准确检测植物体内的氟含量有助于预测氟化物的生态环境效应。植物中的氟含量低,通常不超过300μg/g,应用离子选择电极法测量氟需选择样品分解效率高的前处理方法使氟不受到损失,获得离子成分简单、空白低的溶液,同时加入适量的缓冲液增...准确检测植物体内的氟含量有助于预测氟化物的生态环境效应。植物中的氟含量低,通常不超过300μg/g,应用离子选择电极法测量氟需选择样品分解效率高的前处理方法使氟不受到损失,获得离子成分简单、空白低的溶液,同时加入适量的缓冲液增强氟离子的强度和掩蔽干扰。本文采用微波消解法处理植物样品,离子选择电极法测定氟的含量,通过优化实验条件确定了缓冲液的浓度。结果表明,在25℃、p H=6.5的样品溶液中加入147 g/L总离子强度缓冲溶液(TISAB)10 m L,避免了溶液中的阳离子与氟离子生成稳定的不溶絮状物,显著降低了沉淀物的产生。本方法检出限为0.242μg/g,精密度(RSD)小于8.5%,回收率为92.0%-108%,能满足地球化学样品分析中对植物样品中低含量氟的检测要求。展开更多
针对超导磁储能(Superconducting Magnetic Energy Storage, SMES)中传统比例积分(Proportion Integration, PI)控制器控制参数不能更新的问题,提出了基于径向基函数(Radical Basis Function, RBF)神经网络的PI控制策略。以SMES电压源...针对超导磁储能(Superconducting Magnetic Energy Storage, SMES)中传统比例积分(Proportion Integration, PI)控制器控制参数不能更新的问题,提出了基于径向基函数(Radical Basis Function, RBF)神经网络的PI控制策略。以SMES电压源型变流器为研究对象,对其拓扑结构进行建模分析,在交流侧及直流侧控制部分采用RBF神经网络改进策略。该策略的主要功能是利用RBF神经网络的辨识能力对系统模型进行动态辨识,然后将PI控制参数与辨识结果相关联,使得参数在神经网络在线自学习中不断迭代更新,自适应于系统变化。在MATLAB/Simulink中进行仿真验证,结果表明:该控制策略能够快速并准确地响应功率指令和电压指令,有利于SMES更好完成电网波动平抑任务。展开更多
文摘准确检测植物体内的氟含量有助于预测氟化物的生态环境效应。植物中的氟含量低,通常不超过300μg/g,应用离子选择电极法测量氟需选择样品分解效率高的前处理方法使氟不受到损失,获得离子成分简单、空白低的溶液,同时加入适量的缓冲液增强氟离子的强度和掩蔽干扰。本文采用微波消解法处理植物样品,离子选择电极法测定氟的含量,通过优化实验条件确定了缓冲液的浓度。结果表明,在25℃、p H=6.5的样品溶液中加入147 g/L总离子强度缓冲溶液(TISAB)10 m L,避免了溶液中的阳离子与氟离子生成稳定的不溶絮状物,显著降低了沉淀物的产生。本方法检出限为0.242μg/g,精密度(RSD)小于8.5%,回收率为92.0%-108%,能满足地球化学样品分析中对植物样品中低含量氟的检测要求。
文摘针对超导磁储能(Superconducting Magnetic Energy Storage, SMES)中传统比例积分(Proportion Integration, PI)控制器控制参数不能更新的问题,提出了基于径向基函数(Radical Basis Function, RBF)神经网络的PI控制策略。以SMES电压源型变流器为研究对象,对其拓扑结构进行建模分析,在交流侧及直流侧控制部分采用RBF神经网络改进策略。该策略的主要功能是利用RBF神经网络的辨识能力对系统模型进行动态辨识,然后将PI控制参数与辨识结果相关联,使得参数在神经网络在线自学习中不断迭代更新,自适应于系统变化。在MATLAB/Simulink中进行仿真验证,结果表明:该控制策略能够快速并准确地响应功率指令和电压指令,有利于SMES更好完成电网波动平抑任务。