铝锆炭滑板在浇铸钙处理钢时的化学侵蚀

利用扫描电镜对抗钙处理钢液侵蚀试验后的铝锆炭残样进行了显微结构观察 ,并分析了铝锆炭滑板在钙处理钢液中的化学侵蚀机理。结果表明 :高温下 ,钙处理钢液中的Ca及CaO会与滑板中的Al2 O3 、SiO2 发生反应 ,生成低熔点的 12CaO·7SiO2 (1392℃ )和 2CaO·SiO2 ·Al2 O3 (15 39℃ )等物质 ,这些低熔物被钢水冲刷掉 ,使得滑板表层的Al2O3 和SiO2 含量迅速降低 ,从而导致了滑板的损毁。     

防水涂料

防湿涂料、组合物、涂膜及其制备；聚合物水泥基复合防水涂料的研究进展；纤维增强型聚合物水泥防水涂料     

聚氨酯树脂及其涂料

200707019带有一定厚度、形状和各种颜色的厚涂手工艺品及由聚氨酯制备该手工艺品的方法;200707020形成低折光指数涂层的可固化树脂组合物及由其形成的防反射膜;200707021耐划伤性好并含有丙烯酸树脂、聚己内酯多元醇和多异氰酸酯预聚物的涂料组合物;200707022含2，4-二异氰酸酯基二苯基甲烷的涂料组合物.     

Ln(Ⅲ)与糠醛缩-L-酪氨酸席夫碱配合物的合成

合成了Ln(Ⅲ)(Ln=Gd、Dy、Nd、Er、La、Sm)与糠醛缩 L 酪氨酸席夫碱的6种配合物,通过元素分析、红外光谱、紫外光谱、摩尔电导和热重分析,得到了配合物的组成为[Ln(C14H12NO4)(NO3)(H2O)2](NO3)(H2O)x(x=0～2)。得到了Er配合物的热分解反应动力学机理。     

异氰酸酯对聚乳酸/热塑性聚氨酯共混物性能的影响

以4,4^′-二苯基甲烷二异氰酸酯（MDI）为反应增容剂，采用熔融共混法制备了不同MDI含量的聚乳酸/热塑性聚氨酯（PLA/TPU）共混物，采用傅里叶变换红外光谱仪（FTIR）、万能试验机、冲击试验机、扫描电子显微镜（SEM）、差示扫描量热仪（DSC）和旋转流变仪对共混物力学性能、微观形态、热性能和流变性能进行了研究。结果表明：MDI可以有效改善共混物的力学性能，当MDI质量分数为1%时，共混物力学性能最佳，缺口冲击强度为40.0kJ/m²，断裂伸长率为214.1%，与未加MDI的共混物相比，分别增加了4.3倍和5.8倍，拉伸强度稍有下降（47.6MPa）；SEM表明，MDI的加入提高了共混物的相容性，加入MDI后，共混物的断面由海-岛结构变为核-壳包覆结构，相界面作用力增强；DSC测试表明，共混物的玻璃化转变温度、冷结晶温度和熔融温度随着MDI含量的增加而升高；流变测试表明，MDI质量分数的增加，共混物呈现更显著的剪切变稀行为，推测共混反应机理为：MDI质量分数的增加，体系内依次发生PLA的扩链、支化和TPU的交联。     

厚大断面球铁飞轮无冒口铸造工艺设计与实践

根据均衡凝固理论提出膨胀及收缩动态叠加、有限补缩的基本原理,利用铸铁的自补缩方式,结合铸件本身的结构特点,进行铸造工艺设计与控制,实现厚大断面球铁飞轮的无冒口工艺铸造。     

铁碳微电解及Fenton氧化法在染料废水处理中的应用

探讨了铁碳微电解及Fenton氧化法的反应机理、影响因素,总结了微电解和Fenton氧化法的优缺点,概述了微电解与Fenton氧化法联用在废水处理中的应用及其发展前景。     

浅析无效合同的诉讼时效

梳理请求确认无效合同是否适用诉讼时效的各种观点及理由,认为请求确认无效合同属诉讼法上确认之诉,不同于追诉时效,不应适用诉讼时效:无效合同确认后的赔偿损失请求权应适用诉讼时效,应从裁判确认合同无效的次日起算,返还财产请求权属于物上请求权不应适用诉讼时效.     

由铁醇盐配合物制备纳米Fe_2O_3

50℃时,在无隔膜电解槽中采用电化学溶解铁金属8 h,制备了铁配合物Fe(OEt)2(acac)[acac-为乙酰丙酮基],通过红外光谱、拉曼光谱和核磁共振对配合物进行了表征.采用含Fe(OEt)2(acac)的电解液直接水解、干燥制备干凝胶,然后在450℃煅烧2 h,得到纳米Fe2O3粉体.通过透射电子显微镜(TEM)和X射线粉末衍射(XRD)对纳米Fe2O3进行表征.实验表明:前驱体中含有acac基团,可以很好地阻止水解与煅烧过程中发生团聚;所得干凝胶粒径在10 nm左右,纯度较高的纳米Fe2O3粉体粒径在20~30 nm.     

基于RS-SVM的建筑施工项目安全预警模型

针对目前建筑施工项目安全风险管理的现状,应用粗集理论对建筑施工项目的安全因素进行预处理,将处理后的信息结构作为支持向量机的输入数据进行训练和预测,构建建筑施工项目安全风险预警模型,并在小样本条件下,与BP神经网络进行对比分析。结果表明,RS-SVM预测模型的最小均方根误差为0.011 5,BP神经网络的均方根误差为0.070 7,RS-SVM预警模型的预测精度、泛化能力明显优越于BP神经网络学习方法。