基于粒子图像测速(particle image velocimetry,PIV)技术,通过水模型研究临界卷渣条件下卷渣过程和钢包流场特征,解析临界卷渣从发生到结束的整个过程卷渣处流场速度的变化情况,并定量分析炉渣运动黏度对临界卷渣速度的影响.将临界卷渣速度的实验检测值与传统理论计算值进行比较和讨论.研究结果表明:临界卷渣过程从开始到结束可细分为八个不同阶段,卷渣处流场速度变化在这八个阶段中先增大后减小再增大;炉渣运动黏度对卷渣具有重要影响,炉渣运动黏度越大,临界气量和临界卷渣速度越大,并且临界卷渣速度与炉渣运动黏度的关系更具线性相关性.实验拟合得到炉渣运动黏度与临界卷渣速度的关系式.最后根据传统理论计算模型和实测结果提出实验条件下修正的临界卷渣速度表达式

为了提高硫酸钾产品纯度和回收率,研究硫酸铵加入比以及氯化钠杂质对硫酸钾产品的纯度和回收率的影响,并用蔡司体式显微镜原位在线观察硫酸钾晶体的生长过程,以找到有利于硫酸钾晶体快速生长的条件.结果表明:氯化钾与硫酸铵化学计量比2KCl∶(NH4)2SO4为1∶1时,硫酸钾产品回收率达到80%左右;氯化钠杂质严重影响硫酸钾产品的纯度和回收率,降低产品质量;提高溶液中硫酸钾的过饱和度和溶液流速可以加快硫酸钾晶体的结晶生长

提出了一种利用两相流Eulerian Wall Film(EWF)模型和自定义结露量公式相结合来预测样品表面相变行为及液膜变化的方法.首先利用自搭建环境实验箱开展结露物理实验,并分别基于两相流EWF模型与单相流模型进行仿真实验.结果表明,相对于单相流模型,EWF模型因考虑了相变过程而能够更加精确地模拟样品表面相变行为.然后通过自定义公式计算所得结露量与实测结露量的对比,验证了所提出结露量公式的正确性.最后在模拟与实测的温湿度曲线以及结露量吻合较好的前提下,模拟了样品表面液膜变化过程,过程中液膜呈现的形态与物理实验中原位摄像系统捕捉到的液膜形态初步吻合

在自然界中,大多数金属通常以矿石形式存在,即以化合态形式存在,如铁矿—Fe2O3的形式存在。而铁的腐蚀产物铁锈 的主要成分为Fe2O3。大家都知道炼铁的过程(即Fe2O3→Fe)需 23° 要大量的能量,其相反的是铁的腐蚀过程(即Fe→Fe2O3),这是铁恢复到它的自然状态的过程

尾矿浆的沉积特性对尾矿坝的坝体结构有重要影响.为了研究尾矿浆的沉积分层特征和时间演化规律,对黏性尾矿浆和砂性尾矿浆进行一维沉降柱试验,讨论了尾矿沉积物的细观结构特征和分层划分依据,分析了沉积物形态与时间的关系,并用双电层理论解释了絮凝作用对沉积特征的影响机理.结果表明:尾矿黏粒具有颗粒细小、黏土矿物成分比例高和吸附性强的特点,在液体环境下易形成高孔隙率的絮状结构体;根据细观结构的变化,尾矿沉积层从上到下依次分为澄清区、絮凝区、沉降区和固结区;按时间划分,可以将尾矿的沉积过程分为沉降阶段和固结阶段,黏性尾矿的沉积时间大约是砂性尾矿的2倍;砂性尾矿的沉积时间主要由单颗粒的自由沉降速度决定,黏性尾矿浆的沉积过程可用分界面高度-时间的函数关系来描述.研究结果揭示了尾矿浆的沉积过程和细观结构之间的联系,为尾矿浆沉积规律的预测提供了参考

港口生产过程 指货物的装卸过程,即货物从进港到出 港所进行的全部作业的综合。 ·由生产准备过程、基本生产过程、辅助 生产过程和生产服务过程组成

4.1.4线性空间的基变换,基的过渡矩阵 设VK是n维线性空间,设1,E2,…n和2,…,n是两组基,且 (=+++, n2=121+22+…+n2n (nn =tne1 +tn2++ 将其写成矩阵形式 112…ㄣn t21 (n2,n)=(1,2n2122n, :: nn2…tm 定义.11我们称矩阵 (2…n t2122…t2 T=:: Imt In2 为从2n到2的过渡矩阵

采用NETZSCH DIL 402C高温热膨胀仪对三种不同化学成分的钢种在30-1150℃温度范围内的热膨胀特性进行了测量，得到线性热膨胀和瞬时线膨胀系数随温度的变化曲线。对实测的热膨胀值进行定量计算和对比分析后发现，钢在加热过程中的线性热膨胀及瞬时线膨胀系数随温度的变化过程可分为室温至相变区、固态相变区和高温奥氏体区三个阶段，每个阶段碳含量对热膨胀的影响程度不同。在整个升温过程中，物理热效应引起的热膨胀占主导作用，不同钢种的物理热膨胀总量基本相同，而相变引起的收缩量大约占整个膨胀绝对变化量的16%，且收缩总量随碳含量的增加而减少，导致最终不同钢种试样的膨胀量不同

第5章 递归(Recurve) 定义:若一个对象部分地包含它自己,或用它自己给自己定义,则称这个对象是递归的;而且一个过程直接地或间接地调用自己,则称这个过程是递归的过程。 应用: (1)用于某些概念的定义:

工业监控系统所采集到的多元时间序列在利用数据挖掘技术获取内部存在的未知模式的过程中，经常会出现原始数据庞杂、分段结果重复、交集过多和界限不清晰等问题，导致含有突变变量或数据间相关性差的数据集进行模式挖掘结果不理想.针对上述问题，本文提出了一种新的多元时序模糊聚类分段挖掘算法.实验结果表明，该算法克服了Gath-Geva算法聚类精度易受初始值影响的不足，能够较好地反映出原始数据中潜在的过程变化，从而有效地处理时间序列的分段问题并得到理想的挖掘结果