期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
浓度微扰下硝酸水溶液中氢键作用的二维相关拉曼光谱研究
1
作者 杨博 张雅茹 +5 位作者 程碧瑶 李雨蔚 屈鹏飞 唐辉 柳海斌 王小卓 《光谱学与光谱分析》 北大核心 2025年第4期958-963,共6页
硝酸被称为“国防工业之母”,其水溶液的稀释浓度对火炸药生产至关重要。通过搭建腔增强型拉曼光谱仪,提高拉曼激发和收集效率,实现对硝酸质量分数(ω)为35.49%~88.98%的细微浓度差异的硝酸水溶液进行测量。分析900~1400 cm^(-1)范围内... 硝酸被称为“国防工业之母”,其水溶液的稀释浓度对火炸药生产至关重要。通过搭建腔增强型拉曼光谱仪,提高拉曼激发和收集效率,实现对硝酸质量分数(ω)为35.49%~88.98%的细微浓度差异的硝酸水溶液进行测量。分析900~1400 cm^(-1)范围内的硝酸拉曼光谱,发现965 cm^(-1)处N—OH伸缩振动模式随着硝酸浓度变化发生显著频移。随着硝酸质量分数增加,当35.49%≤ω≤55.10%时,N—OH伸缩振动模式快速红移,这归因于HNO_(3)—nH_(2)O(n=1,2,…)团簇结构的形成;当ω>55.10%时,N—OH伸缩振动模式红移程度逐渐变小,这可能是因为硝酸与水分子之间形成的氢键逐渐减少的缘故;当ω>68.78%时,N—OH伸缩振动模式红移程度增大,这源于硝酸分子内氢键的增多。此外,深入研究1050 cm^(-1)处N—O全对称伸缩振动模式与1300 cm^(-1)处N—OH反对称伸缩振动模式的谱峰强度随硝酸浓度的变化。随着硝酸质量分数增加,当35.49%≤ω≤55.10%时,1050与1300 cm^(-1)的拉曼峰面积比快速减小;当ω>55.10%时,该拉曼峰面积比减小幅度放缓;当ω>68.78%时,该拉曼峰面积比的变化趋于稳定。1050与1300 cm^(-1)的拉曼峰面积比值的减小可以归因于NO-3(N—O全对称伸缩振动模式)逐渐减少,而未解离HNO_(3)(N—OH反对称伸缩振动模式)逐渐增加。上述光谱峰频移和强度变化表明,在可用样本量范围内,当ω分别达到55.10%和68.78%时,HNO_(3)—nH_(2)O团簇结构均会发生转变。结合密度泛函理论(DFT)进一步阐释谱峰强度和频移变化机理。当35.49%≤ω≤55.10%时,硝酸水溶液中HNO_(3)—3H_(2)O和HNO_(3)—2H_(2)O是主要存在形式。当ω>55.10%时,溶液中HNO_(3)—nH_(2)O逐渐转变为HNO_(3)—H_(2)O团簇。当ω>68.78%时,硝酸水溶液中未解离的HNO_(3)逐渐占据优势。最后,对一维拉曼光谱进行二维相关分析,揭示HNO_(3)/NO-3的谱峰来源。结果证实1308和958 cm^(-1)的谱峰代表未解离的HNO_(3)分子,1051 cm^(-1)处谱峰属于解离NO^(+)_(3)。这些结果有助于深入理解不同浓度硝酸水溶液中分子间相互作用变化,为硝酸在化工、材料化学以及国防工业领域的应用提供参考。 展开更多
关键词 拉曼光谱 硝酸水溶液 氢键作用 二维相关光谱 DFT计算
在线阅读 下载PDF
基于自适应阈值的脉冲激光引信时刻鉴别方法 被引量:2
2
作者 程碧瑶 张雅茹 +3 位作者 李雨蔚 王小卓 付曦瑶 唐辉 《探测与控制学报》 CSCD 北大核心 2024年第4期32-38,57,共8页
由于门限阈值电压固定,传统脉冲激光引信接收系统的时刻鉴别电路极易产生信号误判而引起虚警或漏警。针对此问题,提出基于自适应阈值的脉冲激光引信回波时刻鉴别方法,并进行电路优化设计。该方法通过将时刻鉴别电路中门限阈值和放大信... 由于门限阈值电压固定,传统脉冲激光引信接收系统的时刻鉴别电路极易产生信号误判而引起虚警或漏警。针对此问题,提出基于自适应阈值的脉冲激光引信回波时刻鉴别方法,并进行电路优化设计。该方法通过将时刻鉴别电路中门限阈值和放大信号进行关联,使得门限阈值电压可以根据信号源中直流分量及噪声的变化而自适应调节,可显著降低时刻鉴别误差。LT spice软件仿真结果表明:随着直流分量的增加,门限阈值增加,该优化电路可根据直流分量的变化而自适应调节;随着信噪比的增大,门限阈值自动降低,该优化电路可根据噪声变化而自适应调节。该优化电路可将比较器输入两端的电压差控制在适当的范围,实现对脉冲结果的控制。该自适应阈值时刻鉴别电路结构简单、易于实现,为实现激光引信的高精度测距提供了有效的支持。 展开更多
关键词 激光引信 时刻鉴别电路 自适应阈值
在线阅读 下载PDF
基于机器学习的硝酸拉曼光谱定量分析方法 被引量:2
3
作者 张雅茹 程碧瑶 +2 位作者 杨博 王小卓 任文贞 《探测与控制学报》 CSCD 北大核心 2024年第4期63-68,共6页
针对太安产线智能化检测中存在的硝酸拉曼光谱随浓度变化复杂、难以通过传统方法实现高精度定量分析的问题,提出一种基于机器学习的硝酸拉曼光谱高精度定量分析方法。三种机器学习算法包括偏最小二乘回归、支持向量机回归及随机森林回... 针对太安产线智能化检测中存在的硝酸拉曼光谱随浓度变化复杂、难以通过传统方法实现高精度定量分析的问题,提出一种基于机器学习的硝酸拉曼光谱高精度定量分析方法。三种机器学习算法包括偏最小二乘回归、支持向量机回归及随机森林回归算法首次被用于构建硝酸拉曼光谱定量分析模型。将经去噪、背景扣除、归一化等预处理后的硝酸拉曼光谱作为模型输入,硝酸浓度作为模型输出,采用网格搜索算法结合五折交叉验证优化模型超参数后,三种模型在测试集数据上的R2均大于0.995,且随机森林回归模型最优,浓度预测均方误差可达0.356。实验结果表明,利用基于机器学习的拉曼光谱定量分析技术,可为硝酸浓度测量提供一种无损、高精度检测方法。 展开更多
关键词 硝酸浓度 机器学习 拉曼光谱 定量分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部