试验模拟干湿循环作用下混凝土受10%(质量分数)硫酸钠溶液侵蚀的腐蚀环境,测试和分析硫酸盐不同侵蚀时期混凝土单轴压缩试验时波速和声发射的变化特征.采用环境扫描电镜和能谱仪进行微观观测并结合X射线衍射测试手段分析受蚀混凝土的损伤机理.结果表明:受侵蚀60 d和80 d的试件加载初期会有较明显的压密阶段,试件受硫酸盐侵蚀和干湿循环作用愈久,加载中波速急剧下降的突变点愈提前;受蚀40 d以上的试件加载中声发射事件活跃区间较集中,在腐蚀产生的缺陷和薄弱位置容易出现应力集中和能量集中释放,声发射事件数量急剧上升的突变点提前.通过数学模型以声发射累积振铃计数为损伤变量建立损伤模型可以表征混凝土中环境腐蚀、荷载及损伤之间的作用关系.腐蚀阶段钙矾石与石膏的膨胀作用和硫酸钠的结晶压在试件内部形成微破损,受蚀混凝土表现出不同宏观性能

尾砂胶结充填体作为一种水泥基多相复合材料,其单轴抗压强度与超声波波速受水泥含量、固体质量分数、试件形态等因素影响.通过制备三种形态(7.07 cm×7.07 cm×7.07 cm立方体,Φ5 cm×10 cm圆柱体和Φ7 cm×14 cm圆柱体)的试件并进行单轴抗压强度试验和声波波速测试,对充填体强度和波速受水泥含量、固体质量分数和试件形态影响的规律进行了灰色-关联度分析.结果表明:水泥含量是影响强度的关键核心因素,关联度为0.837;固体质量分数是影响波速的关键核心因素,关联度为0.712.建立了充填体强度-波速指数函数预测模型和BP神经网络预测模型,通过对两种预测模型进行统计分析的F检验和t检验验证了两种方法在充填体强度预测的可行性,为胶结充填体的强度预测提供了新方法

1．排列：n个依次排列的元素． 例如, 自然数 1,2,3,4 构成的不同排列有 4!=24 种．

为了确定薄带连铸AISI304不锈钢凝固过程中残留铁素体的生成及转变行为,采用彩色金相、电解侵蚀、电子背散射衍射分析技术及X射线衍射分析等研究手段对双辊薄带连铸AISI304不锈钢凝固组织及残留铁素体特征进行了研究.结果表明AISI304不锈钢薄带的凝固组织由表层胞状晶区、中间柱状晶区和中心等轴晶区三部分组成.薄带表层胞状晶区内残留铁素体呈棒状,柱状晶区的残留铁素体形态为鱼骨状,中心等轴晶区的残留铁素体呈弯曲的树枝状;薄带的表层胞状晶区残留铁素体的质量分数为4.6%～6.6%,柱状晶区内的残留铁素体质量分数为3.6%～3.7%,中心等轴晶区内的残留铁素体质量分数为11.27%～11.34%;残留铁素体沿着厚度方向呈现\W\状分布

针对难处理的鲕状高磷铁矿，提出了首先采用高气化性生物质木炭制备含碳球团，然后通过直接还原-高温熔分的方法，成功实现了该铁矿的除磷提铁.直接还原实验采用管式炉.考察了还原温度、生物质木炭加入比例（碳氧摩尔比）和气氛等条件对样品还原行为的影响，并确定了适宜的还原条件为温度1373 K、配碳量0.9、时间15～25 min以及气氛PCO2/PCO=1：1.在此条件下，样品的金属化率和残碳质量分数分别在75%～80%和0.69%～0.11%的范围内.通过对该金属化球团的X射线衍射和扫描电镜-能谱分析发现：还原后样品中的主要物相为金属铁、磷灰石和硅酸三钙；磷没有被还原而仍以磷灰石的形式存在于脉石中.高温熔分实验采用Si-Mo棒高温箱式炉.实验结果得到磷质量分数为0.4%的铁样.在熔分体系中进一步添加相对质量为2%～4%的Na2CO3，可以得到磷质量分数在0.3%以下的铁样.基于以上分析，证明了采用生物质木炭用于高磷铁矿的除磷提铁是可行的

在氩气气氛下，采用扩散偶法研究了1323~1473 K下的Fe2O3-TiO2体系的固相反应.使用电子探针对扩散偶的微观形貌进行观察，并对Fe、Ti离子的扩散摩尔分数曲线进行定量分析.动力学分析表明，氩气下体系的固相反应受铁、钛和氧离子的扩散控制.用Boltzmann-Matano法计算了体系的互扩散系数，其数量级在10-13~10-10 cm2·s-1范围内，并随着温度和Ti离子摩尔分数的增大而升高.氩气气氛下体系的扩散活化能约为356.06 kJ·mol-1，远比空气下的大，表明外界气氛中氧分压对体系的反应机理有重要影响

2.1硬件设备 22全站仪概述 2.2.1全站仪的发展 2.2.2全站仪的概念 2.2.3全站仪的基本组成 2.2.4全站仪的分类 2.2.5防水等级 23全站仪测量原理 2.3.1电子测距原理 2.3.2电子测角原理和方法 24全站仪部件名称及功能 2.5全站仪的检校 2.6使用全站仪测图 2.7数据通讯 2.7.1数据通信的基本概念 2.7.2全站仪通信参数的设置

由于时间序列数据具有高维度、动态性等特点,这就导致传统的数据挖掘技术很难有效的对其进行处理,为此,提出了一种基于多维时间序列形态特征的相似性动态聚类算法(similarity dynamical clustering algorithm based on multidimensionalshape features for time series,SDCTS).首先,提取多维时间序列的特征点以实现降维,然后,根据多维时间序列的斜率、长度和幅值变化的形态特征定义了一种新的时间序列相似性度量标准,进而提出无需人为给定聚类个数的多维时间序列动态聚类算法.实验结果表明,与其他算法相比,此算法对时间序列具有良好的聚类效果

在实际问题中,一组数据往往具有不同的数据类型。例如,在学生登记表中,姓名应为 字符型;学号可为整型或字符型;年龄应为整型性别应为字符型;成绩可为整型或实型。显 然不能用一个数组来存放这一组数据。因为数组中各元素的类型和长度都必须一致,以便于 编译系统处理

针对密度聚类算法对邻域参数设置敏感的问题，提出一种基于密度的模糊自适应聚类算法.算法在无需预先设置聚类数以及邻域参数的情况下，可以自适应地根据样本间距离关系确定邻域半径得到样本密度，并根据样本密度逐渐增加聚类中心.为了保障聚类结果的正确性，同时提出一种新的模糊聚类有效性指标以判断最佳聚类数，消除了密度聚类算法对参数的敏感性.用UCI基准数据集进行实验，发现本文算法在对数据进行聚类时，聚类质量较原始密度聚类算法在准确性和自适应性方面均有显著提高