新型汽车发动机油用添加剂的研究进展

本文介绍了汽车发动机油用添加剂尤其是多功能添加剂的发展概况、作用机理、种类、结构及应用效果，并对未来润滑油添加剂的发展方向提供了一些参考，为我国润滑油品的高档化发展提出了几点想法。     

原子荧光光谱法测定食品添加剂磷酸中的砷

建立了原子荧光光谱法测定食品添加剂磷酸中砷的方法.并对负高压、灯电流、载气流量、屏蔽气流量、硫脲与抗坏血酸浓度、载流介质浓度、硼氢化钠浓度等作了研究并予以优化.方法的线性范围为0.0-40.0ng/mL,相关系数为1.0000,检出限为0.02ng/mL,相对标准偏差在0.82％-1.86％之间,试样加标回收率在95.10％-102.20％之间.方法操作简便、灵敏度高、检出限低、重复性和再现性好,完全适用于食品添加剂磷酸中砷的检测.     

新国标拦截重金属污染食品

食品中污染物是影响食品安全的重要因素之一。"食品污染物是食品从生产(包括农作物种植、动物饲养和兽医用药)、加工、包装、贮存、运输、销售、直至食用等过程中产生的或由环境污染带入的、非有意加入的化学性危害物质。"     

简讯

中国现有2314种食品添加剂均有检测方法不久前,有媒体报道称"食品添加剂六成无法检测",引起社会关注。卫生部有关部门负责人表示,该说法不够准确,和实际情况有出入。目前,中国现有的2314种食品添加剂均有相应的检测方法,对食品添加剂在食品中残留量的检测管理与发达国家基本一致。     

离子色谱法测定饮料中7种食品添加剂

近年来,随着人们生活水平的提高,饮料成为人们日常生活的必备饮品,为改善饮料的品质,提高其色、香、味等感官质量,延长其保存期和提高产品质量,生产厂家通常会在产品生产过程中加入一些食品添加剂,而这些食品添加剂大多为人工合成,过量使用对人体会造成一定的危害。国家标准GB 2760《食品添加剂使用卫生标准》中对各种添加剂的使用限量进行了严格控制[1]。山梨酸、苯甲酸、脱氢乙酸、甜蜜素、糖精钠、安     

用于考察外源添加剂对卷烟常规烟气指标影响的样品制备因子筛选

为筛选用于考察外源添加剂对卷烟常规烟气指标影响的样品制备关键控制因子,采用L_8(2~7)正交试验设计进行香兰素及乙基麦芽酚的添加实验.卷烟常规烟气指标变化数值通过极差分析、方差分析,结果显示:参比卷烟种类是影响卷烟烟气总粒相物、焦油、水分的高度显著因子,就试验采用的1R5F和3R4F参比卷烟而言,添加剂在高焦油3R4F卷烟中对常规烟气指标的影响比其在低焦油1R5F卷烟中的影响大;添加剂种类与浓度的交互作用不仅对卷烟烟气总粒相物有高度显著影响,而且对总粒相物中的水分也有显著影响;因此,规范样品制备,可减少误差、保证后续外源添加剂加入对卷烟常规烟气指标影响评价结果和推断的可靠性及科学性.     

Hypercoal对不同炼焦煤炭化改质作用的显微镜研究

Hypercoal(HPC)被作为一种添加剂加入到两种性质不同的炼焦煤中,以探讨其对炼焦煤炭化的改质作用。通过偏光显微镜以及扫描电镜观测炭化产物的组织结构变化。结果表明,添加剂的用量以及粒径对炼焦煤炭化改质作用的大小与原料煤的煤质有关,对焦煤改质时要求添加剂颗粒的粒径较大;而对弱黏结性煤改质时,添加剂粒径较小且添加量较多更有利于黏结和熔融作用。通过添加HPC可改善焦煤因过度膨胀造成的不均匀孔隙结构,而且孔的数量与孔径减小,孔壁增厚;添加剂在炭化过程中产生的胶质体促进了弱黏结性煤的黏结和熔融,改善了炭化产物的结构。实验还考察了原料中水分、成型压力等因素对炭化产物结构的影响。结果表明,煤中水分会在炭化产物中产生特殊的孔隙结构,而成型压力对炭化改质作用则因原料煤质不同而不同。     

国内食品添加剂研究状况

对我国食品添加剂工业的现状及品种作了介绍,指出了我国食品添加剂工业与国外发达国家的差距。并通过对我国食品添加剂工业发展趋势的分析,提出了今后的发展要求和建议。     

1-4丁炔二醇和乙二胺对离子液体电沉积Cu的影响

研究了1-4丁炔二醇和乙二胺作为添加剂对在离子液体1-甲基-3-甲基咪唑三氟甲磺酸盐中电沉积Cu的影响。紫外可见光吸收光谱结果表明,当采用1-4丁炔二醇作为添加剂时,1-4丁炔二醇吸附在工作电极表面且未与溶液中的Cu²⁺形成配合物。扫描电镜测试结果表明由于1-4丁炔二醇与离子液体的正离子的竞争吸附使得Cu的沉积电势发生正移并使镀层表面更加均匀平整。当采用乙二胺作为添加剂时,紫外可见光吸收光谱和循环伏安测试结果表明乙二胺与溶液中的Cu²⁺离子形成带有正电荷的络合离子使得Cu的沉积电势发生正移,扫描电镜和原子力显微镜测试结果表明得到了更加均匀的镀层。当同时加入1-4丁炔二醇和乙二胺时,Cu的沉积电势仍然发生正移并得到具有纳米粒径的镀层。     

基于布谷鸟算法与BP神经网络的煤灰变形温度预测

以120种煤样为数据基础,采用布谷鸟算法(CS)优化BP(Back Propagation)神经网络,建立了CSBP模型对单煤、煤掺添加剂和配煤等3类样本的煤灰变形温度(DT)样本进行预测。模型以煤灰化学成分及其组合参数等13个变量作为输入量,以变形温度(DT)作为输出量。CSBP模型预测结果与BP神经网络模型预测结果进行对比发现,无论是单煤、煤掺添加剂还是配煤,CSBP模型较BP模型对煤灰变形温度(DT)的预测都更加精准,平均相对误差分别达到了3.11%、4.08%和4.22%。另外,对比3类样本预测结果发现,无论是CSBP模型还是BP模型,相比单煤预测而言,煤掺添加剂及配煤的预测误差都有明显的增加。