锰酸锂正极锂离子二次电池纯电动汽车的研制

以100Ah的锰酸锂锂离子二次电池锂离子电池组和30kW交流电机组成了动力系统,研制了MGL6486EV电动汽车。电池组的电压为304V,能量为37kWh,电池组采用了智能管理系统(BMS)和均衡系统。电动机采用全数字适量控制,并具有刹车能量回收和防溜车功能。在充电时智能充电机始终与BMS保持通信联系,以保证电池组安全快速充电。车辆最高车速可达117km/h,0~50km/h加速时间为6·80s,50~80km/h加速时间为7·34s,爬坡度超过20%,续驶里程为204km,百公里耗电仅为19kWh。到目前为止该车辆已运行5万多km。     

一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题，提出了一种鲁棒的总体最小二乘自适应算法．该算法利用滤波器的增广权向量的瑞利商为损失函数，导出了其自适应迭代公式，并利用随机离散学习规律对权向量模的分析进行算法梯度修正，提高了算法的噪声鲁棒性，而且使得算法简单，稳定性好，收敛精度高．将该算法应用于Volterra滤波器，可使滤波器在非线性系统中的信噪比达到10dB，在学习因子为0．01时，算法仍然能够保持良好的收敛性．仿真结果表明，即使在高噪声环境或使用较大学习因子的情况下，该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法．     

两种新4,4''''--联噻唑衍生物的合成及抗菌性研究

用自制的邻硝基苯甲酰氨基硫脲和对羟基苯甲酰氨基硫脲合成了两种4，4′-联噻唑衍生物：2，2′-二(邻硝基苯甲酰肼基)-4，4′-联噻唑和2，2′-二(对羟基苯甲酰肼基)-4，4′-联噻唑，它们的组成与结构已由元素分析、红外光谱和核磁共振进行了表征，并研究了它们的抗菌活性。     

俄罗斯减压馏分油中硫化物的分离富集及结构鉴定

采用FdCl2配位色谱法对俄罗斯减压馏分油中的硫化物进行了分离和富集。结果表明，PdCl2配位色谱法是分离减压馏分油硫化物的有效手段，不同构型的硫化物在PdCl2配位色谱柱上的保留行为存在很大的差异。运用色谱质谱技术对分离出的硫化物结构进行的鉴定结果表明，俄罗斯减压馏分油中含有烷基环状硫醚、烷基苯并噻吩、烷基二苯并噻吩和烷基萘苯并噻吩等类硫化物。     

用简化模糊规则数的方法设计模糊PID控制系统

在对常规模糊控制器和PID控制器研究的基础上，提出了一种最简单的模糊PID控制系统。该系统基于T-S模型，借助于线性系统理论解决非线性系统设计中的问题，用2个二维的模糊控制器或二维模糊控制器加上积分环节来替代三维模糊PID控制系统，大大简化了模糊PID控制系统的设计。仿真结果表明，这种模糊PID控制系统结构简单，规则数少，稳定性高。     

非线性系统参数识别的频域方法

系统识别是现代控制过程的关键环节．本文提出了一种识别弱非线性振动系统参数的方法．本方法中，参数识别的数学模型是系统的一阶近似频率响应函数．首先，用多尺度法导出弱非线性强迫激励系统的频率响应函数．接着，利用非线性参数变换将此频率响应函数变换为系统参数的线性函数，在此基础上用最小二乘法识别系统的参数．最后，通过数值模拟检验了方法的精度．     

一种N,N-二乙基乙二胺的合成方法

报道了在铜离子存在下，溴乙胺与二乙胺反应生成N，N-二乙基乙二胺的合成，收率80％．     

N,N-二(2-苯并咪唑亚甲基)胺高氯酸盐的晶体结构和量化计算

合成了N,N-二(2-苯并咪唑亚甲基)胺(N3)的高氯酸盐,对其进行了元素分析及紫外和红外表征,并采用X射线衍射方法测定了该化合物的晶体结构.依据晶体结构的配体模型(a)和分子力学方法所获最低能量构象的配体模型(b),使用Gaussian94程序对2个模型进行了量子化学计算,并对计算结果进行了比较.结果表明,配体N3的2个非质子化的氮原子和胺基氮原子对最高占有轨道的贡献高于最低空轨道的贡献.这说明,这些原子易于提供电子,可以将配体作为组氨酸较理想的模型物用来合成SOD模型化合物.     

N,N,N'''',N''''-四(2-苯并咪唑亚甲基)-2-羟基-1,3-二氨基丙烷的量子化学研究及拟SOD模型化合物的合成

以标题化合物(tbpOH)为配体合成了4种拟SOD模型配合物,对配体及配合物进行了红外、紫外和元素分析表征,并在HF/6-31G基组水平上对配体进行了量子化学计算,由分析计算结果可知,tbpOH可以成为较为理想的组氨酸模拟物.采用经典的邻苯三酚自氧化法对合成的拟SOD模型配合物进行了活性测定,可知所合成的模型配合物均具有一定的拟SOD活性,且活性顺序为Cu2(tbpO)·(CH3COO)·(ClO4)3·2C2H6O·H2O>Cu2(tbpO)·(C6H5COO)·(ClO4)3·1.5C2H6O>Fe2(tbpO)·(CH3COO)·(ClO4)5·CH3OH·H2O>Mn2(tbpO)·(C6H5COO)2·(ClO4)2·4H2O.     

基于信号谱熵的模糊Hamming网络缺陷识别

无缝钢管损伤监测和诊断的关键在于缺陷信号特征的提取和识别，作者研究了无缝钢管内伤、外伤及孔洞等缺陷信号的频域特征，提取信号二维谱熵指标作为特征指标，运用改进的模糊Hamming神经网络识别方法，对无缝钢管的缺陷进行识别，结果表明，该方法具有很高的识别精度，实例中识别准确率达100％，由于该识别方法不需要示教学习过程，因此能够应用于实时在线缺陷识别。