质谱光电离/光致化学电离源研究及VOCs在线检测应用

来源 :吉林大学 | 被引量 : 0次 | 上传用户:leinuo2222
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
挥发性有机污染物(VOCs)种类繁多且时空变化迅速,这在生态环境和生命健康等领域中产生了严重的危害。因此,研究和开发快速、精确、高灵敏度的VOCs检测方法与技术具有极为重要的意义。在线检测中的光电离质谱具有谱图简单易解析、灵敏度高、检测速度快等优势,在复杂样品在线监测及快速分析检测中得到越来越多的应用。光电离质谱常用真空紫外氪气放电(VUV-Kr)灯作为光源,因其光通量和光子能量都相对较低,从而导致质谱仪器的检测灵敏度和待测物样品的分析范围都受到了限制。本论文致力于研究提高电离效率和检测范围的光致化学电离方法与技术、提升传输效率的光电离中离子漏斗聚焦方法与技术以及研制光电离/光致化学电离-离子漏斗聚焦电离源,以提高质谱仪器的检测灵敏度、扩大待测物样品的分析范围;在生态环境和生命健康等领域中实现针对VOCs的高灵敏、在线检测。论文主要包括以下五个方面的工作:1.垂直加速反射式飞行时间质谱仪的开发开发了一台高性能的垂直加速反射式TOFMS,其主要组成部分包括进样系统、基于VUV-Kr灯的电离源、射频四极杆(RFQ)与静电透镜(ESL)相结合的离子传输系统、融合二级空间聚焦理论的反射式飞行时间质量分析器、Chevron结构的MCP离子检测器、数据采集处理系统、真空系统和电控系统等。在对TOFMS各项性能参数进行调试优化和指标测试后,该仪器在m/z=92处的分辨率超过5,800,对常见的挥发性有机污染物,如苯、甲苯和对二甲苯,检出限可低至pptv量级。此外,该仪器具备良好的稳定性,14 h连续监测信号强度的相对标准偏差小于1.5%,可满足长时间稳定工作的需求。2.光致化学电离方法与技术的研究VUV-Kr灯的光子能量为10.6 e V,光通量为1012photons/s,难以实现高电离能或低光电离截面化合物的高效电离和高灵敏度检测。因此,为提升高电离能或低光电离截面化合物的电离效率,以PI源为基础并结合化学电离机理,提出光致化学电离的电离新方法,并研发一种新型光电离诱导NO+化学电离(PNCI)部件。该部件以一氧化氮(NO)作为试剂气体,借助VUV光电离生成稳定且充足的NO+试剂离子。随后,通过离子-分子缔合与氢负离子(H-)提取反应,与待测物样品分子实现光致化学电离。这一过程有效提高了待测物样品的电离效率、检测范围以及仪器的检测灵敏度。部件经过优化调试,在电离区气压为800 Pa、部件反应区电场强度为8.20 V/cm和部件传输区电场强度为33.33 V/cm时,不仅可以对高电离能甲醛进行检测,同时,对低光电离截面丙烯醛的信号强度提升86倍,60 s内对所检测化合物的检出限(LODs)最低可至10 pptv,并且具有3个量级的线性范围,线性相关系数(R~2)均大于0.99。3.光电离中离子漏斗聚焦方法与技术的研究传统光电离源的直流电场无法对源内所产生的待测物样品离子进行有效利用,限制了仪器检测灵敏度的进一步提升。因此,为提升光电离源中对源内待测物样品离子的传输效率,以PI源为基础并结合离子聚焦技术,提出光电离中离子漏斗聚焦的电离新方法,并研发一种新型离子漏斗聚焦光电离(IFPI)部件。该部件利用VUV光电离生成待测物样品离子,借助射频离子漏斗的聚焦和传输功能,将待测物样品离子高效的传送至质量分析器进行分析。这一过程显著提升了待测物样品的传输效率以及仪器的检测灵敏度。部件经过优化调试,在电离区气压为400 Pa、射频峰峰值为45 V时,对苯、甲苯和对二甲苯的检测灵敏度最高提升至37倍,5 s内对所检测化合物的检出限(LODs)最低可至7.0 pptv,并且具有2-3个量级的线性范围,线性相关系数(R~2)均大于0.99。4.光电离/光致化学电离-离子漏斗聚焦电离源的研制以PI/PCI源为基础并结合射频离子漏斗聚焦技术,研制了一种新型离子漏斗射频增强光电子诱导H3O+化学电离(IFPICI)源。该电离源采用饱和水蒸气作为试剂气体,借助离子漏斗射频增强加速光电子生成高强度的H3O+试剂离子。随后,待测物样品分子与H3O+试剂离子之间发生质子转移反应实现高效电离。这一过程不仅显著提高了待测物样品的电离效率和传输效率,同时还提升了质谱仪器的检测灵敏度。IFPICI源经过优化调试,在电离区气压为300 Pa、离子漏斗射频电压幅值为65.2 V时,相比于光电离中离子漏斗聚焦技术,IFPICI源对异戊二烯、对二甲苯、二甲基硫醚、丙酮和乙酸5种化合物的检测信号强度最高提升至10.9倍,5 s内对所检测化合物的检出限(LODs)最低可至1.65 pptv,并且具有4-5个量级的线性范围,线性相关系数(R~2)均大于0.99。5.飞行时间质谱在线检测VOCs的应用研究基于本文研发的光电离/光致化学电离源飞行时间质谱,开展了家用轿车车内空气中醛类化合物和苯系物、大气环境中痕量苯系物以及健康志愿者呼吸气中VOMs这3种领域VOCs在线检测和实时定量分析的应用研究。实验表明光电离/光致化学电离源飞行时间质谱具有优越的性能以及较高的检测灵敏度和稳定性,可满足长期在线检测痕量VOCs的需求。
其他文献
目前为止,视觉是人类感知世界的重要方式之一。事件相机是一种生物启发式的视觉传感器,其工作原理与传统相机截然不同。传统相机按照固定帧频率拍摄图像;事件相机捕捉像素级的亮度变化,其输出具有稀疏性和异步性。受益于其独特的工作方式,相比于传统相机,事件相机拥有高时间分辨率、低延迟、高动态范围、低能耗等诸多优点,在高速运动、光照条件较差以及工作平台资源有限等具有挑战的环境下更具有性能优势。在消费电子、工业自
学位
随着限制性条件下人脸识别技术研究的不断深入研究,这项技术也愈加趋向于成熟,且准确率颇高。然而在非限制性条件下,由于光照、表情、遮挡、姿态等外界因素的不可控,会导致人脸识别的性能下降,其中姿态变化由于会带来面部的刚性形变,影响人脸的对称性与完整性,是人脸识别中遇到的首要瓶颈所在。在此背景下,本文针对姿态变化导致的人脸识别准确率下降的问题,研究从单一姿态的人脸图像中生成多姿态人脸图像,并设计了基于注意
学位
知识图谱作为一种结构化的信息,已被广泛应用于搜索引擎、问答系统等自然语言处理应用中。为了满足日益增加的世界知识,自然语言处理领域的研究者们致力于探索高效地自动获取世界知识的办法,那便是关系抽取技术。传统的关系抽取采用了管道式的抽取方法,首先识别出文本中的所有实体,再将实体两两组合,判别实体对所属的关系。管道式抽取方法忽略了命名实体识别和关系分类两个任务之间的紧密联系和相互作用,且实体识别的误差会传
学位
随着天基系统任务的功能需求越来越复杂、响应时间越来越短,基于传统卫星开发方法搭建的天基系统中卫星功能固化、软硬件过耦合、资源分配不均衡、卫星任务协同难度大、开发自动化程度低,应对新的任务难以提供智能和高效的解决方案。本文对面向任务的天基系统软件集成开发的关键技术开展了研究,主要研究内容如下:(1)针对卫星功能固化、软硬件过耦合的问题,对传统卫星软件体系架构进行优化,是软件集成开发的结构基础。基于轻
学位
在网络和分布式系统中,网络协议是实现节点间有序数据交互的关键。传统的三层以上协议多基于软件实现。但随着5G、TSN等新型通信技术的出现与发展,网络和分布式系统对数据处理性能提出了更高的要求,这促使硬件加速协议处理成为协议实现的重要方式。例如,微软、Xilinx将TCP卸载到硬件上提升吞吐量。伴随着大量新型通信技术的涌现,协议的复杂程度不断提升。在过去的工作中,硬件加速协议处理常采用有限状态机模型,
学位
对于卫星这一类小子样、高可靠性、长寿命的航天产品,有效的可靠性评估是确保航天器安全运行、航天任务顺利实施的重要基础。作为卫星可靠性分析的必要内容,卫星平台的剩余寿命(remaining useful life,RUL)预测往往面临试验数据少的问题,无法保证评估结果的准确性。本文针对工程应用的实际需求,基于贝叶斯理论,对融合卫星平台多源信息的系统级RUL预测方法进行分析讨论,具体从以下三个方面开展了
学位
轻量级分组密码作为现代密码学的重要部分,因其实现代价小、易于标准化、运行速度快、吞吐量大等特点,被广泛应用于物联网设备的安全机制中。故障分析作为分析轻量级分组密码的重要方法之一,攻击者通过激光、电磁场、时钟毛刺等方式向密码设备注入故障,获得错误输出,然后基于分析错误输出中包含的信息,即可用较低的代价破译密码算法。该攻击方式不仅容易实现,且攻击威力大,因此故障攻击可以有效检测物联网中密码算法的安全性
学位
联邦学习作为一种具有保护训练数据隐私特点的分布式模型训练方法受到了广泛关注。然而,已有研究表明,由于本地模型更新中不可避免的包含了训练数据的信息,可被攻击者利用,以此来窥探本地训练数据特征。本地化差分隐私机制是一类广受关注的数据隐私保护方法。然而,本地化差分隐私机制如何高效应用于联邦学习、对数据添加满足本地化差分隐私的扰动会对联邦学习性能(收敛性及训练精度)带来何种影响、以及扰动后的联邦学习系统抵
学位
食品快速检测工作越来越贴近广大老百姓的生活,这也是市场监管部门积极推进的一种食品安全监督管理的工作模式。在食品快速检测工作中,盲样制备作为前置环节,其盲样质量直接影响后续的检测结果。本文梳理分析了盲样制备工作中存在的一些问题,提出了改进措施与建议。
期刊
深度神经网络在从语言建模、计算机视觉到语音识别等广泛的应用领域取得了巨大的成功。然而,目前,仅凭良好的性能还不足以满足实际部署的需要,在涉及伦理和关键应用的情况下,需要可解释性。目前对于可解释性的研究无法满足需求,深度神经网络的复杂模型使其难以理解和推理预测,这阻碍了其进一步的发展。因此,提高模型的可解释性不仅具有学术意义,更具有现实价值。本文的研究思路是通过集成学习增强可解释系统。依据研究思路,
学位