设计了一系列Mo质量分数从0.1%到0.8%的Fe-Mo-C三元模型钢.采用两种不同热处理工艺制度得到不同的组织,研究了Mo元素对耐火钢高温强度的两种强化形式:固溶强化和贝氏体相变强化.Mo可以显著提高耐火钢的高温强度,它在耐火钢中的主要高温强化机理是固溶强化.Mo质量分数不高于0.5%时,其高温固溶强化效果明显,每添加0.1%的Mo,600℃的屈服强度增量为13.71 MPa;但当Mo质量分数大于0.5%后,高温强度增幅逐渐减小.此外,贝氏体相变强化对耐火钢的高温强度也有重要影响.当贝氏体体积分数达到20%时,耐火钢的高温强度显著增加

为分析胶结砂岩的力学响应和破坏机理，基于试验建立不同刚度比的三维颗粒流数值模型，验证数值模型的可行性，并分析不同胶结性状的砂岩力学响应，进一步说明胶结物质的重要作用及模型的适用性.分析颗粒接触刚度比和平行黏结刚度与颗粒接触刚度的比值变化时，砂岩的应力比、体应变、配位数和平行黏结破坏数的变化规律以及对模型的泊松比、初始刚度和延性的影响.结果表明：不同的颗粒刚度比对岩样宏观力学响应的影响不同，颗粒接触刚度比越小，且切向刚度越大时，胶结砂岩的脆性越强；平行黏结刚度与颗粒接触刚度的比值越大，脆性越强，黏结破坏越容易，剪切破坏越明显.颗粒刚度对胶结砂岩的力学响应和变形能力有重要的影响，是实际储层砂岩力学模拟选择有效细观参数和构建本构关系的关键

一、分类: 1 预测分类标号(或离散值) 2 根据训练数据集和类标号属性,构建模型来分类现有数据,并用来分类新数据

为准确掌握超宽冷轧机不同宽度带钢的板形特征,以某2180 mm超宽冷轧机1900 mm宽度带钢实测板形数据为研究对象,借鉴‘大数据’的思想,结合数据挖掘领域中聚类分析方法,提出基于网格和密度的板形特征聚类方法,并以此方法对几种典型带钢宽度的大量板形实测数据进行分析,得到不同宽度带钢的板形特征.以分段函数对板形特征进行多项式表达,得到不同宽度带钢的板形特征参数化分析结果.提出的基于网格和密度的板形特征聚类与分析方法,能够快速准确地对大量板形实测数据进行分析,提取出长期生产过程中板形缺陷特征并得到参数化表达,从而为冷连轧机,特别是超宽带钢冷连轧机的辊形改进和控制策略优化提供数据基础

一、明确基于特征、案例维归约与技术归约的区别。 二、解释数据挖掘过程的预处理阶段中进行数据归约的优点。 三、应用相应的统计方法,理解特征选择和特征 构成的基本原则。 四、理解特征等级主成分分析方法。 五、区别基于增量和平均样本的案例中的技术

以氧气高炉循环煤气加热工艺为背景，在实验室条件下研究了CO和H2体积分数较高的煤气加热时的析碳行为。实验结果表明，温度和CO2体积分数是影响析碳反应的重要因素。在300-700℃范围内，当温度低于500℃时，析碳反应速度随温度的升高而增加；当高于此温度时，反应速度随温度的升高而下降。析碳反应包括CO分解析碳反应以及CO和H2的混合析碳反应。对比热力学理论与实验现象分析了析碳过程中以上两个反应可能起到的作用。采用扫描电镜，从微观结构上观察了500~700℃时加热过程中析出碳的形态并研究了析碳行为。另外，随着CO2体积分数的增加，析碳反应速率逐渐降低。在500℃和600℃时，CO2体积分数的增加对析碳行为有较大抑制作用，尤其在500℃时这种抑制作用更加明显

随机变量的分布能全面反映随机变量取值 的概率分布情况，但实际问题中概率分布较 难确定，有时也无必要，不少问题只需知道 它的某些数字特征就够了。 在这些数字特征中，期望和方差是最基本又是 最重要的两个

基于传热反问题,建立了高炉炉衬侵蚀过程的数学模型,确定了模型的边界条件,并采用共轭梯度法将反问题分解为三个问题:正问题、灵敏度问题和伴随问题进行求解.通过不同形状函数的反演结果证明了其可行性,并分别研究初始猜测形状曲线、测点数等对反演结果的影响.研究结果表明,初始猜测曲线的选取对反演结果影响很小,充分说明该方法不受初始猜测曲线的限制,具有较好的通用性.而测点数的选取对反演结果有一定的影响,测点数越多,曲线特征被捕捉的越好.但在保证得到曲线特征的前提下,较少的测点数也能得到比较满意的反演结果,平均相对误差控制在3%以内

为研究卸荷岩体内部孔隙结构的细观损伤演化特征，以大理岩为岩样，分别进行初始围压为10、20和30 MPa，不同卸荷围压量的常规三轴卸荷试验和核磁共振测试实验，获得卸荷岩体的应力-应变曲线、横向弛豫时间T2分布、孔隙度及核磁共振成像图像.随着卸荷围压比的增大，岩石由弹性变形转化为塑性变形，岩样内小孔隙的孔径增大，大孔隙的数量增多且孔径增大；卸荷围压比低于90%，岩体损伤主要由孔隙数量的增多引起，卸荷围压比高于90%，损伤由孔隙数量和孔径均急剧增大引起；岩样的孔隙度随着卸荷围压比的增大而增大，且增速越来越快；核磁共振图像直观地反映卸荷岩体内部孔隙数量、孔径及结构变化情况

4.3.2线性映射的运算的定义与性质 定义线性映射的运算(加法与数域K上的数量乘法)设f:U→V,g:U→V为线性映射,定义f+g为f+g:U→V