西昌钢钒厂由于转炉热量不足而以转炉—LF精炼—RH精炼—连铸工艺生产IF钢，为探究RH强制脱碳与自然脱碳工艺生产IF钢精炼效果，采用生产数据统计、氧氮分析、夹杂物自动扫描、扫描电镜和能谱分析等手段，对不同脱碳工艺对顶渣氧化性以及钢的洁净度影响进行了详细研究。结果表明：（1）与自然脱碳工艺炉次相比，采用强制脱碳工艺的炉次在转炉结束与RH进站钢中的平均[O]含量更低；（2）两种工艺脱碳结束钢中的[O]含量基本在同一水平；（3）强制脱碳工艺的炉次在RH结束时渣中平均T.Fe的质量分数降低了1.3%。在能满足RH脱碳效果的前提下，尽量提高转炉终点钢液碳含量、降低钢液氧含量，后续在RH精炼时采用强制吹氧脱碳工艺，适当增大吹氧量来弥补钢中氧，可显著降低IF钢顶渣氧化性。自然脱碳工艺与强制脱碳工艺控制热轧板T.O含量均比较理想；与自然脱碳工艺相比，强制脱碳工艺可有效降低IF钢[N]含量，这与强制脱碳工艺真空室内碳氧反应更剧烈所导致的CO气泡更多和气液反应面积更大有关。脱碳工艺对IF钢热轧板中夹杂物类型、尺寸及数量没有明显影响，夹杂物主要由Al2O3夹杂、Al2O3–TiOx夹杂与其他类夹杂物组成，以夹杂物的等效圆直径表示夹杂物尺寸，以上三类夹杂物平均尺寸分别为4.5、4.4和6.5 μm，且钢中尺寸在8 μm以下的夹杂物数量占比高于75%。在RH精炼过程中，尽量降低RH脱碳结束钢中[O]含量，有利于提高钢液洁净度

一、数控镗铣、加工中心加工的类型 数控镗铣床和加工中心(MC，Machine Center)在结构、工艺和编程等方 面有许多相似之处。特别是全功能型数控镗铣床与加工中心相比，区别主要 在于数控镗铣床没有自动刀具交换装置( ATC , Automatic Toos Changer )及 刀具库，只能用手动方式换刀，而加工中心因具备 ATC 及刀具库，故可将 使用的刀具预先安排存放于刀具库内，需要时再通过换刀指令，由 ATC 自 动换刀。数控镗铣床和加工中心都能够进行铣削、钻削、镗削及攻螺纹等加 工

介绍感应脉冲粘度计的原理、制作及使用。它适用于测量各种炉渣及熔融金属的粘度,具有很宽的测量范围及良好的灵敏度。着重讲述粘度计的电子显示技术、检测电路设计和调试。采用感应脉冲方法将粘度这个非电的物理量变换成电讯号,用数字仪表直接显示读出,精度为±1.5%。在数据的积分、记忆过程中,以新的电路设计和应用集成电路运算放大器保证了良好的准确度,从而代替了价格很贵的数模转换电子设备。粘度大小随试样温度升降而变化能作连续测量,配用x—y函数记录仪便自动记录画出粘度—温度关系曲线。从脉冲间隔取出粘度数值这种方法有很好的重现性,而采用感应调谐回路产生脉冲则能排除各种干拢,这两方面是本粘度计的特点。从电路设计、实物制作、运转调试等方面介绍必要的计算公式及统调经验

为了减少IF钢生产过程中冷轧板缺陷以及降低夹杂物对钢的成材性能的影响，重要的是明确IF钢铸坯厚度方向夹杂物分布规律，本文采用氧氮分析、扫描电镜和能谱分析、夹杂物自动扫描以及原貌分析等手段进行了系统的分析。结果表明，铸坯厚度方向T.O（总氧）和N的平均质量分数值分别为1.6×10?5和1.7×10?5，T.O在内弧表面1/8处最高，为2.0×10?5，内弧1/8～3/8区间N质量分数较高，为1.8×10?5；共统计1177个夹杂物，70%以上夹杂物的尺寸都在5 μm以内，平均尺寸为2.8 μm，内、外弧3/8处夹杂物平均尺寸较大，分别为4.0 μm、4.4 μm；铸坯中心TiN析出量较多，内外弧表面以Al2O3和Al2O3?TiOx为主，尺寸在5～10 μm之间，Al2O3?TiN在内外弧1/4处呈不规则状，尺寸在3～5 μm；当凝固率0.646 < f ≤ 0.680时，凝固前沿液相以及δ相中开始有TiN析出，尺寸在3～6 μm之间波动

采用扫描电镜、X射线能谱仪以及扫描电镜配置的夹杂物自动扫描统计软件(INCAFeature)表征了Fe-Mn-C(-Al)系TWIP钢中夹杂物的成分、形貌和数量,考察了Al质量分数在0.002%~1.590%的四种TWIP钢中夹杂物的特征和Al含量对AlN析出行为的影响.并在此基础上,采用了适合TWIP钢中高锰高铝特点的热力学参数对AlN夹杂物进行了系统的热力学分析.研究表明,在含有相似N质量分数(0.0078%~0.0100%)的TWIP钢中,当钢中Al质量分数升高至0.75%时,AlN夹杂物开始在钢中析出,并在MnS(Se)-Al2 O3上局部析出形成MnS(Se)-Al2 O3-AlN复合夹杂;当Al质量分数升高至1.07%时,热力学计算表明AlN已经可以在TWIP钢液相中形成,经不断长大后在MnS(Se)夹杂物表面局部析出形成MnS(Se)-AlN复合夹杂物;在Al质量分数为1.59%的TWIP钢中,AlN的平衡析出温度比其液相线温度高出42℃,在液相中形成的AlN可以作为异质核心,MnS(Se)夹杂在其表面包裹形成MnS(Se)-AlN复合夹杂物.另外,在Fe-18.21% Mn-0.64% C-1.59% Al体系的TWIP钢中,AlN在液相中析出所需的最低氮的质量分数仅为0.0043%.因此,在TWIP钢的冶炼过程中,应尽可能的降低钢中的氮含量,避免生成过量的AlN夹杂

为了弄清钢中总氧(T.O)和非金属夹杂物的量、尺寸之间的关系,本文选取四类钢种正常生产的铸坯,采用能进行大面积试样检测的ASPEX自动扫描电镜系统研究了钢中的T.O、夹杂物及两者之间的定量关系,并采用Thermo-calc热力学软件进行了计算和验证.结果表明:夹杂物的主要组成与钢的生产工艺有很大关系.随着夹杂物尺寸的增加,单位检测面积上该尺寸范围的夹杂物数量显著减少.与T.O<0.002%的钢种相比,T.O为0.01%的钢中夹杂物的数量、面积均明显增加.当T.O<0.002%时,T.O与夹杂物的面积表现出较好的对应关系.相比于夹杂物的数量来说,T.O更准确的表征夹杂物的面积.大型夹杂物的出现具有偶然性.实验结果与热力学计算结果、钢中氧硫含量吻合很好

对国内一钢厂EAF→LF→VD→CC工艺生产的高品质GCr15轴承钢进行系统取样,针对DS类非金属夹杂物随机性强的特点,利用能够进行大面积试样检测的ASPEX自动扫描电镜分析统计钢中非金属夹杂物的成分、尺寸、数量等信息.研究发现:GCr15轴承钢冶炼过程中非金属夹杂物主要为MgO-Al2O3-CaO复合夹杂物和MnS,同时有少量的SiO2-Al2O3和MgO-Al2O3复合夹杂物;夹杂物尺寸主要集中在38μm,并有少量DS类夹杂物出现且尺寸范围波动很大,最大可以达70μm以上,形貌为圆形或近似圆形;VD有较强的去除夹杂物功能,经过VD真空精炼,夹杂物中CaO含量有增加趋势;吊包至铸坯过程,夹杂物成分向Al2O3含量增多的区域移动,最终轴承钢铸坯中夹杂物成分位于高Al2O3含量（≥80%）,少量MgO（<20%）和低CaO（<5%）的区域;DS夹杂物的生成和去除具有较强的随机性

1.1本章简介 本章旨在介绍生物信息学的基本概念,指出它在现代生物学中的重要地位。首先,我们 将简要回顾生物信息学发展的几个历史阶段,从早期的蛋白质手工测序,到今天的DNA自 动测序。读完本章,你将会发现,DNA测序自动化引起的生物信息爆炸,使生物大分子序 列数据库的数据量急剧增长,而蛋白质结构测定的速度远不能与之相比。因此,从序列信息 直接推断其可能的生物学功能就显得十分必要。本章还将简述蛋白质结构预测的现状,从蛋 白质一级结构中各种氨基酸所包含的折叠信息入手,重点说明蛋白质三级结构预测的意义, 并指出分子伴侣的本质及其在蛋白质折叠过程中的作用

由于转炉冶炼过程中的热力学和动力学反应复杂，副枪控制模型和传统的烟气分析模型存在很大的局限性，导致了转炉冶炼终点碳含量的预测精度偏低，是实现智能炼钢的主要技术瓶颈. 针对上述问题，提出了基于烟气分析的炼钢过程函数型数字孪生模型. 首先，利用烟气分析得到连续监测的实时数据，以此来实时监控转炉熔池内钢水的碳氧反应状态; 然后，根据熔池反应所处的不同阶段，利用函数型数据分析方法建立吹炼前期和吹炼后期的函数型预测模型; 在此基础上，按照吹炼前期和吹炼后期这两个阶段来分别自动修正模型中的系数函数，从而能在复杂的实际工况条件下完成对熔池碳含量的准确预测. 通过260 t氧气转炉的工业应用实例，证实函数型数字孪生模型具有良好的自学习和自适应能力，对异常冶炼状态具有良好的鲁棒性，可以实现全过程的熔池碳含量动态预测，终点碳质量分数在± 0. 02% 范围内的命中率为95%. 利用函数型数字孪生模型在拉碳阶段对钢水中碳含量的预测值来控制终吹点. 更为重要的是，在保证入炉原料成分、温度、质量等参数稳定的前提下，采用该模型可以有望取消基于副枪的停吹取样步骤，从而降低生产成本，提高产品质量和生产效率，具有广泛的工业应用前景

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