为了解决短流程生产高铝钢时水口堵塞的问题,对某厂钙处理工艺前后的钢液成分以及钢液中的夹杂物进行了系统研究,并运用Bj?rkvall模型对其进行了热力学分析.研究结果表明喂钙量过大,钢中[S]过高,则浸入式水口(SEN)堵塞物主要为CaS以及含有CaS较高的复合夹杂物.根据钢液中的Al-Ca-S三元活度平衡图可知,生产[Al]s为0.32%~0.39%高铝钢时,为防止高铝钢浇注过程中生成CaS造成水口堵塞,钢中[Ca]应控制在0.004 0%~0.008 5%,[S]应控制在0.002 0%以下

本文用非晶直条带样品居里温度测量装置测量了(Fe90Cr10)78B10Si12非晶合金居里温度的热处理效应。通过计算机拟合,得到相对于淬态合金的居里温度增值与退火时间的对数关系,并讨论了结构弛豫引起居里温度变化的两个过程

1.GPS接收机的基本概念 GPS用户设备主要包括GPS接收机及其天线、微处理机 及其终端设备以及电源等。其中接收机和天线是核心 部分，习惯上统称为GPS接收机。主要功能是接收 GPS卫星发射的信号，并进行处理，获取导航电文和 必要的观测量

作者从连续式反应器体系中,反应速度与反应介质在反应器内停留时间这一基本矛盾出发,用数学模型对含铌铁水连续处理脱硅阶段的硅—铌分离氧化过程进行模拟,同时预报铁水和炉渣中多个组元的行为,并对影响硅—铌分离程度的主要因素进行了分析讨论,由模型得到的结果与实际过程相吻合

以Cr3复合铸钢支承辊为研究对象,采用差温热处理工艺制备满足性能要求的支承辊.研究了支承辊在差温热处理过程中的温度分布情况,分析了轧辊工作层的硬度和组织,运用已开发的淬火温度场模拟系统对支承辊油淬过程温度场进行模拟,并将模拟结果与实测结果进行了比较.结果表明:使用差温热处理工艺可使支承辊的辊芯和辊身在加热完成后得到不同的温度,从而使其在随后的淬火过程中得到不同的组织.支承辊经差温热处理工艺加热后,轧辊工作层内的硬度和组织均满足使用要求.运用已开发的淬火温度场模拟系统对支承辊油淬过程进行模拟,模拟结果与实验结果相吻合,证明该系统具有较高的可靠性,可用于热处理工艺优化,能够为实际生产提供定量的参考依据

采用水热法系统研究了基底预处理(基底铺膜、不铺膜吹氮气处理和盐酸浸泡处理等)方式对于制备ZnO微/纳米管阵列的影响;结合ZnO晶体的微观结构,探讨了基底特征与ZnO微/纳米管阵列生长的内在联系.结果表明,采用高纯氮气和盐酸浸泡预处理基底均能制备得到ZnO微/纳米管阵列,并且这两种预处理方法制备出的纳米管在尺寸、形貌和分布上有所不同.ZnO微/纳米管成管机理研究表明,ZnO顶部锌终端对于生长微/纳米管起着决定性作用

测试的目的是获取反映被测对象状态和特征的信息。实际中有用的信息总是和各种噪声混杂在一起，难于直接识别和利用。只有分离信号和噪声并经过必要处理和分析，消除 和修正系统误差之后，才能准确提取信息中有用信息

采用不同的超声外场处理熔体工艺, 研究了其对铸锭质量的作用机理与改善效果. 针对保温(750℃)和空冷(从750℃空冷7 min 10 s至约650℃)两种不同温控状态下的ZL205A铝合金熔体, 分别进行相同参数的超声场处理, 研究超声场对凝固组织的影响规律, 并利用力学拉伸实验进行验证. 研究结果表明: 在保温状态下对熔体施加超声处理, 具有较好的除气与改善第二相组织分布的效果; 在空冷状态下施加超声处理则可以消除集中缩孔, 显著细化晶粒; 当在保温和空冷条件下全程采用超声处理, 铸锭内部质量的改善效果最佳. 力学性能的测试结果与铸锭凝固组织的变化规律具有一致性, 验证了上述结论. 综上, 对不同温控状态下的熔体施加超声处理, 对熔体凝固过程的影响不同, 对铸锭内部质量的改善效果也各有侧重

为了尽可能的去除钢中大颗粒的夹杂物, 在实验条件下通过向GCr15轴承钢中添加适量镁、稀土对夹杂物进行改性, 并利用Aspex夹杂物自动分析仪和扫描电镜对钢中改性后的夹杂物尺寸、类型、形貌等进行了观察、分析, 研究了稀土-镁复合处理对夹杂物的影响规律.研究结果表明, 对轴承钢中加入微量镁处理, 可将未进行镁处理钢中的MnS-Al2O3、MnS、Al2O3夹杂改性为以含硫、镁复合夹杂物为主, 同时包含少量Al2O3、镁铝尖晶石夹杂.进一步采用稀土-镁复合处理后, 钢中的夹杂物转变为主要以含Re-S-O夹杂物为主, Al2O3、MnS、镁铝尖晶石夹杂逐步消失, 且夹杂物成球状分布, 绝大多数夹杂物在5 μm以下.稀土-镁复合处理轴承钢后, 10 μm以上的大颗粒夹杂物大大降低, 钢中的夹杂物明显得到细化.钢中镁含量不变时, 随着稀土含量的增加, 大颗粒夹杂物比例明显下降.而在稀土含量相近的情况下, 增加钢中的镁含量也有利于大颗粒夹杂物的去除.稀土-镁的相互作用进一步促进了夹杂物的细化

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价