采用液质联用方法检测黄秋葵荚果黄酮类物质含量

采用超声提取方法,利用液质联用仪建立快速的黄秋葵黄酮类物质提取检测方法,使其能应用于黄秋葵相关产品的品质检测。选定黄芩素、柚皮素、槲皮素、黄芩苷和芦丁这五种黄酮类物质,确定液相色谱、质谱条件和检测线性范围等,从而确定黄秋葵荚果黄酮类物质的提取检测方法。色谱条件:色谱柱为华谱unitary C18(2.1 mm×150 mm,5μm);流动相:A为乙腈,B为含0.1%甲酸的水;洗脱梯度:80%B^60%B(0~4 min),60%B(4~10 min),60%B^55%B(10~12 min),5%B(12.1~18 min),5%B^80%B(18~20min),80%B(20.1~25 min)。质谱条件:毛细管电压为4 000 V,气体温度为330℃,气体流速为12 L·min^(-1),喷雾器压力为275.8 k Pa。优化得到黄芩素、柚皮素、槲皮素、黄芩苷和芦丁这五个标样的裂解能量为34、22、30、18、34 eV;五个标样在11 min内完全分离,线性范围为0.5~400μg·L^(-1),线性相关系数均大于0.99。黄秋葵荚果采用超声波法提取黄酮(75%的乙醇,1∶10的料液比,超声75 min),通过实验得到整个提取检测过程中黄芩素、柚皮素、槲皮素、黄芩苷和芦丁的回收率分别为(93.65±3.66)%、(98.79±2.04)%、(100.66±1.83)%、(87.23±6.61)%、(101.91±0.61)%,并对黄秋葵果荚中这5种黄酮物质的含量进行了测定。该方法重复性好、灵敏度高、专一性强,为黄秋葵黄酮类物质的研究提供了实验基础。

路基模量沿深度非均匀分布沥青路面动力解析解

推导了落锤式弯沉仪(FWD)荷载作用下考虑路面结构黏弹性、横观各向同性、层间连续条件以及路基模量沿深度方向非均匀分布的沥青路面动力响应解析解。首先,在考虑横观各向同性轴对称动力基本方程基础上,借助Hankel-Laplace积分变换建立了路面结构部分的常系数常微分方程组以及路基结构部分的变系数常微分方程组;然后,应用Frobenius法以及刚度矩阵法获得了沥青路面动力响应解析解,并编制数值计算程序;最后,结合ABAQUS有限元结果以及文献对比验证了解析解的可靠性,并就路面结构以及路基结构参数进行讨论。结果表明,路面结构中的层间接触条件和横观各向同性能对弯沉产生显著影响,同时路基模量沿深度的非均匀分布对弯沉的影响也不容忽视,建议在实际的FWD道路检测以及路面力学分析中给予充分考虑。

Prediction of resilient modulus for subgrade soils based on ANN approach

The resilient modulus(MR)of subgrade soils is usually used to characterize the stiffness of subgrade and is a crucial parameter in pavement design.In order to determine the resilient modulus of compacted subgrade soils quickly and accurately,an optimized artificial neural network(ANN)approach based on the multi-population genetic algorithm(MPGA)was proposed in this study.The MPGA overcomes the problems of the traditional ANN such as low efficiency,local optimum and over-fitting.The developed optimized ANN method consists of ten input variables,twenty-one hidden neurons,and one output variable.The physical properties(liquid limit,plastic limit,plasticity index,0.075 mm passing percentage,maximum dry density,optimum moisture content),state variables(degree of compaction,moisture content)and stress variables(confining pressure,deviatoric stress)of subgrade soils were selected as input variables.The MR was directly used as the output variable.Then,adopting a large amount of experimental data from existing literature,the developed optimized ANN method was compared with the existing representative estimation methods.The results show that the developed optimized ANN method has the advantages of fast speed,strong generalization ability and good accuracy in MR estimation.

考虑层间接触状态的路面动力响应解析解及参数反演

为了对现有路面结构FWD检测技术的改进提供相关参考,并进一步完善路面结构质量评价体系,从轴对称动力平衡方程出发,应用Hankel-Laplace积分变换,推导了考虑路面材料横观各向同性特性和路面结构层间接触状态的路面结构力学响应解析解,结合传递矩阵法提出了一种路面结构力学响应快速计算方法,并通过与ABAQUS计算结果的对比验证了所提理论推导的正确性。在此基础上,随机生成6 728组不同竖向模量、模量比、层间滑移系数以及结构层厚度的路面结构,计算其在FWD脉冲荷载作用下的表面位移响应,并应用BP神经网络以及实数编码的多种群遗传算法反演路面结构参数。研究结果表明:对BP神经网络而言,仅土基材料参数以及各结构层竖向模量的预测结果相对较为理想,其相关系数在0.75以上;较BP神经网络的预测结果,实数编码的多种群遗传算法对竖向模量的预测精度有了较大提高,相关系数基本达到0.95以上。但无论采用何种反演方法,对模量比以及层底滑移系数的预测效果均不理想。综上所述,所提出的解析解以及计算方法具有较高的计算精度以及较好的数值稳定性,能够实现路面结构力学响应的快速计算;同时,在进行路面参数反演计算时,应考虑路面结构的层间不完全连续状态以及材料的横观各向同性;而仅依靠路表弯沉数据进行参数反演的结果并不理想,有必要对现有检测技术进行相关改进。