含喹唑啉二酮片段的新型三酮类化合物的合成及生物活性

对羟苯基丙酮酸双氧化酶(EC 1.13.11.27, HPPD)是一个重要的除草剂作用靶标. 为了寻找具有高效除草活性的新型HPPD抑制剂, 在前期研究的基础上设计合成了24个含有喹唑啉二酮结构的三酮类化合物9a～9x. 所合成的化合物均经过¹H NMR, ¹³C NMR和 HRMS的表征. 以来源于拟南芥的HPPD (AtHPPD)为测试对象进行酶抑制活性筛选, 结果表明所合成的大部分化合物对AtHPPD均表现出了较好的抑制效果, 其中化合物9i的K_i 值为0.005 μmol/L, 显著优于商品化对照药剂硝磺草酮(K_i=0.013 μmol/L). 进一步温室盆栽筛选结果表明, 多数化合物在150 g ai/ha的剂量下对六种供试杂草中的至少一种表现出80%以上的防效, 特别是化合物9g在37.5 g ai/ha的低剂量下对所测试的六种杂草中的四种仍表现出了大于85%的抑制效果, 同时9g 在150 g ai/ha的剂量下对水稻和小麦均表现出了很好的作物安全性, 可以作为先导化合物供进一步深入研究.     

光栅试验台的自适应模糊补偿器设计

在惯导测试设备设计过程中会经常碰到摩擦干扰问题,作提出了一种采用自适用模糊补偿器的控制系统设计方案,以克服光栅试验台隐速中影响低速平稳性的摩擦干扰。首先,采用传统方法,基于对象的简化线性模型来设计ＰＩ控制器,然后利用自适应模糊技术对摩擦干扰进行了补偿。这种方案能较好地克服摩擦干扰来的低速性能差的问题。     

联立Pell方程组x~2-ay~2=1和y~2-bz~2=1的解数

设a,b是正整数.我们研究了联立Pell方程组x~2-ay~2=1,y~2-bz~2=1的正整数解(x,y,z)的个数.本文利用Bennett关于联立Padé逼近的一个结果,证明了该方程组至多只有两组正整数解(x,y,z),从而改进了Bennett(1998),袁平之(2004)等人的结论.     

用物理方法解方程

如果求解方程tanx=x或Ntanx=tan(Nx)(N为大于等于2的自然数)定有不少的同学无从下手.然而,在物理课上我却无意中发现一种特殊的解法.     

产品回收逆向物流网络设计问题的两阶段启发式算法

针对产品回收逆向物流网络设计问题,设计了一种嵌套了模拟退火算法的两阶段启发式算法。第一阶段确定回收点的选址-分配-存储的联合决策;第二阶段确定回收中心的选址-运输的联合决策,两个阶段相互迭代,从而实现最优解的搜索。通过与遗传算法比较,证明了两阶段启发式算法是一种有效的算法。     

关于指数丢番图方程a~x+(3a~2-1)~y=(4a~2-1)~z的正整数解(英文)

本文通过计算Jacobi符号,运用代数数的对数线性型的下界估计,证明了:当整数a>1时,指数丢番图方程a~x+(3a~2-1)~y=(4a~2-1)~z仅有正整数解(x,y,z)=(2,1,1).     

一类指数丢番图方程的解

设m为正整数,且a=8m~3+3m,b=3m~2+1,c=4m~2+1.本文同时使用两个代数数的对数线性型下界估计,两个有理数方幂之差的P-adic赋值的下界估计的一些结果,以及二次域的类数与本原素因子的深刻结论,证明了,当m为任意正整数时,指数丢番图方程a~x+b~y=c~z仅有正整数解(x,y,z)=(2,1,3).     

TiO_2薄膜晶相转换的光谱分析

采用溶胶-凝胶法在石英玻璃衬底上用旋涂法制备了TiO2薄膜样品,对样品在800-1100℃范围内进行退火处理,并对样品进行了拉曼光谱、透射光谱和荧光发光(PL)光谱测试.拉曼谱测试表明,随退火温度的升高,样品由锐钛矿相经锐钛矿与金红石的混相最终变为金红石相.透射谱测试表明,样品的吸收带边随着样品的相转换而发生红移.在总的趋势上,样品的折射率n随相转换而升高,厚度d和带隙Eg随相转换而降低.荧光发光光谱测试表明,在557-570nm和794-812nm范围内出现了两个发光光谱带.随着相转换,557-570nm范围内的发光光谱强度由强到无,而794-812nm范围内的发光光谱强度由弱到强.     

稀土钇、镧掺杂TiO2薄膜的拉曼谱分析

采用溶胶-凝胶法在石英玻璃衬底上用旋涂法制备了未掺杂、掺杂钇和掺杂镧的TiO₂薄膜样品,对样品在700—1100 ℃范围内进行退火处理,并对样品的拉曼光谱进行了分析.分析表明:随着退火温度的升高,未掺杂TiO₂薄膜发生了从锐钛矿相经混相最终向金红石相的转换,掺杂钇和掺杂镧对TiO₂薄膜的晶相转换起阻碍作用,掺杂镧的阻碍作用更强;稀土掺杂能使TiO₂薄膜晶粒细化,并使晶粒内部应力增大从而阻碍晶格振动,掺杂镧比掺杂钇的效果 关键词： 2薄膜')" href="#">TiO₂薄膜 稀土掺杂 拉曼光谱 溶胶-凝胶     

基于证据推理的动态联盟伙伴选择优化模型

讨论了定性和定量相结合选择动态联盟伙伴的问题，针对权系数信息不完全和指标值不确定提出了一种基于证据推理的优化模型。该模型首先通过证据推理算法将方案的指标值集结，然后将效用值集结，结合不完全信息的权系数建立非线性规划模型，设计了遗传算法来求解，从而选出最满意的伙伴。最后以实例表明该模型的有效性。