基于建立的连铸中间包及结晶器内钢液混合过程的物理模型，开发了板坯连铸异钢种连浇过程混浇坯长度及成分变化模型。以某钢厂单流板坯连铸机220 mm×1560 mm断面Q235与Q335Ti钢的混浇过程为研究对象，采用水模型试验结合数值模拟确定模型的关键参数，并通过开展现场试验对混浇坯取样验证模型的准确性。结果证明：混浇坯成分取样与模型预测的成分偏差小于5%，且模型预测的混浇坯长度与人工确定的一致。故采用该模型可跟踪不同混浇工况下中间包内及铸流上钢液的混合行为，准确预测混浇坯的长度以及成分变化规律。采用该模型研究了拉速及中间包内剩余钢液质量对混交坯长度及不同浇注长度铸坯C元素质量分数变化的影响规律。发现当拉速保持不变时，中间包内剩余钢液越多，混浇坯越长；当中间包内剩余钢液质量保持不变时，拉速越大混浇坯越短。相比而言，中间包内剩余钢液质量比拉速对混浇坯长度的影响更大。另外当拉速不变时，随着中间包内剩余钢液质量的增加，C元素质量分数由0.16%变化到0.18%的速率减慢；当中间包内剩余钢液质量不变时，随着拉速的增加，C元素质量分数由0.16%变化到0.18%的速率增加。因此异钢种连浇过程，适当提高拉速以及减少中间包内剩余钢液质量，可有效减少混浇坯长度，成分变化速率降低

为探究新型混凝土受硫酸盐侵蚀后的力学性能，采用质量分数为5%的硫酸盐溶液全浸泡加速侵蚀法，对11组聚丙烯纤维混凝土（PC）试块、11组聚丙烯纤维锂渣混凝土（PLiC）试块、8根PC大偏心受压柱和8根PLiC大偏心受压柱进行侵蚀试验，得到了不同侵蚀时间下混凝土的力学性能。基于分形理论分析了试块及构件破坏时表面裂缝分布的分形特征，详细讨论了试块及构件表面裂缝分形维数与其侵蚀时间、抗压强度、极限承载力之间的关系。研究表明，PC和PLiC立方体抗压强度随侵蚀天数先增加后降低，在120 d达到最大；试块及构件破坏时表面裂缝分布具有分形特征，试块表面裂缝分形维数随侵蚀天数的增加呈现先增加后减少再增加的规律，随试块抗压强度的提高而减少；PC及PLiC混凝土大偏心柱极限承载力随侵蚀天数的增加先增加后减少，锂渣的掺入可以提高聚丙烯纤维混凝土柱的抗硫酸盐侵蚀能力，构件破坏时表面裂缝分形维数随硫酸盐侵蚀天数呈现震荡上升的趋势；因此混凝土表面裂缝的分形特征可作为判定构件损伤程度的指标之一，可为今后对在役混凝土结构承载力和寿命预测提供参考

在中学代数里我们学过因式分解,就是把一个 多项式逐次分解成一些次数较低的多项式乘积。在 分解过程中,有时感到不能再分解了也就认为它不 能再分了,但是当时没有理论根据,到底能不能再 分下去?

转换函数 Int(x)求不大于自变量x的最大整数 Fix(x)去掉一个浮点数的小数部分,保留其整数部分 Hex$(x)把一个十进制数转换为十六进制数

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

结构体类型的说明 在实际问题中，一组数据往往具有不同的数据类型 。例如， 在学生登记表中，姓名应为字符型；学号可 为整型或字符型； 年龄应为整型；性别应为字符型； 成绩可为整型或实型。 显然不能用一个数组来存放这 一组数据。 因为数组中各元素的类型和长度都必须一 致，以便于编译系统处理。为了解决这个问题，Ｃ++ 中给出了另一种构造数据类型——“结构”。 它相当于 其它高级语言中的记录

为了进一步研究20CrMo合金钢在生产过程中夹杂物的演变机理，实现对钢中非金属夹杂物的合理控制，保证生产顺行，提高产品力学性能，针对“BOF→LF→RH→钙处理→连铸→热轧”工序生产20CrMo合金钢全流程中非金属夹杂物的演变规律进行了研究。在LF精炼及RH精炼加钙前钢中非金属夹杂物含有70%以上的Al2O3。钙处理后，由于过量的钙加入到钢液中，夹杂物中CaS质量分数迅速增加至59%，Al2O3质量分数降低至21%。在连铸过程中由于二次氧化的发生，夹杂物转变为CaO?Al2O3，其中含有50%的Al2O3、39%的CaO和10%的CaS，并且夹杂物平均尺寸增加。在钢的冷却和凝固过程中，CaO质量分数降低至5%，CaS质量分数增加至57%，钢中夹杂物转变为Al2O3?CaO?CaS的复合夹杂物，同时含有少量大尺寸的CaO?Al2O3夹杂物。在钢的轧制过程中，夹杂物中CaO含量进一步降低，CaS含量增加，夹杂物平均尺寸增加，形成了CaO?Al2O3与CaS黏结型的复合夹杂物与Al2O3?CaS复合夹杂物。对CaO-Al2O3与CaS黏结型的复合夹杂物的形成原因进行了讨论

一、两向量的数量积 二、两向量的向量积 三、两向量的混合积

第四章4-3线性映射与线性变换(续) 4.3.4线性变换的定义与运算 定义线性空间到自身的线性映射称为线性变换,记Hom(V,V)为Endr(V)或End (V)。 例恒同变换 E:V→V, >a. 例投影(射影)设V=V1V2,Va∈V,a=a+a2(a1eV,a2∈V2),定义V到 V的投影P(a)=a1,V到V2的投影P2(a)=a2 定义End(V)中的运算(加法、数乘和乘法) 加法定义为(A+)(a)=A(a)+B(a)(Va∈V) 数乘定义为(kA)(a)=k(A(a)),其中k∈K; 乘法(复合)定义为(AB)(a)=A(B(a)

一、置信度与μ的置信区间 日常分析中测定次数是很有限的，总体平均值 自然不为人所知。但是随机误差的分布规律表明， 测定值总是在以μ为中心的一定范围内波动，并有 着向μ集中的趋势。因此，如何根据有限的测定结 果来估计μ可能存在的范围（称之为置信区间）是 有实际意义的。该范围愈小，说明测定值与μ愈接 近，即测定的准确度愈高。但由于测定次数毕竟较 少，由此计算出的置信区间也不可能以百分之百的 把握将μ包含在内，只能以一定的概率进行判断