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

利用扫描电迁移率颗粒物粒径谱仪（SMPS)，针对不同孔径的介孔材料SBA-15，探索对UFPs（2.5～25 nm）的去除效率及脱除机理，以期为介孔材料过滤脱除UFPs在钢铁工业颗粒物超低排放控制的应用提供理论基础。基于实验结果及表征分析得知：UFPs入孔效应使大孔径介孔过滤介质效率更佳；介孔材料孔径端部内外表面存在大量UFPs亲和位点，提高端部复杂程度有利于提升材料过滤性能；氮气的有无对UFPs去除结果基本没有影响；介孔的存在使UFPs扩散效应更强，颗粒入孔使扩散系数增加，故UFPs在介孔材料实际扩散结果与传统扩散模式理论值（m=?2/3）不同

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

采用电解相分析方法, 结合X射线衍射分析和电感耦合等离子体原子发射光谱仪(ICP)、扫描电镜(SEM)、透射电镜(TEM)等对高铝铁素体基体中的析出相颗粒粉末和电解液进行定性定量分析. 试验结果表明, 试验钢中固态析出相主要为NbC以及少量的Al2O3和AlN夹杂. 通过扫描电镜观察不同再加热温度下NbC分布状态, 发现随着固溶温度的升高, 铸态组织中存在的NbC析出逐渐回溶, 数量随之减少且发生明显的粗化行为. 当温度升高到1100℃, 大部分NbC已经回溶到高温铁素体基体中. 在利用Thermo-Calc热力学计算软件分析Nb及其碳化物的热力学性质基础上, 计算得到Al与Nb的相互作用系数, 表明Al能够降低Nb在铁素体基体中的活度, 提高其在基体中的固溶度, 进一步得到了NbC在高铝铁素体钢中的固溶度积公式, 发展了高温铁素体中的Nb微合金化理论, 为进一步的应用提供了理论基础

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

设计了一种0.7C的低合金超细贝氏体钢，并通过膨胀仪、二体磨损实验、光学显微镜、扫描电镜、X射线衍射、激光扫描共聚焦显微镜及能谱仪，研究了不同等温淬火温度对超细贝氏体钢的贝氏体相变动力学、微观组织以及干滑动摩擦耐磨性的影响，揭示超细贝氏体钢在二体磨损条件下的耐磨性能和磨损机理.研究结果表明，不同等温温度下的超细贝氏体钢都由片层状贝氏体铁素体和薄膜状以及块状的残留奥氏体组成；随着等温温度的升高，超细贝氏体的相变速率提高，相变孕育期及相变完成时间缩短，但贝氏体铁素体板条厚度增加，残留奥氏体含量增加，硬度值有所降低；超细贝氏体钢磨损面形貌以平直的犁沟为主，主要的磨损机理为显微切削；不同等温温度下所获得的超细贝氏体的耐磨性能都优于回火马氏体，且随着等温温度的降低，耐磨性能提高.其中在250℃等温所获得的超细贝氏体钢具有最优的耐磨性能，其相对耐磨性为回火马氏体的1.28倍.这主要与超细贝氏体钢中贝氏体铁素体板条的细化及磨损过程中残留奥氏体的形变诱导马氏体相变（TRIP）效应有关

借鉴水泥净浆流动度测试方法，引入扩散度参数判别尾砂膏体的流变特性，开展试验研究分析扩散度与尾砂膏体质量分数（Cw）、灰砂比、屈服应力和黏度系数的关系，根据5个矿山的扩散度和流变参数测试结果，构建扩散度与屈服应力的经验模型，并与推导的解析模型作对比。结果表明：尾砂膏体的扩散度主要与质量分数有关，灰砂比对其影响不显著，随质量分数、屈服应力和黏度的增加而减小，质量分数为68%、70%和72%的尾砂膏体的扩散度分别为20.37、17.22和12.44 cm；尾砂膏体的扩散度与屈服应力的变化趋势相吻合，二者呈指数型函数关系，经验模型计算得到的屈服应力与测试结果误差在25%范围内，且尾砂膏体质量分数越大，二者的误差越小，达到10%以内；解析模型与经验模型计算所得的屈服应力在扩散度为12～16 cm之间结果较接近，解析模型计算结果整体上高于测试值；相比于坍落度，扩散度测试简便易操作，扩散度能有效表征尾砂膏体的流变特性，指导矿山现场充填

针对传统医疗手段无法有效量化评估手术中不同硅油加注量对于视网膜裂孔贴附效果的问题，本文提出一种面向视网膜脱离手术的硅油填充模拟方法，基于物理建模与计算机数值离散化技术对眼内受力、硅油填充状态进行分析，并对填充模拟过程进行三维模型构建与可视化，实现医疗过程决策辅助目的。首先对人类眼球与手术器具进行基础建模与模型采样，模拟手术流程中眼球状态；然后，根据水与硅油的密度、黏滞系数、表面张力等不同物理性质，对水?硅油两相流动及交互进行模拟；最后，构建固液交互模型，实现多相液体在眼球中的运动与填充。实验结果表明，本文方法能够较好地呈现眼球内多相流体运动交互效果，实现了诸如表面张力、固液耦合、液体分层、连通器效应等效果，实现了对眼内腔中通过导管注入硅油与排出水分流程的模拟，为预测硅油填充后的眼内状态提供了一种有效的方式，辅助医生进行手术流程规划与效果预测

开口管桩由于其承载力高、质量可靠、施工方便等优点得到越来越广泛的应用.土塞的生成使得开口管桩沉桩阻力不同于闭口管桩, 不仅包括桩外侧摩阻力、桩端阻力, 桩内侧摩阻力亦是其重要组成部分.针对开口管桩沉桩受力特性, 采用自主研发的大尺度模型试验装置, 进行不同桩靴形式下开口管桩的贯入试验, 并与闭口管桩进行对比分析.研究表明, 开口管桩随沉桩深度的增加趋于闭塞, 沉桩阻力随沉桩过程基本呈线性增加, 桩内、外侧单位摩阻力均存在“侧阻退化”效应; 桩体贯入时桩周地表隆起量随径向距离增加逐渐减小, 隆起速率随沉桩深度增加逐渐变缓, 桩周土影响范围约为5 ~ 7倍桩径; 桩靴对开口管桩土塞生成、沉桩阻力和挤土效应均有重要影响, 内30°桩靴土塞生成高度、桩内侧摩阻力及其所占总沉桩阻力比例最大, 桩周土地表隆起量最小, 外30°桩靴与内30°桩靴情况相反, 直角桩靴居中; 闭口管桩沉桩阻力、外侧摩阻力与挤土程度均大于开口管桩

通过挥发–冷凝实验装置进行小型烧结实验，运用X射线荧光光谱（XRF）、扫描电镜–能谱仪（SEM–EDS）及电感耦合等离子体发射光谱仪（ICP–OES）等分析检测手段，结合Factsage热力学模拟，对比研究了以木炭和焦粉为燃料，配加含铁粉尘的铁矿石烧结过程中，床层碱金属随烟气挥发迁移的规律、烧结前后的碱金属脱除率以及工艺措施对碱金属脱除的影响。结果表明，K相对于Na更容易被脱除，挥发至烟气中的碱金属化合物主要是KCl，其次为NaCl。增加燃料配比促进了碱金属元素的脱除；在燃料配比相同的条件下，木炭烧结的碱金属脱除效果不及焦粉烧结。烧结过程中，排入废气中的碱金属化合物被下部混合料层大量捕获、吸附，下部床层内捕集的碱金属氯化物促进了碱金属的氯化脱除。添加CaCl2后，以木炭为燃料时K和Na的脱除率高于焦粉工况，且产物中K和Na的含量较低。配合氯化脱除工艺将生物质应用于铁矿石烧结是烧结生产发展的可行方向