种基于麻雀搜索算法(SSA)优化支持向量机(SVM...