基于事件触发的独轮车移动机器人跟踪控制系统设计

针对传统的时间触发机器人控制系统中通信要求高的问题,提出了使用事件触发控制器的独轮移动机器人控制系统;首先,根据类仿真方法在忽略通信约束的条件下合成控制器;然后,将问题建模为混合系统并在网络上实现;最后,导出了合适的事件触发条件;实验结果显示,使用基于事件触发的控制算法后实现了系统的解耦和镇定,可调节系统在阶跃输入激励下的响应;相比传统的时间触发设置,在确保跟踪性能的前提下,提出的事件触发策略能显著减少通信需求,有望应用于真实系统。     

RUB-13分子筛的合成及其甲醇制烯烃催化性能

采用水热法合成RUB-13分子筛,探讨了有机模板剂(OSDA)、硅源、晶化温度和水硅比等制备条件对RUB-13分子筛晶体结构的影响,考察了RUB-13分子筛在甲醇制烯烃(MTO)反应中的催化性能。结果表明,采用1,2,2,6,6-五甲基哌啶(PMP)为有机模板剂、白炭黑为硅源,在晶化温度为170℃的条件下,选择H2O/Si比为100和80时可分别合成出高纯度的低硅铝比(Si/Al=100)和高硅铝比(Si/Al=200)的RUB-13分子筛晶体,且晶粒呈棒状形貌。H-Al-B-RUB-13(Si/Al=200)分子筛用于催化甲醇制烯烃反应时,在400℃下表现出高的低碳烯烃选择性(C2=-5选择性达97. 8%,丙烯选择性为54. 5%),优于传统的H-SAPO-34和H-ZSM-5分子筛催化剂。     

基于函数值的线性有理插值样条的区域控制

将插值曲线约束于给定的区域之内是插值与逼近的一个重要内容.本文讨论了一种带形状参数的线性有理插值样条的区域控制问题.给出将插值曲线约束于给定的折线及抛物线之上、之下或之间的条件.数值实例表明本文给出的条件在曲线设计中是有效的.     

组合曲线回归法计算螺旋扁管管内对流传热系数

针对螺旋扁管壁面温度难于准确测试的特点,提出采用线性曲线回归与非线性曲线回归相结合的方法进行管内传热系数计算.进行了光管与螺旋扁管管内对流传热实验,并用该方法计算管内对流传热系数.光管传热系数计算值与经典公式的大偏差小于6%.螺旋扁管管内传热系数的计算值略大于通过测量壁温获得的传热系数值,分析了二者存在差异的原因.组合...     

面向医学院校的仪器分析教学

针对仪器分析课程的教学特点,根据因材施教、注重素质教育、提高学生创新能力的原则,结合医学检验专业学生的认知特点,从教材内容的优化重组、多种教学方法的灵活应用、网络环境下的多媒体课件的开发以及实验教学与理论教学的有机结合等多方面对仪器分析教学改革展开讨论。     

α-单取代-1,2-环十二二酮单肟的合成及晶体结构

通过α-单取代环十二酮与亚硝酰氯反应合成了一系列α-单取代-1,2-环十二二酮单肟,它们的结构经1H NMR,13C NMR,ESI-MS和元素分析确证.X射线衍射和量子力学计算结果表明,α-单取代环十二酮与亚硝酰氯反应生成α-单取代-1,2-环十二二酮单肟时,生成产物具有[4233]-3-酮和[3333]-2-酮两种...     

谷氨酸低分子量有机凝胶的药物控制释放行为

低分子量的有机胶凝剂组装形成的有机凝胶可应用于药物缓释体系.本研究中,使用亲水的钙黄绿素和疏水的布洛芬为模型分子,研究其在谷氨酸衍生物有机凝胶体系中的缓释行为.研究表明,与药物分子与有机胶凝剂简单混合的体系相比,亲水或疏水的药物分子在有机凝胶体系中的释放速度显著减缓.SEM的研究发现药物粒子嵌入在有机凝胶的三维网络中,因此,有机凝胶的三维网络结构可认为是实现药物缓慢释放的基质,药物分子从网络中的释放受限导致了其从有机凝胶中的缓释行为.     

倡导生活化教学 激发学生学习潜能——以“氯气”（第1课时）为例

生活化教育教学,是当前教育的热点。学生是学习的主体。从学生的认知角度来讲,兴趣是最好的老师。生活化教学和教育,可提高学生兴趣,激发学生学习潜能,从而大大提高教学效果。下面以“氯气”（第1课时）为例,谈谈化学的生活化教学。     

钢铁吸氧腐蚀实验的改进研究

从缩小玻璃管的孔径来放大实验现象,并与生活经验联系来改变实验的浸泡液、增大混合粉末与空气的接触面、升高反应的温度来加快钢铁的吸氧腐蚀速度,取得了理想的实验效果,大大缩短了实验时间。     

Community detection in signed networks based on discrete-time model

Community detection in signed networks has been studied widely in recent years. In this paper, a discrete difference equation is proposed to imitate the consistently changing phases of the nodes. During the interaction, each node will update its phase based on the difference equation. Each node has many different nodes connected with it, and these neighbors have different influences on it. The similarity between two nodes is applied to describe the influences between them. Nodes with high positive similarities will get together and nodes with negative similarities will be far away from each other.Communities are detected ultimately when the phases of the nodes are stable. Experiments on real world and synthetic signed networks show the efficiency of detection performance. Moreover, the presented method gains better detection performance than two existing good algorithms.