CS2350M双恒电位仪是基于常规单通道CS350M 型电化学工作站拓展的产品，可以实现2个通道同步测试，搭配旋转环盘电极（RRDE）使用，各通道独立，可以实现不同参数、不同电分析方法的独立使用，软件友好，可以实现组合编程功能。具体应用于： 1）电合成、电沉积（电镀）、阳极氧化等反应机理研究； 2）电分析化学研究、电化学传感器的性能研究； 3）新型能源材料、先进功能材料以及光电材料的性能研究； 4）金属材料在不同介质（水/混凝土/土壤等）中的腐蚀研究蚀性评价； 5）缓蚀剂、水质稳定剂、涂层以及阴极保护效率的快速评价。 1、硬件参数指标   2，3，4电极体系 双恒电位仪，双通道独立使用 电位仪电位控制范围：±10V 恒电流控制范围：±1.0A 电位控制精度：0.1%×满量程读数±1mV 电流控制精度：0.1%×满量程读数 电位分辨率：10mV(>100Hz), 3mV(<10Hz) 电流灵敏度：<1pA 电位上升时间：<1mS(<10mA),<10mS(<2A) 参比电极输入阻抗：1012W||20pF 电流量程：2A～2nA, 共10档 最大输出电流：1.5A 槽压：±21V   CV 和LSV扫描速度：0.001mV～10000V/s CA和CC脉冲宽度：0.0001～65000s 电流扫描增量：1mA @1A/mS 电位扫描时电位增量：0.076mV @1V/mS SWV频率：0.001～100KHz DPV和NPV脉冲宽度：0.0001～1000s AD数据采集：16bit@1MHz, 20bit @1KHz DA分辨率：16bit, 建立时间：1mS CV的最小电位增量：0.075mV 低通滤波器：8段可编程 电流与电位量程：自动设置 接口通讯模式：网口   2、电化学阻抗功能指标   信号发生器： 频率响应：10mHz~1MHz 频率精确度：0.005% 交流信号幅值：1mV~2500mV 信号分辨率：0.1mV RMS 直流偏压：-10~+10V DDS输出阻抗：50W 波形：正弦波，三角波，方波 正弦波失真：<1% 扫描方式：对数/线性，增加/下降   信号分析器： 最小积分时间：10mS 或循环的最长时间 最大积分时间：106个循环或者105S 测量时间延迟：0~105秒 直流偏置补偿： 电位自动补偿范围：-10V~+10V 电流补偿范围：-1A~+1A 带宽调整(Bandwidth) ： 自动或手动设置，共8级可调   3、CorrTest测量与控制软件主要功能 第一通道软件功能 稳态极化：开路电位测量（OCP）、恒电位极化（I-t曲线)、恒电流极化、动电位扫描（TAFEL曲线）、动电流扫描（DGP） 暂态极化：任意恒电位阶梯波、任意恒电流阶梯波、恒电位阶跃、恒电流阶跃 计时分析：计时电位法（CP）、计时电流法（CA）、计时电量法（CC） 伏安分析：线性扫描伏安法（LSV）#、线性循环伏安法（CV）、阶梯循环伏安法（SCV）#、方波伏安法（SWV）#、差分脉冲伏安法（DPV）#、常规脉冲伏安法（NPV）#、常规差分脉冲伏安法（DNPV）#、差分脉冲电流检测法（DPA）、双差分脉冲电流检测法（DDPA）、三脉冲电流检测法（TPA）、积分脉冲电流检测法（IPAD）、交流伏安法（ACV）#、二次谐波交流伏安（SHACV）、傅里叶变换交流伏安【标#号的方法包括相应的溶出伏安分析方法】 交流阻抗：电化学阻抗～电位控制模式、电化学阻抗（EIS）～时间扫描、电化学阻抗（EIS）～电位扫描（Mott-Schottky曲线）、电化学阻抗～电流控制模式 腐蚀测量：动电位再活化法（EPR）、电化学噪声（EN）、电偶腐蚀测量（ZRA）、氢扩散测试 电池测试：电池充放电测试、恒电流充放电、恒电位间歇滴定（PITT）、恒电流间歇滴定（GITT） 其他：圆盘电极测试以及转速控制、溶液电阻测量（IR降）、溶液电阻正反馈补偿（IR补偿） 第二通道软件功能 稳态极化：开路电位测量（OCP）、恒电位极化（i-t 曲线）、恒电流极化、动电位扫描（TAFEL 曲线）、动电流扫描（DGP） 暂态极化：任意恒电位阶梯波、任意恒电流阶梯波、恒电位阶跃（VSTEP）、恒电流阶跃 计时分析：计时电位法（CP）、计时电流法（CA）、计时电量法（CC） 伏安分析：线性扫描伏安法（LSV）、线性循环伏安法（CV） 电池测量：电池充放电测试、恒电流充放电、恒电位间歇滴定（PITT）、恒电流间歇滴定（GITT） 其他：圆盘电极测试以及转速控制、溶液电阻测量（IR降）、溶液电阻正反馈补偿（IR补偿） 通道二可选配功能：交流阻抗功能   交流阻抗：电化学阻抗～电位控制模式、电化学阻抗（EIS）～时间扫描、电化学阻抗（EIS）～电位扫描（Mott-Schottky曲线）、电化学阻抗～电流控制模式 4、仪器配置 1）仪器主机1台； 2）CorrTest测试与分析软件1套 3）电源线1条 4）网口通讯线1条 5）电极电缆线2条 6）模拟电解池2个（仪器自检器件）

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。

其他成果/n一种基于多源光谱特征融合的食用油种类快速鉴别方法，包括如下步骤：选取待鉴别的未知种类的食用油样品；采集拉曼光谱图和近红外光谱图；分别对采集的拉曼光谱图和近红外光谱图进行预处理，得到预处理拉曼光谱图和预处理近红外光谱图；分别对预处理拉曼光谱图和预处理近红外光谱图进行特征提取，得到拉曼特征变量和近红外特征变量；将拉曼特征变量和近红外特征变量进行光谱特征融合，得到特征融合光谱图；采用优化定性模型对所述未知种类的食用油样品进行种类鉴别。本发明提供的基于多源光谱特征融合的食用油种类快速鉴别方法，安全快速、检测便捷，鉴别准确率高，具有较强的实用价值和推广价值。

本发明公开了一种基于吸收光谱技术的双频率波长调制方法，该方法在传统波长调制信号的基础上叠加了另一高频正弦信号，针对该种激光激励方式建立了双频率波长调制的傅里叶分析模型，理论推导了各次谐波表达式，研究了不同调制参数对谐波信号的影响并通过全局寻优算法确定了最佳调制参数。在此基础上，确定了双频率波长调制频率响应关系的函数表达式。相比于传统单频率波长调制方法，本发明提出的测量方法具有更高的信噪比，测量结果的稳定性更强，并且在弱吸收情况下的谐波峰值位置更易于判断，具有更大的应用潜力，本发明方法仅改变了激光器的注入电流激励方式，对硬件成本要求低，并可应用于多次反射池等系统进一步降低气体浓度的检测下限。

本发明提出一种基于免基线波长扫描直接吸收光谱的气体浓度测量方法，该方法首先对透射光强信号加上Ｎｕｔｔａｌｌ时窗，其次对加窗的透射光强信号进行数字带通滤波处理，获得谐波处的Ｘ分量，使得吸收部分的信号得到强化而使边缘处接近为零，同时对加窗的透射光强信号进行数字低通滤波处理得到常数项，然后使用得到的常数项对Ｘ分量进行归一化处理，消除光强波动的影响，最后对归一化的Ｘ分量使用拟合算法即可得到待测气体参数值。本发明的测量方法克服了传统直接吸收方法对基线敏感的缺点，同时避免了由于基线拟合误差对结果的影响，尤其适合

本发明公开了一种面向超光谱数据库的小波去噪算法，属于超光谱数据的处理方法，用于对带有噪 声的超光谱曲线进行降噪。本发明顺序包括小波降噪参数选择、小波降噪。本发明在小波降噪参数学习 过程中充分考虑了超光谱数据库中各种物质超光谱曲线的特性，快速的选择适合超光谱数据库绝大多数 光谱曲线的小波降噪参数，然后使用选择得到的参数对测量到的超光谱曲线进行降噪。该方法能快速的 针对各种不同应用场景的超光谱数据库选择与之适应小波降噪参数，提高了降噪的效果，提高光谱匹配 的准确率。

手性环氧是一类重要的中间体分子，能够转化成多种手性官能团。然而，文献中还没有针对环氧的光谱手性检测方法。蒋伟课题组利用独立发展的“内修饰分子管”（ Chem. Commun.   2015,   51,  15490;  Chem. Commun.  2016 ,  52,  9078;  J. Am. Chem. Soc.  2016 ,  138,  14550），通过氢键和疏水效应在水中实现了对手性环氧的识别。核磁滴定、荧光滴定与等温量热滴定等实验结果都证实“内修饰分子管”在水中与环氧分子之间存在较强的键合。同时，X-射线单晶衍射、核磁滴定等实验结果证实了氢键的存在。手性环氧通过氢键将手性信号传递给了非手性但有紫外吸收的“内修饰分子管”，诱导产生了紫外圆二色（CD）信号。通过CD信号的强度和正负性，可以实现绝对构型的归属和ee值的测量。该方法具有环境友好（溶剂是水，“内修饰分子管”能够回收）、响应速度快（30 ms）、可以实现实时监测、适用于高通量检测等优点。该方法首次实现了只含环氧的手性化合物的光谱检测，并被成功应用于真实的不对称环氧化反应，获得了与手性色谱方法相类似的结果，在不对称环氧化的前期条件筛选研究中具有广阔的应用前景。

一种基于 LED 混光呈色模型的光谱功率分布提取方法及系统，包括进行 LED 智能光源控制信号空 间全局采样，利用预设的 LED 发光控制方式根据全局采样样本集中各信号值驱动 LED 光源发光，组成 发光样本集；分别测量所得各发光样本对应光谱功率分及照度，生成发光数据集；根据预设的照度阈值 进行筛选，得到最终发光数据集，并从全局采样样本集中选取对应信号样本，组成最终信号空间采样样 本集；构建 BP 神经网络，并在此基础上建立相应的 LED 混光

本发明公开了一种基于光谱拟合与差分算法的光纤传感动态信 号解调方法，包括：扫描得到光谱纹波；对光谱纹波进行拟合获得静 态光谱；将光谱纹波与静态光谱进行差分处理获得差值信号；对光谱 纹波的极值点进行拟合获得上下边缘包络曲线；对上下边缘包络曲线 进行差分处理获得光谱变化函数，将差值信号与光谱变化函数进行归 一化处理，获得去包络后差值信号，根据扫描速度和初始波长将波长 换算为时间，获得去包络后时域动态信号。本方法对纹波光谱及其拟 合曲线进行差分获得动态信号，可以消除诸如温度、湿度等环境干扰， 且恢复的动态

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果