超支化聚氨酯在HTPB推进剂中的应用研究

为改善丁羟复合固体推进剂（HTPB推进剂）的性能,选用超支化聚氨酯（HBPU）作为HTPB推进剂的助黏合剂,制备了含有超支化聚氨酯的HTPB推进剂. 采用DSC法研究了HBPU与HTPB推进剂主要组分的相容性,同时进行了HBPU对HTPB推进剂流变性能和力学性能的影响研究. 研究结果表明,HBPU与AP、HTPB相容性好;HTPB推进剂表观黏度随着HBPU的质量分数增加而增大;当HBPU质量分数为7%时,超支化聚氨酯改性的HTPB推进剂最大拉伸强度提高了24.17%,最大延伸率提高了22.84%.      

用近红外光谱定量分析混纺毛织品中羊毛的质量分数

运用近红外漫反射光谱技术定量分析羊毛/染色粘胶混合样中羊毛的质量分数,标样集中近红外预测值与实际值之间的相关系数是0.982;对待测样品检验结果:预测值变异系数CV为4.1％,令人满意。表明该方法有望成为一种快速的、非破坏性的定量分析混纺织物的手段。     

近红外光谱分析技术在烟草化学分析上的应用研究

应用傅立叶变换近红外漫反射光义,对具有代表性的300个烟草样品建立了近红外光谱与总糖、还原糖、尼古丁、总氮4种主要成分含量间的关系模型,经分析样品检验模型,结果表明,各成分近红外预测值与实测值之间的平均相对误差均小于5％,近红外光谱分析技术可初步用于烟草常规化学成分的快速定量分析。     

近红外光谱法在燕麦和苦荞膳食纤维含量分析中的应用

应用近红外光谱漫反射技术,采用偏最小二乘法和留一全交叉验证方法对燕麦和苦荞样品中膳食纤维的含量进行预测.对光谱波长和信号预处理方法进行了优化.剔除异常值后得到实验值和本方法预测值的相关系数达到0.9272.结果表明,采用近红外光谱漫反射方法能够对燕麦、苦荞其它食品中膳食纤维含量进行快速定量或半定量分析.     

MW-PLS法对雷尼替丁粉末药品的定量分析

结合可移动窗口偏最小二乘法（MW PLS）, 利用近红外漫反射光谱建立雷尼替丁粉末药品质量分数无损快速检测方法. 对模型进行优化时选择一阶导数、 二阶导数、 卷积平滑和快速Fourier变换预处理方法, 并优化隐变量数等模型参数. 以逼近度Da作为建模参数的优化评价标准, 最终得到测定雷尼替丁粉末药品的最佳模
型. 用该模型进行预测, 其校正集和验证集的预测值和真实值间的相关系数（Rc）分别为0.984 5和0.977 5, 校正集的均方根误差（RMSEC）为0.003 1, 验证集均方根误差（RMSEP）为0.003 3. 与高效液相色谱(HPLC)测定结果比较, 其相对误差≤2.422%.     

高能固体推进剂药浆流动性的研究

采用测定浓悬浮体系稳态粘度的方法,研究了固体氧化剂HMX粒度级配和金属燃烧剂铝粉球形化对高能固体推进剂药浆流动性的影响,在固体含量为73％～75％的配方中,保持AP,Al含量及粒度分布不变,随着粗/细HMX比例的增加,体系的表观粘度下降,药浆流动性改善,在保持HMX和AP含量及粒度分布不变的情况下,用球形铝粉代替粒状铝粉,同样起到降低药浆表观粘度的作用,且中位径d_(50)越小越明显.同时观察到加入的燃速催化剂具有催化固化反应进行,使推进剂药浆的表观粘度不断增加的作用.进一步证实所加入的燃速催化剂与固化催化剂之间具有交互作用。     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法.配制含滑石粉的面粉样品30个,采集样品在12 500~4 000 cm-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法(PLS)建立定量分析模型.结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求.研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的.     

近红外光谱定量检测丙烷和异丁烷

近红外光谱分析技术结合偏最小二乘法（PLS）对多成分挥发性有机物（VOCs）进行连续的在线监测具有重要意义．用傅里叶变换红外光谱仪（FTIR）分析了丙烷和异丁烷2种挥发性有机物的近红外光谱特征．采用线性回归建模方法——偏最小二乘法在丙烷和异丁烷混合气体的近红外光谱范围（5600～6200cm^-1）内建立了预测模型．基于该模型预测了验证集样品中2种气体的含量,并对模型进行了评价．结果表明,对2种气体浓度的预测比较准确,相对误差基本在5％以内．     

近红外光谱结合偏最小二乘法测定福多斯坦成分含量

采用近红外漫反射光谱分析技术和偏最小二乘法对福多斯坦药物的有效成分进行定量分析测定,采集48个不同比例的福多斯坦样品近红外漫反射光谱,用一阶导数的光谱预处理方法,结合偏最小二乘法建立福多斯坦的定量分析模型.结果显示:交互验证均方根误差为0.003 57,相关系数R为0.994 77,预测均方根误差为0.003 89,平均回收率为99.63%(n=8),结果表明,用近红外光谱分析技术联合偏最小二乘法对福多斯坦进行定量分析结果准确可靠,方法简便快速.     

基于近红外与拉曼光谱的甲醇汽油定量分析

利用近红外和拉曼光谱法定量分析了甲醇汽油中甲醇的含量,采用偏最小二乘法(partial least squares,PLS)建立甲醇的定量模型.近红外光谱法测定甲醇定量模型的预测集相关系数RP为0.998,预测均方根误差(RMSEP)为0.289%;拉曼光谱法测定甲醇定量模型的预测集相关系数RP为0.982,预测均方根误差(RMSEP)为1.141%.实验表明,近红外与拉曼光谱技术均可用于甲醇汽油中甲醇含量的快速检测.     

酒炖熟地黄中还原糖含量测定研究

应用近红外漫反射光谱技术和数据分析软件,对酒炖熟地黄饮片粉末中还原糖的含量进行快速测定。以还原糖测定仪测定酒炖熟地黄饮片粉末样品中还原糖的含量,采集其近红外光谱数据：应用偏最小二乘法（PLS）对建立还原糖含量测定的校正模型。本研究所建立的模型可很好的预测酒炖熟地黄饮片中指标成分还原糖的含量。方法简便可行,尤其适用于生产中间控制和大批量产品的检测,还可用于生产过程的质量控制。     

采用近红外光谱技术快速检测桃汁原汁含量的方法研究

利用近红外光谱技术结合偏最小二乘法（PLS）对桃汁样本中原汁的含量进行定量分析. 采用5种不同预处理方法优化检测数据,结果表明标准化预处理所建立的定量检测模型性能最优,其预测相关系数（R²_p）、预测均方根误差（RMSEP)、校正相关系数（R²_c）、校正均方根误差（RMSEC）分别为0.9988、0.0140、0.9973、0.0212. 研究为桃汁等果汁饮品中原汁含量的检测提供一种快速、无损、简便、廉价、准确的方法.     

基于 siPLS 法建立藤茶中二氢杨梅素近红外定量分析方法

目的:建立藤茶中二氢杨梅素近红外定量模型,用于其快速定量分析.方法:采集45批藤茶样品的近红外光谱,以高效液相色谱法测定样品中二氢杨梅素的含量,并作为参照,以组合区间偏最小二乘法(si PLS法)对特征谱段进行优化,建立二氢杨梅素的定量模型并对模型进行评价.结果:光谱预处理选用矢量归一化法(VN),确定9000~8500 cm-1、8000~7000 cm-1、6000~5500 cm-1为建模谱段.内部交叉验证中,校正均方差(RMSECV)为2.38%,决定系数(R2)为92.16%;外部验证中,模型对训练集预测均方差(RMSEE)为0.993%,对验证集预测均方差(RMSEP)为2.87%,其决定系数为90.67%,相对预测偏差(RPD)为3.27.当样品中二氢杨梅素的含量范围为9.77%~46.13%时,平均预测回收率为97.57%.结论:所建模型预测能力好,可用于藤茶中二氢杨梅素的快速定量分析.     

用近红外光谱法实时监测蛹虫草发酵中胞内多糖的质量浓度

应用近红外光谱(NIR)结合偏最小二乘法(PLS)建立一种实时监测蛹虫草发酵中胞内多糖质量浓度的新方法.对39个批次的蛹虫草在3个不同条件的5L发酵罐中进行蛹虫草深层发酵,发酵过程中间隔一定时间取样,采集样品的近红外光谱,并按常规方法测定样品中胞内多糖质量浓度,再采用PLS法建立样品的近红外光谱与胞内多糖质量浓度间的模型,所建模型经过选择最适光谱预处理方法和最适隐变量数进行优化,其留一交互验证预测值与化学测定参考值间的相关系数R=0.8750,交互验证均方根误差RMSECV=0.3052.采用最优PLS模型对样品中胞内多糖质量浓度进行预测,校正集预测均方根误差RMSEC=0.1670,预测集预测均方根误差RMSEP=0.3650,表明模型的稳健性和预测性能较好。     

多相体系中固含率的水听器检测

通过水听器检测技术,结合偏最小二乘法(PLS)分析,实现了对气液固三相搅拌釜内固含率的检测.通过对水听器信号的特征分析得出了固体运动的特征频段,发现PLS建模方法能够从物理意义上反映固体运动的特征频段,并建立了PLS回归模型的固含率.结果表明,模型所得固含率预测值与真实值的相关系数大于0.89,平均相对误差小于1.02％,预测均方差小于1.73％,具有较好的预测效果.     

NIR对真伪枸橼酸西地那非片快速定性定量分析

应用近红外光谱技术建立对枸橼酸西地那非片的定量及定性分析方法.通过对162个样品进行近红外光谱分析,分别采用偏最小二乘和第一范围标定法建立定量和定性模型,并将定量分析方法的结果与HPLC定量结果进行比对.所建定量分析模型,主成分数为4,R2为98.91%、RMSECV为1.54.该模型对预示集枸橼酸西地那非的平均回收率为100.14%,近红外光谱分析法处理结果与HPLC法处理结果无显著差异.定性分析模型组间选择性为5.09,对42批真伪样品判错率为0.结果显示,所建立方法可对真伪枸橼酸西地那非片进行快速准确的定性及定量分析.     

近红外光谱用于土壤锌的快速分析及其稳定性

利用近红外(NIR)光谱结合偏最小二乘(PLS)回归研究珠三角农田土壤锌含量的无试剂快速定量分析方法,基于定标集、预测集的多次划分讨论模型的稳定性。将全部扫描谱区(400~2 498 nm)分成可见区(400~780 nm)、短波近红外区(780~1 100 nm)、长波近红外区(1 100~2 498 nm)和全近红外区(780-2 498 nm)。经过比较、检验,长波近红外区达到最好的模型效果和稳定性,其最优PLS因子个数为8,检验集的预测均方根偏差(V-SEP)和预测相关系数(V-RP)分别为78.847 mg/kg-1和0.731。结果表明,长波近红外光谱可以应用于土壤锌含量的无试剂快速定量分析。     

基于近红外光谱的杏仁糖中糖含量预测模型的研究

本研究以32个杏仁糖样品为研究对象,使用4种不同近红外光谱仪采集样品的光谱数据,利用二阶导数光谱法处理数据,并结合Savizky-Golay平滑方法,计算二阶导数光谱。将数据集预处理后,建立偏最小二乘(PLS)和支持向量机(SVM)模型用于预测未知样品的糖含量,通过对两个模型的应用发现,PLS模型预测值与真实值偏差较大,均方根误差为2.9822,而SVM模型中利用10折交叉验证优化参数,优化参数后预测值几乎全部与真实值相同,预测值与真实值间均方根误差为0.0127,误差极小。综上所述, SVM模型均方根误差较小,所以选择SVM模型作为糖的预测模型,为杏仁糖样品中糖含量的快速检测提供一种精确简单的方法,此模型可推广至食品中糖含量的定量分析。     

基于近红外光谱的四元调和食用油定量分析

配制51个含有玉米油、大豆油、稻米油和芝麻油的四元调和油样品,采用近红外光谱(near infra-red,NIR)技术直接扫描其光谱,考察不同预处理方法对近红外光谱的预处理效果.在最佳预处理方法基础上,结合偏最小二乘回归(partial least square regression,PLS)建立各组分定量分析模型.将未知样品光谱代入模型中,预测各组分的含量.结果显示,玉米油、大豆油、稻米油和芝麻油的相关系数分别为0.980,0、0.988,7、0.984,7、0.988,9.因此,近红外光谱技术结合化学计量学可以实现四元调和油组分的准确快速定量分析.     

近红外光谱法测定汽油中的芳烃含量

研究了采用近红外光谱测定汽油中芳烃含量的方法，通过汽油单体分析法获得汽油中芳烃的基础数据。在1000—2000nm波长范围内，应用傅立叶变换近红外光谱仪，交互检验偏最小二乘法对使用的近红外光谱数据进行优化，所得校正模型对训练集样品预测的相对平均误差为0．42％，相关系数为0．9696。对未知样品将近红外预测结果与GC的测定结果进行比较，相对平均误差为0．45％。作为一种快速分析技术，近红外光谱测定汽油中芳烃含量是简便可靠的方法。