KTMN-1数字式监控器在新集二矿提升机中的应用

通过花家湖煤矿对传统的机械式转轴监控器的改造介绍,指出了原有机械式监控器的根本缺点和采用可编程控制器为核心的数字式监控器的优点,提出了在矿井提升中数字监控技术替代传统监控器的可行性和发展趋势。     

遗传神经网络-紫外分光光度法同时测定苯酚、邻苯二酚、间苯二酚和对苯二酚

研究吸收光谱重叠严重的苯酚、邻苯二酚、间苯二酚和对苯二酚的4组分体系,针对神经网络易陷入局部极小等缺陷,将遗传算法与神经网络相结合,用遗传算法优化神经网络的初始权值和阈值,由神经网络输出的误差构造适应度函数,建立遗传神经网络算法,用紫外分光光度法同时测定混合的苯酚、邻苯二酚、间苯二酚和对苯二酚,预测集样品的相对平均误差分别为1.548%,1.6%,2.028%和-1.004%,对自来水水样的加标回收率分别为102.92%,101.53%,105.78%和103.17%。     

基于代谢网络模型的谷氨酸发酵产酸速率在线预测

建立并简化了谷氨酸棒杆菌S9114生产谷氨酸的产酸期的中心碳代谢网络。利用已经在线测量的菌体的比CO2 生成速率(CER)和比氧消耗速率(OUR)在线预测谷氨酸的生成速率。并将速率进行积分,得到的值与离线测量值进行比较,得到谷氨酸的最终浓度比离线测量的值高17%。     

遗传神经网络-紫外分光光度法同时测定苯酚和邻苯二酚

研究吸收光谱重叠严重的苯酚和邻苯二酚的两组分体系,针对BP神经网络易陷入局部极小等缺陷,将遗传算法与BP神经网络相结合,用遗传算法优化神经网络的初始权值和阀值,由神经网络输出的误差构造适应度函数,建立遗传神经网络算法,用紫外分光光度法同时测定混合的苯酚和邻苯二酚,预测集样品的相对平均误差分别为0.818%和0.366%,对水样的加标回收率分别为104.7%和102.9%。     

Cu（Ⅱ）-铍试剂Ⅲ-吐温-80三元体系分光光度法测定铜

在吐温-80存在下,研究了铜（Ⅱ）与铍试剂Ⅲ的显色反应条件,建立了分光光度法测定微量铜的新方法。实验表明,在pH=9.07硼砂-盐酸缓冲溶液中,络合物的最大吸收峰位于564 nm波长处,表观摩尔吸光系数ε为1.35×10^5L/（mol.cm）,检出限为0.02μg/mL。10 mL显色液中铜（Ⅱ）在0.06-3.2μg范围内符合比尔定律。该方法可用于铝合金和水样中铜（Ⅱ）的测定,回收率在98.4%-104.6%之间,RSD在1.03%-5.20%范围内。     

小波神经网络测定复方苯甲酸酊中主要成分的含量

依据小波函数的非线性逼近能力和神经网络的自学习能力,用Morlet小波基函数代替传统的神经网络传递函数Sigmoid函数,克服BP神经网络易陷入局部极小等缺陷,建立了小波神经网络算法,用于紫外分光光度法不经分离同时测定复方苯甲酸酊中的苯甲酸和水杨酸。苯甲酸和水杨酸的平均加标回收率和RSD分别为101.1%,1.7%;102.1%,1.8%。结果表明,该方法不需要物理化学分离,分析速度快,精确度较高,适用于该制剂的含量测定。     

Matlab在化学实验教学及科学研究中的应用

针对当前多数学生在大学一年级学过计算机基础课后，在化学有关的实验及毕业论文中不会应用计算机绘制实验结果图的情况，以创建分析新方法中的各种影响因素（如吸收光谱，酸度或pH值试验，试剂用量试验和标准曲线等）的条件优化为例，针对性地介绍利用Matlab软件绘制实验结果图的具体方法，以便加强与化学化工相关专业大学生的计算机在化学实验、科学研究及毕业设计与论文中的应用能力。     

玉米中阿特拉津残留量的测定方法研究

通过综合运用微波萃取、柱层析和气相色谱氮磷检测器法分析研究玉米中阿特拉津残留量的测定方法.该方法的加标回收率为92%～104%,相对标准偏差(RSD)为1.47%～4.35%,样品中的检出限为0.0005mg/kg.与国家标准(GB/T 5009.132-2003)中的测定方法相比,本方法的样品提取时间大大缩短,试剂用量减少,精密度和准确度都有所提高.     

Mn含量对Fe-Mn-Si-Cr-Ni合金记忆效应的影响机制

采用OM,EBSD,XRD,TEM和SQUID研究了3种不同Mn含量的固溶态Fe-(14~21)Mn-5.5Si-8.5Cr-5Ni合金在马氏体转变开始温度Ms以上10 K(Ms+10 K)变形前后的形状记忆效应和微观组织.结果表明,固溶态Fe-(14~21)Mn-5.5Si-8.5Cr-5Ni合金的形状记忆效应随Mn含量增加而增加.这是由于:一方面,奥氏体屈服强度与应力诱发e马氏体临界应力的差值随着Mn含量的增加而增大,即提高Mn含量增强了奥氏体抵抗塑性变形的能力;另一方面,Mn含量的提高减小了应力诱发e马氏体的宽度,抑制了a'马氏体的引入,从而提高了应力诱发e马氏体的可逆性.     

高效液相色谱法测定水中的酚类化合物

介绍了高效液相色谱法测定水中的酚类物质。在固相萃取工作站上建立的酚类预处理方法稳定性好,回收率高。采用流动相梯度洗脱,紫外检测器波长编程方法进行样品检测。方法准确,重现性好,杂质干扰少,检出限低。