多组件学习器实现有机分子沸点的精准预测

沸点(BP)是有机分子液体的基本物理化学量, 也是化学工业生产中的重要参数. 有机分子的沸点由分子结构决定, 呈现复杂的结构-沸点关系, 函数法(Function Method)、基团贡献法(Group Contribution Method)等传统方法无法应对复杂多样有机分子结构的预测, 应用范围狭窄, 预测精度低. 本研究中, 我们利用基于人工神经网络(ANN)和支持向量机(SVM)的多组件学习器实现有机分子沸点的精准预测. 我们构建了基于可解释性描述符的ANN、基于相关性描述符的ANN及基于复合分子指纹的SVM三个异质模型, 并通过包含4550个各种类别的有机分子沸点的数据集进行训练得到了三个异质性学习器, 最后集成三个学习器对有机分子沸点进行预测. 相比于传统方法和此前的定量结构性质关系(QSPR)模型, 多组件模型结合了三种模型的优点, 展现出很好的预测精度和泛化能力以及低的过拟合, 实现了对多种类型有机分子的沸点的有效预测.     

金属-有机框架HKUST-1膜在气体分离中研究进展※

发展高效、绿色且节能的物质分离与纯化技术具有重要意义, 气体分离更是在工业、能源、医疗及科技等领域有着广泛的应用. 传统的聚合物膜在实现高效气体分离方面还面临许多挑战, 新型分离膜材料的开发是当前研究热点和难点. 金属-有机框架(Metal-Organic Frameworks, MOFs)材料作为一种新兴多孔配位聚合物, 由于其具有独特可设计的拓扑结构以及可调节的功能而受到科学家们的广泛关注. 为了克服粉体或块体MOFs很难被高效用于气体分离的难题, 开发可用于分离的MOFs膜材料是一项具有重要意义且具有挑战性的任务. HKUST-1作为一种代表性的MOFs材料, 由于其结构稳定且原料经济并具有多级孔径的结构, 常被用作制备成膜材料用于气体分离的研究和实际应用. 总结了近十年HKUST-1膜的制备方法及其气体分离性能的研究进展, 并对这个方向的研究提出了自己的看法和展望.     

色谱在药物-机体复杂巨系统研究中的应用进展

色谱是一门以分离分析为主,旨在追求复杂事物纯而净的分析化学的重要分支学科。其经过百余年的发展,理论与技术日臻完善,集科学、技术与艺术于一体。近年来,色谱及其与质谱、核磁共振波谱、原子发射光谱等联用技术极大推动了环境、食品、石油化工、生物医药等领域中所涉及复杂体系的研究进展。作为我国传统文化的核心代表,中医药为中国乃至世界人民的健康服务逾千年,从古至今历经上千年临床考验,疗效经久不衰。近年来,中国政府强调继承与创新,加大推进中医药的现代化与国际化。然而中药自身的多成分协同起效复杂性及其与机体时刻新陈代谢变化的复杂性往往相互作用,由此形成了药物-机体复杂巨系统。该复杂巨系统的分析研究是中医药现代化进程的关键瓶颈。色谱的优势在于复杂成分的分离与分析,此恰能为上述复杂巨系统提供技术支撑,色谱及其联用技术已成为推动中医药分子化、数字化、信息化乃至现代化的主流技术。该文综述了色谱及其联用技术在中药复杂体系、复杂生命过程及药物-机体复杂巨系统中的应用进展,介绍了笔者研究团队对中医药现代化的认识、研究思路和研究工作,最后笔者结合对于百年色谱与千年中医药文化之现代化交织的感悟,对色谱技术在此领域的前景做出了展望。     

表面配位金属-有机框架薄膜的制备及电催化应用

设计和开发高效电催化剂对能源的存储和转化具有十分重要的意义。金属-有机框架(MOF)在基底表面通过液相外延层层配位组装的MOF薄膜(也被称作表面配位MOF薄膜,SURMOF)具有厚度可调节、生长取向可控以及表面均匀致密等优点,在电催化反应领域得到了广泛的研究和应用。本文总结了SURMOF及其衍生薄膜(SURMOF-D)的制备及其在电催化应用中的研究进展。由于SURMOF及其衍生薄膜具有结构多样性和功能可调节性,可在析氧反应、析氢反应、氧化还原反应、二氧化碳还原反应、超级电容器和串联电催化等过程中提供丰富的活性位点并加速电荷转移,使电催化性能更加高效。本文还讨论了SURMOF作为一类新型的薄膜催化剂在电催化应用中的研究挑战和存在的问题。     

基于集中式智能控制系统上位机数据采集算法

将集中式智能控制系统常用的二层结构改进为智能化的三层结构的设计方案,即传感器、智能巡检仪和上位机;上位机既可以直接读取传感器的数据也可读取智能巡检仪的数据,通过一定的通讯方式与PLC执行计算机连接,读取数据,分析计算,并像执行的计算机发出指令的设备;此方案较好地解决了二层结构所出现的问题,并且也适合较大规模的其它类型的控制系统;这种设计方案存在当规模大时上位机采集数据出现丢失的现象;文章提出了利用数据库的历史数据及控制曲线的线性特征数据采集算法,较好地解决了数据丢失的问题;并以温控系统为例仿真了在较大规模控制环境下的试验结果,已经研制出相应的产品并应用于实际的工业生产和教学实验中。     

基于RTW的双向充放电机实时控制技术

随着智能电网和绿色能源技术的快速发展,双向充放电机也越来越受到关注;文章主要研究双向充放电机充电过程中电压的稳定性和放电过程中并网电流波形的畸变率;提出了一种基于RTW的matlab/simulink控制方法,在simulink环境下搭建仿真模型和控制模型,然后将达到预期效果的仿真模型所对应的控制模型编译为代码并烧写到DSP中;此种方法在能够保证在恒流源和恒压源两种充电模式中电流和电压的稳定性,在放电过程中并网谐波电流总畸变率小于5%,功率因数基本为1;仿真结果和基于DSP2812的硬件平台实验都证明了这种方法的有效性。     

基于功率谱包络能量和SVM的舰用发动机故障诊断

发动机是军舰上的重要部件之一,其稳定性对军舰的正常航行具有重要影响。以舰用发动机关键部件(主泵轴承)为具体研究对象,提出了基于功率谱包络能量和支持向量机相结合的故障诊断方法。首先获取了大量可表征舰用发动机主泵轴承健康状态的振动加速度信息,对其进行功率谱分析,获得其功率谱的包络能量;以获取的舰用发动机主泵轴承功率谱的包络能量构建特征向量,并设计基于SVM的舰用发动机主泵轴承故障诊断模型,对主泵轴承的故障进行诊断研究。研究结果表明,采用基于功率谱包络能量和SVM相结合的舰用发动机关键部件故障诊断方法,可以很好实现主泵轴承的故障诊断效能,为舰用发动机主泵轴承故障诊断的工程应用奠定了基础。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。     

模拟退火优化SVM参数的变压器故障诊断

利用群智能算法优化支持向量机(SVM)参数往往需要引入额外的变量,使变压器故障诊断问题更加复杂,对此提出一种自适应的模拟退火算法优化(ASA)支持向量机参数。通过设计自适应的冷却进度表,使得寻参的过程仅仅依赖于退火速率以及网格搜索粒度,保持了较少的参数设置。在相关数据集上的实验表明,与已提出的粒子群算法(PSO)、遗传算法(GA)相比,ASA算法具有更快的收敛速度以及较好的诊断精度。利用自适应的模拟退火算法能够较好的优化SVM参数并提高变压器故障诊断的精度。     

四氧杂卟啉二价正离子共振拉曼光谱的TDDFT计算研究

采用DFT/TDDFF计算和极化率的态求和方法研究了四氧杂卟啉二价正离子(TOP²⁺)B态(S₂态)激发的共振拉曼(RR)光谱, 计算模型同时处理了A项和B项对拉曼极化率的贡献.用PBE1PBE、B3LYP、Cam-B3LYP、B3LYP-D3四种交换-相关泛函计算得到的RR光谱总体上相似,其中PBE1PBE和B3LYP 给出的RR 强度与实验吻合得更好一些. 对于全对称振动(A_1g),其拉曼谱带相对强度的理论计算结果与实验一致;TDDFF计算表明： 相对于基态,TOP²⁺的B态沿υ2、υ6、υ7、υ8简正模式有较大的无量纲位移, 导致相应的RR带有较大的强度. 非全对称的B_1g和B_2g 模式通过B项机理增强,其强度比A_1g模式小1～2个量级,与实验结果定性符合. 与实验相比,υ10模式(B_1g)RR强度的理论值过小,而υ11模式(B_1g)的理论值偏大;这可能是由于TOP²⁺的B-态(S₂态)具有Jahn-Teller效应.