在实验室模拟高炉条件下研究了含钒钛铁矿球团的还原过程,采用X射线衍射仪测定含钒钛铁矿球团在不同还原温度下的物相组成,通过光学显微镜和扫描电镜观察含钒钛铁矿球团还原过程中微观结构变化,并结合能谱分析仪研究氧化物中不同元素的分布状况.含钒钛铁矿球团在还原过程中出现的铁钛分离现象会影响含钒钛铁矿球团的还原性,形成的高钛含量钛铁晶石会增加铁氧化物还原难度.高温时形成的密实金属铁球壳会阻碍内部氧化物的还原,导致还原停滞,从而造成含钒钛铁矿球团高温还原性较差.当内部熔融物滴下时,会提高高炉下部氧势,有利于减少Ti(C,N)的生成

为了探明动态氧化条件下含钛高炉熔渣中金属铁的聚集、长大及沉降行为,通过高温氧化实验研究氧化时间、空气搅拌强度和纯氧氧化对金属铁沉降的影响.此外,还研究动态氧化过程中熔渣的温度与黏度变化情况,计算金属铁在熔渣中的沉降速度.实验室与1200 kg中试实验结果表明,向熔渣鼓入氧化性气体,低价钛化合物减少,熔渣温度升高,黏度减低,促进金属铁聚集、长大和沉降分离.氧化时间过长,熔渣中(FeO)与低价钛化合物基本消失,金属铁回收率下降.氧化终点的判断应以保留一定含量(FeO)与低价钛为依据

本文对Fe5Co70Si15B10,Fe40Ni40P14B6,(Fe0.1Ni0.35Co0.55)78Si8B14非晶在不同状态下的损耗进行了测量。并作了损耗分离,与1J79（坡莫）晶态合金的损耗数据进行对比。观察到Fe5Co70Si15B10与1J79损耗相比,非晶的反常涡流损耗在总损耗中所占比例大几倍到十倍。Fe5Co70Si15B10和Fe40Hi40P14B6二种非晶磁场热处理对损耗影响效应相差很大（几倍到十倍）。在部分淬态非晶样品中,观察到每周损耗随频率变化在某一频段内出现反常下降现象。对上述几种实验现象进行了解释

采用近似无限大流体重力沉降原理分析了多期法FeV50合金浇铸过程渣金分离及浇铸渣层钒的分布规律，考察了熔渣黏度、沉降粒度、浇铸温度、渣层厚度以及保温制度对渣中钒含量的影响.结果表明，浇铸渣中钒的赋存形式除了未还原完全的钒氧化物之外，还存在部分未完全沉降的初级合金；合金沉降速度随合金粒度的增加而增大，随熔渣黏度的增加而减小.1850℃条件下，当渣层厚度为50 mm，熔渣组分质量分数为65.2% Al2O3、15.5% CaO、14.6% MgO、1.9% Fe2O3、0.9% SiO2时，粒径为100 μm的合金沉降时间及熔渣上浮时间分别为24.9和1.2 min.基于此，进行浇铸工艺优化试验，在渣层厚度35 mm，浇铸温度1900℃、熔渣主要成分质量分数Al2O3 60%~65%、CaO 15%~20%、MgO 9%~15%、浇铸锭模保温层厚度9 cm的条件下，浇铸渣中平均TV质量分数由1.39%降低至0.58%

采用透析的方法将铜电解液中相对分子质量大于3500的明胶进行分离,以二喹啉甲酸（BCA）法测定所得明胶质量浓度,研究了硫酸质量浓度和温度对铜电解液中明胶分解规律的影响.铜电解液中Cu2＋基本不影响明胶的稳定性;电解液温度升高和硫酸质量浓度增大,都加剧了明胶的分解.在相同温度下,硫酸质量浓度在150~180 g·L-1范围内每增加15 g·L-1,明胶分解反应速率常数增大约1.2倍;而在相同的硫酸质量浓度下,温度在55~70℃范围内每增加5℃,明胶分解反应速率常数增大约1.5倍.对于铜电解生产,电解液中硫酸质量浓度150~180 g·L-1以及温度60~65℃,可推算出电解液在电解槽中停留3~4 h,明胶的分解率达50%~80%;电解液经过完整的一周循环约需6 h,明胶的分解率可达到70%~90%

通过单矿物浮选试验揭示了有机抑制剂SDD对铜活化闪锌矿的抑制情况. 在此基础上,采用Zeta电位测试、Versa STAT电化学工作站的局部交流阻抗(LEIS)测试、前线轨道理论计算对SDD和BX(丁基黄药)在铜活化闪锌矿表面的竞争吸附机理进行了研究. 浮选试验结果表明:SDD是一种铜锌分离的高效抑制剂,能够有效的抑制闪锌矿,而黄铜矿几乎不受影响;此外,还发现SDD具有用量少且十分敏感的特性,在pH为10,SDD为4.0×10-5 mol·L-1的最佳条件下,能够将铜活化闪锌矿的回收率降低至16.59%,而黄铜矿的回收率为81.64%. Zeta电位和局部交流阻抗(LEIS)分析表明:SDD不但能够占据铜活化闪锌矿表面的活化位点,而且其吸附能力强于BX,这极大的降低了BX在铜活化闪锌矿表面的吸附量,从而对铜活化闪锌矿表现出良好的抑制作用. 前线轨道理论计算进一步证实SDD与铜活化闪锌矿作用能力强于BX

以铁品位为58.58%、TiO2品位为12.04%的海滨钛磁铁矿精矿为试样，进行煤基直接还原–磁选试验。从反应产生的CO和CO2气体组成、总反应的气化速率、CO分压值、金属化率、矿物组成等角度进行分析，查明了CaO在海滨钛磁铁矿精矿直接还原?磁选工艺中的作用机理。研究结果表明，CaO可以提高还原剂的气化速率，促进钛磁铁矿的还原，增加CO2气体的产生量，从而降低CO分压值。同时发现CaO可以参与固固反应，降低含钛矿物中的FeO含量，也有利于钛、铁组分的迁移和富集，促进金属铁颗粒的聚集长大。因此，添加CaO有利于通过磨矿?磁选促进钛铁分离与回收

超疏水表面是具有独特性能的一类表面，本身就具有广泛应用前景。石墨烯材料作为理化性质出众的一类材料，由于其高电导率、高导热系数、高比表面积、高透光率和有优异的机械性能，广泛应用于航空航天、石油化工、海洋船舶等领域。目前，基于石墨烯材料构建超疏水表面，是超疏水表面研究中一个较新的方向。本文对超疏水表面的原理进行了概述，重点总结归纳了石墨烯基超疏水材料制备技术的研究现状，包括表面修饰法、沉积改性法、激光诱导法、涂覆法、层层自组装法等，简要介绍了石墨烯超疏水材料在自清洁、油水分离、防覆冰、耐腐蚀、抗菌等领域的应用，并对石墨烯超疏水材料的下一步研究方向进行了展望

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

崩塌灾害的早期预警一直是岩土工程领域研究的热点问题之一.传统的监测预警方法监测指标相对单一, 更多关注于加速破坏前兆的识别, 使得崩塌的早期预警存在诸多困难.本文首先引入动力学监测指标, 对岩土体破坏过程中的动力响应进行综述, 得出基于固有振动频率等动力学监测指标可以为危岩体的损伤提供数据支持.随后基于最新的实验研究发现动力学监测指标可以有效反应边坡的物理力学特征的变化, 进而可以实现岩体损伤与稳定性的动态识别和定量判断.在对国内外现状进行综述发现, 基于分离阶段破坏前兆识别的岩块体崩塌灾害预警思路, 具有更好的时效性, 是未来崩塌早期预警的发展方向, 同时对崩塌的早期预警指标体系进行展望, 得出基于动力学指标、静力学指标和环境量指标三位一体的早期监测预警指标体系, 必将在工程监测与灾害预警方面发挥更大潜力, 为从事应对崩塌等脆性破坏灾害预警预防的研究工作者提供有效参考