针对机械零件的应力和强度在不确定因素作用下的时变性,基于含有时变和随机因素的时变可靠度计算模型,提出了包含时变和随机因素的时变不确定性机械设计方法.该方法以当前时刻为时间分析起点,不但考虑应力和强度受到随机因素的影响,而且考虑了在某一时刻t应力和强度的分布,讨论了其求解方法.该方法是基于时变可靠度计算模型的时变概率设计方法,它同样可以应用于其他领域如结构工程领域

提出了将连续定向凝固技术与低温强塑性加工相结合,制备连续纤维晶强化超高强度钢丝的思想,并在实验室成功地制备了具有单向柱状晶组织的铸铁与不锈钢铸棒,证实了连续定向凝固技术用于钢铁材料是可行的

对利用\磁筛\作用从空气中富集氧气的永磁体结构进行优化研究.在由两块方形永磁体叠放构成的磁场空间中,中心磁感应强度以及磁场空间对氧气分子的拦截能力随着磁体厚度的增加逐渐提高,但提高速率逐渐减缓,通过增加永磁体厚度增强磁场强度存在一定的饱和度.方形永磁体厚、长尺寸一定时,增加磁体宽度方向的尺寸使磁场空间内的磁感应强度逐渐降低,且在宽度方向上磁场均匀度降低,只有当永磁体厚宽比大于1时,磁场空间内磁场才能满足\磁筛\结构磁场空间内磁场均匀度的要求.永磁体厚度、宽度一定时,磁体长度变化对磁场空间磁感应强度影响较小,可以通过适当增加磁体长度,延长\磁筛\结构对空气的作用时间,增强\磁筛\结构的富氧效果

介绍了利用光谱仪分析钢中夹杂物技术的原理.通过对光谱仪原始脉冲强度的研究,建立了Al2O3光谱强度与化学分析含量的工作曲线,确定了光谱强度与夹杂物粒径的关系,实现了Al2O3含量和粒径分布的快速分析.与化学分析相比,分析误差平均为3×10-6,夹杂物含量和粒径的分析时间由2~5d缩短到5min,为炼钢及精炼过程夹杂物控制提供了有效技术手段

采用岩体分级方法(RMR法)、Q系统和地质强度(GSI)指标对矿岩进行了工程地质评价,并通过扩展后的Hoek-Brown节理强度准则进行岩体力学参数确定.根据白羊矿段矿柱布置形式,推导出矿柱荷载公式,并确定了矿柱强度计算参数.针对井下矿柱主要破坏形式分别进行失稳机理分析.将正交设计法引入采场结构参数优化分析中,对各开采方案进行了三维数值模拟.运用正交极差分析法对矿柱稳定性影响因素敏感度进行评价.实践结果表明:采场高度控制在3.5~4.5 m,矿房宽度取值不大于5 m,矿柱直径不小于3.5 m留存矿柱稳定性基本能得到保障

采用气雾化法制备含氮无镍不锈钢粉末,利用热等静压成形并对材料进行固溶处理.热等静压后,材料具有良好的强度、塑性及韧性,抗拉强度为850 MPa,屈服强度为505 MPa,延伸率为44.5%,断面收缩率为47.5%,冲击功为44 J.材料经1 100℃固溶处理1 h后,塑性和韧性得到进一步提高,延伸率为50.0%,断面收缩率为55.5%,冲击为68 J.材料强度和耐蚀性优于316L不锈钢

为了解决铜矿石浸出速度慢、浸出率低的问题,在浸出液中加入表面活性剂进行摇瓶试验.通过测量浸出前后溶液表面张力以及铜浸出率,考察了三种不同类型的表面活性剂对铜矿石浸出的影响.研究发现溶液表面张力对矿石浸出影响较大,阴离子表面活性剂的强化浸出作用最为明显,铜浸出率达62.5%.在柱浸试验中,添加阴离子表面活性剂使铜浸出率提高了近10%.利用物理化学和渗流力学对表面活性剂强化浸出机理的分析表明,溶液表面张力和表面活性剂在矿石表面的吸附对矿石表面润湿作用影响较大,表面活性剂在浸出液的持久性也是影响浸出的因素之一

采用不同异速比对AZ31镁合金板材进行异步轧制,并将轧后样品进行显微组织和X射线衍射分析,研究异速比对镁合金板材组织和织构转变的影响.结果表明:异速比的变化对晶粒形貌影响较大但晶粒细化效果不明显;当异速比为2.800时,板材内出现了长条晶粒;快速辊侧{0002}基面织构强度高于慢速辊侧,且板材两侧表面{0002}晶面的偏转方向相反;异速比对基面织构的强度影响显著,随着异速比的增大,基面织构的强度先增加后下降.这种特殊的织构变化与异步轧制过程中沿厚度方向引入的剪切变形有关

以Cu-Al水雾化合金粉末为原料,通过内氧化方法制备了Al2O3弥散强化铜复合材料,使用场发射扫描电子显微镜(FE-SEM)结合X射线衍射等手段,对复合材料进行了综合研究.结果表明:γ-Al2O3弥散相粒子在基体内均匀分布,尺寸约6nm,间距30～50nm.挤压态棒材的相对导电率为87%IACS,软化温度达850℃.挤压态的25mm弥散强化铜棒材不经过任何中间热处理,直接冷拉拔得到1mm的铜丝,其抗拉强度高达680MPa

网络环境下的恶意软件严重威胁着工控系统的安全，随着目前恶意软件变种的逐渐增多，给工控系统恶意软件的检测和安全防护带来了巨大的挑战。现有的检测方法存在着自适应检测识别的智能化程度不高等局限性。针对此问题，围绕威胁工控系统网络安全的恶意软件对象，本文通过结合利用强化学习这一高级的机器学习算法，设计了一个检测应用方法框架。在实现过程中，根据恶意软件行为检测的实际需求，充分结合强化学习的序列决策和动态反馈学习等智能特征，详细讨论并设计了其中的特征提取网络、策略网络和分类网络等关键应用模块。基于恶意软件实际测试数据集进行的应用实验验证了本文方法的有效性，可为一般恶意软件行为检测提供一种智能化的决策辅助手段