通过对低碳含铝钢20Mn2精炼过程的取样分析,得出精炼渣的熔化温度偏高,渣中存在大量固相CaO,并导致钢中含有CaO类夹杂物,精炼渣吸附夹杂物能力差.利用Fact Sage热力学计算,从渣的低熔点区域控制和渣-钢反应这两个方面对渣系进行研究与优化.结果表明,CaO/Al2O3质量比在1.5左右添加质量分数为3% CaF2可以有效降低渣的熔化温度,渣的熔化温度随着CaF2含量的升高呈现先降低后升高的趋势,MgO的质量分数控制5%左右低熔点区域面积达到最大.在SiO2质量分数大于30%区域,钢中氧含量大体上随着CaO/Al2O3质量比的增加而降低,在SiO2的质量分数低于30%区域随着CaO含量的升高而降低,钢中酸溶铝含量在SiO2含量高的区域随着Al2O3/SiO2质量比的增加而升高,在SiO2含量低的区域随着CaO/SiO2质量比的增加而增加.根据热力学分析结果得出合理的渣系范围：CaO 50%-60%,Al2O320%-35%,SiO25%-10%,MgO 5%-8%,CaF20-5%.优化渣系的实验结果表明,优化后渣系熔化温度降低,钢中夹杂物数量、面积和平均尺寸均有明显下降

本文首先对双P型辐射管进行实验和数值研究，发现除NOx含量的误差偏大外，其他参数的偏差都在1%以内，证明该模型具有一定的可靠性.在此基础上，将空气分级的理念应用于双P型辐射管，提出一种带支管喷口的分区分级燃气辐射管，并建立相应的数学和物理模型.对比双P型辐射管和分区分级辐射管的模拟结果显示：分区分级燃气辐射管和双P型辐射管内气体的平均流速分别为25.8m·s-1和21.0m·s-1，热效率分别为65.9%和64.2%；分区分级燃气辐射管壁面最高温度为1047℃，壁面最大温差为73℃，比双P型辐射管降低15℃，分区分级后气体平均流速增大，提高了直管和回流管管段的烟气温度和壁面温度，具有更好的温度均匀性

针对高温含水条件下非氧化物材料经常面临的性能失效问题,以六方BN粉体(平均粒度为1.2μm)为研究对象,利用高温热重分析、X射线衍射以及扫描电镜等手段,考察了BN粉体在不同温度(1273-1373K)含水条件下f水和空气的体积比为3:7)的反应行为,并与其在干燥空气下的反应行为进行对比.BN粉体在含水条件下的反应有如下特点:在反应初期,试样质量增加率快速增加;在反应后期,试样质量增加率变缓.结合热力学分析探讨了BN材料在高温含水条件下的反应机理:质量快速增加阶段主要发生BN与O2之间的氧化反应,试样质量增加率变缓阶段主要是由于氧化产物B2O3与H2O反应生成了挥发性产物.随着温度的升高,两反应阶段试样的质量增加率均有所提高.利用周模型对BN材料在高温含水条件下的反应动力学进行了较为精确且定量的拟合,结果与实验数据吻合良好

利用ZrO2·MgO固体电解质定氧探头测定了实验1kg级铁水喷吹CaO系熔剂同时脱磷脱硫处理过程中反应初始和终了的铁水氧位,并进行了热力学分析。测定的初始氧位范围为Po2=10-8.45~10-9.75Pa(10-13.46~10-14.70atm),比按C/O、Si/O平衡反应计算的氧位提高1~3个数量级,测定的终了氧位范围为Po2=10-7~10-9Pa(10-12~10-14atm),比初始氧位提高1~3个数量级,与热力学计算的最佳氧位值(Po2=10-7.88Pa(10-12.88atm))吻合良好。结果表明,随铁水终了氧位升高,脱磷率增加、终了磷含量下降,脱硫率则稍有降低、终了硫含量稍微升高。此外,还从电化学上对同时脱磷脱硫处理的最佳氧位-电位区域进行了分析,并探讨了铁水罐喷吹脱磷脱硫处理的反应机理

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

利用氧气吹炼镍锍直接得金属镍,其关键在于去锍保镍。本文利用选择性氧化原理,提出氧化转化温度的概念。热力学分析指出,去硫保镍的条件是:1、镍锍熔体用O2开吹的温度必须超过该组成硫、镍氧化的转化温度;对含硅20-25%的镍硫,其开吹温度不能低于1350-1400℃。2、随着熔体中硫含量的减少,相应地硫、镍氧化的转化温度随之增高。吹炼操作必须迅速进行,以保证熔池温度上升的速度永远高于转化温度增高的速度。硫、镍氧化的转化温度可用一步法按下列反应[S]+2NiO（s）=2[Ni]+SO2进行计算。热力学分析又指出:1.镍锍内含铜全部留在熔体之内,在吹炼过程中不被氧化。2.镍锍中的铁最易被氧化,但当降低到0.8—1.0%后即不能被氧化而以残铁留在熔体之内。3.镍铳含钴如小于1%也将留在熔体之内。通过在卡尔多斜吹旋转炉进行的半工业吹炼实验,在采用上列热力学推论得出的去硫保镍条件下,硫能顺利地降到1—2%,充分地证明了理论成功地指导了实践,克服在初期探索性试验中遇到大量镍氧化的困难。在吹炼末期,由于熔体中硫的扩散速度减减慢,熔池表面逐渐有NiO层累积。采用不吹氧空转还原,可进一步去硫而提高镍的回收率。镍的直接回收率大于90%,而总回收率大于95%。镍的主要损失来自高温下镍及其氧化物的挥发熔体中残铜、残铁及残钻的存在也通过实验予以证实。动力学分析指出，熔体中硫的扩散是脱硫反应的控制性环节。硫的传质系数β及扩散系数D与温度T的关系式分别为：\\[\\begin{array}{l}{\\rm{\\beta = 8}}{\\rm{.30e \\times p(}}\\frac{{{\\rm{ - 25000}}}}{{{\\rm{RT}}}}{\\rm{)}}\\\\{\\rm{D = 8}}{\\rm{.30 \\times 1}}{{\\rm{0}}^{{\\rm{ - 2}}}}{\\rm{e \\times P(}}\\frac{{{\\rm{ - 25000}}}}{{{\\rm{RT}}}}{\\rm{)}}\\end{array}\\]镍锍是火法冶金提镍的中间产物。从镍锍提制金属镍通常采用两种方法:(1)直接电解;(2)