多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚固相微萃取涂层的制备及多环芳烃的检测

多环芳烃(PAHs)是持久性有机污染物中的一种，大部分具有较强的致癌、致畸和致突变性，对生态环境和人类健康易造成严重威胁。由于环境样品基质复杂且其中PAHs含量低，因此在仪器分析之前需要对环境样品进行必要的前处理。萃取材料的特性是决定大部分前处理技术萃取效率的关键。基于此，本文以低成本且富含较多官能团的吡咯(py)、2,3,3-三甲基吲哚(2,3,3-TMe@In)为单体，多孔氮化硼为掺杂物，采用电化学循环伏安法制备出多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚(Ppy/P2,3,3-TMe@In/BN)复合涂层，通过扫描电子显微镜、热稳定性分析、傅里叶红外光谱等手段对Ppy/P2,3,3-TMe@In/BN进行表征，结果表明：该涂层呈现出多孔、多褶皱的枝状结构，该结构有利于增加涂层的比表面积，从而实现对PAHs的大量富集；在320℃解吸温度下，涂层材料的色谱基线基本稳定，表明该涂层具有良好的热稳定性。将其修饰在不锈钢丝表面制成固相微萃取涂层，结合气相色谱-氢火焰离子化检测器，对影响萃取和分离萘(NAP)、苊(ANY)、芴(FLU)3种PAHs的条件进行优化，建立了用于以上3种PAHs...     

双罐式气泵供液制冷系统性能的实验研究

双罐式气泵供液制冷系统作为气泵供液的一种,运用高压气体或液体的压力输送制冷剂到蒸发器。该实验通过控制供液气压来调节再循环蒸发器的供液量,调节制冷系统中的循环倍率,在供液气压升高而导致循环倍率增大的同时,蒸发器的传热量会升高到最大值。通过技术参数的收集整理,分析比较不同工况下的制冷性能、压缩机性能和传热性能等特性,作为双罐式气泵供液制冷系统工程应用的理论依据。实验表明,不同范围的供液压头,对传热性能的主要影响因素不同,蒸发器制冷量在供液压头升高到一定值后不再增加,系统COP也将下降。     

水下多级微结构液气界面的稳定性和可恢复性研究

微结构表面浸没水下所形成的液气界面对减阻等应用具有重要意义.液气界面的稳定存在是结构功能表面发挥作用的前提.因此,如何增强液气界面的稳定性以抵抗浸润转变过程,以及在液气界面失稳之后,如何实现去浸润过程以提高液气界面的可恢复性能,均具有重要的科学研究意义和实际应用价值,也是国内外研究关注的热点问题.本文针对具有多级微结构的固体表面,研究其在浸没水下后形成的液气界面的稳定性和可恢复性.通过激光扫描共聚焦显微镜对不同压强下液气界面的失稳过程和降压后的恢复过程进行原位观察,实验结果和基于最小自由能原理的理论分析相吻合.本文揭示了多级微结构抵抗浸润转变以及提高液气界面可恢复性能的机理:侧壁上的次级结构(纳米颗粒、多层翅片)通过增加液气界面在壁面的表观前进接触角增强了液气界面的稳定性;底面的次级结构(纳米颗粒和封闭式次级结构)可以维持纳米尺寸气核的存在,有利于水中溶解气体向微结构内扩散,最终使液气界面恢复.本文的研究为通过设计多级微结构表面来获得具有较强稳定性和可恢复性的液气界面提供了思路.     

电感耦合等离子体原子发射光谱法测定中药方剂煎煮液中的微量元素

本文采用HNO3－H2O2对中药方剂煎煮液进行处理，拟定了电感耦合等离子体原子发射光谱法同时测定试样中12个微量元素的方法，选择了仪器的最佳工作条件，考察了基本效应的影响。在选定条件下，12个微量元素的检出限为0．10－5．0ng/g，相对标准偏差为0.10%-9.5%(n=10),加标回收率为85％－103％。该方法简单、快速，已用于大量样品的检测，分析结果满意。     

一类潜热型功能液固两相流体的定压比热研究

应用两相流与热物理理论，严格推导出一类潜热型功能液固两相流体的定压比热计算公式．     

SPME-GC-MS快速分析炼油厂废水中痕量VOCs

采用固相微萃取-气相色谱-质谱联用(SPME-GC-MS)对炼油厂废水中痕量挥发性有机化合物(VOCs)进行了定性分析,简化了预处理过程,总分析时间为1h左右.对比处理前后的废水样品的MS定性结果,为废水处理工艺的评价以及有机物降解机理提供了依据.     

U型管内液柱振动的演示实验研究

根据实验结果，分析了影响U型管中液柱振动的各种因素，给出了获得好的演示效果的改进措施．     

4，4′—二偶氮苯重氮氨基偶氮苯与Ag（I）的显色反应及其应用

本文报道了4,4′ -二偶氮苯重氮氨基偶氮苯在Triton X-100存在下与Ag(Ⅰ)的显色反应.在pH10.0的硼砂-氢氧化钠缓冲溶液中,试剂与Ag(Ⅰ)形成1∶1的红色配合物,其最大吸收波长为540nm,表观摩尔吸光系数为7.55×104L*mol-1*cm-1,Ag(Ⅰ)的浓度在0-0.28mg/L范围内符合比耳定律.应用于显影废液和钮扣电池液中Ag的测定,结果令人满意.     

Local Prediction of Chaotic Time Series Based on Support Vector Machine

Based on phase space delay-coordinate reconstruction of a chaotic dynamics system, we propose a local prediction of chaotic time series using a support vector machine （SVM） to overcome the shortcomings of traditional local prediction methods. The simulation results show that the performance of this proposed predictor for making onestep and multi-step prediction is superior to that of the traditional local linear prediction method and global SVM method. In addition, it is significant that its prediction performance is insensitive to the selection of embedding dimension and the number of nearest neighbours, so the satisfying results can be achieved even if we do not know the optimal embedding dimension and how to select the number of nearest neighbours.