以电动汽车车用额定容量为42 A·h的三元方壳锂离子电池单体和模组为研究对象，研究其在加热条件下单体的绝热热失控特性及成组后侧向加热热失控蔓延特性。结果表明，锂离子电池在发生热失控时，内部最高温度可达920 ℃，电池表面和内部最大温差达403 ℃；热失控首先在迎向热流的面触发，随后蔓延至整个电池；满电状态下的锂离子电池内部热失控蔓延时间介于8～12 s；热失控蔓延过程中锂离子电池的温度特征与绝热热失控测试相比存在较大差异性；热失控喷发颗粒物中，LiF及石墨质量分数占80%以上；模组中失控电池产生的总能量中用于自身加热和喷发损失的占90%左右，热失控释放总能量的10%足以触发热失控蔓延。本文为研究三元锂离子电池模组安全设计、热失控蔓延抑制及新能源汽车的火灾事故调查提供了参考

以特殊钢圆坯连铸为研究对象, 建立了研究凝固末端电磁搅拌作用效果的三维耦合数值模型.利用分段计算模型获得末端电磁搅拌区域钢液流动与凝固的实际状态, 并采用达西源项法处理凝固末端钢液在糊状区的流动, 研究了不同电磁搅拌工艺参数下的电磁场分布及钢液的流动与传热特征.通过测量搅拌器中心线磁感应强度和铸坯表面温度验证了模型的准确性.研究结果表明: 电流强度每增加100 A, 搅拌器中心磁感应强度增加19.05 mT, 电磁力随着电流强度的增加显著增大.在20~40 Hz范围, 随着电流频率的提高, 中心磁感应强度略微下降, 但电磁力仍有所增加.在搅拌器区域, 液相穴内的钢液在切向电磁力的作用下旋转流动, 其切向速度随着电流强度和频率的增加而变大.末端电磁搅拌可促进钢液在圆坯径向的换热, 随着电流强度和频率的提高, 铸坯中心轴线上的钢液温度降低, 同时末端搅拌位置处的中心固相分率增加

泵送剂能有效改善膏体料浆流动性能,然而其对膏体料浆凝结性能的影响机理尚未明确.针对这一问题,本文进行泵送剂的抗压强度试验和环境扫描电镜观察.强度试验结果表明:泵送剂可有效改善膏体料浆凝结性能,泵送剂掺量越高不同龄期的膏体凝结性越好.环境扫描电镜观察结果表明:泵送剂添加后,大尺寸絮团减少,料浆内孔隙减少,改变了膏体微观结构.基于应用计算机图像处理技术和分形理论,计算膏体微观结构计盒维数,量化分析膏体微观结构.最终对泵送剂改善膏体凝结性能的机理进行分析,认为泵送剂通过改变絮团大小和数量、孔隙率、水化反应等方面影响膏体凝结性能

基于某海上风电塔进行现场监测、有限元模拟及室内振动台试验研究，考虑桩-土相互作用并对结构进行精细化数值模拟分析，研究了不同冲刷深度下结构自振周期的变化及不同冲刷深度对结构地震动作用下动力响应的影响规律.现场监测结果表明：6#风机结构受海水冲刷严重，与同时期建造的15#风机相比振动幅度明显，说明冲刷深度对结构的影响不可忽略.数值模拟分析表明：冲刷深度主要影响结构高阶振型，使结构自振周期变长，增幅最大达33%.由于冲刷致使土层对高柔性结构约束减弱，结构将产生大的振动进而导致风机停摆；在遭遇7度罕遇地震时，应立即停止发电工作.室内缩尺振动台试验与数值模拟所得结果的变化曲线较为均匀，趋势上较吻合，充分验证了数值模拟的准确性

利用Al-17% Si-4.5% Cu熔体中密度较小的初生硅颗粒模拟金属熔体内部的夹杂物，并采用超重力场分离熔体中的夹杂颗粒，研究了不同重力系数条件下，金属熔体中夹杂物的分离规律.实验结果表明：经过超重力处理后，初生硅颗粒在试样上部区域发生明显的偏聚现象，试样内部出现无初生硅颗粒区域，且随着重力系数的增加，无初生硅颗粒的区域面积逐渐增大，说明重力系数越大，硅颗粒在试样上部区域的聚集程度越好.随着重力系数的增大，试样的净化效率逐渐升高，当重力系数（G）为500时，试样的净化率达到了84.98%.利用DPM离散相模型对超重力场下熔体内部硅颗粒的具体受力情况进行分析，并模拟研究铝熔体内部硅颗粒在不同重力场中的分离行为.数值模拟结果证明了夹杂颗粒在沿着超重力方向上的运动行为近似符合Stokes运动定律.这表明超重力场可以有效分离金属熔体中的夹杂物

为探明超细全尾砂的浓密特性，开展量筒沉降实验，小型和半工业深锥动态浓密试验。结果表明，分子量1200万的非离子型絮凝剂最利于尾砂沉降，随絮凝剂单耗增加，溢流浊度降低，底流浓度基本不变。随固体通量增加，溢流浊度增加，底流浓度降低。固体通量0.4 t·m?2·h?1，给料固体质量分数12%，絮凝剂单耗50 g·t?1的最佳参数条件下，小型和半工业动态浓密试验的底流平均固体质量分数分别为62.8%和74.4%，泥层高度对底流浓度影响显著。深锥浓密机底流固体质量分数随泥层高度增加呈DoseResp函数增长，分为缓慢增长（泥层1～4 m）、快速增长（泥层4～7 m）和基本稳定（泥层超过7～8 m）3个阶段，这跟尾砂絮团在不同泥层高度下的压缩性能有关。可根据底流浓度与泥层高度的函数关系，调节泥层高度来满足井下充填所需底流浓度

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

轧件发生局部变形是楔横轧的主要工艺特征，尤其小断面收缩率轧件轴向流动能力弱，内外变形差异显著导致楔横轧成形困难.除了容易产生心部破坏缺陷，在轧件表层一定范围内出现的螺旋组织缺陷，也会降低产品的机械性能.本文通过轧制实验，展示出轧件螺旋组织缺陷宏观上呈现为车削后在表层一定深度范围内沿展宽螺旋线分布的亮带，微观上由轧件表面折叠向内部延伸呈带状分布的组织形态.结合有限元数值模拟方法研究了缺陷产生的主要原因，发现由于成形区的金属发生沿展宽负向的金属流动，导致轧件形成沿展宽螺旋线分布的表面折叠和小轴向应变带.同时，螺旋带附近较大的径向压缩使轧件由表面向内部沿折叠裂纹方向组织具有方向性.采用对模具楔尖倒圆角局部改善金属沿负展宽方向的轴向流动，可以既消除表层螺旋组织缺陷，又避免轧件心部损伤风险，使成形质量满足使用要求.经实验验证，确定了模具楔尖圆角的最优取值

对含磷高强IF钢中MnS夹杂物控制进行了分析。通过对含磷高强IF钢中添加稀土进行对比试验，借助扫描电镜等设备对铸坯1/8、1/2、7/8厚度方向的试样以及热轧、冷轧、连退工序的带钢试样进行了夹杂物统计及二维形貌的观测对比，并对铸坯试样中小样电解的夹杂物及轧制各工序试样中原貌提取的夹杂物进行三维形貌的观测对比。结果表明：铸坯中心MnS夹杂物数量分布明显大于铸坯近表面，稀土的加入，先与钢中S相结合，并在凝固过程中较MnS提前析出，生成了小尺寸的球状夹杂物，可明显降低铸坯各位置MnS夹杂物的尺寸及数量；未加稀土钢在带钢轧制各工序中MnS夹杂物尺寸为10 μm左右，且具有遗传性，在轧制过程中压延变长，但没有碎化弥散。加入稀土后形成了S–O–Ce类夹杂物，形态呈球形，尺寸为2～5 μm，且独立弥散分布，不会对带钢组织连续性造成影响，有利于产品各相关性能

针对电化学修复技术导致修复后结构内钢筋混凝土黏结性能退化问题，通过中心拉拔实验获取电化学修复后钢筋混凝土黏结滑移曲线，研究电化学修复参数（电流密度和通电时间）对钢筋混凝土黏结性能的影响规律，通过实验结果进行模型参数分析，建立基于电流密度和通电时间两个控制变量的黏结强度劣化模型。研究结果表明：电通量较小的情况下，钢筋混凝土黏结性能损失较小；不控制通电参数的电化学修复技术导致黏结强度下降明显，采用5 A·m–2的电流开展28 d的恒电流通电，试件的最大黏结力损失量高达56.9%；本文提出的劣化模型可以定量表征电化学修复后试件黏结强度折减情况，模型的数值模拟结果与本文及其他文献的实验结果均有较好的一致性，相关系数分别为0.9606和0.9745