6-羟基色满的合成

以2′,5′-二羟基苯乙酮和原甲酸三乙酯缩合得到6-羟基-4-色酮,再经催化氢化得到标题化合物。这是合成6-羟基色满的新路线,收率能达到47%。     

带轴涡轮转子在立式超速试验台上的超速试验

对带轴涡轮转子提供了可行的试验处理方法 ,并成功地进行了超速试验     

50%丁莠悬浮剂的制备

以50％丁莠悬浮剂为例。介绍了用莠去津原粉直接研磨的方式制备悬浮剂时。助剂的选择和制备方法，研究了助剂对贮存稳定性的影响和研磨速率及研磨时间对莠去津粒度、悬浮刺贮存稳定性的影响。该方法制备的悬浮剂成本低、质量稳定、使用安全。     

乙羧氟草醚的合成

以间羟基苯甲酸和3,4-二氯三氟甲苯为原料,经过成盐、醚化、硝化、缩合4步反应得到乙羧氟草醚,所得产物化学结构经红外光谱、核磁共振谱及质谱等确证。反应总收率在75.0%以上,含量(HPLC)达89.0%。     

甲醇制烯烃流化床内流化特性的多尺度CFD模拟

近些年，我国成功开发了以煤为原料的甲醇制烯烃(Methanol to Olefins, MTO)生产工艺和技术，带动煤制烯烃产业的快速发展，保障了国家能源安全。流化床式反应器是MTO工业生产的核心反应装置，通过计算流体力学(Computational Fluid Dynamics, CFD)方法深入认知MTO流化床内的流化特性规律具有重要的意义，它可以从理论上更加准确地指导MTO流化床的优化与放大。本工作采用基于宏观?亚网格层次的气泡EMMS曳力和传统TFM耦合计算的多尺度CFD方法，对工业尺度MTO流化床内的多相流化行为进行了三维数值模拟。模拟结果表明，该多尺度CFD方法考虑了气泡结构对气?固相间曳力的影响，能较准确地预测MTO流化床内轴向颗粒浓度的“S-型”分布规律，且得到实验数据的验证；所预测的径向颗粒浓度分布呈现出经典的“环?核”分布规律，气体/颗粒的轴向时均速度在径向上的分布也与实际情况相互佐证，表明该多尺度CFD方法显著改善了基于均匀曳力的传统TFM对于宏观流场的预测能力。下一步工作将多尺度CFD方法拓展应用于MTO流化床优化放大及反应特性的研究。     

系统测试的外部质量评价方法研究

随着软件行业的成熟,对软件定量评价的必要性增大。作者借鉴功能点分析法[1]结合自身多年系统测试的经验,提出一套软件外部质量[2]的评价模型,简便可行的解决了软件质量工程评价过程中因缺少实操性而难以量化的难题,为软件工程质量定量评价提供客观可行的方案。     

利用ANN法预估芳香族多硝基化合物的密度

运用神经网络模型,采用误差反向传播算法,对一系列芳香族多硝基化合物的密度进行了预测.结果表明,芳香族多硝基化合物的密度与其分子结构存在良好的相关性,选用分子结构描述码作为输入特征参数能取得较高的预估精度,预测结果的相对误差一般在±10%以内.     

The Synthesis of β-Sialon Bonded Corundum Bricks from Al-Si Alloy

The paper presents a new method to synthesize β-Sialon bonded corundum brick(β-SBCB) from Al-Si alloy directly and easily under 1430℃,the volume expansion of reaction between Al powder and Nitrogen can help to establish the fast diffusion channel in Al-Si alloy;the suitable crystal seed of Si3N4 is helpful to the fast synthesis of β-Sialon.     

大规模认知无线电网络的时延分析

时延作为无线网络的最基本的性能之一,对网络信息分发、路由协议设计、节点部署等都具有重要意义。与传统的无线网络不同,认知无线电网络的频谱资源具有动态变化性,该特性会对网络时延产生极大的影响。因此,如何对动态频谱环境下的大规模认知无线电网络进行时延分析,是一项很具挑战性的课题。为此,首先对动态频谱环境进行建模,将认知用户的频谱接入过程建模为一个连续时间的马尔可夫链,并建立认知用户的生存函数来量化授权用户活动以及信道数量对频谱环境的影响;其次,将上述模型与首次通过渗流理论结合起来,研究了大规模认知无线电网络时延的伸缩规律,并获取了更为精确的时延与距离比的上限值。理论分析及仿真结果表明,动态频谱环境与密度一样会对时延产生极大影响。研究结论对认知无线电网络的设计具有重要的指导意义。     

应用轮廓变化信息的实验鼠行为识别

实验鼠行为分析数据是神经学、生理学、药物学等学科实验数据的重要部分。针对实验鼠缺少肢体运动信息的特点,提出一种实验鼠多行为分析方法。提取实验鼠轮廓的帧间变化信息,同时考虑变化信息与实验鼠本身的位置关系,对行为视频形成系列轮廓变化帧。在训练阶段,通过Pillar K-means聚类算法从系列帧中提取80个关键帧,并把每一个训练行为视频用对应关键帧频数的直方图表示。在测试阶段,测试视频用最近邻法确定每一帧对应的关键帧,形成相应的关键帧直方图,从而把分类问题变成一个直方图相似性问题,再应用卡方距离进行分类。实验结果表明,该方法对8种行为的分类准确率最高达到100%,最低达到95%。