研究性与系统性相结合的有机合成实验教学实践

为了培养学生的创新能力和实践能力,使学生较全面地掌握有机合成实验理论知识和实验技能,开展了有机合成实验研究性和系统性结合的教学探索和实践。在课程建设和教学过程中,贯彻以学生为主体的教学改革思路与方法。从教学内容和模式、授课方式、考核方式等多个教学环节进行探索研究,科教融合,结合实际课堂教学,倡导启发式教学方法。研究型教学模式的实施有效地调动了学生自主研究性学习的积极性,有利于提高学生的综合实践能力,促进实验教学与科学研究的衔接。     

均聚物/共聚物共混体系的相行为研究进展

通过控制均聚物与共聚物共混过程中的相行为,能够得到许多性能优异的材料。本文从理论和实验两方面总结了影响均聚物／共聚物共混体系相容性和形态结构的因素,主要包括均聚物的分子量、浓度,共聚物的组成、结构、浓度,与均聚物相应的共聚物组分的分子量,共聚物分子内的相互作用,均聚物与共聚物分子间的相互作用等。     

在AlCl3和Nafion-H的催化作用下均三甲苯与γ-丁内酯的烷基化反应

 在无水AlCl3的催化作用下,均三甲苯与γ-丁内酯在室温下即可发生烷基化反应生成4-(2,4,6-三甲基苯基)丁酸. 实验结果表明,催化剂用量和反应时间是影响反应产物收率的重要因素,选择合适的反应条件可使γ-丁内酯几乎定量地转化为目标产物. 在固体高分子酸性树脂Nafion-H的催化作用下,4-(2,4,6-三甲基苯基)丁酸的收率随着温度的升高而升高,在200 ℃下收率达到最大值84.5%,选择性保持在90%左右. Nafion-H经过简单的溶剂洗涤和干燥处理后可重复使用,但每次重复使用后收率下降4%～5%. 对Nafion-H催化下该反应可能的机理进行了探讨.     

含氨基酸侧链的有机硅高分子催化剂 ⅩⅤ.γ-(L-酪氨酰胺基)丙基硅氧烷钯催化剂的合成加氢活性及其结构表征

本文报导了四种不同N/Pd摩尔比的聚γ-(L-酪氨酰胺基)丙基硅氧烷钯催化剂的合成及其催化加氢活性,这类催化剂与聚γ-((L-酷氨酸)丙基硅氧烷钯催化剂相比较,虽然均具有类似的N→Pd配位的活性中心组成,但它们对底物的加氢活性则明显不同,前者对丙烯腈、丙烯酸、环己烯和1-癸烯的催化活性比后者高,对苯乙烯则相反。N/Pd摩尔比、反应温度、溶剂以及体系的pH值对催化活性的影响,两者的情况大致相同,标题催化剂对衣康酸的催化加氢,产物的光学纯度为30％。     

基于多普勒小波变换的脱靶量参数提取方法

研究了脱靶量测量系统中靶弹的相对运动速度、脱靶量、脱靶时刻等参数的提取方法. 根据接收到的雷达目标回波信号的多普勒频率特性,提出用4参数基函数的时频信号表示法,从而引出多普勒小波变换的概念. 通过匹配追踪算法寻找与回波信号最匹配的基函数来确定脱靶量参数. 实验结果表明,该方法有效地估计出了脱靶量参数,且比其它方法更简单准确.     

基于改进的粗糙集条件信息熵和灰关联投影法的工程项目投标决策研究

投标决策是建筑企业面临的一大难题.在分析建设工程投标风险因素的基础上,提出一种基于改进的粗糙集条件信息熵和灰关联投影法的投标决策方法.文中投标风险因素的客观权重经两次修正,更具全面性和合理性;然后结合依靠专家经验确定的主观权重得到综合权重;最后将综合权重应用于灰关联投影法进行投标决策.通过应用实例,验证决策方法的可操作性和合理性,为承包商实际的投标工作提供一定的借鉴和参考.     

浅谈构造函数的一种技巧

1。问题的发现 题目求证：对x∈[1,e],不等式xlnx—x2-2〈0恒成立。解法1（直接构造函数）设f（x）=xlnx-x2-2,求导得f’（x）=lnx-2x＋1.     

MR动态增强联合扩散加权成像技术在乳腺疾病诊断中的价值

目的探讨乳腺MR动态增强扫描联合扩散加权成像技术在乳腺疾病影像诊断中的价值。方法对48例女性乳腺患者进行MRI检查,先进行双侧乳腺常规MRI平扫,再进行双侧乳腺扩散加权平面回波（EPI）序列扫描,最后行乳腺动态增强扫描。通过后处理,得到病灶处表观弥散系数（ADC）值及时间-信号强度曲线。结果根据时间-信号强度曲线特点及ADC值,结合常规MRI形态学特点进行良、恶性病变诊断。MRI诊断为恶性肿瘤19例,良性病变29例。手术或活检病理结果证实MRI诊断为恶性肿瘤的19例患者中,18例为恶性肿瘤,另外1例为良性肿瘤（旺炽性腺瘤）;MRI诊断为良性病变的29例患者,手术或病理活检均证实为良性病变。MRI区分乳腺良、恶性病变的准确率为97.9%（47/48）,与手术或病理活检准确率（100%）比较差异无统计学意义（字2=0.044,P=0.834）。结论动态增强扫描联合扩散加权成像技术,可提高乳腺疾病影像诊断准确率。     

基于遗传算法和神经网络的注塑工艺参数优化

基于Moldflow模拟仿真的结果,结合GA算法优化BP网络的结构,建立了模具温度,熔体温度,保压压力,注射速度等工艺参数与塑件体积收缩率的BP网络模型.获得了最优的工艺参数组合,同时预测结果与实际结果吻合.通过神经网络算法(BP)预测注塑工艺参数对塑件质量的影响,可以有效降低其他建模方法的难度和工作量,方法可以推广到塑件其他质量预测过程中.