用研制的Mg2SiO4(s)+MgO(s)硅传感器,对高碳冶金熔液中的硅进行了测量,发现辅助电极的物相结构和熔体中的氧含量对测量结果有明显的影响.首先提出了辅助电极型传感器的物理模型,导出了辅助电极的局域平衡氧势与熔体氧势和硅传感器测量结果的关系式,给出了覆盖常数和结构常数的物理意义.用实验数据拟合得到了该传感器的结构常数为6.66;用该模型对小于1的不同覆盖常数的硅传感器测得同一熔体的氧势进行了校正,得到了一致的局域平衡氧势值,证明了模型与实际吻合得相当好

以辐射平衡条件下一维平行平板介质层的辐射换热问题为例,介绍了求解辐射传递方程的离散坐标法,对影响离散坐标法计算精度与速度的角度积分方案的选取进行了研究.分析了离散坐标法常用的SN积分方案、Fiveland等权值积分方案FN及高斯积分方案GN对计算结果准确性的影响.研究表明:积分方案近似阶数越高,计算结果的精度越高,但随着积分方案阶数的增加,所需的计算量也增大;同一近似阶数的各种积分方案的准确性各不相同,其中FN积分方案在相同阶数下的精度最高,SN积分方案次之,GN积分方案的精度最差.在近似阶数足够高时上述三种积分方案均可达到较高的计算精度

以氧气和氮气的混合气体为研究对象,运用蒙特卡罗直接模拟方法模拟了顺抗磁性混合气体在高梯度磁场中的流动情况,并把模拟计算结果与已有的实验结果之间进行了对比分析．模拟结果表明:磁场强度与梯度乘积由100T2·m-1增加到1000 T2·m-1时,氧体积分数增量由0．12%增加到1．89%;混合气体温度由283 K升高到333 K时,氧体积分数增量由0．4%减小到0．1%;混合气体中氧气的初始体积分数由20%增加到30%时,氧体积分数增量由0．12%增加到0．59%;压力的变化对氧体积分数的变化几乎没有影响．

离散数学（又称计算机数学）是现代数学的重要分支，是计算机专业课程中的核心基础课程之一。离散数学以是研究：离散量的结构和相互之间的关系为主要目标，其研究对象一般为：有限或可数个元素（例如：自然数、整数、真假值、有限个结点等），而离散性也是计算机科学的显著特点

给出了一般奇数阶泛对角幻方(Pandiagonal Magic Square)的作法。按这种方法,不需借助于任何工具,对任意1个不是3的倍数的奇数n及任意预先规定好的第1行或第1列元素,都能快速地作出n阶泛对角幻方。并对方法进行了理论上的严格证明,同时估计了所能作出的幻方个数的下界

第六章数组 一、构造数据类型之一 二、数组:有序数据的集合,用数组名标识

运用数量级分析和相似原理对第一类边界条件下不稳态导热问题进行了求解,并从5个方面分析了热层与边界层的类似性。提出了导热雷诺数、阻热系数及层态和紊态导热的概念,说明了导热雷诺数的物理意义,导出了阻热系数与导热雷诺数的关系,分析了层态和紊态导热的特点

利用正交试验设计分析了乳化剂质量分数、油性剂种类和乳化液体积分数对板带钢乳化液润湿性的影响,研究了不同阴离子和非离子乳化剂的复合比例对乳化液动态接触角的影响机理.结果表明:影响乳化液在普碳钢Q235表面接触角和铺展系数的因素的大小顺序为乳化液体积分数>乳化剂质量分数>油性剂种类;阴离子和非离子组成的复合乳化剂改善乳化液润湿性的效果优于单一非离子或阴离子乳化剂.最后,运用Y-G-G经验方程计算普碳钢Q235基板的表面张力和乳化液与基板的界面张力.计算结果表明:普碳钢Q235基板的表面张力约为43 mN·m-1,当阴离子乳化剂的质量分数为50%时,复合乳化液与基板的界面张力最小,较单独添加阴离子乳化剂时的界面张力降低了10.78%

为解决在研究铁矿粉与CaO进行同化反应时通常采用最低同化温度这一终点体系指标来表征，而没有考虑同化反应速度和升温速率的缺陷以及采用多个指标来表征同化反应温度和速度在使用上的不便，本文充分利用铁矿粉在高温同化反应过程中获得的数据和范特霍夫规则，提出了量纲为1的同化反应特征数.该特征数包括同化反应速度、升温速率、同化温度和温度对同化反应速度的影响，可用来表征铁矿粉与CaO的同化过程中铁矿粉的同化温度、同化反应时间、同化反应结束温度等性能，并以烧结过程中的实际温度作为基准.该特征数综合了铁矿粉与CaO在同化反应过程中各重要信息，可以更全面地反映铁矿粉与CaO的同化反应性能.对两种方法得到的结果进行了比较，发现仅考虑最低同化温度这一终点指标时得到的结果相近，而采用同化反应特征数可以进一步细分出不同铁矿粉同化反应性能的差异

为实现弹药传输机械臂中不可测参数的辨识,建立了机械臂的虚拟样机,并将其作为样本数据的来源;考虑到样本数据的连续性和平滑特性,使用函数型数据分析和函数型主成分分析对样本数据进行了特征提取,并利用提取的特征参数和待辨识参数作为训练样本对极限学习机(ELM)进行了训练.为提高极限学习机的辨识精度和泛化能力,利用粒子群算法对极限学习机的输入层与隐含层的连接权值和隐含层节点的阈值进行了优化.最后,分别利用仿真数据与测试数据对此方法进行了验证,仿真数据的辨识结果表明,优化后的极限学习机具有更高的辨识精度和泛化能力;同时,通过对比将测试数据的辨识结果代入模型中进行仿真得到的支臂角速度与测试角速度,验证了此方法的可行性和有效性