以17%Cr超纯铁素体不锈钢的冷轧退火板为原料,研究了3%、6%、9%和12%横向预拉伸(即拉伸方向垂直于板材轧向)变形对其冲压成形表面抗皱性的影响.采用电子背散射衍射技术及X射线衍射技术探究了横向预拉伸前后板材内部织构取向和晶粒团簇的演变规律.结果表明,横向预拉伸9%后实验钢板表面抗皱性获得较大提高.由于在退火、横向预拉及纵向拉伸后{001}取向晶粒含量均非常少,因此基于厚向塑性应变比差异的Chao起皱机理不适用实验钢,而基于平面剪切应变的Takechi模型能较好地解释实验结果.在横向预拉伸后,由于γ纤维织构晶粒簇的宽度降低、方向整体偏转,使得板材抗皱性得到提高

采用恒载荷拉伸应力腐蚀试验和电化学试验研究取向对Al-Zn-Mg合金型材的应力腐蚀(SCC) 开裂的影响, 腐蚀介质采用质量分数3. 5%的Na Cl溶液, 容器温度维持在50±2℃, 并通过光学金相显微镜(OM)、扫描电子显微镜(SEM)、电子背散射衍射(EBSD) 等研究不同取向试样应力腐蚀前、后的微观形貌.结果表明横向试样在315 h时断裂, 而纵向试样在整个加载过程中未发生断裂, 纵向试样有更好的抗应力腐蚀开裂性能; 纵截面(L-S面) 的腐蚀电流密度为0. 980 m A·cm-2, 约为横截面(T-S面) 的5倍, 腐蚀倾向于沿挤压方向发展; 相比T-S面, L-S面晶粒间取向差较大, 大角度晶界多, 容易被腐蚀产生裂纹; 在应力腐蚀加载过程中, 试样先发生阳极溶解, 形成腐蚀坑, 聚集的腐蚀产物所产生的楔入力和恒定载荷的共同作用促使裂纹在腐蚀介质中加速扩展, 两种取向试样均发生了明显的晶间腐蚀, 存在应力腐蚀开裂的倾向

为研究隔热隔音超细玻璃纤维棉燃烧火焰蔓延特性，采用火焰蔓延特性测试仪探究玻璃纤维棉暴露于辐射热源和明火条件下燃烧火焰蔓延特性。结果表明：当点火时间从15增大至85 s，火焰沿Y轴正向蔓延最远距离从280增至435 mm，火焰蔓延速率整体呈现先减小、后增大、再减小趋势，分析认为火焰蔓延速率中途会增大是因为试样在制样时切割出切口，使局部氧气在一定程度上得到补充。随辐射板温度在700～820 ℃范围内增大，火焰沿Y轴正向蔓延最远距离从280不断增大至390 mm，增幅达110 mm，说明增大辐射板温度对促进火焰蔓延有显著作用，而火焰沿Y轴正向蔓延最远距离的增长速率不断减小。通过监测燃烧过程中不同位置玻璃纤维棉内部实时温度，得到距离点火源越近的监测点温度整体偏高，同时最高温度出现的时间大于点火时间。得到火焰沿Y轴正向蔓延最远距离与玻璃纤维棉厚度的定量拟合曲线，得到玻璃纤维棉厚度在12～48 mm越大，对阻止火焰蔓延与扩散的效果越明显，分析认为这是由于大厚度玻璃纤维棉在燃烧时，有更多热量沿内部厚度方向传播，从而减小了火焰热量沿Y轴正向的传播速度和蔓延距离

1.换向过程?(假设电刷宽度等于换向片宽度) 电枢旋转时,被电刷短路的元件从短路开始到短路结束, 从一条支路转换到另一条支路,电流改变了方向。换向元件中电流的这种变化过程,称为换向过程

针对焊缝缺陷磁记忆检测中存在定量化反演难题,建立了基于改进的支持向量回归机定量反演模型.以预制不同尺寸未焊透和夹渣缺陷的Q235焊接试样为试验材料,进行磁记忆扫描检测发现:缺陷位置的磁记忆信号特征参数随尺寸变化而呈现一定的变化规律,但同时存在分散性和不确定性.鉴于磁记忆信号样本的有限性、分散性和非线性,首先将提取到的磁记忆特征参数进行归一化处理,引入支持向量回归机建立焊缝缺陷磁记忆定量反演模型,并进一步利用模拟退火算法对支持向量回归机参数进行优化,使目标函数达到全局最优而非局部最优.最后,考虑到由磁记忆信号逆向反推缺陷的三维尺寸,存在解的不确定性,为此在缺陷单维尺寸反演模型的基础上,通过构建多层结构的支持向量回归机进行多尺寸反演输出,建立了基于模拟退火支持向量回归机的焊缝缺陷磁记忆定量反演模型,结果表明:未焊透缺陷尺寸反演最大相对误差为7.96%,夹渣缺陷为4.97%,为焊缝缺陷的磁记忆反演与定量化评价提供一种新的思路

一、向量概念 二、向量的线性运算 三、空间直角坐标系 四、利用坐标作向量的线性运算 五、向量的模、方向解、投影

一、选择题 1.反应H2(g)+Br2(g)2HBr(g)的K=1.86.若将3molH2,4 mol Br22和5molHBr放在10dm3烧瓶中,则…() (A)反应将向生成更多的HBr方向进行 (B)反应向消耗H2的方向进行 (C)反应已经达到平衡 (D)反应向生成更多Br2的方向进行

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

一、向量的定义 二、向量、向量组与矩阵 三、线性组合,线性表示 四、等价向量组 五、向量组的秩与矩阵的秩 六、总结

1.2电流、电压及其参考方向 一、教学内容 (一)电流及其参考方向 (二)电压及其参考方向 二、教学要求 (一)掌握实际方向与参考方向的关系; (二)掌握电路中电流、电压的计算。 三、重点