应用正交试验确定环已醇最佳工艺条件

应用正交试验确定环已醇最佳工艺条件．本文采用正交试验的方法，对锦西化工总厂环已酮车间利用环已醇脱氢生产环已酮的生产工艺过程进行了正交试验设计，应用方差分析方法得出了最佳生产工艺条件，同时给出了经济效益分析评价     

养殖水体中孔雀石绿的SERS光谱识别

表面增强拉曼光谱(SERS)是一种重要的高灵敏度分析技术。 基于SERS的技术特点,建立了真实体系下孔雀石绿定性检测方法。 提出了一种光谱自动识别算法,有机整合了稳健的傅里叶变换基线校正,基于主成分分析的特征提取与人工神经网络分类器。 该方法结合基线的低频特征,通过迭代傅里叶变换实现基线校正;通过样本空间中类间与类内的欧氏距离判别自动获取拉曼光谱信号主成分的最优组合,实现光谱数据的降维与特征提取;最后构建三层反向传播神经网络分类器进行样本分类。 实验结果表明,基线去除可排除基线变化对检测结果的影响;光谱主成分的优化组合可减小基线校正残余及复杂体系中被测物以外的物质拉曼峰对检测结果的干扰,同时实现了分类器最小化。 该方法用于养殖用海水中孔雀石绿的现场检测,最低检出浓度0.1 μg·L-1。 该方法具有可拓展性,可以直接应用于其他溶胶/凝胶体系中SERS光谱的定性分析。     

尿液中常见毒品微量检测的表面增强拉曼光谱识别

通过将自适应平滑滤波器和结合小波变换的支持向量机(Support vector machine,SVM)分类器有机组合,建立了低信噪比拉曼光谱的模式识别方法。首先,通过自适应平滑滤波器进行光谱去噪,滤波窗口宽度根据信噪比估计值进行调整,从而在保证特征峰信号强度的同时达到更好的噪声滤波效果;其次,由小波变换实现光谱数据降维,通过小波分解层数优化可以获得训练集的最佳分类准确率;最后,由SVM进行分类,通过交叉验证(Cross validation,CV)实现SVM参数寻优,并根据交叉验证与分类器之间的准确率关系,得出分类器可用参数需满足的条件。基于表面增强拉曼光谱技术,本方法实现了人体尿液中甲基苯丙胺(Methamphetamine,MAMP)和亚甲基二氧基甲基苯丙胺(3,4-Methylenedio-xymethamphetamine,MDMA)的定性微量分析。实验使用中国科学院合肥智能机械研究所研发的金纳米棒拉曼光谱增强基底,由Delta Nu公司的Inspector型便携拉曼光谱仪采集光谱,激发光波长785 nm,曝光时间为5 s,整体检测准确率高于95.0%。     

SAPO-34/CZA复合晶体相结构性质及催化CO2加氢反应研究

采用共沉淀包覆法制备了SAPO-34/CZA双功能复合催化剂,研究了复合相比例对催化剂晶体结构性质和CO2加氢制低碳烯烃催化性能的影响.采用XRD、FT-IR、SEM、BET、NH3-TPD和CO2-TPD等手段对不同催化剂的晶相组成、骨架结构、微观形貌、孔结构及表面酸碱性进行了分析表征.研究结果表明,复合相比例对SAPO-34/CZA双功能复合催化剂的结构性质和催化性能影响较大.质量比为1∶1时,制得复合催化剂具有明显微孔和介孔特征(微孔比表面积53.15 m2·g-1、介孔比表面积59.84 m2·g-1、总比表面积为113.00 m2·g-1、总孔容0.41 cm3·g-1、平均孔径14.57 nm),具有特殊包覆结构及存在复合相界面,构造了特殊反应路径,微介孔层级结构强化耦合反应,表现出较高催化性能.在还原温度285 ℃、反应温度325 ℃、压力3.0 MPa、V(H2)/V(CO2)=3.0、空速(SV)3500 mL·g-1·h-1的条件下,CO2转化率为64.80;,低碳烯烃选择性为49.68;.与物理共混催化剂SAPO-34/CZA-M相比,CO2转化率和低碳烯烃选择性分别提高了31.98;和2.43;.