基于虚拟完整约束的欠驱动起重机控制方法

欠驱动系统的控制是非线性控制的一个重要领域,欠驱动系统指系统控制输入个数小于自由度个数的非线性系统.目前,欠驱动非线性系统动力学和控制研究的主要方法包括线性二次型最优控制方法和部分反馈线性化方法等,如何使系统持续的稳定在平衡位置一直是研究的难点.虚拟约束方法是指通过选择一个周期循环变化的变量作为自变量来设计系统的周期运动.该文以典型的欠驱动模型起重机为例,采用虚拟约束方法,使系统能够在平衡位置稳定或周期振荡运动.首先,通过建立虚拟约束,减少系统自由度变量;然后,通过部分反馈线性化理论推导出系统的状态方程;最后,通过线性二次调节器设计反馈控制器.仿真结果表明,重物在反馈控制下可以在竖直位置的附近达到稳定状态,反映了虚拟约束方法对欠驱动系统的有效性.     

玉米秸秆连续氢解制备生物乙醇

目前由纤维素制生物乙醇的工艺主要由生物酶解法实现,但酶解法的效率低且经济性差;此外,生物酶发酵每产生1 mol乙醇的同时副产1 mol CO₂,导致原子经济性低.本文开发了一种通过连续氢解玉米秸秆纤维素转化为高浓度生物乙醇(6.1%)的工艺.首先使用绿色溶剂(80 wt%1,4-丁二醇)在不破坏木质素结构的前提下,提取玉米秸秆中的高纯度纤维素;再在浆态床反应器中通过Ni-WO_x/SiO₂催化剂将10 wt%纤维素水悬浮液转化为多元醇混合物(其中乙二醇占比58%).经过连续进样,纤维素质量浓度累积达30 wt%,乙二醇产物浓度达到17 wt%.随后,多元醇混合物被泵入固定床反应器进行选择性断C?O键反应,在改进的水热稳定Cu催化剂上转化为乙醇(转化率75%,选择性84%).纤维素转化为生物乙醇的过程反应至少包含四步基元步骤.首先,在高温水热环境中纤维素水解为葡萄糖,葡萄糖在WO_x表面经Retro-aldol反应C?C键断裂生成乙醇醛.随后,Ni催化剂将乙醇醛加氢为乙二醇,接着在固定床反应器上,乙二醇在NiAu修饰的Cu⁺/Cu⁰活性位点上选择性断裂C?O键生成乙醇.在乙二醇选择性氢解为乙醇过程中,催化剂Au-Cu-Ni/SiO₂表现出优异的水热稳定性和活性.XRD结果表明,金属Ni的引入有效地减小Cu纳米粒子的尺寸和增加Cu颗粒的分散,HRTEM图像更加直观的验证这一点.H₂-TPR结果发现,Ni的引入使CuO的还原温度提高了20℃,表明金属-载体的相互作用增强.同时发现,催化剂合成过程中氯金酸浸渍在还原后的CuNi/SiO₂催化剂的活性最高.紫外吸收光谱表明,溶液中的Au³⁺与催化剂表面的Cu发生置换反应,而非单纯的附着于催化剂表面.CO-DRIFTS结果表明,在Au修饰过的Cu-Ni/SiO₂表面使得Cu⁺-CO的红外吸收峰降低,主要是由于Au部分覆盖催化剂表面Cu⁺吸附位点造成的.XPS结果表明,Au的引入使得催化剂表面的Cu⁺/Cu⁰不容易被空气氧化,形成更为稳定的(Au-Cu⁺)-Cu⁰活性中心,增强了催化剂Cu活性中心的水热耐受性.本文提供了一条有竞争力的水相转化秸秆为高浓度生物乙醇的途径.     

Crystal Structure of CH(3,5-Me2-4-EtPz)2W(CO)3SnPh3·0.25C6H6 (Pz = Pyrazol-1-yl)

The reaction of triphenylstannyl-bis(3,5-dimethyl-4-ethylpyrazol-1-yl)methane with W(CO)5THF yields the title compound (C37.5H39.5N4O3SnW, Mr = 896.79) which is of triclinic,space group P1 with a = 9.755(3), b = 13.696(4), c = 14.359(5) A, α = 96.202(7), β= 93.313(6), γ=94.845(6)°, V = 1896(1) A3, Z = 2, Dc = 1.571 g/cm3, λ(MoKα) = 0.71073 A, μ= 3.728 mm-1,F(000) = 881, R = 0.0491 and wR = 0.0856 for 4242 observed reflections (I≥2σ(I)). The crystalstructural analysis indicates that bis(3,5-dimethyl-4-ethylpyrazol-1-yl)methide acts as a tridentate monoanionic K3-[N,C,N] chelating ligand, and four-membered metallacycles are found in this heterodinuclear complex.     

关节臂式坐标测量机空间误差建模

关节臂式坐标测量机误差源多且复杂,其测量空间的误差存在不确定性,为了准确快速的得到关节臂式坐标测量机测量空间中的误差,利用标准锥窝对关节臂式坐标测量机进行了空间单点测量精度实验,获得了训练样本和测试样本。利用BP神经网络对空间误差进行了建模,为了提高其收敛速度和运算速度,引入粒子群优化算法(PSO)对BP神经网络模型进行了优化,并对模型进行了预测和验证。结果表明,BP神经网络和PSO-BP神经网络都可以对关节臂式坐标测量机进行空间点误差预测,PSO-BP神经网络模型的预测结果更加精确,相对误差更小。     

机器学习筛选用于气体吸附分离和存储的金属有机骨架材料

金属有机框架（Metal-organic framework ,MOF）因其高孔隙率、高比表面积和结构可调性,在气体吸附分离领域广泛应用。随着MOF数量激增,传统分子模拟和实验方法验证MOF性能成本高且速度慢,因此目前MOF筛选工作已转向高通量计算辅助的机器学习（Machine-learning,ML）。机器学习作为一种高效的大数据处理方法,能够在高通量筛选（High-Throughput Computational Screening,HTCS）的基础上对数据进行拟合,从而快速而准确地筛选出气体吸附分离材料,并深入挖掘其结构与性能之间的关系。本文回顾了近年机器学习应用于MOF筛选的研究。本文重点讨论了一些运用机器学习从大量结构中筛选出可用于CH4、H2和CO2等气体吸附分离与储存的MOF材料的工作。同时,我们梳理了当前MOF材料筛选工作中的研究思路和进展,并指出了机器学习在筛选MOF材料工作中面临的一些瓶颈和挑战。最后,对该领域的未来发展前景进行了展望。     

立体选择的醇醛缩合反应

醇醛缩合已有一百多年历史,是一大类应用非常广泛的有机反应。它包括醛或酮的自身缩合反应、分子内缩合反应以及醛酮之间的交叉缩合反应。反应产物为β-醇醛或β-醇酮以及由它们失水生成的α、β-不饱和醛或酮。     

多元醇: 新一代的能源平台？

 在基于生物质的新能源战略中,多元醇正在成为新一代的能源平台. 从纤维素出发,通过热裂解、催化裂化和酸水解加氢等反应能制得多元醇,再以多元醇为原料在较温和的条件下通过水汽重整和费托合成等方法合成燃料、化学品和氢气. 本文综述了多元醇经水汽重整制燃料油和化学品或经光解制氢气的进展,介绍了纤维素类生物质资源经催化氢化和水解加氢制多元醇的研究进展. 虽然简单地套用现有的工业技术就可以转化纤维素,但这些方法在效率、能耗、规模和环保等方面还存在诸多问题,有效提高纤维素利用率的新思路仍在期待之中. 虽然采用精心设计的工艺路线可以有效地转化多元醇,但离“简约、节能、方便可行和环境友好”的要求仍有一定的差距,“一步法”或“一锅法”在未来可能是催化学家仍需持续努力的方向.     

一个改进的Dallacker双内酯的合成

以5步反应从邻碘苯甲酸乙酯合成了9,10-二氢-9,9,10,10-双(γ-丁内酯)菲,减少了3步反应,总产率提高7%.又由邻碘苯甲酰氯与乙烷-1,1,2-三羧酸三乙酯缩合,继以消除两个乙酯基合成Dallacker双内酯,反应减少一步,产率则增高13%.还研究了联苯-2,2-二甲酰氯分别与乙烷-1,1,2-三羧酸三乙酯和氰基琥珀酸二乙酯的缩合,均能得到良好的产率.     

Capillary filling in closed-end nanotubes

Capillary filling in small length scale is an important process in nanotechnology and microfabrication. When one end of the tube or channel is sealed, it is important to consider the escape of the trapped gas. We develop a dynamic model on capillary filling in closed-end tubes, based on the diffusion–convection equation and Henry's law of gas dissolution. We systematically investigate the filling dynamics for various sets of parameters, and compare the results with a previous model which assumes a linear density profile of dissolved gas and neglect the convective term.