透辉石作为矽卡岩型尾矿中的重要组成部分,研究其火山灰反应活性对于该类型尾矿的综合利用具有重要意义,但是目前还未见到相关报道.以透辉石、天然石膏和氢氧化钙为原料制备净浆试块,研究了磨细透辉石的火山灰反应活性,并利用X射线衍射、扫描电镜、傅里叶红外光谱、差示扫描量热法和核磁共振对净浆试块的水化产物进行分析,为初步判断矽卡岩型尾矿是否具有火山灰反应活性提供重要依据.结果表明,磨细的透辉石净浆试块抗压强度在3、7和28 d龄期时分别为9.83、12.79和18.87 MPa,显示出磨细的透辉石具有火山灰反应活性.磨细透辉石的水化产物以C-S-H凝胶为主.核磁共振结果显示,随着水化反应的不断加深,处于Q2结构状态的硅原子比例有所减少,生成的C-S-H凝胶的铝/硅比低于原始结构的透辉石.随着养护龄期的增加,仅有少量石膏参与反应,Ca(OH)2会被大量消耗,水化产物逐渐增多.未参与反应的石膏颗粒起到填充作用,也有助于促进体系强度的持续增长

在北京半乡村大气环境中对未经预钝化及硝酸预钝化后的PH13-8Mo不锈钢进行5 a的长周期暴晒试验，通过表面形貌观察、质量损失分析、表面钝化膜及腐蚀产物膜层分析、力学性能检测及断口分析等方法，研究了硝酸预钝化处理对PH13-8Mo长周期腐蚀行为的影响规律及机理。结果表明，经5 a大气暴晒试验，硝酸预钝化处理减轻了PH13-8Mo不锈钢的点蚀、降低其均匀腐蚀速率，通过降低PH13-8Mo不锈钢钝化膜中的氢氧化物含量、提高Cr/Fe原子比并提高大气暴晒后表面的Kelvin电位，延迟了Cl?对钝化膜的破坏及点蚀的形核，进而提高了表面膜层对基体的保护作用。硝酸预钝化处理能减少在半乡村大气环境中PH13-8Mo不锈钢力学性能的下降，但对试样的断裂方式几乎没有产生影响，二者均为韧性断裂，断口均呈现典型的“杯锥状

以中碳结构钢大方坯及其热轧棒材为研究对象，通过对铸坯和轧材进行低倍侵蚀和成分分析，揭示了连铸控流模式对大方坯凝固组织与宏观偏析分布特征的影响及其铸轧遗传性。研究表明：常规直通水口浇注模式下，结晶器电磁搅拌(Mold electromagnetic stirring, M-EMS)电流由0增加到800 A，铸坯等轴晶率由6.06%仅可增加到11.71%，难以有效避免大方坯常见的中心缩孔缺陷与突出的中心线偏析。采用新型五孔水口浇注模式，即使不开启M-EMS，铸坯中心等轴晶率仍可达23.1%，大方坯中心缩孔级别可降至1.0级以下，满足后续热轧大棒材探伤要求。同时发现，五孔水口浇注模式下，大方坯铸态组织中往往会出现较为明显的柱状晶到等轴晶转变(Columnar to equiaxed transition, CET)区，铸坯断面碳偏析指数呈M型分布，表现为断面1/4位置CET区域碳偏析指数最高。大棒材轧制基本改变不了铸坯断面宏观偏析的分布形态，且可能导致中心线偏析指数增加。同时指出，基于连铸控流模式的作用规律和铸?轧遗传性特征，以及特殊钢长材热加工对中心致密度和偏析分布与程度的要求，实际生产中应从连铸工艺源头合理地控制铸态组织与宏观偏析分布形态

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

为明确石粉掺合料对地聚物材料的作用机理，以赤泥基注浆材料为研究对象，系统研究了石粉掺量和粒径分布对赤泥基注浆材料浆体性能、力学性能和微观结构的作用规律，并结合X射线衍射仪（XRD）、压汞仪（MIP）和扫描电镜（SEM）等微观测试手段分析其作用机理。研究表明，结石体力学强度随石粉掺量的上升先增大后减小，当石粉的质量分数为5%时抗压强度最高，3 d时可达5.65 MPa，抗压强度提升幅度为18.94%，同时浆液泌水率上升幅度仅为9.85%，且28 d结石体孔隙率降低了18.35%，因此，5%为石粉在赤泥基注浆材料中的最佳质量分数。在石粉最佳质量分数条件下，随着石粉平均粒径减小，浆液凝结时间及泌水率均呈现下降的趋势；当石粉平均粒径达到8 μm时，石粉“填充效应”和“成核效应”作用尤为明显，浆液黏度突升，且3 d和28 d试样强度分别提升了11.86%和10%，故石粉平均粒径越小，其对赤泥基注浆材料的提升作用越显著，赤泥基注浆材料的最佳粉料质量配比为赤泥47.5%，矿粉47.5%，石粉5%；微观分析证实，石粉在浆液水化历程中以物理特性参与其中，为Na2O–SiO2–Al2O3–H2O凝胶（N–A–S–H）, 水化硅铝酸钙凝胶（C–A–S–H）和水化硅酸钙凝胶（C–S–H）等凝胶提供成核位点，供地聚物凝胶沉淀和生长，加速浆液水化

通过开展花岗岩和大理岩巴西圆盘声发射试验，结合扫描电镜进行破裂面微观形貌分析，探讨了劈裂荷载下岩石声发射特性与微观破裂机制的关系。结果表明：基于RA（上升时间与幅值的比值）和AF（平均频率）的变化趋势，不同裂纹模式（拉伸裂纹、剪切裂纹以及复合裂纹）的分布和破坏强度受岩石结构影响，但岩石裂纹演化过程不受其影响。相应地，两种岩样破裂信号均以400～499 kHz为主，100～199 kHz的信号次之，但不同破裂阶段的峰值频率变化趋势显著不同。在微观形貌上，花岗岩劈裂面的微观形貌以层叠状、台阶状及平坦状为主；而大理岩以光滑多面体状为主。此外，结合频率?尺度缩放关系可推测，400～499 kHz的信号应主要来自钾长石、大理岩矿物颗粒内部的破裂；100～199 kHz的信号应主要来自石英矿物颗粒内部不连续分离以及压密阶段矿物颗粒之间的滑移

目前燃煤电厂对于SO2、NOx和PM等主要污染物已经有较为成熟的控制方法，但针对具有长期环境危害性的痕量污染物尚缺乏有效的排放控制手段。为全面掌握痕量污染物在煤燃烧过程中的释放、迁移和转化规律并开发相应的控制技术，建立稳定可靠的模拟烟气痕量污染物发生方法是开展相关研究的前提条件。通过文献调研，对常见痕量污染物的四种发生方法进行了总结、归纳和对比：溶液蒸发法较为简单易用，但产物中易含有副产物，这些副产物会带来一定的影响；燃烧法产生的痕量污染物最接近实际情况，但受实验条件影响较大，并且产物成分较为复杂；升华法获得的产物浓度较为准确，但适用范围较窄，仅用于某几种气态痕量污染物的发生；氢化物氧化法可准确地控制产物的发生速率，但也仅适用于少量痕量污染物，并且装置较为复杂。分析比较了不同方法的适用情形，最后提出多种方法联用的思路以期得到更加接近实际情形并且成分可控的结果

以经典工艺矿物学研究方法为基础，结合化学物相分析、矿物解离分析(MLA)、X射线衍射、光学显微镜、扫描电镜-X射线能谱仪(SEM-EDS)等手段对印尼典型海砂矿的矿物学及其固态还原特征进行了系统研究。结果表明：印尼海砂矿的矿物组成主要为钛磁铁矿、次为少量假象赤铁矿、赤铁矿、钛铁矿以及辉石等。绝大部分钛磁铁矿呈致密单体或铁的富连生体产出，偶有由固熔体分离析出形成的微细钛铁矿片晶。赋存于钛磁铁矿中的铁占总铁的89.79%、钛为85.42%、钒则高达97.97%。海砂矿在C/Fe摩尔比1.2、温度1300 ℃条件下还原60 min可较好实现金属化。其还原历程遵循：Fe2.75Ti0.25O4 → FeTiO3, (Fe, Mg)Ti2O5 → (Fe, Mg)Ti2O5 → Fe，稳定的黑钛石相是影响金属化程度的主要因素。经固态还原处理Fe元素最终富集于金属相，V、Ti则赋存于渣中富钛相，为后续的分离提取创造了有利条件

对比研究了两种AISI 420型钢球化组织的平均粒径和圆整度，并对两种钢材进行了不同淬火和回火处理工艺.然后通过硬度测试、扫描电子显微镜（SEM）和X射线衍射仪（XRD）来比较球化组织对淬回火特性的影响，同时借助动电位极化曲线测试和质量分数3.5% NaCl溶液浸泡腐蚀来分析耐蚀性能的差异.结果表明：细小弥散的球化组织在淬火时可以提高AISI 420型钢的C元素的固溶量，提高了其淬硬性，但是会提高残留奥氏体的含量；尺寸更小的退火态碳化物可以使AISI 420型钢的基体在奥氏体化过程中溶解更多的Cr元素，从而使得其在淬回火后基体Cr含量更高，减小贫Cr区产生几率，最终显示出更好的点蚀抗力；更少的大尺寸的未溶碳化物在腐蚀环境中降低了点蚀形核几率，提高了AISI 420型钢的耐蚀性能.所以在250℃回火时，AISI 420型钢耐蚀性好且硬度高，在480℃回火后，耐蚀性最差

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率