多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚固相微萃取涂层的制备及多环芳烃的检测

多环芳烃(PAHs)是持久性有机污染物中的一种，大部分具有较强的致癌、致畸和致突变性，对生态环境和人类健康易造成严重威胁。由于环境样品基质复杂且其中PAHs含量低，因此在仪器分析之前需要对环境样品进行必要的前处理。萃取材料的特性是决定大部分前处理技术萃取效率的关键。基于此，本文以低成本且富含较多官能团的吡咯(py)、2,3,3-三甲基吲哚(2,3,3-TMe@In)为单体，多孔氮化硼为掺杂物，采用电化学循环伏安法制备出多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚(Ppy/P2,3,3-TMe@In/BN)复合涂层，通过扫描电子显微镜、热稳定性分析、傅里叶红外光谱等手段对Ppy/P2,3,3-TMe@In/BN进行表征，结果表明：该涂层呈现出多孔、多褶皱的枝状结构，该结构有利于增加涂层的比表面积，从而实现对PAHs的大量富集；在320℃解吸温度下，涂层材料的色谱基线基本稳定，表明该涂层具有良好的热稳定性。将其修饰在不锈钢丝表面制成固相微萃取涂层，结合气相色谱-氢火焰离子化检测器，对影响萃取和分离萘(NAP)、苊(ANY)、芴(FLU)3种PAHs的条件进行优化，建立了用于以上3种PAHs...     

发动机机油滤清器虑层强度分析及优化

针对机油滤清器工作工况下进出口压差、机油滤层强度及导流桩高度等问题, 通过试验测试与仿真相结合, 对滤清器初步设计进行了评估及优化, 以确保滤清器在工作工况下进出口压降及滤层强度能满足要求. 首先进行滤层性能试验, 得到滤层的惯性阻力系数和黏性阻力系数; 再通过滤层多孔介质CFD分析, 对滤清器进出口压降进行分析计算. 结果表明: 在-18℃、25℃和70℃的工况下, 进出口压降都小于10kPa, 满足相关要求. 针对滤层的最大主应力超过其抗拉强度的问题, 通过CAE仿真分析, 优化滤层与导流桩间隙, 将滤层最大主应力由110.1MPa降至36.99MPa, 小于其抗拉强度42.8MPa.     

桉树杂交种与其亲本的近红外光谱判别

研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。常规的数量统计分析精度往往不高,而DNA分析的专业要求高,且费时费力。该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、亲本及杂交种与亲本间近红外光谱信息的关系,探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。以控制授粉的桉树亲本及其杂交F1代材料为对象,每种基因型从各自田间试验分别选取10个单株,采集树冠中上部新鲜健康叶片。用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。每单株选10片完全生理成熟的健康叶片,避开叶脉扫描其正面光谱5次,以50条NIRs信息的均值代表单个叶片的NIRs信息,最终每个基因型获得10条NIRs信息。对原始NIRs采用二阶多项式S.G一阶导数预处理。预处理后的NIRs用于多元统计分析,首先对桉树杂交亲本和子代样本进行主成分分析(PCA),直观展示不同基因型的分类情况。然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。PCA结果显示,不同的亲本间、杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。SIMCA模式判别分析中,桉树杂交种样本到亲本PCA模型的样本距离显示,待判别样本能够形成单独的聚类,且能直观反映两者的遗传相似。PLS-DA判别结果显示,桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。结果表明,桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律,NIRs判别模型可以准确地将各种基因型予以区分。因此,NIRs信息不仅可用于桉树杂交种和纯种的定性判别,还可以分析桉树基因重组过程中加性遗传效应的大小,从而为桉树遗传基础分析及其育种改良研究提供理论支撑。     

稳定分层湍流中逆梯度输运的关联分析研究

本文采用关联分析方法研究了稳定温度分层湍流中的结构特性、输运特性，以及热量、动量逆梯度输运现象的尺度效应及其参数演化．首先采用大涡模拟方法对稳定分层湍流中的结构特性和输运特性进行了分析，将逆梯度输运发生的时间尺度作为已知条件，结合关联量分析方法在波数空间中的解析解，对逆梯度输运现象的尺度效应进行了分析研究．结果发现，稳定分层强度较大的流动中发生垂向热量及动量逆梯度输运现象，发生的结构尺度与关联分析所发现垂向热量、动量逆梯度输运的波数形成了呼应．随着分层强度增加，热量、动量的输运强度均受抑制，与逆梯度输运关联的流场结构尺度减小，同样的效应也发生在流场结构向下游演化的过程中．     

喷雾干燥-固相煅烧法制备球形钛酸狸负极材料的研究

通过喷雾干燥-固相煅烧法制备了球形钛酸钾.不同于传统喷雾干燥工艺采用固态钛源进行制备,本文采用的前驱体是钾盐,分散剂和钛酸四丁酯制备出的硝酸氧钛的混合溶液.由于制备方法中前驱体为原子级均匀分布,化学计量比可精确控制,制备出的材料颗粒细小,粒径、成分分布均匀,电化学性能优异.同时研究了不同钾钛摩尔比以及煅烧温度对球形钛酸钾的形貌和成分的影响,并研究了其作为钾离子电池电极材料的电化学性能.结果表明,钾钛摩尔比为0.816,煅烧温度为 800 ℃时钛酸钾的电化学性能最好,首圈容量 185.1 mAh/g,30 圈后容量为173.9 mAh/g,循环100圈后还有169.7 mAh/g的容量.     

胶体晶体自组装常用方法的研究进展

胶体自组装是制造大面积胶体晶体的高效方法,对制备各种功能胶体晶体材料具有十分重要的意义,在微纳制造、新材料、能源、医学等领域有巨大的应用潜力.对胶体自组装过程中涉及的各种作用力进行了详细分析,归纳了胶体晶体自组装的基本方法.面向制造大面积胶体晶体,阐述了几类代表性的新型胶体晶体自组装方法,包括温度辅助、模板辅助、表面活性剂辅助、旋涂法与界面转移相结合等,分析了不同方法的影响因素、优缺点和未来的改良方向,并介绍了在完整单层膜基础上制造三维胶体晶体的工艺方法.为提高胶体晶体制造质量和效率、拓宽胶体自组装技术的应用提供必要参考.     

卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。     

高雷诺数下非混相Rayleigh-Taylor不稳定性的格子Boltzmann方法模拟

本文采用相场格子Boltzmann方法研究了竖直微通道内中等Atwoods数流体的单模Rayleigh-Taylor不稳定性问题,系统分析了雷诺数对相界面动力学行为以及扰动在各发展阶段演化规律的影响.数值结果表明高雷诺数条件下,不稳定性界面扰动的增长经历了四个不同的发展阶段,包括线性增长阶段、饱和速度阶段、重加速阶段及混沌混合阶段.在线性增长阶段,我们计算获得的气泡与尖钉振幅符合线性稳定性理论,并且线性增长率随着雷诺数的增加而增大.在第二个阶段,我们观察到气泡与尖钉将以恒定的速度增长,获得的尖钉饱和速度略高于Goncharov经典势能模型的解析解[Phys.Rev.Lett.200288134502],这归因于系统中产生了多个尺度的旋涡,而涡之间的相互作用促进了尖钉的增长.随着横向速度和纵向速度的差异扩大,气泡和尖钉界面演化诱导产生的Kelvin–Helmholtz不稳定性逐渐增强,从而流体混合区域出现许多不同层次的涡结构,加速了气泡与尖钉振幅的演化速度,并在演化后期阶段,导致界面发生多层次卷起、剧烈变形、混沌破裂等行为,最终形成了非常复杂的拓扑结构.此外,我们还统计了演化后期气泡与尖钉的无量纲加速度,发现气泡和尖钉的振幅在后期呈现二次增长规律,其增长率系数分别为0.045与0.233.而在低雷诺条件下,重流体在不稳定性后期以尖钉的形式向下运动而轻流体以气泡的形式向上升起.在整个演化过程中,界面变得足够光滑,气泡与尖钉在后期的演化速度接近于常数,未观察到后期的重加速与混沌混合阶段.     

一个基于非单调技术的超记忆梯度法

本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度算法.该算法的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方法所采用的线搜索策略.在较弱的条件下,该方法具有全局收敛和局部R-线性收敛性.数值实验表明了该方法的有效性.