燃油发动机的尾气成分检测对于发动机的状态判断、 环境污染监测等具有重要参考价值。 选择以95号汽油为燃料的除草机的发动机作为实验样机, 将发动机排出的尾气直接吹向拉曼积分球光谱仪信号采集焦点, 利用拉曼积分球光谱仪较高的气体检测限和定性、 定量检测所有分子类气体的特点, 对尾气中的气体分子成分进行检测。 探测到尾气的气体成分主要包括N2、 O2、 CO2、 CO、 未燃烧的汽油等。 以氮气振动(2 331 cm-1)的拉曼特征峰强度作为标准, 对O2(1 553 cm-1)、 CO2(1 285和1 388 cm-1)、 CO(2 144 cm-1)、 未燃烧的汽油(2 894 cm-1)的拉曼光谱强度进行归一化处理, 获得其相对拉曼特征峰强度。 对比发现, 空气和汽油挥发混合气的光谱中均未出现CO的特征峰, 汽油挥发混合气中的O2、 CO2含量与空气相比也没有明显变化, 而CO2费米共振峰1 388和1 285 cm-1拉曼特征峰的相对强度比发生变化。 除草机工作状态分为怠速、 一档和二档, 处于工作状态时, 尾气成分中的O2含量均比空气中含量低, 可以定量分析发动机工作过程中消耗的O2量。 而燃油发动机从怠速加速到一档和二档的过程中, 尾气中O2含量相对增加。 这是由于发动机档位的提升伴随着空气的进气量增大, 则参与发动机燃烧的氧气比例相对减少。 与此同时, 尾气中CO2含量相比于空气中的含量急剧增加, 说明燃油发动机工作过程会产生大量的CO2, 且随着档位的提升, 发动机的动力增加, 尾气中CO2比例也逐渐增高。 CO2作为导致温室效应的主要原因, 化石燃料的使用也是其主要来源之一。 数据显示尾气中CO的含量与尾气中汽油的含量成正相关, 说明燃烧不充分的时候, 汽油剩余较多, CO作为不充分燃烧的产物, 其含量也会增加。 随着发动机档位的增加, N2特征峰的绝对强度降低, 这是因为发动机尾气温度升高, 造成氮气的斯托克斯散射强度降低。 利用拉曼积分球光谱仪对不同状态下发动机尾气成分的变化进行分析, 并初步建立发动机状态与气体浓度变化的关系。 对拉曼积分球技术应用于燃油发动机尾气检测进行了初步探索并验证了其可行性。

聚合物制品在使用过程中， 人们最关心的是它的使用失效条件， 失效的重要体现就是材料的屈服。 目前为止， 人们普遍利用位错理论来解释聚合物材料的屈服现象， 该理论关注的是晶体的取向和破坏现象， 而忽略了晶体的形变和受力情况。 事实上， 晶体的取向和破坏只是屈服的结果， 晶体承受应力的能力才是屈服的直接原因。 因此， 从晶体的受力和非均匀形变入手研究了聚合物制品的屈服行为， 期望为理解聚合物材料的失效行为提供新思路。 这里选取被人们广泛使用的等规聚丙烯（iPP）材料作为研究对象， 将iPP熔体在不同温度下等温结晶制备出具有不同片晶厚度iPP样品， 利用二维广角X射线衍射光谱原位监测了拉伸过程中iPP样品的晶体破坏和晶体取向过程。 首次利用“覆盖法”对二维X射线衍射图进行了处理， 原位观察了（110）晶面在拉伸过程中的2θ角的变化， 区分出了两个方向上（平行于拉伸方向和垂直于拉伸方向）晶体形变的非均一性。 结果表明: 对于不同片晶厚度的iPP晶体， 在单轴拉伸过程中， 晶体在不同方向上的受力和形变均是不同的， 即晶体的非均一形变是一种普遍现象; 晶体的破坏和取向总是同时发生， 都是从屈服点位置处开始， 这和片晶厚度无关; 而晶体破坏时对应的临界应力和晶体厚度有关， 片晶越厚， 晶体越稳定， 需要的临界应力就越大。 以上结果表明， 原位X射线衍射光谱技术可以实时观测晶体结构在拉伸过程中的变化情况， 从而将晶体结构演化和宏观力学性能直接关联。

地下水重金属污染正在严重威胁环境安全和人体健康。荧光探针检测技术因具有灵敏度高、选择性好等优势，已成为检测重金属离子浓度的常用方法之一。受限于光源和光学系统的体积与成本等因素，现有重金属荧光检测装置无法满足现场原位检测需求。本文研制了一种地下水重金属荧光原位检测装置，其光学探头以紫外发光二极管（LED）为光源，采用共聚焦光路设计，荧光收集角范围可达102°，外径不超过60 mm，实现了小型化和低成本化。同时，以商用化台式荧光分光光度计作为参照设备，搭载相同的二价汞离子（Hg²⁺）荧光探针，开展了对比性能测试。实验结果表明，本文研发的装置具有良好的稳定性和线性响应特性，相关系数R²为0.989，检测限可达到1.47×10^-9，各项性能参数不亚于台式荧光分光光度计。

石油烃类污染物进入土壤后会随着时间逐步迁移到土壤深层。传统的土壤石油烃检测方法因自身的局限性，无法及时快速地检测深层土壤中的石油烃质量分数。为快速检测深层土壤中的石油烃类污染物，提出了一种基于紫外诱导荧光的石油烃原位检测技术，利用280 nm的深紫外发光二极管（LED）作为激发光源、光电倍增管（PMT）作为信号检测器完成对土壤中石油烃质量分数的探测。实验结果表明，该检测技术能够实现对不同土壤类型（红壤、黄壤、黑土和湖底淤泥土）中各类机油（汽油机油、柴油机油和空压机油）的定量检测，检测结果的平均相对误差（RE）小于10.00%，平均相对标准偏差（RSD）小于4.00%，土壤中各类石油烃的检出限均小于136 mg/kg，完成单个样本测量仅需2.0 s。

对辐照前后核燃料的物理化学性质进行分析表征是实现核动力反应堆内燃料性能可靠预测的基础之一。拉曼光谱技术可以通过分析分子振动、转动方面的信息获知物质的分子形态及物相结构变化, 因其具有微量、无损、原位、高效等优点的定性定量分析能力, 被广泛应用于核燃料的表征中。本文简要概述了拉曼光谱技术的基本原理, 从腐蚀分析、辐照损伤分析、温度监测及高放射性样品封装等4个方面介绍了近十几年来拉曼光谱技术在核燃料分析领域的应用现状及研究进展, 指出了该技术目前存在的一些局限性, 并针对核燃料分析, 从联用技术、数据库建立等方面对未来拉曼光谱技术的研究与应用方向进行了展望。

容器液位检测是工业生产及化工原料储存、运输过程中的重要环节,针对现有液位检测技术中传感器布置容易受空间限制,在高温高压、灰尘、潮湿等特殊环境下传感器寿命短等问题,提出了一种基于深度学习的红外目标成像液位检测方法。通过对容器红外图像标注数据集进行优化训练,得到可以准确识别容器内液体百分比含量的模型。首先,构建储罐液位标准数据集,并搭建基于Pytorch的深度学习目标检测框架。然后,在输入端对图像进行数据增强,调整模型的宽度和深度,优化训练检测模型。最后,采用特征金字塔网络和路径聚合网络结构融合不同尺寸特征图的特征信息,用联合交并比计算边界框的回归损失,并在后处理过程中引入加权非极大值抑制。实验结果表明,该模型具有较好的鲁棒性和识别效果,在交并比为0.5时的平均精度均值可达到0.804。