超低碳钢常用于生产汽车面板等表面质量要求较高的产品.连铸坯皮下的钩状坯壳很容易捕集夹杂物导致冷轧钢板表面出现翘皮、亮/暗线等缺陷,对产品质量具有严重危害.采用数值模拟分析了钩状坯壳的形成和演变过程.将计算的初生坯壳形状制作成物理模型,模拟了夹杂物在凝固前沿被捕集的过程,并对凝固钩区域不同位置的夹杂物的受力特征进行了分析.结果表明,凝固钩在弯月面中形成以后,不会直接湮没进坯壳内,而是要经历熔化、变粗、生长、湮没等逐步演变的过程.数值模型预测拉速1.3 m·min-1条件下最终存留在坯壳中的凝固钩深度约为2.5 mm,这与实际观察到的钩状坯壳的尺寸基本一致.模拟得到的钩状坯壳形貌与铸坯表层和漏钢坯壳的金相特征较为接近.夹杂物最容易在凝固钩下表面被捕集,不容易在凝固钩上表面被捕集,特别是对尺寸相对较大的夹杂物.但是溢流发生时,靠近弯月面处的夹杂物可能随着钢流进入到初生凝固钩上部而被快速冷却的钢液包裹.两道凝固钩之间的坯壳由于其凝固前沿处于垂直分布,小于100 μm夹杂物可能被捕集而大尺寸夹杂物不易被捕集

全球钢铁产品很大比例上是通过连铸工艺生产的，而中间包保护浇注是连铸生产高品质洁净钢的关键环节之一。长水口是连接于钢包和中间包之间的耐材质通道，长水口的发明和使用在连铸技术发展过程中起到了重要的作用，并与中间包的保护浇注效果有着紧密的联系，具体包括防止稳态和非稳态浇注过程中的二次氧化和来源于空气/渣/耐材/引流砂等的污染。本文基于中间包钢液污染的来源和形式，引申出了长水口在这些方面可以起到的潜在作用，并回顾了长水口在连铸发展早期的发明、工业实验效果和不断优化的历程。工业实践证实了长水口优良的保护浇注功能，但其实际效果与长水口的结构和操作工艺紧密相关。因此，分析了不同的长水口结构（包括工业化的长水口和一些新的设计理念）对保护浇注的影响，重点评述了喇叭型长水口在改善钢液洁净度和提高生产效率方面的优势。讨论了长水口的浸入深度和偏斜等操作工艺参数与保护浇注之间的关系。结合新时期炼钢?连铸的发展形势，指出了未来长水口结构功能一体化的发展方向，具体表现在长寿化、轻量化、多功能化和绿色化等方面

让学生熟悉颌面外科全身麻醉特点及常用的几种全身麻醉方教法。 学了解全身麻醉术后护理及拔管指征

掌握三叉神经痛的诊断要点及常用治疗方案;熟悉面神 目经麻痹的治疗原则;了解三叉神经痛的发病机理以及蝶腭神 的 及经痛及舌咽神经痛、面肌痉挛的临床特点

§1. 面向对象方法学 §2. 基本概念和特征 §3. 面向对象的分析(Object-Oriented Analysis) §4. 建立 Dynamic Model

阐述口腔颌面外科学的发展和展望,使学生了解本课程的主 教要内容,学习方法和学习要求

无杆泵采油：用电缆或高压液体将地面能量传输到井下，带动井下机组工作把原油抽至地面。 第一节 电动潜油离心泵采油 电泵采油的主要特点： 1. 电泵举升方式的主要优点 ➢ 排量大； ➢ 操作简单，管理方便； ➢ 能较好地运用于斜井、水平井和海上采油； ➢ 在防蜡方面有一定的作用。 2. 电泵举升方式的主要缺点 ➢ 下入深度受到限制； ➢ 比较昂贵，初期投资高； ➢ 作业费用高和停产时间过长； ➢ 电机、电缆易出现故障； ➢ 日常维护要求高。 第二节 水力泵采油 第三节 螺杆泵采油 第四节 人工举升方式优选

机械采油法:通过给井中原油补充机械能将油采到地面的方法。 有杆泵采油:利用抽油杆将地面机械设备所产生的运动传递到井下深井泵的抽油法。 无杆泵采油:利用抽油杆以外的其它方法将地面能量传递到井下以驱动井下深井泵抽油的方法（如电潜泵采油）。 第一节 抽油设备及其工作原理 第二节 抽油机悬点的运动规律 第三节抽油机悬点载荷计算 第四节 抽油机的平衡计算 第五节 抽油机曲柄轴扭矩及电机功率计算 第六节 泵效计算与分析 第七节 有杆抽油系统设计 第八节 有杆抽油系统工况分析

第一节 分形理论概述 一、分形相关概念 二、典型分形图形 第二节 分形维数及其测算 一、拓扑维数 二、豪斯道夫维数 三、信息维数 四、关联维数 五、变维分形 第三节 空间地理要素分维计算方法 一、点状地理要素分维计算 二、线状地理要素分维计算 三、面状地理要素分维计算 第四节 分形理论在城镇方面的应用 一、巫山县农村居民点分形特征 二、云南省城镇体系分形研究 第五节 分形理论在自然灾害方面的应用 一、滑坡灾害敏感性影响因子提取与定量 二、滑坡影响因子分段变维分形特征 第六节 R/S 分析 一、概述 二、主要方法 三、应用实例

 大数据处理的基本流程  大数据处理模型  大数据关键技术  大数据处理工具  大数据时代面临的新挑战 WordCount 关联规则基本模型 聚类 本章内容首先介绍了大数据处理的基本流程和大数据处理模型，接着介绍了大数据的关键技术，其中，云计算是大数据的基础平台和支撑技术，本章以Google 的相关技术为主线，详细介绍Google 以及其他众多学者和研究机构在大数据技术方面已有的一些工作，包括文件系统、数据库系统、索引和查询技术、数据分析技术等；接下来，介绍了大数据处理平台和工具，就目前技术发展现状而言，Hadoop 已经成为了大数据处理工具事实上的标准。最后，介绍大数据时代面临的新挑战，包括大数据集成、大数据分析、大数据隐私问题、大数据能耗问题、大数据处理与硬件的协同、大数据管理易用性问题以及性能测试基准。 大数据采集架构 预测模型