卤代化合物的光化学反应研究进展

介绍近年来卤代化合物在光照射下的偶联反应、醇解反应、消去反应、开环反 应，尤其是卤代杂环化合物的光化学反应，得到了许多用热反应或催化反应无法替 代的具有生物(理)活性的中间体．     

α-羰基硫代甲酰胺与溴的反应研究

报道了α 羰基硫代甲酰胺与溴在三乙胺存在下的反应 ,合成了二 [( 1 芳基亚胺基 1 苯甲酰基 )甲基 ]二硫醚类化合物 ,产率为 60 %～ 65 %.它们的结构经元素分析、红外光谱、核磁共振光谱和质谱分析得到确证     

空间机器人组装超大型结构的动力学分析北大核心CSCD

超大型航天结构具有超大柔性、超低固有频率的特点,空间机器人在轨组装时应尽可能避免激起超大型结构的柔性振动.空间机器人组装超大型结构模块的过程分成抓捕阶段、位姿调整与稳定阶段、安装阶段和爬行阶段.通过对安装阶段的动力学与控制研究,提出共线安装的轨迹规划方法,有效避免了柔性结构振动.首先,采用自然坐标法和绝对节点坐标法建立主结构-空间机器人-待组装结构的在轨组装系统动力学模型.然后,将共线安装的要求转化为空间机器人的轨迹规划约束,要求空间机器人质心到主结构/待组装结构的距离保持不变,实现共线安装的轨迹规划.数值仿真表明:提出的组装方法在组装过程中可有效避免超大型结构的横向运动,降低夹持力矩.最后,分析了系统参数对组装过程动力学响应的影响,为超大型航天器的在轨组装提供了参考.     

Lamination Design Optimization for Continuous Fiber Reinforced Composites of Variable Thicknesses北大核心CSCD

由于具备高的比强度、比刚度,利用连续纤维增强复合材料代替传统金属材料以实现结构轻量化正受到设计者们的广泛关注。然而,结构的复杂性给复合材料的铺层设计与优化带来了很大的挑战。针对航空用复合材料铺层设计约束多的问题,通过逐步构建设计变量准确表达结构的铺层信息。基于经典遗传算法框架,结合各设计变量特点,定义了铺层优化算法中的遗传算子,通过引入“修复”策略保证了每一代解都能满足设计约束,分布在可行域区间内。最后利用精英保留策略提高了算法的局部寻优能力,可以降低复杂复合材料结构铺层设计的计算成本。通过解决经典benchmark问题并与已有优化结果的比较,验证了前述铺层优化算法的全局、局部寻优能力,为工程实际中的复合材料铺层设计优化提供了理论支撑。     

改进的蝗虫优化算法在双目标应急物资中心选址问题中的应用

近年来世界各地频发灾情疫情等紧急事件,严重影响人民的生活物资保障。在这种情况下,急需建立应急物资中心来缓解燃眉之急。该类问题通常面临资源稀缺并且时间相对紧迫的处境,因此需要在短时间内获得合理的应急设施选址方案来提升服务的质量和效率。本文对应急物资中心选址问题展开研究,提出一种考虑后续运输成本以及有概率发生紧急事件而导致无法正常运送物资的双目标离散选址模型,并为此设计一种二进制多目标蝗虫优化算法。该算法采用模糊关联熵系数来引导迭代更新,同时为其添加外部档案,最优解选择机制和竞争决策机制来提升算法性能。多次数值实验表明该算法的计算效率和求解质量较高,可作为应急物资中心选址问题的一种可行且有效的算法。     

间羟基苯甲酸邻菲Luo啉钆（Ⅲ）,镝（Ⅲ）三元配合物的合？…

合成了间羟基苯甲酸邻菲Ｌｕｏ啉钆（Ⅲ）、镝（Ⅲ）三元配合物。通过元素分析、红外与紫外光谱、Ｘ－射线粉末衍射、差热－热重分析和固体配合物导电性能等方法,对三元配合物进行了结构与性质研究。     

二氰基二硫纶·邻菲■啉镉(Ⅱ)配合物的合成与光敏性研究

以ｃｉｓ－１,２－二氰基乙烯－１,２二硫醇钠和二氯·邻菲啉合镉（Ⅱ）为原料合成了标题配合物,并经元素分析、摩尔电导、红外光谱、电子吸收和发射光谱表征,其结构为四配位的电中性配合物,易溶于二甲基亚砜、二甲基甲酰胺、吡啶,难溶于苯、乙醚和水。测量了掺杂有标题配合物的ＣｄＳ－ＰＶＡ复合膜的暗态导电性和光电导性,研究了标题配合物对ＣｄＳ的光敏化作用与其电子光谱间的关系。     

基于卷积型变分原理的半解析法及其在热传导中的应用

本文基于积型变分原理提出了瞬态热传导问题的半解法,该方法在空间域内作有限元离散,在时间上用纵数表示,吸取了现有求解瞬态问题方法的优点,又克服了其缺陷,一维和二维算例结果表明。该方法进求解热传导问题的一种新型、有效的方法。     

企业员工绩效考评方法研究及应用

本文提出了一种新的员工绩效考评方法－ＡＦＴ,即用层次分析法（ＡＨＰ）确定考评指标的权重,用模糊数学的方法（Ｆｕｚｚｙ）对各类质化考评指标值进行量化处理,并进行系统的综合,用逼近于理想解的方法（ＴＯＰＳＩＳ）排出被质评者的优劣顺序。     

WAVELET PACKET AND FUZZY NEURAL NETWORK FOR TOOL CONDITION MONITORING *

在自动化制造中,线监控刀具状况以保护刀具与加工工件显得越来越重要．近年来,许多研究者在此领域进行了广泛的研究,然而由于加工过程的不确定性,现有的刀具监控系统的可靠性还有待提高．本文提出了一种基于小波包分析与模糊神经网络的自适应刀具监控系统,该系统利用小波包分析方法将加工过程振动信号分解为不同的频率段,并在此基础上,建立了自适应特征提取方法,为模糊神经网络提供最优的特征输入,然后模糊神经网络据此进行决策,分析刀具磨损状况．实验结果表明：该系统模糊神经网络能有效通过学习人类模糊知识和在线学习样本来提高刀具监控精度．