针对工业生产700 MPa级高强度调质态钢板，通过Gleeble3500热模拟机进行模拟焊接试验，利用光学显微镜、硬度仪、场发射扫描电镜等设备对比研究了稀土Ce对高强钢焊接热影响区（HAZ）显微组织、晶粒度和力学性能的影响。研究结果表明，焊接热输入为25 kJ·cm?1和50 kJ·cm?1时，无稀土钢焊接热影响区冲击功分别为84.8 J和24.5 J，Ce质量分数为0.0018%的钢焊接热影响区冲击功分别为110.0 J和112.0 J，因此钢中加入适量Ce能够有效改善钢板焊接韧性。对比分析两种实验钢焊接热影响区晶粒尺寸和显微组织可以看出，随着焊接热输入值增大，高强钢焊接热影响区显微组织均逐渐从马氏体、下贝氏体转变为上贝氏体和粒状贝氏体组织，且奥氏体晶粒尺寸明显增大。但相同焊接热输入下，含Ce钢焊接热影响区晶粒尺寸显著减小，组织更加细小，且脆性的上贝氏体组织减少，从而显著提高了700 MPa级高强钢的焊接性能

Auto CAD是应当今信息技术的快速发展和用户的需要而开发的面向21世纪 的CAD软件包,它在运行速度、图形处理等方面都达到了崭新的水平。目前大多 数高校都开设这门课程。如何在较短的时间内让学生掌握 Auto CAD的各种操作 命令,并做到灵活运用,是提高教学质量的关健所在。经过多年的教学实践,编 者深深体会到教学质量的提高很大程度上取决于学生上机训练的内容,一本好的 上机指导书可以帮助学生对所学知识的进一步理解,加深认识,同时使学生在上 机时目的明确,提高上机效率

本课程是自动化专业的学科大类基础课程，是一门必修课，是本专业主干课程。通过本课程的学习，使学生建立经典控制理论部分的基本概念，学习现代控制理论的基本内容，掌握反馈控制原理的应用以及分析和设计的一般规律，使其具有分析和设计自动控制系统的初步能力。同时，为专业基础课及专业课的学习打好基础，而且为以后从事实际工作和科研奠定一定的理论基础。重点：线性系统的时域分析法、线性系统的根轨迹法、线性系统的频域分析法以及线性系统的状态空间分析与综合；难点：结构图等效变换、梅森公式的应用、扰动作用下减小或消除稳态误差的措施、高阶系统动态性能分析、广义根轨迹的分析与应用、复杂系统稳定裕度的确定、多环系统的开环幅相曲线、对数曲线的概略绘制及相应系统传递函数的确定、反馈校正方法及应用、矩阵指数的计算、状态方程的求解、系统能控性、能观测性问题以及稳定性概念的理解

为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

在650、680和710 ℃不同温度条件下对碳质量分数为0.66%的淬火高碳钢进行了石墨化处理，并利用场发射扫描电子显微镜、电子探针、X-射线衍射仪和透射电子显微镜对其石墨化过程的组织进行金相分析，以及利用组织转变动力学理论，绘制了其石墨化过程的动力学曲线，并建立了相应的动力学方程。研究结果显示：在石墨化过程中，淬火马氏体首先向析出碳化物的稳定状态转变，且在碳化物为渗碳体Fe3C时，石墨粒子析出速度开始明显增加；基体组织中针叶状α-Fe发生再结晶，由等轴状铁素体逐步代替针叶状的α-Fe；铁素体中的碳含量随着石墨化时间的延长而逐步降低，即由过饱和状态转变为稳定态，碳含量在石墨粒子中突变增为峰值，而铁含量则突变降为谷值，由此表明，渗碳体分解的碳向石墨核心扩散，铁自石墨核心处扩散出来，而形成石墨粒子；石墨粒子面积分数随时间变化的曲线呈S形状，即该动力学过程符合动力学模型JMAK（Johnson-Mehl-Avrami-Kolmogorov）方程，且该方程中的n值为1.5～1.7

提出了一种面向网络长文本的话题检测方法.针对文本表示的高维稀疏性和忽略潜在语义的问题，提出了Word2vec&LDA（latent dirichlet allocation）的文本表示方法.将LDA提取的文本特征词隐含主题和Word2vec映射的特征词向量进行加权融合既能够进行降维的作用又可以较为完整的表示出文本信息.针对传统话题发现方法对长文本输入顺序敏感问题，提出了基于文本聚类的Single-Pass&HAC（hierarchical agglomerative clustering）的话题发现方法，在引入时间窗口和凝聚式层次聚类的基础上对于文本的输入顺序具有了更强的鲁棒性，同时提高了聚类的精度和效率.为了评估所提出方法的有效性，本文从某大学社交平台收集了来自真实世界的多源数据集，并基于此进行了大量的实验.实验结果证明，本文提出的方法相对于现有的方法，如VSM（state vector space model）、Single-Pass等拥有更好的效果，话题检测的精度提高了10%~20%