中国科学院战略性先导科技专项(XDB05050300)
- 作品数：5 被引量：32H指数：3
- 相关作者：徐亮刘建国李双德陈运法李文辉更多>>
- 相关机构：中国科学院中国科学院大学中国科学院过程工程研究所更多>>
- 发文基金：中国科学院战略性先导科技专项国家自然科学基金国家重大科学仪器设备开发专项更多>>
- 相关领域：环境科学与工程理学机械工程医药卫生更多>>
- 基于近红外漫反射光谱的盐酸左西替利嗪片判别分析被引量：2
- 2015年
- 当前市场上的药品种类繁多,因此对不同厂商的同类药品进行识别分析对规范医药市场及保障人民用药安全有重要现实意义.实验采用基于傅里叶变换近红外漫反射光谱的光谱判别分析方法,结合矢量归一化方法和导数方法对光谱进行预处理,对不同品牌的盐酸左西替利嗪片建立定性识别模型,并用验证集样品对模型进行验证。验证结果表明,通过光谱库判别分析法建立识别模型不能正确识别同一厂家的两种样品,但对不同厂家盐酸左西替利嗪片的识别正确率为100%,该方法可以用于不同企业同类药品的快速定性识别和质量控制.
- 陈芬芬高闽光徐亮
- 关键词：傅里叶光学近红外光谱盐酸左西替利嗪片
- 用动态旋转滤网分离烹饪油烟中的油脂被引量：1
- 2017年
- 为减少油烟废气中油脂对油烟机内腔、风机和末端净化设备的污染,设计了一种动态旋转滤网,通过增大油滴与滤网物理碰撞概率,有效地拦截油烟废气中的细颗粒物。实验探索了滤网的孔径(目数)和转速对油脂分离度和颗粒物截留情况的影响。研究结果表明,较大的滤网转速和目数均有利于油滴的去除,当转速为1 300 r·min^(-1),目数为24目时,整机油脂分离度达96.5%,并对PM_(10)、PM_(2.5)、PM_1等细颗粒物均有明显的去除效果。总体而言,动态旋转滤网能有效分离油烟中的油脂和细颗粒物,真正做到"免拆洗"。这一技术有望在烹饪油烟的治理方面获得广泛应用。
- 李文辉李双德高佳佳曹亚裙陈运法
- 关键词：油烟废气细颗粒
- 分析温室气体及CO2碳同位素比值的傅里叶变换红外光谱仪被引量：18
- 2014年
- 改进了傅里叶变换红外分析仪(FTIR)的硬件设计以实现温室气体及CO2碳同位素比值的多组分、高精度、连续自动测量。首先,对FTIR分析仪测量系统进行了设计和理论分析,引入了温度和压力监控系统以及全密封气路干燥系统。然后,讨论了光谱的定量分析过程。最后,设计了标准气体对比测量实验。实验结果表明:分析仪测量CH4,CO,CO2和δ13 CO2值的标准偏差分别为0.01×10-6,0.011×10-6,0.239×10-6和0.572‰,与常规FTIR测量系统相比,其检测的标准不确定度分别提高了6.3,8.45,10.54和14.73倍,其系统误差分别提高了2.88,1.93,4.67和4.66倍;对比分析仪与同位素质谱仪对δ13 CO2值的测量结果,标准偏差分别为0.572‰和0.171‰,二者测量的标准不确定度相近。所设计的温室气体及CO2碳同位素比值FTIR分析仪能够满足多组分、高精度、连续自动测量的需要。
- 李相贤徐亮高闽光童晶晶刘建国
- 关键词：温室气体
- 模拟烹饪油烟的粒径分布与扩散被引量：7
- 2017年
- 烹饪油烟颗粒物粒径分布与扩散特性研究有助于解析其对室内空气质量和居民健康的影响,采用电子低压撞击器(ELPI)实时监测了油烟机开启和关闭状态下,模拟烹饪油烟发生处和3 m外位置处,0.03~10μm范围内油烟颗粒数浓度和质量浓度随粒径分布.油烟颗粒主要以655 nm以下的细颗粒为主.油烟机能够显著降低室内油烟浓度,开启油烟机后,油烟发生处颗粒数浓度从2.8×106个·cm-3降低到2.3×105个·cm-3,PM2.5(空气动力学直径≤2.5μm的颗粒)质量浓度从85.9 mg·m-3降低到6.2 mg·m-3.油烟机对PM10的净化效率高于PM2.5.油烟迅速从发生处扩散到3 m外,无通风状态下,总颗粒数浓度衰减达65%,PM2.5质量浓度衰减达75%.计算流体动力学(CFD)模拟了油烟机对油烟PM2.5质量浓度场扩散分布影响.红外摄像仪监测了油烟温度场分布扩散,以扇形向外扩散,伴随着油烟温度梯度降低.
- 李双德徐俊波莫胜鹏李文辉高佳佳曹亚裙陈运法
- 关键词：粒径分布温度场
- 基于人工神经网络的傅里叶变换中红外光谱法对食用油油烟种类识别研究被引量：4
- 2017年
- 随着餐饮业的发展,餐饮烟气已经成为某些城市三大空气污染源之一。由于餐饮烟气对人体健康威胁很大,近年来对餐饮烟气的研究愈来愈热。餐饮烟气中包含有大量食用油加热过程中裂解而产生的不饱和烃类,危害着人类健康。不同食用油裂解出来的成分以及含量有所不同,通过构建一定的分类识别数学模型,从而实现对食用油分类识别。采用自主研发的傅里叶变换红外光谱仪,采集了不同食用油油烟烟气红外光谱数据。同时构建了主成分分析(PCA)分别结合概率神经网络(PNN)以及误差反向传播人工神经网络(BPANN)的分类识别算法。将两种分类识别算法对不同食用油油烟烟气的傅里叶变换红外光谱数据进行分析。通过样本数据对数学模型进行训练,将训练好的数学模型对未知光谱数据进行分析,来确定产生油烟烟气的食用油种类。实验结果表明,两种算法都能对不同的油烟种类进行较好地分类识别。在全波段识别时,识别率分别达到90.25%和97.0%。通过对烟气光谱数据的吸收波段进行分析,提取大气窗口并且具有较强可挥发性有机物(VOCs)吸收特征的波段(1 300~700 cm^(-1)以及3 000~2 600 cm^(-1));将吸光度数据分成两个分离的吸收波段,两种算法在3 000 2 600 cm^(-1)波段都有较好的识别效果,PCA-PNN算法识别率为90.25%,PCA-BPANN算法识别率为92.25%。可见,两种人工神经网络算法都能有效对食用油烟种类进行识别。
- 叶树彬徐亮李亚凯刘建国刘文清
- 关键词：FTIR人工神经网络主成分分析
