对老年社区规划的探讨与实践

正人口加速老龄化正成为我国当前社会转型期所面临的严峻问题。据国家2010年人口"六普"统计数据显示,65岁以上人口占比达到10%的省份比2000年增加5个,超过7%"红线"标准的省份达到26个,而从全国总量看,老龄人口也已超过7%的"红线"。中国加速迈入老龄化时代,养老已日益成为全社会所共同面临的问题。     

哒螨酮微胶囊剂的制备研究

本研究选用杀虫杀螨剂哒螨酮为芯材，以癸二酰氯、乙二醇聚合生成的聚酯为囊皮，制备哒螨酮微胶囊；工艺条件为聚合温度30-50℃，搅拌速率500r/min；实验证明单体总用量、搅拌速率、聚合温度影响微胶囊剂的外观及粒径。     

知识经济时代化学工业的展望

本文阐述了化学化工走过的历史，曾对人类取得了辉煌的成就，知识经济时代化学上业的发展面临着挑战，技术创新是化学工业发展动力。     

固载磷钨酸催化氯乙酸母液合成氯乙酸甲酯合成条件的优化

以氯乙酸母液和甲醇为基本原料,固载磷钨酸为催化剂,通过连续酯化的方法制备了氯乙酸甲酯;以氯乙酸甲酯的质量收率为基准,采用三因素三水平正交实验的方法对酯合成的条件进行了优化。实验结果表明氯乙酸母液与甲醇质量比对反应的影响最大,其次是母液与催化剂的质量比,而回流时间对反应的影响较小。正交实验得到的适宜反应条件为:母液与甲醇的质量比为10/7,母液与催化剂的质量比为10/1,回流时间为1.5h;在此条件下氯乙酸甲酯的质量收率为46.9%。     

四种蜂蜜中脂肪酸的气相色谱-质谱分析

对湖北产荆条蜜、紫云英蜜、柑橘蜜、油菜蜜4个蜂蜜品种中的脂肪酸组成和含量进行分析比较。采用乙醚提取蜂蜜中的脂肪酸,再以硫酸-甲醇溶液进行甲酯化处理,通过气相色谱-质谱联用仪分离鉴定其中的脂肪酸组成和相对含量。结果表明,4种蜂蜜中共分离出14种脂肪酸,其中荆条蜜、紫云英蜜及油菜蜜中分别鉴定出8种脂肪酸,柑橘蜜中鉴定出7种脂肪酸,另外,14种脂肪酸中不饱和脂肪酸占总脂肪酸含量的45.53%～79.31%,饱和脂肪酸占总脂肪酸含量的16.68%～40.77%,4种蜂蜜中均含有棕榈酸和油酸。     

飞行保护头盔用TC4护目镜支架的热处理研究

为解决头盔用TC4合金护目镜支架强度低的问题,对其进行真空热处理,用金相显微镜、扫描电子显微镜等研究真空热处理工艺对护目镜支架显微组织及性能的影响。结果表明：在真空度为1×10^-3Pa下,1 000℃保温20 min后淬火,合金发生相变,平均尺寸为2.6μm的等轴α相转变为宽度约为870 nm的细小片层α相,并弥散分布于β基体中,β晶粒平均尺寸约为260μm。相对原始组织,经真空热处理后,合金屈服强度和抗弯强度分别从1 596、1 942 MPa提高到1 806、2 170 MPa,分别提升13%、12%,这是因为纳米片层α相弥散分布的强化效应,显著提升了合金的强度等力学性能。     

有毒硝基苯酚的甲基化衍生的气相色谱研究

本文采用碘甲烷作为衍生剂,在氯化三乙基苄基胺水溶液和氢氧化钠水溶液中进行衍生化反应,通过气相色谱法对硝基苯酚的2种异构体衍生物进行分离和测定,其邻、对2种硝基苯酚的检出限分别为1.03mg/L和1.59mg/L,相对标准偏差为2.52和3.63,结果令人满意。     

NaOH-KOH混合碱分解锆英砂的工艺研究

采用等摩尔的NaOH-KOH混合碱作为锆英砂的分解剂,并采用正交实验和单因素实验,主要研究了NaOH-KOH混合碱分解锆英砂矿过程中碱熔温度、碱熔时间、碱矿摩尔比和锆英砂矿粒度对锆英砂分解率的影响。正交实验结果表明:在实验研究范围内,各个因素对锆英砂分解率影响的大小顺序为碱熔温度>碱矿摩尔比>碱熔时间>锆英砂矿粒度;单因素实验得出,最佳的锆英砂分解实验条件是碱熔温度为550℃,碱矿摩尔比为5∶1,碱熔时间为60 min,锆英砂矿粒度为100～125μm;按照最佳实验条件进行实验,锆英砂的分解率可达到95%以上。碱熔料的扫描电镜(SEM)结果分析指出,在碱熔过程中发生着明显的团聚现象,增加间歇式的搅拌,可以改善碱熔料的粘壁现象,但不保证能得到疏松散状碱熔料。     

飞行保护头盔纺织结构复合材料层板耐穿透性能研究

纺织结构复合材料主要有芳纶、超高分子量聚乙烯、玻璃纤维、碳纤维和玄武岩纤维等,大量应用于军事、航空航天领域,并拓展应用到民用、交通、工业装置、体育和娱乐等多个领域。纺织结构复合材料具有比强度高、比刚度大、重量轻、耐冲击好等独特优点,基于此,文章通过研究芳纶及超高分子量聚乙烯纺织结构复合材料的耐穿透性能,明确了超高分子量聚乙烯层板相较芳纶层板,受到穿透力作用时,响应面积更大,动态响应更迅速,面密度相近的情况下损伤更小,防护能力较芳纶层板高一个等级,同时多层层板铺叠过程中,改变复合材料纺织结构或者调整层间织物铺叠角度,均会影响耐穿透性能。     

基于经验模态分解与RBF神经网络的混合预测

为提高时间序列预测模型精度,根据各本征模态函数(intrinsic mode function,简称IMF)序列的变化特点,针对EMD-RBF神经网络隐含神经元数目及其中心数据选取问题,利用经验模态分解(empirical mode decomposition,简称EMD)的信号自适应处理能力和径向基函数(radical basis function,简称RBF)神经网络的非线性逼近能力,提出了一种基于EMD与RBF神经网络的混合预测方法。该方法将具有类似时频特性的本征模态函数分别建立RBF神经网络预测模型,采用基于统计分析的k-均值聚类方法自适应确定RBF模型参数,最后将各IMF-RBF神经网络预测结果进行重构得到最终预测结果。仿真结果表明,该方法充分考虑到各IMF本身的特性,增强了时序的可预测性,预测性能比传统反向传播(back propagation,简称BP)神经网络和小波BP神经网络更优越。将该方法应用在某装备温控系统性能监测中,其温度参数最大预测误差远小于传感器误差,说明将该方法在该装备故障预测中是可行的。