高效液相色谱仪的故障排除

快速指南：(1)导致保留时间变化至一新的恒定值最常见的原因是流动相配制和混合产生错误。如果确认流动相配制无误，那么检查是否正确混合非常重要(混合器问题)。(2)如果流动相在输送前已混合均匀，检查流量是否正确及恒定。(3)导致保留时间变化的最后一个常见原因是系统漏液或色谱柱被污染。     

高效液相色谱仪的故障排除

~~高效液相色谱仪的故障排除@李彤$大连依利特分析仪器有限公司     

甲氧基代多个氧化乙烯结构交联型酚醛聚合物的合成

采用对甲氧基苯酚、多缩乙二醇二氯化物为原料, 合成了五个4,4'-二甲氧基多缩乙二醇二苯醚新单体; 分别经甲醛、2,6-二羟甲基对甲氧基苯酚聚合, 得到二个系列甲氧基代多个氧化乙烯结构交联型酚醛聚合物。这些聚合物含有假冠醚结构单元, 配合容量在0.9-3.0mmol/g之间, 可作为配合树脂使用, 富集分离多种金属离子。     

多缩乙二醇二苯醚与甲醛缩聚合成酚醛型聚合物假冠醚的研究

本文采用苯酚、多缩乙二醇二氯化物、多缩乙二醇等为起始原料,合成了九个多缩乙二醇二苯醚新单体,经甲醛聚合获得一系列聚合物假冠醚,并对它们的溶解性能、络合性能以及催化作用等进行研究。     

基于特权管理基础设施PMI的UML表示

首先对特权管理基础设施PMI和统一建模语言UML进行了介绍.然后利用UML中的用况图,系统顺序图和交互图(协作图、顺序图)来描述了PMI中的相关概念,建立了一个基本的PMI中部分功能的UML分析模型.     

基于"真实问题"的单片机创新实验设计与实现

针对当前高校人才培养与社会需求之间存在的结构性矛盾,为更好地明确服务面向,推进"真实问题"导向下的单片机创新实验教学改革.学号151003135为负责人的实验小组选取生活中腿脚不便的老年人出行问题,设计并搭建出行助手"拐杖",使其具备障碍提醒、道路照明、实时定位、音乐播放等功能,从而一定程度上有效地防止老人摔倒、老人走失等问题的发生.实践证明,在以真实问题为导向的教学模式下,引导学生通过问题提出、问题剖析、实践验证、总结评价等一系列教学活动,能够使学生在获取知识和互动研讨的过程中学会思考、学会合作、学会创新.     

全数字光纤传感测试系统的设计

为克服传统光纤传感测试系统器件分散性大、过程复杂等局限性，结合红外光电传感及物联网技术，设计了全数字光纤传感测试系统。该系统以MCU( Micro Control Unit) 为主控单元，采用红外接近传感器作为IＲLED( Infrared Light Emitting Diode) 驱动以及光电转换输出单元，ＲTC ( Ｒeal-Time Clock) 芯片及EEPＲOM( Electrically-Erasable Programmable Ｒead-Only Memory) 进行时间读取及光电数据的实时存储，WiFi ( Wireless Fidelity) 模块实现光电数据的网传、按键及LCD( Liquid Crystal Display) 显示单元完成人机交互等功能。实验结果表明，该系统可用于特殊环境下的非接触物体检测与颜色识别等场合，为进一步实现光纤传感测试系统的小型化及智能化提供了一种可行性方案。     

高效液相色谱法拆分黄酮类化合物对映体

采用直链淀粉Chiralpak AD-H与纤维素Chiralcel OZ-H两种手性柱建立了13种黄酮类化合物对映体的正相高效液相色谱拆分方法。考察了流动相比例、三氟乙酸(TFA)的添加及醇的种类对手性识别的影响。以正己烷-异丙醇(乙醇)-三氟乙酸(75∶25∶0.1)为流动相,于流速为0.5 mL.min-1,柱温为35℃,检测波长为290 nm条件下,在直链淀粉Chiralpak AD-H与纤维素Chiralcel OZ-H两种手性柱上成功拆分了13种黄酮类化合物对映体。研究表明,直链淀粉Chiralpak AD-H与纤维素Chiralcel OZ-H两种手性柱在拆分手性黄酮类化合物及结构相似物上具有极大的潜力。     

基于触觉阵列感知的机器人稳定抓取判别方法

针对传统的单点压力传感器获取的接触力无法完备反映机器人的抓取接触状态,难以实现准确的机器人抓取状态判别的问题,基于触觉阵列传感器的多点感知特性,提出一种高效高准确率的机器人稳定抓取判别方法．首先,采集机器人抓取属性各异物体时的接触分布力信息,建立分布力与触觉图像的映射,构建机器人抓取触觉图像数据集;基于多层感知机框架建立机器人抓取状态判别模型,实现机器人抓取状态的分类．然后,通过训练并对多层感知机在不同模型层数与节点数下的模型性能进行优选,得到抓取状态判别模型的最优参数,进而与多种基于学习的抓取判别算法进行对比．结果表明：所提出的抓取状态判别方法具有99.74%的判别准确率,平均耗时为2.3 ms,在判别精度和速度上均优于基线算法;通过实物抓取实验,该方法的判别准确率达到94%,充分证明其对数据集外物体的稳定抓取判别具有较强的鲁棒性．