第一节物理因素对微生物的影响 第二节化学因素对微生物的影响 第三节生物因素对微生物的影 第四节微生物的亚致死性损伤及其修复

一、对错题。判断以下说法的正确性在下面表格中对应的编号下面写上“对”或“错”。(20分,每个题目2分) 1.说明函数原型时不需要指明每个函数参数的名字,只需要说明每个参数的类型和返回值类型就可以了。 2.所有的表达式都有值

岩石多场耦合作用的研究已经开展了数十年，包括岩石在单一物理场、两场耦合或三场耦合作用效应的研究。然而深部矿产资源开采和地下空间开发中岩体的赋存环境非常复杂，岩体在高温、高渗透压、高应力及复杂水化学环境中将发生温度–水流–应力–化学（THMC）多场耦合作用。综合分析岩石多场耦合作用下的裂隙演化、变形力学机制、力学本构和耦合模型构建等方面的研究，在分析岩石强度理论的基础上得出岩石多场耦合本构模型以及岩石蠕变本构模型。不同行业对岩石多场耦合作用的研究重点存在一定的差异，岩石多场耦合作用不仅涉及到矿产资源开发、油气田开采、地热资源开发等资源能源领域，其在水利水电工程、高寒工程、地下工程、地下核废料处置及深埋能源储库等领域也是研究的重点。岩石在高应力、水流、高温和化学作用下，不仅会发生耦合作用，而且会对岩石本身的物理力学性能产生影响。分析研究多场耦合作用下岩石的力学性能对于预防事故发生和保障工程安全开展具有重要的现实意义。最后探讨分析了岩石多场耦合研究的重点、难点和今后研究的方向，为工程实践和相关问题的解决提供参考

采用频率为100 Hz的电磁谐振疲劳试验机进行疲劳拉伸试验, 研究了两种应力比(R=0. 1和-1) 对TC4钛合金的超高周疲劳失效机理的影响.结果表明, 两种应力比下的S-N曲线都呈现\双线\型, 但各自表示的意义及失效机理不同.当R=0. 1时, TC4钛合金的疲劳失效形式有两种, 即由加工缺陷诱发的表面失效和内部鱼眼失效, 这两种失效形式都伴随着颗粒平面(Facet) 出现; 而当R=-1时, 仅存在表面失效, 且无Facet的出现.基于断裂力学的讨论可知, 在正应力比及真空环境下, 对应小裂纹扩展的门槛值更低, 更有利于裂纹扩展及Facet的形成. TC4钛合金的整个内部疲劳失效过程及机理可解释为: (1) 滑移线或滑移带在部分α晶粒上的出现; (2) 微裂纹的萌生和接合; (3) 颗粒亮区(GBF) 的形成; (4) 鱼眼的形成; (5) 鱼眼外的失稳裂纹扩展; (6) 最终的瞬时断裂

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

选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据，以铁水温度为目标函数，首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理，获取了显著影响铁水温度的正负相关性特征参量。在此基础上，基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型，模型均可对铁水温度实现有效预测，基于支持向量回归算法构建的预测模型较优，预测平均绝对误差为4.33 ℃，±10 ℃误差范围内的命中率为94.0%

研究了一种方便可靠的夹杂物评估方法：利用合适电化学充氢后的拉伸试样获取夹杂物并与极值统计法相结合估算不同体积钢中非金属夹杂物的最大尺寸并预测疲劳强度。研究选用工业生产的高洁净度20Cr2Ni4A齿轮钢，将淬火+低温回火态的标准拉伸试样进行电化学充氢，使拉伸断口由于氢脆现象存在一些以粗大非金属夹杂物为中心的脆性平台，从而可方便快捷地在扫描电子显微镜下对夹杂物的类型、尺寸和分布进行检测，并利用极值统计法对钢中的最大夹杂物尺寸进行评估。为了验证该方法的准确性，采用传统金相法和旋转弯曲疲劳试验对钢中非金属夹杂物进行了检测，结果表明，使用本文所提出的夹杂物评估方法预测的钢中最大夹杂物尺寸及疲劳强度与疲劳试验结果相吻合。因此，该方法有望成为预测高洁净度高强度钢中最大夹杂物尺寸及其疲劳强度的一种有效方法

多环芳烃（PAHs）是近年来在大气污染问题中逐渐受到关注的一类污染物，不仅其自身严重威胁着人体健康，还可作为低挥发性物质促进二次颗粒物的生长.世界多国开始不断通过各种技术手段对废气中PAHs的排放进行控制，PHAs已成为大气环境领域共同关注的热点问题.吸附法是最具潜力且已被工业应用认可的一类PAHs控制净化关键技术，吸附剂对PAHs的吸、脱附性能是其中的关键.目前国内外学者无论是基于传统碳类吸附剂，还是新型的介孔吸附剂，都针对此类特殊低挥发性气体的吸附相平衡、动力学以及脱附特性做了相关研究，探悉了获取PAHs吸脱附最优平衡的关键因素以及最适吸附剂.本文针对这些结果及相关应用进行了综述，对比分析了介孔吸附剂较传统吸附剂在PAHs吸脱附特性上呈现的优势，旨在为PAHs及其他低挥发性气体吸附净化的相关工作提供有效参考

随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义

11.1类的概念及定义 11.2对象的概念、定义及初始化 11.3类和对象的作用域 11.4 const成员函数 11.5静态成员 11.6友元及友元类