将0. 46%含碳量(质量分数) 的石墨化碳素钢在万能材料试验机上进行室温压缩变形, 试验钢表现出良好的压缩变形性能.根据载荷-位移曲线的变化特点, 试验钢的压缩变形过程以位移7. 0 mm (对应相对压下量为58. 3%) 为节点分为两个阶段: 在位移≤7. 0 mm的压缩阶段, 载荷呈线性增加, 压缩试样的鼓度值逐渐增加而达到一个极大值(14. 6%), 压缩试样中心位置的维氏硬度增幅最大, 为38. 1 HV, 至位移7. 0 mm时试样端面径向伸长率的增幅为34%;而在位移 > 7. 0 mm的压缩阶段, 载荷呈指数增加, 压缩试样的鼓度值从极大值开始逐渐减小, 至位移为10. 72 mm时(相对压下量为89. 3%), 试样端面的径向伸长率相比于位移7. 0 mm时增加了83. 1%, 压缩试样的中心位置的维氏硬度增幅最小, 为32. 7 HV.上述试验数据表明, 在位移≤7. 0 mm的压缩过程中, 压缩试样内的三个不均匀变形区的位置与传统压缩模型一致, 但是当压缩变形进入位移 > 7. 0 mm的压缩过程中, 试样中心位置已不再是传统压缩模中变形程度最大的变形区了, 即在这个阶段试样中的3个不均匀变形区的变形程度发生了改变.正因这种不均匀变形区变形程度的改变导致了变形过程中载荷的急剧增加和鼓度值的减低.另外, 在压缩变形过程中, 三个不均匀变形区中石墨粒子的微观变形量总是高于铁素体基体, 其原因之一可以归结为石墨粒子中层与层之间容易于滑动的结果

长期以来,各种传统的特殊染色技术、免疫组 织化学、原位杂交等研究方法均建立在常规病理组 织切片基础上,一张玻片上只能载有限的组织做 种测试,仅用于日常临床病理诊断尚可胜任,但要 从事大规模、多样本的科研则费时、费力。自1998 年由 Kononen等叫构建了第一个组织微阵列后,组 织芯片技术得到极大发展,其无疑给病理学研究开 辟了新天地。目前已有大量应用这一技术进行肿瘤 病理学研究的报道,短短数年国内关于运用组 图1b单个组织芯(乳腺浸润性导管癌)HE染色。 织芯片的文章已达126篇之多(截止2004年12 月)9其主要集中于免疫组织化学和原位杂交技 术在组织芯片上对各种不同肿瘤的研究,并充分体 现了该技术高通量( high-throughput)、快速、省时 用途广等优点,同时运用该技术也发现了一些肿瘤 特异性基因产物和与肿瘤生物学行为有关的免疫 标志物。当然在运用该技术时也发现了一些问题

⚫ 防火墙构成了每个方向传输数据所必须经过的关卡。防火墙的安全策略规定了在每个数据传输方向上的授权。 ⚫ 防火墙可以被设计成IP级的包过滤器，也可以被应用在更高级别的协议层。 ⚫ 一个可信系统是在给定的安全策略下，其运行可以被验证的计算机和操作系统。通常，可信系统的焦点是访问控制，而其采用的策略规定了主体对客体的访问权限。 ⚫ 消息技术安全通用标准是一个国际化的标准。它定义了一套安全需求和测评，并以此需求为根据的产品的系统化方法

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

建立了折流式移动流化床内粉铁矿预还原的二维气固反应流CFD模型.模型的数值求解采用PHOENICS和FLUENT的联合求解.与之前的实验结果相比,在冷态条件下单床层平均压降和气固相流动行为的数值模拟结果与其基本一致,得出所提出的数学模型是可靠的.在此模型基础上,对采用COREX输出煤气对铁矿粉预还原的工艺过程进行热态模拟.在模拟的工况条件下,还原气温度的整体降幅700 K,气相CO和H_2还原势的利用率分别达到38%和26%,矿粉的还原分数达到75%,即反应器内有良好的气固换热而且对COREX煤气还原势的利用率较高,实现了对还原气热能和还原势的梯度利用

本书对数据库的讨论及前几章中提供的信息都说明,当前各种公共数据库中的序列信息的数 量正急剧增加。与我们已知的核酸序列一样,所有蛋白质序列,无论是直接测得还是由核酸 序列中的开放阅读框转换而来,都包含有决定其结构功能的内在信息。可惜用实验方法获取 这些信息的速度远远赶不上单纯序列数据产生的速度。象圆二色谱、旋光色散、X光晶体衍射 和核磁共振都是确定结构特征的强有力技术,但它们的实现需要大量时间,并对技术和技巧 都有很高要求

许多商业决策中，期望货币值的确是一种不错的决 策准则。但还有许多时候，期望货币值（注意力集中 在收入）根本无法提供希望的最佳决策方案 例如：为一幢房子购买保险的决策并不会比不买保险 带来更高的期望货币值，否则，保险公司如何赚钱？ 类似地，即使决策的期望货币值是负的，许多人还是 会买彩票！ 这说明：货币值对决策者来说并不是所有可能结果的 真实价值的唯一之度量－－效用分析的意义在于：关 注产出的同时，需要关注风险！－－如，投资决策 重点：掌握效用分析基础及其与度量的关系

采用Gleeble-1500热模拟试验机,对GH625合金进行了以不同变形温度、不同应变速率变形到真应变值为0.7的热压缩试验,以研究其热变形过程的动态再结晶组织演变.利用光学显微镜(OP)和透射电镜(TEM)分析了应变速率对GH625合金热变形过程中的组织演变及动态再结晶形核机制的影响.结果表明:应变速率?=10.0s-1时,实际变形温度高于预设温度,产生变形热效应.GH625合金热变形过程的组织演变是一个受应变速率和变形温度控制的过程,在应变速率? ≤ 1.0s-1时,GH625合金动态再结晶晶粒的尺寸及体积分数随着应变速率的升高而降低,动态再结晶形核机制是由晶界弓弯的不连续动态再结晶机制和亚晶旋转的连续动态再结晶机制组成;在应变速率?=10.0s-1时,由于变形热效应使动态再结晶晶粒的尺寸及体积分数迅速升高,动态再结晶机制则是以弓弯机形核的不连续动态再结晶机制为主

用分截面组合测力辊测量了无润滑、无张力条件下冷轧合金铝带的法向应力p与切向应力τ。试验结果表明按比值τ/p定义的\摩擦系数\f的值与分布形态不仅取决于轧辊轧件的接触表面条件,还与塑性变形的条件(如l/$\\bar h$、ε等)有关。在其他条件不变时,f、fmax、f值随l/$\\bar h$增加而增大。为了深入认识影响f变化的原因,引入了界面摩擦水平f*。f与f*之差反映了变形几何条件等因素的影响。沿接触弧上f的分布具有由入、出口的较高值下降到中性点为零的总趋势,而且下降的速率是变化的。一般具有\快速下降——平缓变化——快速下降\的形式,其中平缓变化段随l/$\\bar h$增加而增大。在统计分析试验结果的基础上给出了接触弧上f分布的模型,将它用于压力分布与轧制力的计算,可以提高计算精度,使理论更加严密。轧件与轧辊接触界面上的正应力p、切向摩擦力τ以及摩擦系数f(由f=τ/p所定义)的分布规律是重要的边界条件。在冷轧薄板的条件下,由于变形一般比较均匀,数学力学的初等解析解的假设条件与实际情况比较接近,这时所取用的边界条件对轧制压力P、应力状态系数n;以及前滑Sh等项理论解的精度有很大的影响。尽管已经进行了很多关于边界条件的研究工作,但关于界面上摩擦规律的认识还不很清楚。因此迄今为止的理沦计算仍基于一些简化的边界条件假设上,使计算的结果与实际的偏离较大。本工作的重点是对冷带轧制接触界面上的摩擦规律作一些探讨

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1 m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础