基于一维锌(Ⅱ)配位聚合物的水中2,4,6-三硝基苯酚和氟啶胺的选择性检测

以1,1’∶4’,1’’∶4’’,1’’’-四联苯-2,4,2’’’,4’’’-四羧酸(H_(4)L)和4,4’-联吡啶(4,4’-bpy)为配体,采用水热法合成了一维锌配位聚合物[Zn_(2)(H_(2)L)_(2)(4,4’-bpy)2(H_(2)O)]n(1),并通过单晶X射线衍射分析、元素分析、红外光谱分析和热重分析等方法对其结构进行了表征。单晶结构分析表明1属于三斜晶系,空间群为P1。配合物1含有2种配位构型不同的锌离子,分别处于扭曲的三角双锥{ZnNO_(4)}和八面体{ZnNO_(5)}几何构型中。配合物中2个H_(2)L^(2-)配体之间通过锌离子相互连接,构成了无限的一维zigzag平面结构。荧光传感实验表明配合物1的荧光能够被2,4,6-三硝基苯酚和氟啶胺猝灭,且具有较高的灵敏度和选择性,抗干扰性也非常好。

基于CNN-WaveNet的滚动轴承剩余寿命预测

为保证设备正常运行并准确预测轴承剩余寿命,提出二维卷积神经网络与改进WaveNet组合的寿命预测模型。为克服未优化的递归网络在预测训练过程中易出现梯度消失问题,该模型引入了WaveNet时序网络结构。针对原始WaveNet结构不适用滚动轴承振动数据情况,将WaveNet结构改进与二维卷积神经网络结合应用于滚动轴承寿命预测。模型利用二维卷积网络提取一维振动序列的特征,随后特征输入WaveNet并进行滚动轴承的预测寿命。改进模型相比于深度循环网络计算效率更高、结果更准确,相比于原始CNN-WaveNet-O模型预测结果更准确。相比于深度长短期记忆网络模型,改进方法预测结果均方根误差降低了11.04%,评分函数降低了11.34%。