基于方波溶出伏安法的电化学传感器检测水体中痕量铅

基于方波溶出伏安法运用丝网印刷电极探索了一种利用电化学传感器检测水样中痕量铅的方法.得到了该检测方法的最佳参数:方波频率30 Hz,振幅80 mV,电位增量5 mV;0.5 mol/L的支持电解质(KCl);沉积电位-1.1 V,沉积时间400 s.在该优化条件下,在浓度为25 ～ 500μg/L范围内溶出峰电流与铅离子浓度呈良好的线性关系(R2=0.9945).对于几种其他金属离子的干扰实验结果表明,Mn2的存在严重抑制铅离子的峰电流.     

高电压电容吸附法处理模拟含盐废水

针对电容吸附除盐法的缺点,通过对电极进行绝缘处理,开发了一种新型高电压电容吸附除盐技术。实验结果表明：增大外加电压,有利于除盐效率的提高;外加电压为60V时,NaCl去除率可达90%以上;增大废水流速对吸附效果不利;反应温度对处理效果的影响不大;在NaCl质量浓度为80mg/L、外加电压为60V、反应温度为25℃、废水流速为36m/s、反应时间为30min的条件下,经一级处理和二级处理后出水的NaCl质量浓度分别为39mg/L和16mg/L,NaCl去除率分别为51.3%和80.0%。     

新型β-PbO2电极电解处理茜素红废水的研究

采用高压塑片工艺制备新型β-PbO2电极,该工艺简单易行,且所得β-PbO2电极具有很好的抗腐蚀性能.为研究该电极的电催化性能,探讨了电极间距、电解时间、茜素红初始浓度、外加电压、初始pH等条件对该电极降解茜素红染料效果的影响,并与石墨电极进行对比.结果表明,β-PbO2电极在脱色和COD去除方面都有明显的优越性.根据茜素红的分子结构和电解产物气相色谱—质谱联用(GC/MS)仪分析结果,初步探讨了茜素红降解的反应机制.     

矿化垃圾床＋三维电极／电Fenton法处理老龄垃圾渗滤液

提出以二级矿化垃圾床为预处理单元,串联三维电极／电Fenton处理老龄垃圾渗滤液的组合工艺。矿化垃圾床处理后渗滤液中COD、氨氮、总磷、色度的去除率分别为80．55％、88．47％、98．32％和87．53％。通过单因素实验和正交实验,确定了三维电极／电Fenton法最佳工艺条件。经该组合工艺后,渗滤液中COD、氨氮、总磷和色度的最高去除率分别可达97．08％、95．24％、99．55％和96．92％,其中COD、总磷、色度这3个指标低于《生活垃圾填埋场污染控制标准》（GB16889．2008）表2规定的排放标准,为该组合工艺在实际中的应用提供重要理论依据。     

气体扩散电极在水处理领域中的研究进展

气体扩散电极（Gas Diffusion Electrode—GDE）作为阴极,通过氧气还原产生过氧化氢（H202）,在亚铁离子催化剂存在的情况下形成Fenton试剂,从而间接氧化有机污染物,这方面的研究逐步引起人们的重视。本文综述了电极材料、电流密度、pH、催化剂等因素对处理效果的影响,提出了该方法存在的问题并对其发展趋势进行了展望。     

巧用双刀双掷开关给普通电钻增加反转功能

使用过普通电钻的人都遇到过钻眼后钻头拔不出来的麻烦。其实这个问题很好解决,只要在电钻上增加一个反转功能问题就迎刃而解了。电钻普遍采用单相串励电动机,它的基本结构是：励磁绕组（也叫定子绕组）与电枢绕组（也叫转子绕组）串联,转子绕组是经过电刷与定子磁场绕组串联的。工作原理是：当电钻通人交流电时（单相串励电动机交直电通用,因此也可使用直流电）,     

煤矿斜井串车提升跑车事故原因分析

为了防止斜井串车提升跑车事故的发生,必须管理好提升系统和阻车器两个部分.因为这两部分设备、器材工作状况的好坏和作业人员的规范操作,直接影响提升系统的安全.本文应用故障树分析方法,通过对煤矿斜井串车提升跑车事故的分析,提出了控制斜井跑车基本事件发生的途径,为斜井提升系统安全管理提供科学依据.     

离子选择电极测定氟常见的问题

氟离子选择电极测定任何样品中的氟,从绘制标准曲线至整批样品测定,清洗电极的电位必须前后一致,否则将产生较大的误差,对测量仪器的要求一般电极电位要精确到０．１ｍＶ至少达到１ｍＶ。     

阴离子洗涤剂离子选择性电极的研制

阴离子洗涤剂污染水体,破坏水生态平衡。目前应用亚甲蓝分光光度法进行监测,操作繁琐,抗干扰能力差,且使用大量的有毒溶剂氯仿,因此需对该方法进行改进。本文着重介绍一种新型的电活性基团与功能高分子支撑体相键合的离子选择性液态膜电极。以聚苯乙烯进行氯甲基化、季铵化,制成聚苯乙烯敏感膜离子选择性电极。液膜离子选择性电极是近年来发展起来的一种基于电化学原理的离子测试最新工具。它优越于玻璃电极和固态膜电极,具有较高选择性,活性材料广泛。曾报道在聚氯乙烯的端基上引入季铵基活性基团,制成选择性电极。但存在着活性物…     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。