载体萃取光度法的研究——Ⅱ、矿石中痕量金的测定

本文研究了以MIBK为萃取剂、TMK为显色剂的载体萃取光度法,并用于测定矿石中的痕量金。本法比通常的TMK萃取光度法灵敏度高2倍以上,有机溶剂的用量少(0.2ml),提高了有色络合物的稳定性,简化了测定的步骤。可用于测定矿石中0.02g/t以上的金。     

波形松弛算法及其在计算流体力学中的应用

本文介绍求解线性常系数微分代数方程组的波形松弛算法, 基于Laplace积分变换得到该算法新的收敛理论. 进一步将波形松弛算法应用于求解非定常Stokes方程, 介绍并讨论了连续时间波形松弛算法CABSOR算法和离散时间波形松弛算法DABSOR算法.     

微波等离子体发射光谱法同时测定特色南药中多种元素

特色南药样品利用硝酸微波消解后,在优化的还原剂浓度下,采用多模式样品导入系统和微波等离子体原子发射光谱法(MP-AES)对样品溶液中Al,As,Hg,Ca,Cu,Cr,Pb,Zn等17种元素进行同时分析,考察了其在特色南药材中的含量。结果表明,MP-AES对目标元素有较好的检出限,2种标准物质的分析结果与ICP-MS分析结果及标准值一致,其中可蒸气发生元素(As,Hg,Sb和Se等)未检出。方法对金属元素的检出限为0.05~0.53μg/g,对于氢化物可蒸气发生元素和Fe的检出限为0.93~5.40μg/g。通过该方法进行测定,发现南药样品中Cd和Cu含量低于中国药典的限值,而Cr和Pb含量明显高于欧洲草药材的限值,As和Hg需优化方法降低检出限后方可用于样品质量控制。本方法检出限较低,线性范围较宽,分析结果准确、快速,可进行多元素同时分析,能满足对南药材中多种元素的分析要求。     

墨汁粉条的鉴别方法研究

采用气相色谱-质谱(GC-MS)和液相色谱-串联质谱(LC-MS/MS)技术,研究了墨汁粉条(假红薯粉条)及纯正红薯粉条中微量成分的差别。经GC-MS方法检测发现墨汁粉条中含有苯酚、六氢吡咯并[1,2a]吡嗪-1,4-二酮,用LC-MS/MS方法检测发现墨汁粉条中含有人工色素柠檬黄、日落黄和亮蓝,而纯正红薯粉条中不含以上物质。以该5种物质作为特征成分,建立了GC-MS和LC-MS/MS联合鉴别墨汁粉条的新方法。     

啤酒基荧光碳点的绿色合成及其在Fe3+检测和细胞成像中的应用

以啤酒为碳源,通过水热法合成了一系列啤酒基荧光碳点,其中以齐鲁工业大学自酿啤酒合成的碳点相比其他品牌啤酒合成的碳点具有更好的发光效率。该碳点表现出发射波长随激发波长变化而变化的性质,最大发射波长为475 nm,呈现蓝色荧光。利用透射电子显微镜、X射线衍射技术、傅里叶变换红外光谱、紫外－可见吸收光谱和荧光光谱等对碳点结构及其光学特性进行了表征。基于Fe3+对碳点的特异性荧光猝灭,建立了灵敏的Fe3+检测方法,线性范围为0.3 ~ 45 μmol/L,检出限达91 nmol/L,并成功用于实际水样中Fe3+浓度的分析。所合成的碳点具有良好的生物相容性和细胞膜穿透性,可用于细胞内Fe3+的可视化成像分析和多色细胞成像。     

仿生沉积法制备水下低气体黏附透明材料

透明材料常用于水下设备中,而聚合物透明材料多较为疏水,在水下易黏附气泡,影响其光学性能.利用多巴胺(DA)和聚乙烯亚胺(PEI)共沉积技术,在多种透明聚合物材料表面构建了亲水/水下超疏气涂层.结果表明,聚多巴胺(PDA)与PEI可通过Michael加成或Schiff碱反应在此类材料表面形成亲水交联网络,显著提高其表面亲水性.表现为水接触角显著降低,而水下气接触角显著提高(140?),气泡在材料表面的黏附力显著下降.沉积时间在6 h以下时,XPS和椭圆偏振测试的结果表明,虽然所选用的透明材料表面沉积量和沉积厚度随时间有所上升,但其透光性不会受到显著影响.该方法具有较强的普适性,可用于多种水下气体黏附性较强的透明高分子材料,如聚苯乙烯(PS)、聚对苯二甲酸乙二醇酯(PET)、聚甲基丙烯酸甲酯(PMMA)、聚丙烯(PP)和聚酰亚胺(PI)等.同时,该方法形成的涂层的长期稳定性也较好,材料在水中浸泡振荡10天之后仍能保持较好的抗气泡黏附能力.该方法适用于如潜水艇舷窗、护目镜、水下光学镜头及其防护罩等水下设备中.     

铜精矿中微量金的快速测定法

在前人工作的基础上,改进了以往加热溶样方法及解脱剂的成分,使金回收率达99％,拟定了铜精矿中金的原子吸收快速分析法。该法是将矿样焙烧后,采用盐酸-磷酸-高锰酸钾冷溶,用泡沫塑料富集金,在硫氰酸铵-氨水-过氧化氢混合介质中金被定量解脱,     

粒子群和GMM-SDR模型在重叠谱峰解析中的应用

针对X光谱分析研究中经常遇到的谱峰重叠问题,提出了一种基于标准差关联的高斯混合模型(GMM-SDR)和粒子群算法的重叠谱峰解析方法。首先,介绍了重叠峰的GMM-SDR模型,并以GMM-SDR参数构成粒子位置,给出了粒子目标函数及适应度值的快速算法;然后,利用粒子群算法的群体搜索能力,以搜索最优GMM-SDR模型,进而实现重叠峰的分解。初始值采用随机设定,将测量的所有随机数据作为一个整体,以其对模型的概率匹配程度作为适应度值,故该方法避免了初值设定不当带来的局部收敛问题,克服了传统曲线拟合方法对原始有用数据的破坏,所搜索到的模型是一个全局最优解。通过对四个及以下重叠谱峰的分解表明,该方法分解精度较高,其中,两峰重叠谱分解后的峰位、峰面积及标准差最大相对误差分别为0.4%,0.05%和2.07%,三峰重叠谱分解后的峰位、峰面积及标准差最大相对误差分别为1.2%,0.04%和0.74%,可适用于各种严重重叠谱峰的分解。