左旋多巴胺希夫碱的合成研究

以左旋多巴为原料，经过酯化保护羧基，然后与芳香醛、酮反应合成左旋多巴胺希夫碱，作为合成各种多巴胺的中间体，探讨了不同的试剂配比，酸碱度，反应时间及反应温度等因素对反应的影响，并对几种希夫碱的结构进行IR，NMR表征。     

感应电动机电容补偿起动系统的建模和仿真研究

建立了三相感应电动机电容补偿起动系统在d-q静止坐标系下的数学模型，模型中考虑了转子参数随转速变化的因素．根据所建立的数学模型，构造了基于MATLAB／SIMULINK的动态仿真模型．通过实例对三相笼型感应电动机的电容补偿起动过程进行仿真计算．仿真结果表明，感应电动机采用电容补偿起动，可以降低起动电流，提高电机起动转矩，缩短起动时间．     

机械振动影响岩心渗透率的实验研究

振动增产是一项处理大面积油藏的新技术.本文叙述的一系列实验是其增产机理实验研究的一部分.对32块天然露头砂岩岩心、油田砂岩岩心及含束缚水的岩心进行了机械振动实验,观察了振动频率、强度对岩心渗透率的影响.实验表明,在岩心固有频率附近进行振动,会较大地提高岩心渗透率,天然露头砂岩岩心最大可提高27.8%,含束缚水的岩心最大可提高一倍.但频率不合适,反而会使岩心渗透率下降,岩心渗透率对振动强度不敏感,而是在0.05g～0.02g范围内才对其有较大影响.岩心的方向变化,其振动结果相近.     

合成孔径雷达的干扰参数分析

讨论了对合成孔径雷达欺骗干扰的基本原理,分析了参数精度对干扰效果的影响,得出了参数精度与干扰效果的关系,最后进行了仿真实验,其研究成果对欺骗干扰的深入研究有一定的参考价值。     

数控机床热补偿中温度变量的选择与建模

叙述了一种在机床热补偿过程中,利用多元统计分析中的聚类分析方法对温度变量进行初步筛选,然后利用逐步回归方法获得最优模型的方法.对一台车削加工中心温度测量的变量进行了选择,并且利用逐步回归方法得到了补偿模型.结果表明,这种建模方法,不但很好地避免了温度测点的相互影响,保证了模型精度,而且节省了工作量和成本.     

面向事故分析的车身关键参数数值模拟计算

汽车碰撞事故再现方法中常用的动量/能量和变形/能量分析方法需要对所涉及车辆的部分参数(如恢复系数和刚度系数)进行确定,传统的参数确定方法需要通过多次实车碰撞试验进行统计分析计算,具有周期长、成本高等缺陷,不适应目前多品种小批量的生产方式.据此,提出利用被试验验证的整车有限元模型对上述参数进行多种速度下的数值模拟计算,并将模拟试验得到的恢复系数应用于一起真实碰撞事故的分析,结果验证了该参数的可靠性及该方法的可行性.     

新疆高光强条件下小麦群体光合能力的研究

对新疆大陆性气候条件下春小麦群体光合能力进行研究,结果表明:新疆小麦在相同的光强下具有较高的群体表观净光合速率,具有较高的光合生产潜力,其CAP的值在-15~45μmol.m-2.s-1,与山东小麦群体光合能力比较,群体光补偿点相近,光饱和点高出1.5~3.0万lx,CAP最大值在拔节期高出4~7μmol.m-2.s-1,开花期高出6~10μmol.m-2.s-1;温光效应分析表明,光强是影响新疆春小麦群体光合能力主导生态因子,中午光强超过光饱和点是造成群体光合“午休”现象的重要原因。     

SiO2-CS-Pd对间-硝基苯甲醛的催化氢化

研究了二氧化硅负载的甲壳胺-钯配合物(S iO2-CS-Pd)在间硝基苯甲醛加氢还原中的催化性能,发现此催化剂在温和条件下(0.100 M Pa,40℃)能高活性地催化间硝基苯甲醛还原,得到相应的间胺基苯甲醇.40℃下,反应12 h,间硝基苯甲醛被100%转化,反应产物间胺基苯甲醇收率达到98.6%.通过XPS的表征也确证了S iO2-CS-Pd中N原子与Pd原子之间配位键的形成.反应温度、Pd金属负载量、反应时间、反应溶剂、氢气压力等条件对该催化剂的活性及选择性有明显影响.该催化剂重复使用十次后,催化活性和选择性未见明显下降,具有良好的稳定性.     

离子液体及其在偶联反应中的应用

离子液体易于循环利用从而减少对环境的污染，已从许多实验得到证实。而离子液体中的偶联反应是合成C-C键最有效方法之一，近几年来一直是催化化学和有机合成的研究热点。本文简要介绍离子液体的分类、物理化学特性、合成，及离子液体在偶联反应中的应用。     

基于粗糙集的风湿性二尖瓣狭窄疾病诊断

在疾病诊断的专家系统中，知识库的建立是一直困扰系统建立的瓶颈问题．知识库的好坏不仅影响到后续推理过程，而且还对诊断的精度有着很大的影响。文章在粗糙集理论基础上，以风湿性二尖瓣狭窄知识库为例，使用基于粗糙集理论的规则提取技术，对病例资料数据库进行数据分析，与临床表现之间建立合理的推理关系，并结合医生的临床实践，最终形成一个比较完备的诊断知识库，为实际的推理、解释程序打下良好的基础。