【摘 要】
:
工业废水和生活污水等的直接排放严重危害人类生命安全以及生态环境的保护,对废水进行成分以及含量的检测具有重要意义。常用的对水体中重金属元素检测的方法大多需要对样品进行复杂的预处理,检测效率低,不能多元素同时分析,因此,亟需发展一种实时、原位、可以进行多元素分析的方法。激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)是一种具有快速、实时、无需样
论文部分内容阅读
工业废水和生活污水等的直接排放严重危害人类生命安全以及生态环境的保护,对废水进行成分以及含量的检测具有重要意义。常用的对水体中重金属元素检测的方法大多需要对样品进行复杂的预处理,检测效率低,不能多元素同时分析,因此,亟需发展一种实时、原位、可以进行多元素分析的方法。激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)是一种具有快速、实时、无需样品制备、可多元素同时分析的物质检测技术,已被广泛应用于不同形态样品的检测。然而,当LIBS直接用于液体检测时,却面临着诸多技术性难点,液体溅射会污染光学元件,加速等离子体的淬灭;液面波动会影响激光能量与样品的耦合,影响等离子体的稳定性和光谱信号的采集,最终导致检测灵敏度低,可重复性差。基于以上问题,本文开展了三方面的研究。1.LIBS液体薄膜直接测量的方法研究。本文通过两束液柱的碰撞获得了稳定的液膜作为LIBS液体测量的取样方式,该方法具有溅射和波动小、测量稳定性好、可重复性高等优势,由于重金属元素Cr具有较强的危害性,本文配置了不同浓度的Na 2Cr O4溶液作为待测样品进行分析。2.提出了一种等离子体自约束模式测量新方法。与单侧脉冲激发相比,我们提出了一种双侧激光脉冲激发方式的等离子体自约束模式来进行LIBS液体的测量。对实验参数进行优化并进行定量测量,得到了Cr I 357.8 nm和Na I 588.9 nm两条谱线51.26 ppm和2.02 ppm的检测限,该结果好于单侧激发直接测量得到的71.56 ppm和2.52 ppm的结果;同时对等离子体电子密度进行计算,发现等离子体自约束的方式下电子密度高于单侧脉冲激发;对激光与液膜相互作用的动力学过程和等离子体冲击波的动力学过程进行了阴影成像研究,发现等离子体自约束模式下由于两个等离子体冲击波的相互约束,有效地抑制了液膜的溅射和波动,减缓了等离子体的膨胀速度,提高了等离子体的稳定性。3.等离子体自约束双脉冲增强方法研究。在等离子体自约束模式的基础上结合共线双脉冲LIBS进行光谱信号的增强。首先进行了单侧双脉冲LIBS的定量测量,对两束脉冲间的间隔进行了优化,在0.7μs脉冲间隔时,两束脉冲的耦合效果最佳,可以获得最佳的信号增强,进而使用等离子体自约束结合双脉冲的方式得到Cr和Na的检测限分别为47.73 ppm和2.01 ppm,相比于等离子体自约束检测限得到了进一步提高。本文的研究结果表明,等离子体自约束模式是一种可以有效提高测量灵敏度和稳定性的LIBS液体测量方法,能够进行快速、高效的水溶液中元素的定量检测。
其他文献
及时、高效、细致地对猕猴桃花授粉是促使优质猕猴桃生长的关键。近几年人工授粉被大量应用到猕猴桃果树上,以用来减少对蜜蜂授粉的依赖。但由于猕猴桃花期较短,需要人工在短时间内完成果园内所有猕猴桃花的授粉工作,这需要大量的时间、金钱和人力。随着猕猴桃果园种植面积的不断扩大,以及农村劳动力不足、人口老龄化等问题的出现,亟需进行猕猴桃自动授粉系统的研究,利用科技发展提高授粉效率,推动田间授粉操作的高效化、自动
光学遥感图像中的目标检测与细粒度识别,是指通过分析卫星或航空光学图像,确定目标空间位置,并将其细分到具体的子类别的一种技术。虽然,目前已经有一些工作尝试解决遥感图像目标检测问题,但仍存在着许多难点:(1)光学遥感图像中存在各种干扰因素,影响了检测性能。光学遥感图像具有背景复杂、环境多变的特点,带来了大量的无用特征,对目标特征的提取过程造成了严重干扰。其次,光学遥感图像中存在着许多密集排列的小目标,
随着我国生产力水平的发展以及人口的日益增加,生活垃圾的数量不断增多,对城市的环境以及居民的生活健康都带来了不好的影响。针对此现状,2019年7月上海率先推行了严格的垃圾分类政策。同年9月,西安市也正式施行垃圾分类。但在国内许多数城市,将垃圾混装投放的现象依然大量存在,不利于对垃圾进行有效的分类处理。随着深度学习的发展,其在计算机视觉、图像识别分类上的应用也越来越多。因此,利用深度学习技术实现对垃圾
高光谱图像作为遥感图像的一种,具有分辨率高,谱像合一等优势,被广泛应用于军事探查,农业研究,环境监测等领域。高光谱图像在每个像元上通常具有上百个波段,蕴含丰富的光谱信息,但是由于高光谱数据标注困难,每幅高光谱图像中只有少部分像元被标注,这导致验证算法的分类效果时只能在少量标注的数据中选择一部分用作训练,一部分用作验证,如今研究的趋势是使用少量的样本进行训练来得到好的分类效果。这时大量的波段信息会使
图像超分辨能够将低分辨率图像重建为信息丰富的高分辨率图像,因此在卫星检测、生物医学、人脸识别和硬件安全等方面有着广泛的应用。然而,图像超分辨是一个病态问题,一张低分辨率图像往往对应于多张高分辨率图像,如何学习准确的映射关系并生成包含丰富信息的高分辨图像是超分辨任务的核心。本文以面向工程应用为目标,旨在控制模型参数量的同时提升超分辨性能。近年来,基于残差学习的超分辨模型在实验性能上有了很大的突破,残
近年来,各行各业都在紧跟互联网行业的步伐,实现管理和销售渠道的电子化,由此就产生出了大量的软件和代码。市面上现有的代码管理平台或工具通常功能单一,没有一个平台对代码的整个生命周期进行统一的管理,因此实现这样一个综合性的代码管理平台是很有必要的。另外,根据代码产品可移植性高、可复用性高、开发效率高的特点,如果可以根据用户需求和代码产品特性推荐一个或多个组合的代码产品,那么就可以为开发人员提供已经编写
高光谱图像同时提供物体的空间信息及丰富的光谱信息,利用光谱信息可以对物质进行材质识别,因此它在目标识别领域具有巨大的优势,这也使得它在地质勘测、物质分类等领域得到广泛研究。随着高光谱图像分辨率的不断提升,高光谱图像数据量越来越大,不仅对成像系统的存储造成了压力,而且给数据传输、处理都带来极大挑战。压缩感知作为一种新颖的采样理论,可在采样时对信号进行压缩,能够减少数据量,然而使用该采样理论对高光谱图
第一部分基于常规实验室指标的血肿扩大生物预测标志物探索目的:脑出血是一种严重的脑血管病,致残率和致死率高。血肿扩大约在1/3的脑出血患者中出现,常伴随病情恶化,是脑出血不良预后强有力的预测因子。有效可靠的预测血肿扩大对尽早采取措施控制血肿扩大从而改善预后具有重要临床意义。基于常规实验室指标的生物预测标志物具有方便、快捷、经济、稳定、可行性高的优点。本研究的目的是基于常规实验室指标探索脑出血后血肿扩
云计算技术的进步,使得云平台的种类朝着更加多样化的方向发展,产生了一些在网络环境、硬件架构等方面都具有显著不同的云平台。这些云平台通过混合部署方式构成了一种混合网络环境模式,使得云平台的环境变得更加复杂,进而导致云平台的监控和运维工作变得日益困难。传统的监控和运维平台可以完成基本的监控告警和半自动化运维工作,在一些实际场景中已经发挥了重要作用。由于这些监控运维平台不支持多云跨环境管理、多层次监控、
生产制造业是国民经济的支柱性产业,我国工业生产制造逐渐向数字化转型,工业生产过程中会产生大量时间序列数据,对这些工业时序数据进行分析和挖掘可以有效保障生产安全、促进工业决策、提高生产效能。但是工业时序数据存在维度高、动态性强、噪声干扰多、非平稳的特点,导致现有时序挖掘方法失效。本文聚焦于工业时序数据挖掘中的多元时序预测及异常检测问题研究,旨在通过准确多元时序数据预测方法及有效多元时序数据异常检测方