基于丁香酚的全氟环丁基芳基醚聚合物的合成与性能表征

为了实现可持续发展，以可再生的生物质原料制备高性能高分子材料成为关注重点。本文以丁香酚为原料，通过氟烷基化反应、硅氢加成反应、消除反应和Piers-Rubinsztajn反应合成了三种含有硅氧烷结构的三氟乙烯基芳基醚(TFVE)单体。利用核磁共振光谱测试(NMR)、傅里叶红外光谱测试(FT-IR)、差示扫描量热分析(DSC)、动态热机械分析(DMA)、拉伸测试、热重分析(TGA)、介电常数测试等对TFVE单体结构、固化行为及固化样品的各项性能进行分析。结果表明三种生物基TFVE单体可以通过TFVE基团的热环化反应转化为全氟环丁基芳基醚(PFCB)聚合物。固化样品具有出色的热稳定性和介电性能，5%热分解温度分别为405、381和394℃,1 kHz～10 MHz内平均介电常数分别为2.78、3.26和3.11。该工作提供了利用生物多酚制备高性能聚合物的新思路。     

Incoloy 825合金加热过程中晶粒长大行为研究

研究了Incoloy 825合金在1 223～1 473 K温度范围内保温0～150 min后的晶粒长大行为，分析了加热温度和保温时间对其晶粒尺寸的影响，构建了Incoloy 825合金晶粒长大的数学模型。结果表明，当温度低于1 373 K时，晶粒长大缓慢，晶粒尺寸变化不大；当温度高于1 373 K时，合金晶粒尺寸明显长大。通过回归分析，构建了Incoloy 825合金两段式晶粒长大数学模型，能够较好地预测该合金在不同加热温度、不同保温时间下的晶粒尺寸。     

基于深度学习的农业装备库存预测研究

为解决农业装备制造企业供应链峰谷生产下因库存需求预测不准造成的“断供”或库存冗余问题,且传统的预测模型不能够考虑影响库存的多重因素,预测结果往往不够准确,因此决定建立一个可以精准预测的模型。提出一种基于LSTM算法的农业装备库存预测模型,可根据影响库存的主要影响因素等数据实现精准预测,能够最大程度地节约成本,提高效率。实验结果表明：LSTM模型的预测数据集和真实数据集的拟合度较高,这说明LSTM模型预测结果具有更高的预测精度,有很强的泛化能力。