非布索坦的合成工艺改进

以4-羟基硫代苯甲酰胺为原料制备出高纯度的非布索坦.通过优化工艺条件得到最佳合成方案.方法以4-羟基硫代苯甲酰胺为原料,经环合、甲酰化、醚化、醛肟化后脱水得到腈类化合物,该化合物再经过酯水解、酸化反应得到目标产物,最后经过重结晶得到合格的产品.结果最终产品的结构经核磁共振分析得到确证.经重结晶后其纯度可达99.7%,产品总收率为48.8%.结论原料廉价易得、合成条件温和,适合工业化生产.     

基于ADAMS的3-RPS型并联机器人位姿的正解与逆解

以ADAMS软件为基础,给出了一种基于ADAMS的求解3-RPS型并联机器人位姿的正解与逆解方法.先给定机械手的位姿,经过仿真测量得出驱动杆的位移时间曲线,用后处理模块对测量得到的曲线进行处理,得到驱动杆位移样条函数,从而得到逆解.把得到的逆解作为驱动加在驱动杆上进行仿真,得到机械手的位姿,经过仿真测量得出机械手的位移曲线,经过后处理模块对测量得到的曲线进行处理,得到机械手的位姿样条函数,从而得到正解.这种方法不需大量的数学计算和计算机语言编程工作,非常快捷、方便、准确.从分析结果可以看出这种分析方法所得到的解完全可以用到实际中.     

黄芩苷酯类衍生物的合成

基于前药设计原理,设计合成了6个黄芩苷酯类衍生物.黄芩苷与甲烷磺酸甲酯、甲烷磺酸乙酯反应,得到目标化合物1和2.黄芩苷与乙酸酐反应,得到化合物3,3分别与甲烷磺酸甲酯、甲烷磺酸乙酯和甲烷磺酸异丙酯反应,得到目标化合物4、5和6.化合物结构均经ESI-MS和1H NMR确证.化合物4、5和6易溶于乙酸乙酯,具有较好的脂溶性.     

涉及骑车人的典型交通危险场景

对上海地区真实交通中的自然行驶工况进行视频采集、筛选和分类,得到152例涉及骑车人(自行车、摩托车、电动助力车)的危险工况.通过聚类分析和卡方检验得到了7类典型的危险场景.最后用PreScan软件对这7类危险场景进行虚拟建模,得到了涉及骑车人的典型危险工况场景库.     

提高牛顿环测平凸透镜曲率半径精度的方法对比研究

以实验为基础,采用三种测量方法采集数据,运用逐差法、加权平均法处理数据.用不同数据处理方法处理同一组数据,比较精度得到最佳数据处理方法;用最佳数据处理方法处理不同测量方法得到的数据,比较精度得到最佳数据采集方法.从而得到精度最高的数据采集、处理方法.通过实验数据分析了暗环环数之差对相对不确定度的影响.综合诸因素,对干涉暗环的合适环数展开了研究.也对逐差法、加权平均法的适用性进行了讨论.     

锰的氧化态化学初探

锰的氧化态有+2、+3、+4、+5、+6和+7氧化态.这些氧化态在实验课和课堂演示中,有的容易得到,有的不容易得到.笔者就这些做了如下简述.1 容易得到的+2、+4、+6和+7氧化态1.1 锰(Ⅱ)例如:(a)将MnO_2用CO还原就可得到绿色至暗绿色的MnO.     

环肽合成的试验研究

采用Fmoc固相合成法得到直链肽,通过空气氧化两个半胱氨酸的巯基生成二硫键,得到一类新型含二硫键的环肽.该环肽经ESI-MS鉴定,RP-HPLC纯化、分析后确定.     

一种实用的背景提取与更新算法

针对几种传统算法运算复杂、实时性差、得到的背景易失真等不足,本文给出了一种实用的背景提取及更新算法.通过平均法求系列图像的均值和平均差值,之后去除差异大的点,然后再次求平均得到初始背景.背景更新时,利用三帧差分和自适应阈值法得到当前帧的二值图像,并考虑前景目标后更新得到新的背景.实验表明,上述算法所取得的背景效果良好,并可快速有效地对背景进行更新.     

广义色散Camassa-Holm方程的精确解

为了研究非线性色散对Compacton和孤立波形成的作用,对非线性Camassa-Holm方程增加一色散项(ul)3x后得到广义色散Camassa-Holm方程.拟设该方程具有4种形式解,得到了丰富的精确解.讨论了在各种不同的非线性参数条件下,得到单峰、双峰Compacton解、斑图解、孤立波解、周期波解以及Kink Compacton解.研究了高维广义色散Camassa-Holm方程的精确解.结果表明,非线性和色散的相互作用是形成孤立波的关键.     

一种基于二代Curvelet变换的图像融合新算法

基于Curvelet变换,提出了一种新的融合算法.首先将图像进行Curvelet变换,然后对低频系数和高频系数采用不同的融合规则将Curvelet系数融合,最后进行重构得到融合结果.对该方法得到的融合图像进行了主客观评价和对比.实验结果表明,该方法得到的融合图像在图像边缘等细节上比其他方法得到的图像具有更好的视觉效果,在均方误差、峰值信噪比、相似度等客观指标上都优于其它方法.     

基于遗传算法的曲线拟合及应用

在自然科学中,常常在相关的２个量之间并不存在严格的函数关系．利用最小二乘法原理可以确定其拟合方程及其最优系数．然而对于较复杂的非线性问题,有时并不奏效．根据曲线拟合算法原理和遗传算法的特征,提出了利用遗传算法进行曲线拟合的６项步骤．并以电容式湿敏传感器为例介绍了算法的应用．结果表明,拟合方程与测试数据相比,各对应点的湿度误差小于０．０９％．拟合过程只需方便地利用目标函数值,从而扩大了遗传算法曲线拟合的应用范围．     

基于遗传算法的三维空间柱面拟合

从二维平面曲线的定义出发,进而扩展至三维空间柱面的定义.提出采用遗传算法拟合得出空间柱面的参数,将空间柱面唯一确定.以空间圆柱面为例,说明采用遗传算法进行空间柱面拟合的原理以及方法.以空间曲面的表达参数作为需辨识的参数值,并且对相关的参数值加以约束,基于最小二乘原理建立优化目标函数,采用遗传算法进行进化寻优.实例研究表明本文方法的有效性与拟合精度优势.     

利用遗传算法辅助设计人工神经网络的权值和域值

利用遗传算法具有的全局随机搜索能力，设计了一个基于遗传算法的人工神经网络学习算法，利用MAT-LAB进行仿真计算。实验结果表明，该算法具有明显的优越性，可以避免BP算法的不足，极大地提高了网络的学习性能，具有一定的实用性。     

基于Kriging代理模型的注塑产品翘曲优化

针对传统的基于CAE的注塑产品工艺优化方法精度不高、效率低,提出了Kriging模型与自适应粒子群算法相结合的集成优化策略.Kriging模型代替CAE分析作为粒子群算法迭代过程中的适应函数,大大减少了优化算法的计算量;同时,通过在粒子群算法中引入自适应惯性权系数,加快了粒子群算法的收敛速度.算例表明,基于Kriging模型与自适应粒子群算法的优化策略可以在小样本情况下获取较高的求解精度,并通过与标准遗传算法做比较,表明该优化策略同时具有较高的计算效率.     

柱效关系用于RBF神经网络色谱重叠峰解析

将径向基函数(RBF)神经网络引入色谱重叠峰解析领域·为了使RBF神经网络能适应于色谱重叠峰解析的需要,先在RBF神经网络学习算法中引入了基于可行域约束和共享小生境技术的遗传算法,而后又用两阶段遗传学习算法训练该神经网络以使其具有了结构自学习和参数优化的能力,适应于组分数未知的色谱重叠峰解析的需要,最后又将柱效关系引入至遗传算法的适应度函数中,极大地限制了解的空间,减少了病态解发生的概率·实验表明本方法解析精度较高,很适用于多组分色谱重叠峰解析,并且具有不需人为干预,自动确定网络结构即组分数的优点     

基于神经网络的模型直升机偏航角预测控制方法

模型直升机航向角变化剧烈,一般航向角测量方法具有延迟性、误差大、变化突然等缺点,需要一种具有学习、适应、非线性类人控制的控制方法.基于神经网络的预测控制方法采用双曲正切函数作为传递函数,采用最小二乘拟合算法训练数据得到参数,并在单片机实现中进行了简化,用多项式代替双曲正切函数,简化计算复杂度,在保证控制精度的基础上,提高了预测控制的实时性.在试验台运行中,控制过程延迟小,控制精度明显改善,模型飞行平滑,具有较高的实用价值.     

改进基因表达式编程算法及其应用研究

基因表达式编程是一种新型的自适应演化算法,它是在继承和发展遗传算法和遗传编程优点的基础上发展起来的知识发现新技术．笔者介绍了GEP的发展现状与关键技术,设计了逆淘汰策略和无树解码方式的改进方案,旨在维持种群多样性和提高算法效率,最后将改进方法应用与一元和多元函数挖掘的实验,得到准确度和拟合度良好的函数模型,收到了满意的效果．     

混合算法在04公桥规徐变系数曲线拟合中应用

采用混合算法将04公桥规附录F中给出的混凝土徐变系数幂函数表达式拟合为指数函数表达式,从而得到了徐变计算的递推式.即首先用遗传模拟退火算法对徐变系数曲线进行初步拟合,估计传统非线性迭代计算中参数的初值;再通过基于Levenberg-Marquardt法和Gauss-Newton法的非线性最小二乘法对徐变系数进行精确的拟合;最后通过结果分析确定了指数函数表达式的最终形式.混合算法解决了应用单一算法在拟合徐变系数曲线上的局限性,有着良好的通用性、鲁棒性和精度,拟合结果可直接应用于采用递推法计算混凝土徐变的有限元程序中.     

遗传算法拟合变异函数的参数

 由于堆积体的空间变异特殊性,用加权多项式回归法进行球状模型的理论变异函数拟合误差很大,有时甚至无法拟合出变异函数.为解决这一问题,结合遗传算法原理,充分利用遗传算法在求解非线性问题时具有全局寻优的特点,拟合出球状模型的理论变异函数参数,并以小湾水电站左岸堆积体边坡的变形监测数据为例进行了计算.经过多方法对实例进行比较分析表明,该方法简便、通用,具有较高的拟合精度,是非线性、不连续可微模型参数估计的好方法.     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。