一种植物油中苯并（a）芘含量测定的固相萃取前处理方法

为了建立一种准确性高、成本低的植物油中苯并(a)芘测定的样品前处理方法，基于GB 5009.7—2016以自制氧化铝柱为固相萃取柱，采用单因素试验对称样量、洗脱剂量、洗脱流速、吸附剂存放时间、吸附剂量这5个影响植物油中苯并（a）芘洗脱的因素进行研究，优化前处理条件，并对测定方法进行考察。结果表明：优化的前处理条件为称样量0.100 0 g、洗脱剂量120 mL、吸附剂（氧化铝）量22 g、洗脱流速1滴/2 s、吸附剂存放时间少于12周；方法检出限为0.2 μg/L，样品加标回收率为94.23%～100.00%，RSD为1.20%～7.36%；同一样品测定结果与SGS测定值接近，相对平均偏差为2.36%～3.50%。说明本试验方法测定结果准确，可应用于油脂企业植物油中痕量苯并（a）芘的测定。     

多机电力系统非线性自适应励磁控制器的设计

为了增强多机电力系统的动态稳定性,提升电力系统平抑负荷扰动的能力,本文提出了一种基于自适应反步技术的非线性自适应励磁控制方案.由于发电机的机械功率和阻尼系数受系统运行状态的影响,因此可以直接视为未知数,利用自适应定律估算出来这些未知量.根据李雅普诺夫(Lyapunov)函数的形式推导出自适应规律,保证发电机的转子角速度、机端电压、输出功率等不同物理量均收敛.然后在4机11母线的电力系统输电线路上仿真三相短路故障,测量转子转速偏差,对所提出的控制方案进行评估,并与现有的反步控制器和常规电力系统稳定器(CPSS)进行了比较.根据仿真结果,本文所提出的方法比现有的两种控制器的控制效果更有效.     

基于深度信念网络的滚动轴承特征迁移诊断

滚动轴承的故障智能诊断研究多是针对同源数据进行，而不同型号、不同工况下的滚动轴承，由于时、频特征差异，加之背景噪声的影响，导致识别准确率偏低。为了解决这一问题，笔者以6307和6205两类深沟球轴承为研究对象，建立了以深度信念网络（deep belief network，简称DBN）为核心的迁移诊断模型，构造了以波形指标、峭度指标、近似熵及分散熵为代表的特征识别参数。为了抑制信号传递路径（共振频带差异）和背景噪声的影响，引入最大相关峭度反卷积（maximum correlated kurtosis deconvolution，简称MCKD）方法，并对其关键参数实施了自适应选取。结果表明，由MCKD与DBN联合组成的迁移诊断模型，在3类不同数据源之间的诊断准确率均超过了95%，为滚动轴承的迁移特征诊断提供了一条可行的途径。     

丝竹滤料滤池去除尾水中的氮素污染物效果及特性研究

以尾水为研究对象，构建了以丝竹为滤料的反硝化滤池，对比研究了曝气充氧、缺氧和补充碳源3种工况条件下脱氮效果和特性。结果表明：缺氧工况下COD、氨氮、TN去除率分别达到4.50%、6.35%、17.46%，补充碳源工况下COD、氨氮、TN去除率分别达到73.54%、20.41%、23.97%（最高达66.04%），补充碳源工况处理效果更优，曝气充氧工况下脱氮效果最差。补充碳源工况下微生物菌群以变形菌门、酸杆菌门、放线菌门和拟杆菌门等为主，其中有大量的能降解丝竹纤维素、转化分解含氮污染物的微生物。     

固相萃取结合气相色谱-三重四极杆质谱法测定方便面中16种多环芳烃

建立固相萃取-气相色谱-三重四极杆质谱测定方便面中16种多环芳烃的方法。方便面样品用正己烷和乙腈-丙酮提取,经Oasis HLB和Florisil柱两步净化,气相色谱-三重四极杆质谱检测。在试验浓度范围内,线性关系良好,各种多环芳烃的定量限在0.03μg/kg^0.54μg/kg之间。在不同的加标浓度下,加标回收率在75%~129%之间,相对标准偏差小于13.4%。该方法快速、准确、灵敏度高、重现性好,适用于大批量样品中多环芳烃的快速测定。     

液液萃取-气相色谱质谱法测定地表水中1,3,5-三氯苯

建立液液萃取-气相色谱质谱法测定地表水中的1,3,5-三氯苯,水样用正已烷萃取,无水硫酸钠脱水,旋转蒸发仪浓缩,气相色谱质谱联用仪测定。结果表明,1,3,5-三氯苯在0.02-1mg/L范围内线性关系良好,线性相关系数为0.998,检出限为0.000037mg/L,加标回收率为105.5%-112.5%,相对标准偏差为2.28%(n=6)。该方法操作简单,准确度精密度良好,适用于地表水中1,3,5-三氯苯的检测。     

三维CT层间图像超分辨重建与修复

CT图像在疾病诊断、癌症精准放疗阶段发挥着重要的作用.然而,受X射线剂量的限制以及现有医疗设备等因素的影响,三维CT图像成像采样间距较大,层间分辨率远低于层内分辨率.为提高CT图像的层间分辨率,避免因相邻层CT图像之间存在较大差异对超分辨率重建造成干扰,提出一种在相邻CT图像序列切片间利用上下层的配准信息插值出一个新的中间切片,并对插值得到的中间切片进行修复的方法.首先,利用CLG-TV光流估计模型配准算法估计相邻2幅CT图像之间的像素运动,得到一个稠密的光流场,从而获得2个连续切片之间精确的像素对应关系,并依据新切片位置对速度矢量进行缩放;然后,利用计算出的速度场在连续2幅图像之间生成初始插值图像.由于相邻切片之间的像素难以一一对应,插值后的图像通常存在像素缺失现象.最后利用序列图像的帧间非局部自相似性,通过求解最优化问题以修复插值图像中像素丢失的区域.在DIR-Lab实验室和山东省医学影像学研究所提供的数据集上的实验结果表明,与其他经典方法相比,文中方法能够生成高质量的中间CT切片,在定量和定性上提高了层间分辨率.