电感耦合等离子体质谱法在青海某地区铌矿物化学物相分析中的应用

为了准确快捷有效地对青海某地区铌矿物进行化学物相分析研究,采用电感耦合等离子体质谱法测定各相态中的铌,建立了一套准确快速测定铌矿物化学物相的分析方法.通过对溶剂的选择,实现对易解石、黄绿石、铌钙矿、铌铁矿、钛铁金红石和分散相的分离与测定.物相分析试样以两份完成,一份在550～600℃的高温炉中焙烧,氟化铵溶解易解石中铌.另一份试样不经高温焙烧,用含氯化亚锡的盐酸溶解分散相中的铌;用含氢溴酸的氟化铵溶解易解石和黄绿石中的铌;用含氢氟酸的硫酸溶解铌钙矿中的铌;用含氢氟酸的盐酸溶解铌铁矿中的铌;用焦硫酸钾熔融提取钛铁金红石中的铌,最后用电感耦合等离子体质谱法(ICP-MS)测定以上各相态中铌的质量分数.在ICP-MS工作条件下连续7次测定样品空白,计算各铌相态的方法检出限(3S/N)分别为0.023、0.021、0.018、0.025、0.016、0.007μg·g-1.对7个铌矿物样品进行铌物相分析,做精密度和准确度试验,符合《地质矿产实验室测试质量管理规范》(DZ/T 0130.3—2006)的要求.     

高温熔融-电感耦合等离子体原子发射光谱法测定含铁尘泥中5种有害元素

准确、快速地测定含铁尘泥中有害元素,对含铁尘泥节能降废项目研究及综合利用有着重要的指导意义。实验针对含铁尘泥试样因含碳量高,导致常规酸溶解方法如果不增加除碳步骤则很难完全分解试样的问题,采用高温熔融法将试样制成熔融液后倾倒于稀酸中溶解的方法,解决了碳含量高难溶解的问题。采用四硼酸锂-碳酸锂混合熔剂在高温下将试样熔融,熔融液高温倾倒于稀酸中制成澄清溶液,由于骤冷,试样炸裂成微小玻璃珠,无迸溅,操作简单,使得后续溶解过程快速完成,从而建立了电感耦合等离子体原子发射光谱(ICP-AES)测定P、Pb、K、Na、Zn共5种有害元素的方法。按照实验方法测定含铁尘泥中P、Pb、K、Na、Zn,测定值的相对标准偏差(RSD,n=9)在1.4%～5.7%之间,加标回收率在96%～110%之间。研究结果表明方法能够满足含铁尘泥样品中5种元素的定量分析要求。     

我国冶金分析定量检测仪器的发展趋势

为了了解我国分析仪器的发展,推动冶金分析领域定量检测技术的进步,文章以北京分析测试学术报告会暨展览会(BCEIA)在国内的展示成果为依托,选择电感耦合等离子体发射光谱(ICP-OES)、电感耦合等离子体质谱(ICP-MS)、X射线荧光光谱(XRF)、激光诱导击穿光谱(LIBS)等基础定量检测仪器为主要分析对象,归纳总结了这些仪器的发展过程、基本原理和主要结构。从分析检测人员的视角,讨论了该检测仪器的优势特点及应用效果;展望了定量分析检测技术的发展趋势;提出了以定量检测仪器为基础的新型高端科学仪器的发展前景。又以激光剥蚀电感耦合等离子体质谱(LA-ICP-MS)、辉光放电质谱(GD-MS)、电子探针X射线显微分析仪(EPMA)等拓展联用检测仪器为例,介绍了设备的主要特点及应用,最终总结出LA-ICP-MS为固体样品中微量元素分析的常用技术,GD-MS技术是痕量元素分析的重要手段,EPMA技术因具有与其他仪器结合包容性高的优点,虽然在使用过程中存在一定的缺陷,但已成为通用的分析手段。而我国定量分析检测技术正朝着现场化、专用化及标准化的方向发展。     

电感耦合等离子体原子发射光谱法测定云南某矿山锑矿选矿流程样品中锑

锑在现代工业体系中占有重要地位,快速准确测定锑矿中锑含量对锑矿的采选具有重要指导意义。云南某矿山锑矿以萤石为主要伴生矿,现有的盐酸、硝酸、氢氟酸和高氯酸混酸体系无法彻底分解样品,而采用碱熔处理流程长且引入大量基体,均无法满足准确快速测定的要求。选择硫酸-氢氟酸混酸体系分解样品,再用酒石酸-盐酸混合溶液加热浸取,锑完全溶解于溶液中,选择Sb 206.833{463}nm为分析谱线,使用电感耦合等离子体原子发射光谱法(ICP-AES)测定锑。结果表明,锑的质量浓度在5.0～80 μg/mL范围内与其发射强度呈良好的线性关系,校准曲线线性相关系数r=0.999 8;方法的检出限为0.012 μg/mL。按照实验方法对锑矿石成分分析标准物质和锑矿选矿流程样品中锑进行测定,结果的相对标准偏差(RSD,n=5)为0.71%～5.7%;标准物质的认定值和测定值相一致;锑矿选矿流程样品中锑的加标回收率为97%～102%,满足国家地质矿产行业标准DZ/T 0130—2006的要求。     

磁导率法配合电感位移计在线检测挺杆白口深度值

应用磁导率法可测出挺杆轴向部位不同组织,按最大输出信号值可判断出白口组织与其它组织的交界线,由电感位移计显示该位置与端面的距离——白口深度。     

电感电容损耗电阻的讨论

通过对电容电感阻抗的测量，发现实验值偏离理论值。定性地分析了误差的来源，得出的结论是电感电容内部的损耗电阻随着频率的变化而变化，变化方向相反而并非相同。     

ICP-MS法测定陶瓷容器中重金属元素的研究

采用电感耦合等离子体—质谱(ICP—MS)法同时测定了陶瓷容器中重金属元素PB、CA、Cr、Ni，对影响其测量的各种因素进行了较为详细的研究，确定了实验的最佳测定条件。结果表明，方法的检出限为0．002—0．008μg/L，回收率为90．0％-110．0％，RSD小于9．21％。该法准确、快速、简便，应用于陶瓷容器中重金属元素的测定，结果满意。     

基于ANSYS有限元法的电导率传感器分析

提出了一种结构简单的新型非接触电导率传感器。从原理出发,采用ANSYS有限元方法,通过建立有限元模型、定义材料属性、网格划分、设置边界条件、加载和求解等,得到了溶液电导率分别与传感器电感和电容之间的关系。利用该传感器对几种已知电导率溶液进行了测试,结果显示其测量的最大相对误差为0.64%,从而证明所提出的传感器测量方法不仅测量精度可行,还提高了测量的冗余度和可靠性,具有很高的商业应用价值。     

一种电感式ID卡及其阅读器

采用ARM单片机LM3S9B96控制单相桥开关,以恒流源向原边线圈充放电,可以实现电感式阅读器和ID卡的功能,原、副边线圈一样,只有5匝。线圈之间的轴向距离为2.4 mm,两线圈的径向偏差允许在10 mm以内。工作周期分成充电时段和测量时段两部分,测量一次ID码(32-bit)的时间为16 ms。设计了试验电路和控制程序,测量出了ID卡上的电源特性,做了波形分析。通过试验证明可以实现ID卡的功能。     

Inductive Model Generation for Text Classification Using a Bipartite Heterogeneous Network

Algorithms for numeric data classification have been applied for text classification. Usually the vector space model is used to represent text collections. The characteristics of this representation such as sparsity and high dimensionality sometimes impair the quality of general-purpose classifiers. Networks can be used to represent text collections, avoiding the high sparsity and allowing to model relationships among different objects that compose a text collection. Such network- based representations can improve the quality of the classification results. One of the simplest ways to represent textual collections by a network is through a bipartite heterogeneous network, which is composed of objects that represent the documents connected to objects that represent the terms. Heterogeneous bipartite networks do not require computation of similarities or relations among the objects and can be used to model any type of text collection. Due to the advantages of representing text collections through bipartite heterogeneous networks, in this article we present a text classifier which builds a classification model using the structure of a bipartite heterogeneous network. Such an algorithm, referred to as IMBHN （Inductive Model Based on Bipartite Heterogeneous Network）, induces a classification model assigning weights to objects that represent the terms for each class of the text collection. An empirical evaluation using a large amount of text collections from different domains shows that the proposed IMBHN algorithm produces significantly better results than k-NN, C4.5, SVM, and Naive Bayes algorithms.