27SiMn液压支架管经过调质热处理来实现其良好的综合力学性能.采用四因素三水平的热处理正交试验，研究了不同热处理工艺参数（淬火温度、淬火保温时间、回火温度和回火保温时间）对力学性能的影响，并确定了最优热处理工艺制度为930℃，40 min淬火和480℃，50 min回火.经最优热处理工艺处理后，其力学性能为：屈服强度895 MPa，抗拉强度1030MPa，伸长率15%，断面收缩率54%，冲击功53.3 J，满足了GB/T 17396—1998标准中对27SiMn钢的性能要求

采用热重法实验研究了773~1273K氧化亚铁的等温氢还原动力学，发现873K温度以上，反应动力学曲线有明显转折，说明反应机理发生了变化．在973~1073K的温度范围，出现了反常的温度效应．即反应速率随温度升高而减小．为讨论产物结构对反应动力学的影响，分别对不同温度的反应产物，以及一定温度不同还原状态（不同反应时间）的产物进行形貌观察．结果显示．随着反应温度升高，还原产物表面的孔洞增多，枝状特征显著增加，而973K和1023K时表面的烧结现象明显．一定温度下，随着反应进行，表面的孔洞增多，并逐渐出现烧结．973K和1023K温度条件下反应产物大体保留原来的大颗粒外形，而1173K时还原2min开始，就大量出现枝状产物，并逐渐烧结．结合产物形貌变化和反应动力学曲线，反应前期为界面化学反应控速，随着反应进行．还原的金属铁发生烧结现象，致密的结构阻碍了产物气体向外扩散，反应控速环节转变为产物气体的外扩散，还原速率也随之降低．

煤气流影响高炉炉料及渣铁运动的基本力学因素不是热风（煤气）压强的绝对值或总压差,而是压强梯度矢量场的性质。本文通过理论推导和实验论证压强梯度是作用于炉料及渣铁的一种体积力,并证明局部压强梯度超过炉料容积重量是炉内发生悬料的力学条件。对成渣带、风口循环区外以及渣铁滴落带的液相行为作了分析。此外,压强梯度是描述流速场和压强场,建立高炉散料流体力学模型的重要杠杆,而流体力学模型又是传热和传质模型的基础,从本研究得出指导生产的重要结论

本文从冶金热力学数据库应用系统如何在M-150计算机上实现的角度,介绍它的机器环境和系统构成。它由四部分构成:1.数据库:存贮有399种二元系合金和2211种化合物(或元素)的热力学数据。2.数据管理系统:主要完成对数据库中所有数据检索、修改、插入、删除等任务。3.应用程序库:由七个复杂的计算程序组成,完成化学平衡体系的热力学性质的计算。4.监控系统:协调整个系统,使之正常工作

本文介绍了一种优化处理二元相图及热力学性质的方法。通过系统分析全部所获得的LiCl—KCl,LiCl—SrCl2,NaCl—SrCl2,NaCl—CaCl2,NaCl—BaCl2,KCl—BaCl2,CaCl2—BaCl2,BaCl2—SrCl2等八个二元系热力学性质和相图的数据并进行优化处理,取得了热力学性质和相图自相一致的结果

基于在大跨网架结构中的应用，对目前的三重钢管防屈曲耗能支撑进行改进，设计了一种新型支撑，并对该支撑考虑初始缺陷下的力学性能进行了理论分析.根据理论分析，设计了四组不同的支撑，利用ABAQUS有限元软件模拟分析了在拉压循环荷载作用下支撑强度比对其力学性能的影响，包括连接段应力状态、滞回耗能能力和核心管屈曲破坏模式.研究结果表明：该新型耗能支撑结构布置可行，设计方法合理，强度比是影响支撑力学性能的重要参数，在强度比合理范围内，支撑具有良好的滞回耗能性能；在轴向循环荷载作用下，内外套管约束作用明显，核心管破坏模式为多波小幅屈曲破坏，变形稳定，满足防屈曲支撑设计要求

以电炉镍铁渣和普通高炉渣为主要原料，采用Petrurgic一步法制备了微晶玻璃，并结合力学性能测试，对样品进行了X射线衍射(XRD)、扫描电镜(SEM)等分析，讨论了电炉镍铁渣和普通高炉渣配比、Mg2+含量以及晶核剂TiO2对成品微观结构及性能的影响规律.结果表明：将熔渣冷却至900℃结晶和650℃退火，能够制备出性能优良的微晶玻璃.当Mg2+含量增加且析出晶体为单一辉石族矿物时，微晶玻璃具有较高的力学性能.电炉镍铁渣或Mg2+含量增加，会导致其辉石族矿物含量增加，当两种渣混合掺量达到90%(镍铁渣质量分数50%，高炉渣质量分数为40%)且外掺2% MgO时，所制备微晶玻璃结构致密，仅含有单一辉石族矿物，包括透辉石、普通辉石和斜顽辉石，从而具有最优的力学性能，其抗折强度达210 MPa，抗压强度达1162 MPa.电炉镍铁渣或者MgO含量进一步增加，会导致镁橄榄石析出，此时微晶玻璃的力学性能显著下降.TiO2含量的增加不改变微晶玻璃晶体种类，合适掺入TiO2(本实验为质量分数2%)能够增强透辉石含量，提升性能；但过量掺入会抑制晶体生长，导致其性能下降

6.1 引言 6．2 分子动力学基础知识 6．3 分子动力学模拟的基本步骤 6.4 平衡态分子动力学模拟

§4.1 热力学概论 §4.2 热力学第一定律 §4.3 焓 §4.4 热容 §4.5 热力学第一定律的一些应用 §4.6 热化学概论 §4.7 热化学基本数据与反应焓变的计算 §4.8 热效应与温度的关系 §4.9 能源（自学）

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性