分散在松节油中的金超微粒子的性质

用金属蒸气的低温基质隔离法制备了分散在松节油中的金超微粒子。它对松节油有催化氧化作用,使α-蒎烯和β-蒎烯氧化成马鞭草烯醇、马鞭草烯酮、桃金娘烯醇、桃金娘烯醛和松香芹醇。     

氧化锌超微粒子薄膜的表面性质研究

用直流气体放电活化反应沉积的方法,制备了氧化锌超微粒子薄膜,并经AES成分分析及XRD物相结构鉴定,随制备条件不同,结构将明显改变。扫描电子显微镜(SEM)分析结果表明,粒子的粒径为88.5nm。用俄歇电子能谱(AES)、X射线光电子能谱(XPS)对超微柱子膜的表面成分此、表面电子态进行了研究,用Ar~+枪对样品表面进行了剥离,同时用AES作跟踪分析。结果表明,Zn/O比基本保持不变,C稍有减少。这和电子探针持续作用AES跟踪分析结果基本相同。样品表面的电子态是Zn2p_(1/2)、Zn2p_(3/2),Cls、Ols;粒径及基质对表面光电压谱有较大影响。     

金纳米粒子的制备方法及在DNA检测中的应用

综述了金纳米粒子的几种常见制备方法以及这些方法的特点，并归纳为物理法及化学法。前者包括真空蒸镀法、软着陆法及激光消融法；后者又划分为溶胶法、晶种生长法、反胶束法、相转移法及模板法等。不同的方法可获得不同粒径和形状的金纳米粒子，应用时可根据需要选择合适的方法。金纳米粒子特殊的物理及化学性质使其在化学、生物、医学等领域有广泛的用途，尤其在DNA检测中有重要的应用价值。根据方法的特点，DNA检测可分为光学检测法、电化学检测法、压电检测法等。在这些方法中使用金纳米粒子后，检测方法的灵敏度及检测范围有了明显的提高。     

室温离子液体中金纳米粒子的电化学制备及其表征

室温离子液体1乙基3甲基咪唑四氟硼酸盐中,采用电化学牺牲阳极法直接从金属金制备了球形金纳米粒子,采用X射线衍射（XRD）、带有电子能谱仪（EDS）的扫描电子显微镜（SEM）对所制备样品的结构、组成以及形态进行了表征.结果表明,在本实验条件下制得的金纳米粒子为面心立方结构,纯度较高,基本呈球形,粒径平均尺寸为20nm.     

超微粒子－有机聚合物薄膜的研究

我们用离子团束－飞行时间质谱（ＩＣＢ－ＴｏＦＭＳ）系统制备了金（Ａｕ）超微粒子－聚乙烯（ＰＥ）薄膜和Ｃ＿（６０）－聚乙烯薄膜。用透射电子显微镜（ＴＥＭ）分析了所制备的样品。它们的结构是Ａｕ超徽粒子镶嵌在多晶的ＰＥ薄膜中，其中Ａｕ原子团呈球形，直径分布在２．０－５．０ｎｍ窄范围内，当沉积基底温度为９０℃时，Ａｕ原子团相互靠近，几乎连接起来，但仍保持原来大小。基底温度为１４０℃蒸积的Ｃ＿（６０）－ｐＥ薄膜具有晶态结构，其晶格常数为１．４５４ｎｍ。     

激光法制备Fe/C超微粒子的进一步研究

采用激光气相法制备了Fe/C超微粒子,较为详细地研究了实验参数对超微粒子性能的影响,用x-射线衍射、红外光谱、透射电镜等先进技术研究了样品的特性。并对样品在空气中的氧化性进行了初探。     

乙醇体系中硫化锌纳米粒子的制备及其光致发光性能研究

用新颖、简单的异相化学反应方法，在乙醇体系中制备了硫化锌纳米粒子。X-射线能谱分析(EDS)证实所得产物是硫化锌；X-射线衍射分析(XRD)表明硫化锌的晶胞粒径为5—7nm；场发射扫描电镜(阻SEN)观察显示，硫化锌的粒径在30-40nm；荧光光谱分析表明，与在水溶液体系中制得的硫化锌体材料相比，该法制得的硫化锌除了粒径更小、更均匀以外，其发光主要集中在蓝光区，荧光谱带显变窄，发光强度也有所增加。     

功能化纳米粒子的制备及其在分析中的应用

本文总结了自1999年来本研究小组在无机半导体、有机、无机-有机复合等几类功能化纳米粒子的制备及其应用方面的相关工作.     

超微粒子碳化铁催化剂在F—T合成中表面形态的研究

应用光电子能谱研究催化剂表面化学状态的变化，属当前催化领域的新课题．文中用ＸＰＳ和ＸＲＤ技术研究了超微粒子碳化铁催化剂在Ｆ－Ｔ合成过程中表面形态和体相结构的变化．由于超微粒子催化剂表面具有极高的化学活性，尽管其体相结构是α－Ｆｅ和碳化铁．但仍有部分氧化物复盖在催化剂表面．经Ｈ２处理，体相内碳化铁被全部还原的同时，伴随烃化物的生成，而表面仍有极少量的氧和碳以各种不同的复杂形式吸附在Ｆｅ的表面．再经ＣＯ和Ｈ２混合气处理，体相内得到Ｆ－Ｔ合成过程中具有稳定化学结构的α－Ｆｅ，碳化铁和γ－Ｆｅ２Ｏ３，其表面则是大量碳和氧以及碳氢化合物、羰基化合物以固定形式吸附在催化剂Ｆｅ的表面．然而这种形式又是一个动态平衡。伴随着烯烃、烷烃及含氧的碳氢化合物从催化剂表面脱附下来形成产物；然后再解离吸附ＣＯ和Ｈ２，再脱附，构成Ｆ—Ｔ合成催化剂表面的动态平衡．文中进一步论证了Ｆ－Ｔ合成的碳化物机理．     

磁性纳米粒子的制备及其在分离检测上的应用

文章全面地介绍了各种常用的磁性纳米粒子的制备方法,概述了磁性纳米粒子的表面修饰方法,并综述了表面修饰过的磁性纳米粒子在分离检测上的应用,最后对磁性纳米粒子的应用前景进行了展望。     

容积粒子滤波算法及其应用

针对使用现有粒子滤波算法对非线性/非高斯离散时间系统的状态估计精度较低的问题,提出了一种新的粒子滤波算法——容积粒子滤波(CPF)算法.新算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,产生粒子滤波算法的建议性密度函数,获得所需要的带权粒子,进而通过计算粒子均值,获得系统状态的最小均方误差估计.CPF算法由于产生粒子时使用了最新的测量信息,因而提高了对系统状态后验概率的逼近程度.仿真实验结果表明,CPF算法的估计误差约是标准粒子滤波算法和扩展粒子滤波算法误差的1/5和1/3,是无味粒子滤波(UPF)算法的估计误差的1/2,且运行时间只有UPF算法的1/3.     

粒谱理论及应用

本文是从粒度分析全过程的共同存在的现象出发,建立一种总的数学分析模型与方法.用以指导粒度分析仪器的设计、粒度分析方法的改进,寻求提高精度的途径.主要内容有:(1)提出粒度测量函数的概念.并在此基础上提出粒度分析的共同指标;(2)提出并论证了分选矩阵性质;(3)提出矩阵改正方法,以提高粒度分析的精度.     

SBR-包覆剂-UFCaCO_3体系的粒径分布与力学性能

用高分子树脂为包覆剂 ,以凝聚共沉法制备了超细碳酸钙 (UFCaCO3)填充型粉末SBR ,研究了产物粒径及其硫化胶力学性能的影响因素 .结果发现 ,当包覆剂大分子的极性单体单元含量≈ 7%及Tg≥ 38℃ ,可获得粒径≤ 0 .9mm的产物达 99.5%以上 ;当包覆剂的Tg为 38～ 4 5℃ ,UFCaCO3表面改性剂用量为 1～ 4质量份及UFCaCO3填充量为 10 0质量份 ,产物硫化胶的力学性能最佳 .改性UFCaCO3填充量在 75～ 2 0 0质量份的广阔范围内 ,其硫化胶保持良好的力学性能 ,并显著优于块状SBR/UFCaCO3 由机械混炼所得硫化胶的力学性能 .扫描电镜分析显示 ,UFCaCO3 在橡胶基体中有良好的分散性     

SBR—包覆剂—UFCaCO3体系的粒径分布与力学性能

用高分子树脂为包覆剂,以凝聚共沉法制备了超细碳酸钙（UFCaCO3)填充型粉末SBR,研究了产物粒径及其硫化胶力学性能的影响因素,结果发现,当包覆剂大分子的极性单体单元含量约等于7％及Tg大于等于38度,可获得粒径小于等于0．9mm的产物达99．5％以上;当包覆剂的Tg为38－45度,UFCaCO3表面改性剂用量为1－4质量份及UFCaCO3填充量为100质量份,产物硫化胶的力学性能最佳,改性UFCaCO3填充量在75－200质量份的广阔范围内,其硫化胶保持良好的力学性能,并显著优于块状SBR／UFCaCO3由机械混炼所得硫化胶的力学性能,扫描电镜分析显示,UFCaCO3在橡胶基体中有良好的分散性。     

基于粒子群优化的分类规则挖掘方法及其应用

为了从网络入侵数据提取有意义的信息,分析了网络入侵数据的特点,设计了一种实数的编码方式,给出了一种基于粒子群优化的分类规则挖掘方法,并应用于误用检测系统中.仿真实验结果表明,提出的方法是有效的和可行的.     

一种启发式粒子群优化算法(HPSO)及其在结构优化设计中的应用

在介绍了标准的粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC)的基础上,指出了两者使用"回飞技术"(fly-back mechanism)方法处理约束条件的不足之处,在基于"和谐搜索"算法(harmony search)产生新解的思想基础上,提出了一种新的启发式粒子群优化算法(HPSO),该算法可以明显提高离子群算法的收敛速度和稳定性.应用PSO、PSOPC及所提出的HPSO三种算法分别对两个桁架结构进行了截面优化设计,并对算法的收敛性和稳定性进行了分析.结果表明,本文提出的启发式粒子群优化算法(HPSO)可以有效地搜索到最优解,并且比PSO和PSOPC两种算法拥有更高的收敛速度和稳定性,尤其在迭代计算的初期,收敛效果非常明显.     

约束优化的粒子群改进算法及应用

针对粒子群算法易于坠入局部最优、早熟而造成求解成功率不高的问题引入回退算法的思想,提出一种用于求解工程约束的改进粒子群算法。对优化过程中不合约束的粒子不是简单抛弃,而使其回退到该粒子历史最优,进行下次搜索,这样求解过程中的粒子群搜索能力更强,以增强算法的成功率和运算速度、收敛性。通过对测试函数和工程实例进行仿真测试,并与标准粒子群算法对比,结果表明该算法是有效可行的。     

粒子群优化算法及其应用

粒子群算法是一种群体优化算法,详细介绍了粒子群算法的基本原理、参数选择及其应用领域.     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.