一、概述 generalization 二、原子吸收光谱的产生 formation of AAS 三、谱线轮廓与谱线变宽 shape and broadening of absorption line 四、积分吸收与峰值吸收 integrated absorption and absorption in peak max 五、基态原子数与原子化 温度 relation of atomic amount in ground with temperature of atomization 六、定量基础 quantitative

一、概述 generalization 二、原子吸收光谱的产生 formation of AAS 三、谱线轮廓与谱线变宽 shape and broadening of absorption line 四、积分吸收与峰值吸收 integrated absorption and absorption in peak max 五、基态原子数与原子化 温度 relation of atomic amount in ground with temperature of atomization 六、定量基础 quantitative

第一节 原子吸收光谱分析基本原理 一、概述 二、原子吸收光谱的产生 三、谱线轮廓与谱线变宽 四、积分吸收与峰值吸收 五、基态原子数与原子化温度 六、定量基础 第二节 原子吸收光谱仪及主要部件 一、流程 二、光源 三、原子化装置 四、单色器 五、检测器 第三节 干扰及其抑制 一、光谱干扰及抑制 二、物理干扰及抑制 三、化学干扰及抑制 四、背景干扰及抑制 第四节 分析条件的选择与应用 第五节 原子荧光光谱分析法 一、概述 二、基本原理 三、原子荧光光度计

通过热力学计算分析了生产帘线钢生产工艺中生产条件对钢中夹杂物成分的影响.从控制夹杂物成分的角度,提出了采用不含铝的Si-Mn合金进行脱氧,控制酸溶铝的含量在1×10~6-5×10-6(质量分数)范围内,不采用铝质包衬的钢包,提高VD真空度在300Pa以上,取消喂Si-Ca丝等建议

本文用薄晶体透射电镜和单色化x线衍射方法研究了50Mn18Cr4奥氏体钢的形变强化机理。实验结果表明,这种钢的层错能很低,轻微变形之后就产生大量层错。随着变形量的增加,对于奥氏体稳定性较高的钢,层错倾向于发展成形变孪晶;对于奥氏体稳定性较低的钢,层错倾向于发展成ε马氏体。此外,通过电子衍衬象还观察了层错、形变享晶、ε马氏体和晶界对位错运动的阻碍作用。在此基础上,对高锰奥氏体钢形变强化机制及其与钢中化学成分的关系作了分析与讨论

利用热力学计算软件FactSage计算出CaO-SiO2-Al2O3-MnO四元系各成分的活度数据,并通过热力学计算分析了帘线钢获得良好变形能力的CaO-SiO2-Al2O3-MnO四元系夹杂物生成所需的条件,验证了本文所介绍方法的可行性.指出为得到塑性区的CaO-SiO2-Al2O3-MnO系夹杂物,要控制CaO-SiO2-Al2O3-MnO四元系夹杂物中Al2O3为20%,LF精炼炉中钢液的酸溶铝[Al]s含量应小于3×10-6,溶解氧含量应在2.0×10-5~6.0×10-5之间

一．测试线插孔 (1) 此万用表有四个测试线插孔，其中COM为黑表笔插孔。在左边有两个测试电流的红表笔插孔，“10A”和“mA–A”分别用来测量大电流（0~10A）和小电流（0~400mA）。最右边的红表笔插孔用来测量电流以外的其他量

在实验室中用高温管式炉对用工业纯铁配制的帘线钢进行脱氧和顶渣熔炼,研究了炉渣成分对夹杂物成分的影响.在炉渣碱度一定的情况下,随着炉渣中Al2O3含量的增加,夹杂物中的Al2O3含量也随之增加.当炉渣中的Al2O3含量低于8%时,夹杂物中的成分在塑性区.通过控制脱氧条件和项渣成分可以把夹杂物的成分控制在塑性区内

（1)某盛有液体的圆筒容器,容器轴心线为铅垂向,液面水平,如附图中虚 线所示。当容器以等角速度ω绕容器轴线旋转,液面呈曲面状。试证明 ①液面为旋转抛物面 ③液相内某一点(r,z)的压强20+P 。式中p为液体密度 题给条件下回旋液相内满足的一般式为 P+ 2F=C(常量) 取圆柱坐标如图,当Z=0,r=0,P=Po,∵C=Po 故回旋液体种,一般式为p+p·g

针对轧钢生产中大批过程数据没有被用于提高厚度质量的现象,提出了一种基于减法聚类的带钢厚度数据驱动在线建模方法.首先通过减法聚类将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机建立子模型,子模型加权输出作为带钢厚度的离线模型;然后当在线数据不断增加时,通过在线减法聚类算法实时调整局部空间,子模型的参数采用最小二乘支持向量机的递推算法进行相应的在线辨识,子模型的预测输出作为模型的最后输出.实验结果表明,该方法具有良好的预测精度和较强的在线学习能力