激光驱动器能源系统实验平台测控系统的研究

为了提高激光驱动器能源系统运行的稳定性、可靠性、安全性 ,研制了一套能源系统实验平台的测控系统。该测控系统采用 RS-2 32串行通讯、多线程程序设计来完成并行处理 ,具有较强的抗干扰能力 ,可远距离的进行自动控制、数据采集 ,并能及时的进行数据处理和分析 ,显示报表并打印。该项研究的结果为大型激光装置的相关系统设计提供了依据。     

集成免疫磁珠富集和免疫层析的黄曲霉毒素M1快速检测法

以喷涂了检测抗原黄曲霉毒素M1-BSA和驴抗鼠二抗形成检测线和质控线的硝酸纤维膜制备免疫层析试纸条,采用EDC/NHS法制备偶联了抗黄曲霉毒素M1单克隆抗体的免疫磁珠。免疫磁珠与待检样本混合,经捕获、磁分离后,浓缩重悬液直接用免疫层析试纸条检测,首次建立了集浓缩样本与免疫层析于一体的黄曲霉毒素M1快速检测法。该方法用于检测原料乳中黄曲霉毒素M1,检出限为0.1μg/L,低于我国制定的黄曲霉毒素M1限量标准(0.5μg/L),与其它真菌毒素和原料乳中常检违法添加物无交叉反应,分析结果与酶联免疫吸附法(ELISA)结果一致。本方法适合现场快速检测原料乳中黄曲霉毒素M1。     

剑花中常量和微量元素的测定与分析

对剑花中的常量和微量元素进行了测定，结果表明，剑花中含有多种人体所需元素，其中常量元素Ｃａ，Ｍｇ含量较高，微量元素Ｚｎ含量极高，通过讨论，认为剑花对呼吸道疾病的疗效与这几种元素的含量有关。     

e+e－湮灭成两喷注中的末态强子快度分布和BB关联

本文在文献[1]给出的模型中,进一步赋给夸克简单的四动量分布,通过Monte-Carlo计算,不但得到了与实验符合得很好的轻夸克喷注事例末态强子快度分布等,还给出了与实验基本一致的末态重子之间的快度和角度关联.     

热氧化铜箔中的起皱和CuO纳米线的生长机

在500 oC大气条件下热氧化0.5 mm厚的铜箔0.5～10 h有起皱现象,且皱的大小随氧化时间的增加而增大,在皱的侧面和顶部均有生长CuO纳米线,皱侧面生长纳米线的长度比皱顶部的纳米线的长,密度也高;CuO纳米线的生长方向垂直于纳米线的生长表面. 通过计算波动阶段中皱内部的局部电场,发现皱的侧面和顶部的电场强度的数值相差很小,表明在CuO纳米线生长过程中驱动铜离子扩散的主要驱动力不是局部的电场力而是内应力.     

化学-酶多步串联反应及其在高附加值手性化合物高效、绿色合成中的应用

与化学催化或酶催化合成相比,化学-酶相结合的多步串联反应是一种更简单、高效、经济的方法,兼具酶催化剂的高效、高选择性等优点,且合成原料价廉易得,合成工艺简捷高效,生产环境绿色友好,所得产品光学纯度高,使其在高附加值手性化合物的开发和合成方面得到了广泛的应用.近年来,化学家们通过改变催化剂和设计更为合理的反应方式,致力于将化学-酶催化反应条件变得更为容易,从而将其应用于更多反应领域.综述了近年来国内外化学-酶多步串联反应,如酶与金属催化、酶与有机催化、酶与新型反应技术等相结合多步串联合成手性醇类、环氧类、杂环类以及其他手性化合物的研究进展,并对该领域的发展趋势进行了展望.     

化学检测实验室内部质量控制方法及结果评价探讨

质量是企业发展之本,关系消费者的切身利益。在日益激烈的市场竞争中,企业愈发意识到质量管理的重要意义。质量控制是质量管理的一个重要组成部分,GB/T 19000-2016[1]对质量控制的定义是"质量管理的一部分,致力于满足提供质量要求"。对于化学检测实验室,保证检测结果有效性是最重要的质量要求之一。     

三维磁共振电阻抗成像的改进分层灵敏度算法

针对人体组织电导率的三维成像问题,提出一种改进的分层灵敏度磁共振电阻抗重建算法.利用单方向磁感应强度信息,对三维电导率图像实行分层重建,每层重建仅利用该层磁通密度分量测量数据,然后对单层重建结果进行修正以获得三维电导率重建图像.三介质长方体模型上的仿真实验证明,改进的分层重建算法改善了层间串扰现象,可以获得比一般分层算法甚至整体算法更高的图像分辨率,而且重建时间较整体算法显著减少;基于人体腿模型的仿真实验表明该算法对复杂模型三维重构的可行性;最后通过仿体实验验证算法的重建效果.改进的分层灵敏度重建算法降低了灵敏度矩阵法的计算机硬件需求,减少了重建时间,对MREIT的三维重建具有较高的成像精度和求解效率.     

金催化的吲哚与末端炔烃的分子间烷基化反应

尝试了用金(Au)催化吲哚和炔烃的Friedel-Crafts烷基化反应, 具体探讨了金(I)配合物催化吲哚与末端炔烃的烷基化反应的条件, 并制备了一系列尚未见文献报道的双取代β-吲哚烷基化衍生物. 产物的结构经1H NMR, 13C NMR, MS和元素分析确证. 并对其反应机理可能性进行了推测.     

基于多目标优化NSGA2改进算法的结构动力学模型确认

传统结构动力学模型确认方法通常采用单目标优化,存在精度不足和稳定性差等缺点,难以满足实际工程需求。基于此,提出一种采用神经网络作为代理模型,建立以马氏距离和鲁棒性为不确定性量化指标的多目标优化模型,并将NSGA2多目标进化算法用于求解。针对NSGA2存在无法有效识别伪非支配解、计算效率低和解集质量较差等设计缺陷,提出一种基于支配强度的NSGA2改进算法INSGA2-DS。INSGA2-DS将支配强度引入非支配排序,采用新型拥挤距离公式和自适应精英保留策略,以提高收敛效率和解集质量。GARTEUR飞机算例的仿真结果表明,INSGA2-DS求解复杂工程问题时具有更好的收敛性和分布性,而考虑鲁棒性的结构动力学模型确认方法可以获得同时满足多种目标要求的Pareto解集,提高了模型确认的精度和稳定性。