烯唑醇分子印迹固相萃取膜的制备及其应用

以烯唑醇为模板分子,丙烯酰胺(AM)为功能单体,采用原位聚合法制备出对烯唑醇具有高选择性的分子印迹固相萃取膜;通过紫外光谱试验优化了功能单体,考察了不同功能单体与模板分子的结合能力,同时考察了制备印迹膜时致孔剂的选择和分子印迹膜印迹次数对液体通过性的影响;建立了基于分子印迹固相萃取膜-高效液相色谱法测定粮谷中烯唑醇残留的方法。结果表明,与功能单体α-甲基丙烯酸(MAA)相比,丙烯酰胺(AM)与烯唑醇的结合能力更强,以乙腈为制孔剂制备烯唑醇印迹膜,印迹一次印迹膜较稳定,且液体通透性良好。烯唑醇在0.5~15μg/m L浓度范围内有良好的线性关系(r=0.9987),平均回收率在80.34%~87.03%之间,检出限为2.0μg/g。该方法选择性强、灵敏、可靠,适用于粮谷等复杂基质中烯唑醇的残留检测。     

环形截面钢筋混凝土偏心受压构件正截面配筋的简便算法

基于规范规范公式,依据优化拟合理论,提出了可直接完成环形截面钢筋混凝土偏心受压构件正截面承载力的计算公式,运算简捷,精度可靠。     

分子印迹固相萃取-高效液相色谱法分析食品中3种三唑类杀菌剂残留

为建立分子印迹固相萃取-高效液相色谱法检测食品中3种三唑类杀菌剂残留的方法,分别以联苯三唑醇、烯唑醇和腈菌唑为模板分子,α-甲基丙烯酸(MAA)和丙烯酰胺(AM)为功能单体,乙二醇二甲基丙烯酸酯(EDMA)为交联剂,采用本体聚合法合成分子印迹聚合物。将制得的联苯三唑醇、烯唑醇和腈菌唑聚合物按质量比1∶1∶1混合,制成固相萃取柱,用于样品的前处理,采用高效液相色谱法检测。结果表明,联苯三唑醇、烯唑醇和腈菌唑在5 min内实现基线分离。在低和高浓度添加水平下,平均回收率在90.6%~92.7%之间,RSD在1.2%~3.3%之间(n=5),联苯三唑醇的检测限为0.1μg/g,烯唑醇和腈菌唑的检测限为0.2μg/g。该方法分析速度快,灵敏度高,精密度好,适合于同时检测食品中联苯三唑醇、腈菌唑和烯唑醇3种三唑类杀菌剂残留。     

原油含水分析仪的研究与应用

原油含水分析仪是利用介质对某一低能γ射线的吸收而引起强度的变化，除与介质的质量吸收系数和密度有关外，还与组成介质的成分和各种成分所占的比例有关。通过测量γ射线穿过被测介质前后强度的变化获取有关信息，经过分析与计算，得到组成介质的各种组分的含量。再输入流量计信号，实现原油在线连续自动测量。     

基于疲劳试验的气缸气缓冲性能研究

气缓冲性能的优劣对气缸的工作状态及使用寿命有着重要意义。而任一工作条件的改变都可能破坏已调节好的气缓冲,影响疲劳试验的顺利进行。因此,掌握各试验因素与缓冲性能之间的关系是十分必要的。考虑到疲劳试验的特殊性,在不破坏气缸结构的前提下设计试验,分别将负载质量、缓冲针阀开度、速度调节阀开度作为单因素变量,测试不同工况下的负载位移曲线,并通过分析位移和速度曲线,获得活塞在缓冲行程终点的反弹量和残余动能,分别用于表征活塞的反弹、撞击情况,阐明各因素对气缓冲效果的影响。     

近年来我国润滑油基础油进口概况及发展趋势

近年米,随着国内经济的快速发展,国内基础油生产已不能满足需求,进口基础油已经构成国内基础油消费的重要部分。概述了近年来我国进口基础油的数量、价格、产地、品种、关口及贸易类别,并对未来进口基础油的发展趋势做了展望,供参考。     

可以实现“在线”生产的低压真空渗碳炉

利用一种生产成本更低、渗速更快的方法,可以实现金属零件的“在线”热处理。传统的渗碳方法是一个时间长、污染环境、耗能大的漫长过程。由法国ECM公司开发的模块化的低压真空渗碳炉使得渗碳过程变得干净、耗能更少。 这一技术可用于汽车工业,处理变速箱和传动装置上的零件。除此之外,它还可应用于其它需要进行零件渗碳淬火的工业领域。 该设备为模块化设计,可以使不用的渗碳室关闭,降低了能量消耗,并提高了设备的控制能力。该设备通过在真空下,连续往加热室注入丙烷、氮,使得零件加     

烧结助剂对高纯氧化铝陶瓷致密化过程的作用

分别以TiO2和MgO-La2O3复合物为烧结助剂,采用常压烧结工艺制备高纯氧化铝陶瓷。探讨了两类烧结助剂对氧化铝陶瓷显微结构的影响,并分析了其气孔排出过程。结果表明,添加TiO2可以降低高纯氧化铝陶瓷的烧结温度,易发生晶粒二次长大、形成晶内孔。添加MgO-La2O3复合烧结助剂降低烧结温度同时产生第二相物质,阻碍晶界迁移,减小晶粒尺寸,提高坯体致密度。     

基于VMD小波包能量熵的风电机组变流器故障诊断方法

变流器是实现风电机组并网运行的关键电力装备，在外界环境因素、内部电压电流应力作用下，其功率器件易发生机械或电气故障。该文提出一种基于变分模态分解(VMD)小波包能量熵与支持向量机(SVM)的永磁同步风电机组变流器故障诊断方法。首先，对风电机组网侧变流器的输出电流进行变分模态分解，得到多个固有模态分量；然后，利用小波包分解提取出各模态分量的小波包能量熵作为故障特征向量，以减少故障特征的维数。最后，将约简的故障特征向量输入SVM中进行训练和故障识别。研究结果表明，所提方法可对网侧变流器的典型单一和双开路故障进行诊断，对提升永磁同步风电变流器的可靠性和安全性具有现实指导意义。