增强大学生学习自我效能感的化学实验教学策略*——以“药物制剂工程实验”为例

以提高大学生化学实验积极性和实验学习效率为目标,在“药物制剂工程实验”课程中实施能增强大学生学习自我效能感的化学实验教学策略。以“乳剂的制备”实验为研究背景,设计并实施了三阶段的实验教学流程。同时,通过构建过程性评价量化指标、开展三方评价和问卷调查等形式,对该化学实验教学策略的实施效果进行了评价。通过对比实验组和对照组学生的过程性评价成绩和问卷调查结果,发现实验组平均得分大多高于对照组,说明采用了本实验教学策略的实验组学生的自我效能感高于对照组,因此,本实验中采取的提高大学生自我效能感的化学实验教学措施确实有效且具有实际意义。     

基于反向传播神经网络的疲劳裂纹扩展分析

材料发生疲劳断裂时往往会引起重大安全事故,而基于传统数值模拟方法求解疲劳裂纹扩展问题时模 型复杂、计算量大．本文基于包含多隐层的反向传播神经网络分析金属材料疲劳裂纹扩展行为,计算了裂纹扩 展过程中的 von Mises应力场和位移场,并与数值解和实验解进行对比,误差分析结果表明其求解精度高．并 基于该神经网络有效预测了裂纹扩展中裂纹长度及裂纹扩展速率的变化过程,预测精度高．该神经网络分析方 法可为材料剩余寿命和疲劳强度预测提供研究基础．     

基于B样条和聚类分析的非参数轮廓监控方法研究

在轮廓监控中,产品或过程的质量特征可以由一种特定的函数关系表示。如果轮廓的函数形式是已知的,则可以使用参数化方法来监控轮廓。然而,当轮廓形态复杂时,继续使用参数方法则可能导致由于模型设定不准确而无法正确识别异常轮廓的问题。因此本文提出了一种基于非参数回归的新方法以解决制造过程中常见的复杂轮廓监控问题。所提方法将基于非参数回归的B样条与迭代的聚类分析过程相结合,在应用过程中不需要对轮廓的形式进行限制性假设。仿真研究评估了该监控方法在不同变异情况下的性能,并且通过与现有方法的比较分析,验证了该方法的有效性和优越性。最后通过轮廓监控领域的一个经典案例说明了新方法的实际应用效果。     

含有非对称型双吡啶甲基吡唑甲基胺配体的高活性双核铜配合物催化叠氮与炔烃环加成反应

Cu(Ⅰ)催化的炔烃与叠氮的Huisgen 1,3-偶极环加成反应(CuAAC)可用于构建三唑环,该反应条件温和,产物专一,被认为是“点击化学”的精髓,并广泛应用于医药、生物有机及材料化学等多个领域.CuSO4/抗坏血酸钠体系是该反应最常用的催化方法,但近年来,大量更高效的催化体系被成功开发以解决当前催化体系中存在的问题,例如,外加配体的使用可以明显加快反应速率,从而降低催化剂用量和缩短反应时间,这归因于配体参与配位可以更好地稳定Cu(Ⅰ)催化中心.目前应用于该反应体系的配体大多为对称型多齿氮配体,例如三三唑甲胺衍生物(TBTA)等.我们开发了两类含有吡唑、苯并咪唑等基团的非对称型多齿氮配体及其应用,发现这类配体除了具有稳定金属中心的作用外,还因有吡唑或苯并咪唑等基团的存在,所形成的配合物往往比那些包含对称型配体的配合物表现出更高的催化活性.本文合成了一类含有非对称型配体的铜配合物.将铜前体Cu(CH3CN)4PF6与非对称型多齿氮配体二吡啶甲基吡唑甲基胺(HNpy2pz)在甲醇中反应,由于配体结构中吡唑NH基团的存在,反应在最终脱除一分子H2O后,意外获得了一种双核结构的铜配合物,其分子结构通过X射线单晶衍射成功表征.受到两个金属中心协同效应的影响,双核配合物催化剂往往能表现出比单核配合物更优异的催化性能,因此,我们进一步考察了该双核配合物催化CuAAC反应的活性.结果表明,在催化剂用量低至0.1-0.3 mol％的情况下,22种炔烃和叠氮在25℃反应16h均能得到单一的1,4-二取代三唑产物,分离收率在95％以上,且抗坏血酸钠还原剂用量仅需1-3 mol％,说明受到配体的影响,催化剂的稳定性非常好.这是目前该反应成功开发出的几个高效双核催化剂之一.     

基于多层级LSTM的铝板缺陷检测

铝板因其优良的抗疲劳性和延展性广泛应用于航空航天和建筑等领域.然而在生产过程中,由于外部环境、操作工艺等的限制往往会产生各种各样的缺陷,从而影响其力学性能,例如会降低铝材料的强度、延展性和韧性等,导致其使用寿命的缩短.在单次发射和接收超声波的情况下,论文提出了多层级长短期记忆(long short-term memory, LSTM)神经网络的方法,用于辅助检测铝板的夹杂(气泡)缺陷.利用有限元软件COMSOL Multiphysics模拟含有夹杂缺陷的铝板中超声波的传播过程,导出含有缺陷信息的波形数据,通过训练波形数据,得到可以反映波形数据与夹杂缺陷大小和位置关系的网络模型.此外,该模型采用硬投票的方法以缓解网络训练过程中繁杂的参数调整问题,提高了检测结果的可靠性.结果表明:夹杂缺陷半径检测的准确率超过了98%,夹杂缺陷深度检测的准确率达到1,夹杂缺陷横坐标位置检测的准确率超过95%.为LSTM神经网络应用于超声无损检测提供了借鉴.