快速(真空)变压吸附循环周期较短,床层压力周期性变化快,使吸附床内流动及传热传质特性变化较大,本文研究吸附及解吸压力对快速变压吸附制氧床内速度及循环性能的影响.快速变压吸附(rapid pressure swing adsorption,RPSA)循环中原料气充压阶段气流速度远大于顺流的气体流速极限值,快速真空变压吸附(rapid vacuum pressure swing adsorption,RVPSA)循环中原料气充压阶段气流速度略大于顺流的气体流速极限值,而RPSA循环和RVPSA循环中放空降压阶段气流速度均较大.在所研究的吸附和解吸压力范围内,RPSA循环和RVPSA循环中气体温度在循环周期内变化均约为10℃,而RVPSA循环中气体温度在循环周期内温度梯度更大.RPSA循环中吸附压力越高,氧气回收率越高,床层因子越小;而RVPSA循环中解吸压力越低,氧气回收率越高,床层因子越小

利用三维激光扫描技术对采空区进行探测以建立三维可视化模型,从而准确获取其三维空间位置和形态,是矿山采空区事故隐患综合治理工作中的重要环节.但由于采空区形态复杂,往往需要从多个方位对其进行多次探测才能准确获取采空区完整的三维形态.如何对多次探测点云数据拼合后的散乱点云构建三角网格模型,是实现复杂采空区三维探测建模的关键.本文提出了采空区激光扫描拼合散乱点云数据球面投影三角剖分生长算法,首先选定球心将原位点云投影到球面上得到投影点云,然后对投影点云进行三角剖分,最后将投影点云三角网空间拓扑关系还原到原位点云,从而构建复杂采空区三角网模型.为了有效实现算法,研究了球面投影参数设定、XYZ三向单元栅格点云搜索策略、三角形生成规则、优势顶点边界切分策略、边界闭合策略、不规则三角形优化策略等多种方法.实际应用表明,所研究的算法能够生成优质的采空区三角网模型,为实现复杂采空区三维精确建模及可视化管理提供了重要技术支持

综合与分析是相反的一个命题 分析: 已知系统结构和参数及外输入作用, 研究系统运动的定性行为(如能控性、能观测性、 稳定性等)和定量的变化规律

射频电子电路是一门技术基础课,它是信息工程专业、电子科学与技术专业的 课程简介|核心课程。本课程的任务是使学生获得高频电路及通信技术的基本理论和技 术,目的在于培养学生分析问题和解决问题的能力以及实践动手能力

本文利用冲击韧性试验、扫描电镜、离子探针及俄歇谱议等手段研究讨论了合金元素Si和Mn对Si-Mn-Mo-V钢在淬火和低温回火状态下韧性的影响规律。研究结果表明:当钢中不含Si或含有少量Si面单独加入Mn,则由于Mn-P在晶界共偏析的原因,使P在晶界的浓度大为增加,导致了钢在淬火和低温回火状态下沿晶断裂的发生,从而降低了钢的韧性水平。在高Mn（2%Mn）钢中加入Si,由于Si在晶界的富集及Si-P的相互排斥作用,使P在晶界的偏析浓度下降。从而在一定程度上抑制了晶界脆性的发展和晶界断裂的发生,使钢的韧性水平显著提高。本文还研究了Si和Mn对Si-Mn-Mo-V钢低温回火脆性（350℃脆性）的影响。实验结果表明:低温回火脆性既与杂质元素的晶界偏析有关,又与ε碳化物向渗碳体转化及渗碳体沿原奥氏体晶界成薄片状析出有关,由于Si和Mn既能影响杂质元素,特别是P在晶界的偏聚,又能影响ε碳化物向渗碳体转化,故Si和Mn对Si-Mn-Mo-V钢低温回火脆性发生的温度和强烈程度均有显著的影响

一、掌握描述简谐波的各物理量及各量间的关系; 二、理解机械波产生的条件.掌握由已知质点的简谐运动方程得出平面简谐波的波函数的方法.理解波函数的物理意义.了解波的能量传播特征及能流、能流密度概念

發揮現有軋機的潛在能力是提高軋鋼生產的主要途徑之一,為此需對軋機進行研究分析,以便在另件強度及電機容量允許的條件下盡可能地強化軋製過程,合理安排生產使產量提高。由於軋製理論的限止,目前最可靠的研究方法是對軋機追行測定,並在實驗數據的基礎上再進行理論分析。本文介紹了我們對1000初軋機測定研究的情況,研究所用的方法,及測量用的儀器及裝置,最後並列出了對實驗數據初步加工的結果

4.2罗必达(L'Hospital)法则 在第二章中我们已经知道,0型的极限可能存在,也可能不存在。 例:求1.lim=1→则原式极限存在

为得到多参数耦合下冷轧铝带工作辊分段冷却调节特性,建立了工作辊和轧件的一体化耦合传热模型.耦合传热建模过程包含工作辊和轧件导热微分方程的建立、轧件变形热和摩擦热的求解、换热边界条件的确立、工作辊热辊形的计算及采用二维交替差分对微分方程进行求解.仿真结果表明,同一轧制参数下工作辊分段冷却正负方向调节能力近似相等,但单向调节幅度受轧制参数影响较大,轧制长度、喷射梁工作压力和摩擦系数的增加对分段冷却调控能力具有促进作用,轧制速度的作用则相反

浮选回收率是金矿选矿过程重要的生产指标，目前主要是通过人工化验的方法检测获得，人工检测周期较长，造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上，分别采用多元线性回归和BP神经网络的方法，建立了金矿厂浮选回收率的预测模型.预测误差分析表明，BP神经网络预测模型能较好地预测金矿厂的浮选回收率，当预测相对误差在±3%范围内时，模型的预测精度达到91%，对于实际生产具有良好的参考作用