为了探讨Cr3C2强化相提高Cr3C2/Ni3Al复合材料耐磨性的机制, 本文采用热等静压技术制备了Ni3Al合金和Cr3C2/Ni3Al复合材料, 借助纳米压痕仪对Ni3Al合金和Cr3C2/Ni3Al复合材料中各组成相的力学性能进行了表征, 利用销-盘式摩擦磨损试验机研究了热等静压Ni3Al合金和Cr3C2/Ni3Al复合材料的耐磨性能, 并结合扫描电子显微镜和纳米压痕仪分析了材料磨损表面形貌和磨损次表面层硬度变化.结果表明, Cr3C2的添加提高了复合材料基体的硬度, Cr3C2/Ni3Al复合材料中各组成相的纳米硬度和弹性模量由基体相、扩散相到硬芯相是逐渐增大的, 呈现出梯度变化, 有利于提高Cr3C2/Ni3Al复合材料的耐磨性.在本研究实验条件下, Ni3Al合金和Cr3C2/Ni3Al复合材料表面的磨损形式主要为磨粒磨损, Cr3C2/Ni3Al复合材料表现出更加优异的耐磨性能.Cr3C2/Ni3Al复合材料耐磨性能的提高主要跟碳化物强化相阻断磨粒切削、减弱摩擦副间相互作用、减小加工硬化层厚度、磨粒尺寸等因素有关

以磁性Fe3O4微球为模板，通过St?ber法和水热法合成了一种杨梅状的新型Fe3O4@SnO2复合材料，主要应用于电磁波吸收领域。借助X射线衍射、X光电子能谱、扫描电子显微镜、透射电子显微镜、振动样品磁强计和矢量网络分析仪对其物相结构、表面元素、微观形貌、磁性及吸波特性进行了分析表征。分析结果表明，杨梅状的Fe3O4@SnO2的球径约为500 nm，无明显团聚，具有良好的形貌均匀性。其SnO2层由纳米SnO2颗粒松散堆叠而成，具有大量的空隙结构，层厚约为40 nm。杨梅状的Fe3O4@SnO2具有较强的介电损耗能力，且有利于提升阻抗匹配性能，呈现出良好的电磁波吸收能力，当厚度为1.4～2.8 mm时，其最小反射损耗RL（min）均低于?20 dB。其最优厚度为1.7 mm，此时RL（min）为?29 dB，有效带宽为4.9 GHz（13.1～18 GHz），是一种具有发展潜力的吸波材料

金属锰湿法电冶过程是一个典型的远离平衡态的非线性体系，直流作用下会出现电化学振荡、金属分形等非线性行为而引发体系额外的能耗。本文提出一种超混沌电流电解的新模式，通过引入超混沌电路代替原有直流电源来实现。超混沌电流作用下，采用恒电流极化曲线、阳极极化曲线、塔菲尔测试等分析方法和X射线衍射分析、扫描电子显微镜的表征方法，研究铅合金阳极电化学振荡行为与阳极沉积的锰氧化物之间的关联。研究结果表明，在电流密度为350 A·m?2恒电流极化30 min后，超混沌电流极化作用下电位振荡的平均振荡周期较直流极化提高5.6 s，平均振幅降低 38 mV；超混沌电流作用下阳极生成的MnO2，其表面较为致密平整，在一定程度上可以提高铅合金阳极析氧反应活性和耐腐蚀性。综合分析可知，将超混沌电流运用于金属锰电解过程，可以实现对阳极电化学振荡的有效调控，为进一步降低电解过程能耗和污染排放提供新思路

分别采用X射线衍射、金相显微镜、原子力显微镜和透射电镜等组织表征手段以及室温拉伸和热膨胀系数测试等性能测试方法,对比研究了高温退火、低温时效处理对冷拔Fe-Ni合金丝微观组织演变、拉伸强度以及热膨胀系数的影响.研究结果表明:原始丝材强度高,但是室温热膨胀系数较大;而950℃退火导致晶粒粗化以及位错密度降低,虽然室温热膨胀系数低,但强度不足.相比之下,500℃较低温度的时效处理,能获得最优的强度/热膨胀系数组合(1189 MPa/0.2×10-6℃-1).对Fe-Ni合金丝相应的强化机制以及热膨胀系数的影响因素分别进行了讨论分析,分析结果表明:细晶强化与位错强化是该合金丝的主要强化机制,而热膨胀系数则主要受溶质原子-位错交互作用影响.揭示出,合适的热处理工艺选择对于Fe-Ni合金丝力学性能/热膨胀性能优化具有重要意义

剪切作用是膏体重力浓密制备的基础要素, 本文研究了浓密床层孔隙和喉道的变化对导水通道的影响, 揭示了水分排出的来源与比例. 开展半工业实验并结合计算机断层扫描(CT)与孔隙网络模型(PNM)提取床层微观孔隙结构, 利用最大球搜索算法识别并分析剪切前后孔隙与喉道的演化规律. 结果表明, 添加转速为2 r·min-1的剪切作用将尾砂底流浓度(即底流的固相质量分数)由55.8%提升到58.5%, 孔隙率由43.05%降低到36.59%, 孔隙率降低的比率为15%. 通过PNM技术将孔隙空间划分为\球体\储水孔隙与\棍体\喉道; 剪切后球体和棍体数量分别增加了16.5%和22%, 球体平均尺寸小幅下降, 球体半径多集中在40~60 μm之间. 棍体平均半径由9.83 μm降低至8.58 μm, 降低了12.7%, 棍体长度变化较小. 剪切作用下的球体配位数在5~10的部分从25.73%增加至44.58%, 配位明显增多, 颗粒接触紧密. 本文提出\球棍比\的概念用于孔隙结构的定量表征. 剪切后球体体积占比由14.14%降低至12.75%, 球体体积减少的比率达到9.83%;棍的体积由28.91%降低至23.84%, 棍体积减少的比率为17.54%. 球棍比由48.91%增加至53.48%, 球棍比提升的比率达到了9.34%, 与球体体积减小相比, 棍的体积减少的幅度更大, 导致球棍比上升. 本文从孔隙结构变化的角度揭示了全尾砂重力浓密剪切排水机理; 剪排水过程中主要排出的是喉道中的水分, 孔隙中的水分排出较少

热轧支持辊的健康状态在带钢板形质量和轧制稳定性控制中起着关键作用，非线性、强耦合、少样本等特点使得热轧支持辊健康状态的预测复杂，目前各大钢厂仍以定期维护和事后维修为主。本文提出了一种支持辊虚拟健康指数的构建方法以及基于Copula函数的复杂工况健康状态预测模型。首先结合支持辊弯窜辊数据表征支持辊健康状态，再使用K-means聚类方法对支持辊工况进行划分，将各工况下过程数据分别构建Copula预测模型，最后根据实际轧制计划的排布顺序融合各工况模型的预测结果。提出的基于Copula函数的预测模型在某钢厂1780热连轧产线得到应用，结果表明，该模型能够准确有效的按照轧制计划实现支持辊的健康状态预测，以更科学的策略指导支持辊更换维护

由于岩石材料的不透明性和多孔隙特性, 通过传统的物理试验或数值模拟很难真实体现其内部三维细观结构. 本文基于CT扫描技术、边缘检测算法、滤波算法、三维点阵映射与重构算法, 构建了可以表征玄武岩试样内部孔隙结构的三维细观非均匀数值模型. 结合并行计算进行直接拉伸数值试验, 研究了内部孔隙结构特征对试样破坏机制及抗拉强度的影响. 研究结果表明: 加载初期在试样孔隙处产生初始裂纹, 随着荷载的增加初始裂纹逐渐沿横向扩展最终形成宏观拉伸破坏裂纹, 并且孔隙含量和分布位置对试样拉伸断裂的位置具有重要影响. 随着孔隙率增高, 试样破坏过程中的声发射数目和能量逐渐减小. 拉伸破坏模式呈现脆性破坏特征, 同时孔隙的存在削弱了试样的抗拉强度

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

以Na2MoO4·2H2O、NiSO4·6H2O和MnO2为原料, 采用水热法成功制备了类松果状NiMoO4/MnO2复合材料.通过X射线衍射、扫描电子显微镜、恒电流充放电、循环伏安和交流阻抗对材料进行表征.结果表明, MnO2的最佳质量分数为10%, 所得NiMoO4/MnO2复合材料具有类松果状形貌, 其颗粒直径为200~600 nm, 且表面粗糙、多孔; 在1 A·g-1的电流密度下, MnO2质量分数为0、5%、10%、15%、20%时, 所得复合材料NM0、NM5、NM10、NM15和NM20的放电比电容分别为260、248、650、420和305 F·g-1.在电流密度为10 A·g-1下, 最佳样品NM10复合材料的首次放电比容量为102 F·g-1, 经过100次循环后, 其放电比电容稳定在147 F·g-1.该性能的提高, 主要是由于MnO2的引入弥补了NiMoO4单一材料存在的不足, 从而达到协同增效的作用

为提高热轧换规格首块钢头部卷取温度命中率，采用数据挖掘技术，从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数，并将其应用于模型预设定计算。首先，对冷却特征参数进行识别，按照相对型、绝对型、相等型和策略型四种方式进行定义，并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时，将其聚类为实际带钢的相似卷，并考虑各相似卷的时间影响，计算相似权重值；随后，基于相似带钢的头部和尾部信息，建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件，采用梯度下降法求解该二次规划问题，通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数；最后，根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明：基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力，学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升