采用图像分析方法研究铝用石墨质阴极在不同焙烧温度下孔隙结构特征及其演变，考察孔隙率、孔径分布、形状因子、视孔隙比表面积、连通性等参数的变化规律和孔隙复杂度的分形特征.结果表明：随着焙烧温度增加，孔隙率逐渐增大，而视孔隙比表面积、形状因子和连通性呈先减小后增大趋势；石墨质阴极试样不同温度下焙烧生成孔隙均符合分形规律，借助图像分析孔隙结构参数和分形维数可界定不同典型焙烧温度下阴极孔隙结构的演变特征，并据此提出相应的孔隙特征演化模式

为了能够更好地大量利用矿渣、钢渣制备高强建筑材料,实验采用灰色关联分析方法研究了矿渣、钢渣的粒度分布对大掺量矿渣、钢渣胶凝体系抗压强度的影响.矿渣和钢渣掺量分别占胶凝材料总质量的50%和30%,水胶比为0.34.研究表明:粒度小于8.39μm的矿渣、钢渣颗粒对其胶凝体系3 d和28 d抗压强度均起到增强作用,大于8.39μm的矿渣、钢渣颗粒对抗压强度起到削弱作用.为了提高大掺量矿渣、钢渣胶凝体系28d抗压强度,应当主要增加5.03~8.39μm矿渣、钢渣颗粒数量

Green公式 设L为平面上的一条曲线,它的方程是r(t=x(t)i+y(t)j,at≤ 如果r(a)=r(B),而且当t,t2∈(a,B),t≠t2时总成立r(t)≠r(t2),则称 L为简单闭曲线(或 Jordan曲线)。这就是说,简单闭曲线除两个端 点相重合外,曲线自身不相交

用两种不同的试验方法,即带有尖锐缺口的室温冲击试验和带有缺口于-80℃下进行快速拉伸试验,对15A深冲弹钢中两种不同的铁素体形态（魏氏铁素体及状块铁素体）进行了材料脆化倾向的研究。结果表明,在原奥氏体晶粒大小相同的条件下,具有魏氏铁素体的试样其脆化倾向较小,而块状铁素体试样的脆化倾向较大。本文对这些结果作了进一步的讨论。关于15A和20A深冲弹钢中出现魏氏组织对冲击韧性和脆性转变温度的影响,近两年来国内曾有过多次研究。〔1〕〔2〕他们的结果均表明,在具有魏氏铁素体组织的试样中,其中冲击值均比不具有魏氏组织的块状铁素体为高,且脆性转变温度比块状铁素体的为低。近年来为了提高热轧钢板的韧性,采用轧后快冷,获得针状铁素体组织〔3〕。为了进一步弄清深冲弹钢中魏氏组织对机械性能的影响,使含有魏氏组织和不含魏氏组织（块状铁素体）的脆化趋势更加明显,本文从两个方面进行了研究:一为带有尖锐缺口的冲击试验,一为在-80℃对带有缺口的试样塑性和韧性降低的缺口敏感性。由于单纯室温缺口冲击试验使材料脆化的趋势,没有用降低温度的方法使材料脆化来得显著,故又采取了降低温度和快速形变结合的方式,使具有魏氏组织和不含魏氏组织的脆化倾向更趋明显，以便更好地进行比较。本文从力性实验数据和断口分析中均表明，具有魏氏组织的试样，其脆化倾向反比块状铁素体的小，因此，长期以来，笼统的认为反有魏氏组织都必定降低冲击值使脆化倾向中大的看法，是值得商确的

本文提出了从晶体管的物理模型直观地推导出其各种等效电路的方法。本法避免了冗长的数学推导,仅应用了电路的等效变换概念。所以它物理意义清晰,而且清楚地揭露出各种等效电路之间的关系,便于理解和掌握

1.1 轧制工艺参数模型 随着科学技术的发展，计算机已广泛应用于轧钢生产过程的控制，促使轧钢 生产向自动化、高速和优质方向发展。电子计算机在线控制生产过程，不仅仅只 是电子计算机本身的硬件和软件的作用，更重要的是控制系统和各种各样的数学 模型，正因为有适合轧钢生产的各种数学模型，才有可能实现电子计算机对整个 轧钢生产各个环节的控制，获得高精度的产品

高碳钢连铸坯中心偏析是影响高碳钢线材在冷加工过程中拉拔断裂的重要原因之一，连铸中间包温度稳定是改善连铸坯中心偏析的有效措施.对668炉高碳钢温度控制数据采用工序能力调查的方法进行了分析.结果表明：转炉工序温度控制能力较低，精炼炉工序充分发挥了其对温度控制的作用，保证中间包温度的稳定；对开浇炉钢液温度各工序控制能力不足，需进行改进.提出了提高精炼效率的改进办法，即稳定转炉出钢温度，减少开浇炉钢液从钢包到中间包的温降，并提高开浇炉钢液从转炉工序到精炼工序的温度

针对线性自抗扰控制器参数难于整定的问题,提出了一种基于动态响应过程时序数据挖掘的参数自整定算法.算法以线性自抗扰控制器中线性误差反馈律的两个增益信号回路的动态响应为参数调整对象,通过改进变收缩系数的随机搜索算法进行参数整定,记录动态响应过程数据,基于关联关系挖掘得到控制参数调整策略应用于线性自抗扰控制器的参数自整定.为验证本文提出的参数自整定方法的实际效果,以液压自动位置控制系统为控制对象,分别采用阶跃响应仿真和Monte Carlo实验进行对比研究.结果表明,基于数据挖掘参数自整定的线性自抗扰控制器动态响应较好,鲁棒性较强,改进了变收缩系数随机搜索算法调整时间较长以及传统线性自抗扰控制器超调较大的缺点,是一种具有实用性的线性自抗扰控制器参数自整定方法

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

本文结合极点配置的基本设计思想,提出了一类具有输出跟踪的多变量自校正控制算法。该算法将工程应用中提出的要求与系统的性能指标联系起来,实现了闭环极点配置的广义最小方差控制,而性能指标中加权多项式矩阵R(z-1)的选取是根据使闭环系统输出对参考信号实现稳态无偏跟踪的原则进行的。进而运用Martingle收敛理论对算法进行了研究,导出了控制器的无偏收敛条件。数字仿真研究表明了该算法的可行性和有效性