二维伊辛模型相变临界现象的元胞自动机模拟

用元胞自动机模型模拟二维伊辛模型的相变临界现象,得出了相变图和时空演化图;当不存在外场时,数值模拟得到的临界温度与理论值精确吻合。     

HL-2M装置等离子体放电反馈控制系统

通过对HL-2M装置极向场线圈的参数和初始等离子放电控制需求的分析,基于实时采集系统和反射内存实时数据传输的先进控制集成技术,完成了整个HL-2M初始等离子体放电反馈控制系统的设计。新系统实现了稳定的1ms控制周期和实时数据传输,同时解决了实时控制周期和数据传输的延迟。实验结果表明新设计的等离子控制系统能满足初始等离子体极向场线圈电流控制的需求。     

超高效液相色谱法检测化妆品中的12种磺胺抗生素

建立了采用超高效液相色谱(UPLC)-二极管阵列检测器（PDA）测定化妆品中12种常见的磺胺抗生素(磺胺、磺胺间甲氧嘧啶、磺胺醋酰、磺胺甲基异唑、磺胺嘧啶、磺胺二甲异唑、磺胺噻唑、磺胺二甲氧嘧啶、磺胺甲基嘧啶、磺胺喹啉、磺胺二甲嘧啶、磺胺硝苯)的方法。采用Acquity UPLCTM BEHC C18 色谱柱(50 mm×2.1 mm, 1.7 μm),流动相为乙腈/0.1%的甲酸水溶液,梯度洗脱。样品经提取、反萃取后,用UPLC-PDA进行分析检测,结合保留时间和紫外光谱进行定性分析,定量检测波长268 nm。12种磺胺的检出限(S/N=3)均为1 μg/g,定量下限(S/N=10)为2～3 μg/g,在1～25 mg/L(磺胺硝苯为0.5～12.5 mg/L)范围内,峰面积和质量浓度的线性关系良好(r>0.9997)。添加水平为40, 8 μg(磺胺硝苯为20, 4 μg)时,12种磺胺的平均回收率分别为86.8%～98.1%和80.1%～96.9%,相对标准偏差小于10%(n=6)。结果表明该方法简单,分离效果好,速度快,能够满足检测化妆品中12种常见的磺胺抗生素的需要。     

手性配体2, 5-二(4, 5-蒎烯-2-吡啶)吡嗪及其铼配合物的合成与表征

本文报道了手性配体2, 5-二(4, 5-蒎烯-2-吡啶)吡嗪(L)及其铼配合物[Re(CO)₃Cl(L)] ·DMF的合成与表征。X射线单晶衍射分析表明配体L晶体为单斜P2₁空间群, 而配合物[Re(CO)₃Cl(L)] ·DMF晶体为正交P2₁2₁2₁空间群。配合物[Re(CO)₃Cl(L)] ·DMF中铼原子与配体中的2个氮原子、3个羰基中的碳原子以及1个氯原子配位。CD谱和VCD谱测试表明, 配体和配合物都表现出光学活性。受光激发时, 配体和配合物分别在420和650 nm处发光。配体和配合物都具有二阶非线性光学性质, 其二阶非线性光学效应分别为尿素的0.4和0.3倍。     

含氟体系中高性能T型分子筛膜的合成

含氟体系中,在负载晶种的大孔莫来石支撑体表面快速合成了高性能且取向生长的T型分子筛膜。采用XRD、SEM和MASNMR等手段对分子筛膜层和粉末进行表征。讨论了添加物、氟硅比、合成温度和合成时间等条件对膜生长与分离性能的影响,并阐述了含氟体系中T型分子筛膜快速晶化的机理。碱金属氟盐的加入促进了T型分子筛晶体层的晶化速率,并对晶体层形貌产生了一定的影响。膜应用于75℃、水/异丙醇（10：90,w/w）体系的平均渗透通量和分离因子分别为（4.91±0.18）kg·m^-2·h^-1和7060±1130。     

添加Li+对MgO催化性能的影响

本文以IR、TPD、丁烯异构化及直接脱氢反应为手段,对不同Li⁺添加量的MgO催化剂进行了研究。结果表明,表面低配位氧集团是催化剂的主要活性物种,起碱中心作用;表面金属离子起L酸中心作用。酸、碱中心的数目、强度随Li⁺添加量不同而呈规律性变化。这种变化影响了酸、碱中心的协同作用,从而影响其催化活性。     

Preparation of Spherical Silica-supported Biosorbent for Copper Ions Removal in Wastewater Based on Sol-gel Reaction and Simple Treatment with Sodium Hydroxide

A new and effective strategy was proposed for preparing new organic-inorganic composite biosorbent with spherical silica as supporting core and chitosan(CS)-based hybrid layer as shell based on sol-gel reaction and simple treatment with sodium hydroxide(NaOH). The coating layer was covalently bound on the supporting silica through polysaccharide incorporated sol-gel process starting from CS and inorganic precursor γ-glycidoxypropyl-trimethoxysiloxane(GPTMS). GPTMS had epoxide groups and cross-linked amine groups of CS to avoid its acidic solubilization. The composite biosorbent had coarse surface due to the wet phase-inversion by treating in NaOH solution. The prepared biosorbent could be used in treating electric plating wastewater.     

X80管线钢钝化膜内点缺陷扩散系数的计算

X80管线钢;扩散系数;点缺陷模型;钝化膜;电容测试法     

LIBS中药材石斛等级识别研究

石斛是一种常用的中药材,经常使用新鲜的或干燥的茎条入药,有益胃生津、滋阴清热的效果。近年来,药理学研究探索出石斛具有抗白内障、抗氧化、抗肿瘤、提高免疫力的作用,其在许多病例中疗效显著,引起了国内外学者的关注,然而不同时间采集的石斛中氨基酸、微量元素等含量各不同,其对应药用价值,价格也不同,因此石斛价格等级分辨的研究具有重要意义。为快速鉴别不同价格、不同药效的石斛,研究了随机森林分类模型结合激光诱导击穿光谱技术(LIBS)对石斛价格等级进行分析建模。选取5个等级的石斛样品进行建模,为了对样品进行精确稳定分析,所有石斛样品均通过粉碎压片减小实验误差。采用1 064 nm波长的Nd∶YAG脉冲激光器作为激发光源,设置激光脉冲能量50 mJ,探测延时1μs,采集五个等级石斛样本的光谱数据,每个等级的样本采集40组光谱,共200组数据,并采用归一化处理,使所有的光谱数据转换到-1~1之间。采用归一化处理后的光谱数据进行主成分分析,通过主成分分析获得前7个主成分的得分矩阵,其累计解释95.24%的光谱信息。将选取的7个主成分作为输入,建立波段为220~880 nm的随机森林鉴别模型。并将石斛样本编号打乱,任意选取50%的光谱数据作为训练集,剩下50%的光谱数据作为测试集,默认决策树个数ntree为500,分裂属性集中属性个数mtry为5,建立模型对不同等级的石斛进行分类。等级一、二、三、四、五的识别率分别为95.45%, 100%, 78.26%, 94.12%和85%,平均识别率为90.57%。为提高识别率,研究了不同的ntree和mtry对分类模型的影响,利用袋外数据误差率估计对随机森林的两个参数进行了优化。选择ntree为300,mtry为1,等级一、二、三、四、五的识别率分别为100%, 100%, 92.31%, 100%和90%,平均识别率为96.46%,识别率提高了5.89%。综上所述,采用LIBS技术结合优化后的随机森林模型鉴别石斛等级具有一定的可行性,为未来快速鉴定不同价格的石斛等级分类提供了可行性的判别系统。     

利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别

小麦是制作馒头的主要原料之一,小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同,进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法,对比感官评定,光谱分析可以识别样品中的分子结构等信息。基于此,尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦,再利用微波干燥法对两个不同产地的小麦做烘干预处理,使烘干的小麦水含量为12%±0.5%,原麦水含量为18%±0.5%。分别标记为原麦A,烘干A,原麦B,烘干B,再将小麦研磨成粉末,过100目筛网筛选后,置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息,在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理,利用主成分分析对预处理后的数据进行降维处理,再结合线性判别分析（linear discriminant analysis,LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间,将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明,同种光谱分析方法,利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法,近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下,利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高,光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%,预测集识别率为97.50%;而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率,光谱数据融合之后建立的小麦识别模型识别率得到显著提高,该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率,结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。