模拟废弃电路板破碎、分选后得到的多金属富集粉末，通过单因素实验和正交试验，采用低温碱性熔炼研究熔炼温度、熔炼时间和盐料质量比对其中有价金属分离提取率的影响.结果表明，最佳条件为熔炼温度400℃，熔炼时间1.5h，盐料质量比3.5，其中盐料质量比对两性金属提取率影响最显著.在最佳条件下，两性金属提取率为Sn 83.6%、Al 92.7%、Zn 80.9%及Sb 34.5%，以可溶盐形式富集在浸出液中，铜等其他成分则于渣中富集，有效实现了两性金属与其他金属的分离

本文在考察影响冷轧辊破损的力学因素中选用了缺口和裂纹两种试样进行断裂韧性测试。结果发现对于冷轧辊材料(高硬度,εF≈0)其K1C ≤ 2/3 Kρc(ρ=0.06毫米),即K1C和Kρc值差别较大。故本文认为有的文献提出对于低韧性材料(εF≈0)可用细切口试样代替裂纹态试样测定K1C值不是普遍可行的。这一事实在工程实际中是重要的。在实验分析中,本文主要参考了Tetel man.A.S和Yokobori.T的分析工作,采用了弹塑性宏观力学的方法,近似分析缺口试样弹塑性应力场,建立有关断裂判据,所得结果较好解释实验现象,并可作为Kρc计算的估值公式,亦可供分析缺口断裂问题参考

一、填空题(每空0.5分,共10分) 1.植物组织培养按培养对象分为等几种类型。 2.在分离原生质体的酶溶液内,需要加入一定量的其作用是保持原生质体膜的稳定,避免破裂

一、选择题(1-10题每小题2分11-50题每小题1分,共60分 在下列各题的A)、B)、C)、D)四个选项中,只有一个选项是正确的请将正确选项填涂在答题卡相应位置上答在试卷上不得分。 (1)下列数据结构中,按先进后出原则组织数据的是 （A)线性链表 （B)栈 （C)循环链表 （D)顺序表 (2)具有3个结点的二又树有 （A)2种形态 （B)4种形态 （C)7种形态 （D)5种形态

针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

3.1 分析化学中的误差 3.2 有效数字及其运算规则 3.3 有限数据的统计处理 3.4 回归分析法

为得到多参数耦合下冷轧铝带工作辊分段冷却调节特性,建立了工作辊和轧件的一体化耦合传热模型.耦合传热建模过程包含工作辊和轧件导热微分方程的建立、轧件变形热和摩擦热的求解、换热边界条件的确立、工作辊热辊形的计算及采用二维交替差分对微分方程进行求解.仿真结果表明,同一轧制参数下工作辊分段冷却正负方向调节能力近似相等,但单向调节幅度受轧制参数影响较大,轧制长度、喷射梁工作压力和摩擦系数的增加对分段冷却调控能力具有促进作用,轧制速度的作用则相反

一.填空题:(每空1分,共28分) 1.用0.100mol·-1HCl滴定同浓度NaOH的H突跃范围为9.7-4.3,若Cl和NaOH的浓度均增大10倍,则pH突跃范围是 2.对一般滴定分析的准确度,要求相对误差≤0.1%。常用分析天平可以称准到mg:

针对高速铝板轧制过程中频繁出现的冷轧机垂直振动现象，结合轧制工艺润滑原理和机械振动理论，建立基于辊缝动态摩擦方程的轧机垂直振动模型.该模型由辊缝几何形状模型，轧辊-轧件工作界面的动态摩擦模型，变形区内的正向轧制应力、摩擦应力分布模型，以及单机架铝板冷轧机二自由度垂向系统结构模型组成.同时，为研究轧辊-轧件工作界面动态摩擦机制影响下的冷轧机垂振机理及系统稳定性，采用某厂单机架铝轧机设备及工艺参数，搭建Matlab/Simulink平台，分别模拟仿真轧制压力和正向轧制应力曲线，验证该模型的有效性；并讨论分析了变形区混合摩擦状态，轧辊-轧件表面粗糙度、轧件入口厚度与系统稳定性的关系

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率，提出基于\互为最小相似度文本对\搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法；其次，基于\互为最小相似度文本对\搜索选择二分簇中心，提出通过一次划分实现簇质心寻优的二分K-means聚类算法；最后，基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明：提出的聚类算法与原始二分K-means相比，在获得相当聚类效果的同时，具有明显效率优势；并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性