中心切割二维GC-MS法测定煤直接液化加氢改质油组成

采用SYD-6536C石油产品蒸馏试验器取煤直接液化加氢改质全馏分油55.2～138.2℃的馏分段,建立了一种运用中心切割二维GC-MS法研究其单体烃组成的分析方法。实验采用PONA毛细管气相色谱柱(50m×200μm×0.5μm)对色谱条件进行优化,找到煤直接液化加氢改质油55.2～138.2℃馏分段的最佳分离条件。被测样品首先在第一根色谱柱上进行分离,然后使用Dean Switch微流控制系统把目标化合物切割至第二根色谱柱(DB-35MS 30m×250μm×0.25μm)上,进一步分离。实验将烃类化合物在PONA柱上的色谱保留规律、化合物保留指数、标准化合物保留值及质谱谱库检索等多种方法联合对煤直接液化加氢改质油在55.2～138.2℃的馏分段中66种化合物进行定性分析。鉴于被测油样中化合物的结构性质相近,忽略化合物相对校正因子的影响,采用面积归一化法NORM%进行定量分析。该方法方便快捷、精确度高,适用于低馏分段的煤直接液化加氢改质油的分析,同时也为高馏分段煤直接液化加氢改质油和其他种类油样的单体烃组成分析提供了参考。     

仪器噪声在近红外光谱偏最小二乘模型内的传播效应

在实际多元校正应用中有很多因素会影响偏最小二乘(PLS)模型的预测效果,作为光谱数据本源的仪器噪声是其中的重要影响因素。以往的研究工作多使用各种滤波器或平滑方法来降低仪器噪声的影响,然而对于仪器噪声如何影响偏最小二乘的建模过程和模型预测能力鲜有报道。该文阐述并论证了仪器噪声怎样通过第一个隐变量的计算被引入模型中,经过对偏最小二乘计算过程的理论推导,论述了噪声的引入对偏最小二乘权重向量、载荷向量计算具有累积效应,并随着后续隐变量的计算不断在模型中传递,从而对偏最小二乘模型产生影响。同时对偏最小二乘模型的预测误差进行理论分解,将其划分为无噪理想模型本身的误差和由噪声传播导致的误差。结果表明,仪器噪声不仅会降低偏最小二乘模型的预测性能,还会影响偏最小二乘模型的最优复杂度选择。     

半胱氨酸改性介孔材料对Hg(Ⅱ)高选择性分离富集性能研究

采用后移植方法,将半胱氨酸键入到介孔材料SBA-15上,并对此材料的吸附条件进行了优化,研究了其对重金属离子Hg2+的富集特性。考察了溶液pH值、吸附时间和材料用量等因素对Hg2+吸附率的影响。在pH 2.5,性质相近的金属离子Cu2+、Cr6+、Cr3+、Cd2+共存时,半胱氨酸改性的SBA-15介孔材料对Hg2+可进行选择性吸附富集,富集后可用含5%硫脲的1 mol/L HCl溶液快速洗脱。方法对Hg2+的检出限为0.07μg/L,相对标准偏差为2.2%(CHg2+=1.0 mg/L,n=11)。将本方法用于污水样品中Hg2+的测定,回收率为92%～101%。     

拉曼光谱结合偏最小二乘同时测定烟草中叶黄素和β-胡萝卜素含量

色素是烟草中的重要组成成分,烟草的外观质量和内在品质都与色素相关。色素主要分为绿色素、黄色素和黑色素。在生长期,烟草中的绿色素主要是叶绿素,成熟期的烟草中黄色素则主要为叶黄素和胡萝卜素,黑色素则存在于成熟的烟叶中,或在调制和发酵的过程中产生。色素的检测对于烟草原料评价和成品质量都非常重要。鉴于烟草色素基于液相色谱的传统检测方法耗时较长、样品制备过程复杂,以及拉曼光谱操作简单、测定时间短、能提供有关分子官能团信息的特点,开发了一种应用拉曼光谱同时定量检测烟草中叶黄素和β-胡萝卜素的快检方法。烟草样品的有机溶剂提取物,密封在透明玻璃瓶中,将激光聚焦于瓶内溶液样品直接测定拉曼光谱。研究发现,不同于常见的514和785 nm激发波长,在短波455 nm激光作用下,可获得更理想的拉曼信号,光谱强度较高,荧光干扰较低。对色素萃取溶剂、焦平面与光学平台间的距离等实验条件进行了优化。考虑到不同检测日期仪器操作条件的变化可对拉曼光谱产生影响,以溶剂峰为内标峰,对光谱进行归一化处理,以校正因测定条件不稳定而引起的物理干扰。为了解决荧光干扰,以及色素分子之间的拉曼光谱干扰问题,采用偏最小二乘法（PLS）建立光谱分析的多元校正模型。建模中对波长区域以及光谱预处理方法进行了优化。研究结果表明,光谱归一化处理显著降低了因物理因素产生的光谱干扰,光谱求导运算对建模影响不大,而波长选择能明显改善模型的预测能力。利用798.2～1 752.8 cm-1波段建立叶黄素的PLS定量模型时,预测效果最佳,预测集的均方根误差（RMSEP）为6.68 μg·g-1;对于β-胡萝卜素,798.2～1 752.8 cm-1组合2 254.2～2 784.5 cm-1用来建模时得到的RMSEP最小,为2.56 μg·g-1。该方法操作简便、耗时少、结果准确可靠,为烟草样本中色素的定量分析提供了一种切实有效的新途径。     

空气—氩气冷却ICP：有机溶液分析的工作条件及检出限研究

研究了冷却气含50%空气的ICP中,MIBK溶液里金属元素不同性质谱线的信背比与入射功率、观察高度、冷却气流量及冷却气中空气含量等工作条件的关系。测定了8种元素12条谱线的检出限并与氩有机ICP中相同谱线的检出限进行比较。另外还测定了在引入MIBK溶液的情况下,空气-氩气ICP中心通道的激发温度。结果表明,具有中等激发能的谱线在含50%空气的空气-氩气有机ICP中的检出限优于氩气有机ICP中的检出限。     

基于SBA-15的表面增强拉曼基底的制备及对鸡肉和鸡饲料中恩诺沙星的检测

在氨基改性的多孔材料SBA-15表面修饰金纳米颗粒制备了表面增强拉曼(SERS)基底,以四巯基吡啶(4-Mpy)作为探针分子,对基底的SERS性能进行评价.结果显示,利用金纳米粒子在介孔材料中的有效负载形成的结构有利于SERS信号的增强,基底在保存5个月后信号降低幅度较小,稳定性好.将此基底应用于鸡肉和鸡饲料提取液中恩诺沙星的SERS检测,在0.1~1 mg/kg浓度范围内,特征峰的拉曼信号强度与恩诺沙星浓度具有良好线性关系(R~2分别等于0.98和0.99),检测限均达到0.1 mg/kg.该检测方法简单快速、灵敏度高、稳定性好,为SERS技术应用于抗生素的快速检测提供了新的途径.     

分子印迹固相萃取装置及其原位快速检测双酚A

合成具有选择性识别双酚A的印迹聚合物并进行表征,通过动态吸附及选择性吸附对制备的聚合物进行性能测定。设计开发了一种结合固相萃取和原位在线光谱检测的装置,将印迹聚合物填装到装置中的芯片上,便可进行固相萃取过程,随后无需洗脱即可直接采集其漫反射光谱。利用该装置对双酚A进行定量分析,标准曲线为:y=0.013 9x+0.003 4,相关系数r2=0.999 8,检出限为:10μg·L~(-1)。水样品及矿泉水瓶样品中双酚A检测的加标回收率为:96.67%~104%,三次平行实验的相对标准偏差在:3.58%~4.62%之间。该装置简化了操作流程,并提高了灵敏度。相比于传统的富集分离技术,该装置具有小型化和集成化,灵敏度高、简单快速等优点。     

膜富集结合膜上图像比色法快速检测微量有机磷农药

建立了基于手机图像比色法结合多通道膜富集技术用于微量有机磷农药的快速检测方法. 根据乙酰胆碱酯酶活性受有机磷农药特异性抑制而降低的特点, 以吲哚乙酸酯为底物, 经酶水解生成靛蓝, 利用多通道膜富集装置将有色生成物富集到尼龙微孔滤膜上, 将标准溶液和样品溶液富集在同一张膜的不同位置. 用智能手机拍摄微孔滤膜的数码照片, 利用编制的手机APP软件对照片进行处理, 消除光照、 噪点等的影响, 可实现自动识别标准和未知样品. 通过提取样品颜色信号, 建立了颜色信号与浓度的定量分析模型, 用其检测敌百虫的检出限可达0.030 mg/L. 利用该方法对黄瓜中农药敌百虫的含量进行分析, 加标回收率在95.8%~106.9%之间, 相对标准偏差RSD(n=5)为3.8%~5.4%. 本方法用手机代替光谱仪, 简单实用, 与相关国标方法相比, 灵敏度和准确度均得到显著提高, 具有良好的应用前景.     

万古霉素键合手性固定相的制备与评价

大环抗生素作为一种新型的手性选择器,与高效液相色谱(HPLC)、毛细管电泳(CE)和毛细管电色谱(CEC)等联用,成功分离各类手性化合物~([1～3]).自1994年Armstrong等~([4])首次将大环糖肽抗生素作为手性选择器合成手性固定相以来,适用于手性分离的大环糖肽抗生素键合固定相的制备与应用得到飞速发展.本研究以万古霉素为手性选择剂,制备了万古霉素键合手性固定相液相色谱柱.采用反相高效液相色谱法对谷氨酸对映体进行了拆分,并考察了流动相条件对对映体拆分的影响.     

固相萃取-固相光谱联用仪的构建及其应用于食品中罗丹明B的测定

设计并制造了以膜材料为分离富集介质的固相萃取装置和以漫反射光谱法为测定手段的测定装置相结合的自动化分析仪并应用于测定食品中罗丹明B的含量。该仪器由固相萃取装置、固相光谱测定装置和软件等3个部分组成。样品溶液(调节pH至2.00)负压自动进样,调节真空度在合适的速率下通过滤膜,待测物质富集于滤膜上。滤膜经热风干燥后由积分球在滤膜固相介质表面采集被测物质的漫反射光谱,仪器控制、光谱采集和数据处理直至报告的发出均由软件完成。在分析辣椒样品时,取样品0.500g,用水50.0mL超声提取10.0min,离心后取上清液测定罗丹明B的含量。测定时用混合纤维素膜进行富集,并选择测定波长为546.7nm。罗丹明B的线性范围为5.0~15.0μg·L^-1。分析红茶样品时,将样品用水稀释10倍后进行分析。在红茶的基质下,罗丹明B的线性范围为10.0~30.0μg·L^-1。上述2种样品的回收率为88.0%~108%,测定值的相对标准偏差(n=5)为4.6%~9.3%。