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

随着时代的发展,对交通调查提出了新的要求,主要有: (1)对短期交通问题的对策,如自行车停车问题,地区交通问题,公共交通的票价和运行间隔问题等等 (2)既往的调查费时、费工、需要巨额资金;

为揭示各种行波磁场铸流搅拌的电磁冶金效果，基于计算域分段法建立了断面1280 mm×200 mm板坯连铸电磁、流动、传热和凝固的耦合模型，利用电气参数和磁感应强度的实测值和预测值的对比验证了模型的可靠性。研究表明：行波磁场搅拌器因电磁推力的方向性特点在板坯二冷区搅拌过程中均表现有不同程度与特征的端部效应，辊后箱式搅拌器(Box-typed electromagnetic stirrer, B-EMS)的单侧安装形式导致板坯内弧侧磁感应强度远大于外弧侧，辊式搅拌器(Roller-typed electromagnetic stirrer, R-EMS)的对辊安装形式则使磁感应强度呈现对称分布。在400 kW和7 Hz的相同电气参数下，R-EMS的电流强度比B-EMS高75 A；尽管箱式电磁搅拌的有效作用区域较辊式电磁搅拌大，铸坯中心钢液过热耗散区域大，但辊式搅拌推动钢液冲刷凝固前沿形核作用则明显大于箱式搅拌。两者均具有较好的抑制柱状晶生长、促进凝固前沿等轴晶形核与发展的能力，将不锈钢板坯等轴晶率提高至45%的门槛值以上，其中间隔型反向辊式搅拌器下的等轴晶率比箱式搅拌高约17%。综合表明，基于行波磁场铸流搅拌的间隔型反向辊式搅拌器有望更好地消除铁素体不锈钢板材表面皱折缺陷

采用水热法和还原氮化法合成了菊花状形貌的氮化钛（TiN）纳米材料，并将其与还原氧化石墨烯（rGO）水热复合制备了氮化钛–还原氧化石墨烯（TiN-rGO）复合材料。利用扫描电镜、X射线衍射、X射线光电子能谱等测试方法对材料的形貌和物相进行了表征和分析。结果表明，TiN-rGO复合材料很好地保持了TiN菊花状的三维结构和rGO透明褶皱的形貌，且层状的rGO均匀地包覆在了菊花状的TiN的周围。用TiN-rGO复合材料修饰玻碳电极（GCE）制得了TiN-rGO/GCE电化学传感器，用于测定人体中的生物小分子DA和UA。由于复合材料中TiN和rGO的协同效应，构建的电化学传感器表现出了优秀的电化学性能。检测结果表明：TiN-rGO/GCE传感器对DA和UA的检测限分别为0.11和0.12 μmol·L?1，线性范围分别为0.5～210 μmol·L?1和5～350 μmol·L?1，且具有良好的抗干扰性、重现性和稳定性，且成功应用于人体内真实样品的DA和UA检测

以过渡金属硫酸盐、氢氧化钠、氨水为原料，通过连续共沉淀–高温固相法制备了富锂锰基正极材料Li1.17Ni0.33Mn0.5O2。对其进行了包括微观形貌、宏观形貌、晶体结构、电化学性能等方面的表征，研究了前驱体烘干温度对于粒度较小前驱体的宏观形貌及锂化后正极材料的微观形貌和电化学性能的影响。结果表明，烘干温度较高的前驱体在烘干后出现了明显了宏观烧结现象，锂化并涂布后出现了明显的颗粒；烘干温度较低的前驱体在烘干后并未出现宏观烧结现象，锂化并涂布后未出现明显的颗粒。在电化学性能方面，前驱体烘干温度较高的正极材料在经历50个循环后，可逆比容量只剩下85%，下降比较明显；前驱体烘干温度较低的正极材料在经历了50个循环后，可逆比容量未出现明显下降