5-(4-溴苯基)-2-呋喃甲醛-N-芳氧乙酰腙的合成

以5-(4-溴苯基)-2-呋喃甲醛和芳氧基乙酰肼为中间体原料,合成出了10个新的5-(4-溴苯基)-2-呋喃甲醛-N-芳氧乙酰腙类化合物,并利用IR、^1H NMR、^13C NMR及元素分析对它们的结构进行了表征．     

具有潜在抗菌活性的环丙沙星衍生物的NMR谱研究

利用核磁共振谱,通过¹H-¹]H COSY, gHMBC and APT (Attached Proton Test)实验对所合成的新化合物1环丙基-6-氟-7-（4-苯乙酰氨基硫代甲酰基-1-哌嗪基）-1,4-二氢-4-氧代喹啉-3-羧酸的NMR谱进行了分析,并对其谱峰进行了详细归属.     

模板膜法制备织构化的CSBT铁电陶瓷工艺研究

探讨了在NaCl(100)衬底上制备Ca0.4Sr0.6Bi4Ti4 O15 (CSBT)铁电薄膜的最佳制备工艺过程,匀胶速度为2500r/min,热解温度为350℃,退火温度为700℃,退火时间为300 s制备的CSBT铁电薄膜具有较好的钙钛矿相,相对较高的a轴取向度;以制得的CSBT薄膜为模板,采用模板晶粒生长法诱导其铁电陶瓷粉体织构化生长.结果发现:引入CSBT模板膜后,铁电陶瓷块体的a轴择优度提高,半峰宽减小,垂直于平面晶粒数量增加,有利于陶瓷铁电学性能的提高.     

基于传感网的地面运动车辆目标容错跟踪

提出了一种新的基于声震传感网的机动目标跟踪算法,即在Rao-Blackwellized蒙特卡洛数据关联（RBMCDA）算法基础上,引入代价函数,根据代价函数的可信度和误差偏离度实时在线更新测量噪声模型参数.仿真结果表明：相比于RBMCDA算法,该算法不依赖于观测噪声的精确建模,在节点频繁切换情况下仍具有很好的自适应性;...     

多跳延时保障无线传感网MAC协议研究

针对设计多级簇树拓扑结构的无线传感网MAC协议时,存在不同层级设备之间交互时段冲突和网络多跳转发延时过大的问题,提出一种组合超帧调度协议.通过构建基于超帧单元的组合调度超帧及设计信标时隙分配与冲突解决机制,保证多级设备交互时段的无冲突协调分配;通过增加各级设备在调度周期中的交互时段和设计保障时隙及时预约机制,减少多跳传输带来的网络传输延时.理论分析和仿真结果均表明:在增加可接受的能耗开销前提下,提出的MAC协议的多跳传输延时能降低至IEEE 802.15.4标准MAC规范的1/4以下,并且随着跳数的增加,传输延时的降低效果更为明显.     

WSN中基于SDMA的移动高能效数据采集

利用空分多址(SDMA)技术的低时延特性,提出了一种低时延、高能效的移动Sink数据采集算法.首先利用SDMA技术的兼容节点对,按最小能耗最多配对准则,找出最佳的数据汇聚点;然后以兼容节点对的位置特征作为权值来源,使用加权最大配对算法(Hopcroft-Karp算法),得出各汇聚节点对应的最优配对节点对集合;最后找出具有最多配对数目和最大覆盖集的数据汇聚点集合P′,访问集合P′的近似最短路径即是移动节点的最终路径.仿真结果表明,该算法在保持SDMA技术低时延优势的同时,延长了网络平均生存期,具有更好的能量均衡特点.     

基于RSSI测距的WLS定位算法

结合信道模型与实际测试得出的距离越远误差越大的特点,提出一种加权最小二乘估计（WLS）算法用于未知节点的坐标定位.在定位过程中首先通过加权计算获得信道衰落因子;然后利用WLS算法得到未知节点的坐标,并推导了测距和定位的误差公式.仿真实验表明WLS算法的硬件复杂度与最小二乘（LS）算法相同,而定位精度有较大提升,并验证了...     

煤田地质超深孔钻探技术及其应用

我国的煤炭储备十分丰富,但是新中国成立以前我国的钻探技术还比较落后,近些年来,煤田的钻探技术得到飞速发展,为我国煤炭工业的发展提供了可靠的资源保障。本文基于超深煤田地质钻孔的具体施工为例,详细的阐述钻探设备、钻探技巧等施工的主要技术和相关参数以及技术的应用情况。     

企业人力资源信息化与HR角色变革

介绍了HR角色现状,指出人力资源信息化推动HR角色转变,从人力资源管理者和人力资源部门两方面论述了HR组织模式的突破。     

工业机器人结构与控制耦合的集成设计方法

 针对工业机器人伺服系统结构和控制分离设计误差较大的问题,提出一种基于结构-控制耦合的集成设计方法。以结构重量、跟踪精度和控制能量指标为目标函数,以稳定和快速跟踪性能指标为约束,同时考虑结构与控制的耦合,采用分步迭代策略消减误差,以实现工业机器人工作在最佳状态的目标。以两关节机器人设计为例进行MTALAB仿真实验,结果表明,应用基于结构-控制耦合的集成方法设计,伺服系统具有较好的鲁棒性,在时间调整、超调量消除、阶跃动态响应能力等方面均优于分离设计,使机器人的综合性能达到最优。