采用1：1的水模型和工业试验研究了水口底部形状（凹底、平底和凸底）和凹底水口井深（井深分别为0、10和20 mm）对结晶器流场与自由液面特征的影响.在拉速为1.8 m·；min-1时，凹底水口和平底水口下结晶器内流场的对称性要优于凸底水口.三种水口条件下结晶器液面的表面流速变化规律为凸底水口>平底水口>凹底水口.对比不同井深凹底水口的液面特征发现：井深为10 mm的凹底水口可以有效降低结晶器的液面波动与表面流速，防止卷渣的发生.工业试验对比了凹底与凸底水口在实际生产中的使用效果，发现凸底水口下的液面波动显著大于凹底水口.凸底水口下结晶器液面波动变化的功率（频率为0.003~0.05 Hz）比凹底水口大约10倍，这与水模型的结果吻合较好

采用了氯化钙氯化焙烧-水浸法提取白云母中铷的方法.通过氯化焙烧热重-差热分析曲线可知,用氯化钙混合白云母进行氯化反应的温度要比用氯化钠低100℃左右,且用CaCl2氯化比NaCl更有效率.接着考察了氯化焙烧温度对铷提取率的影响,结果表明,只有当氯化焙烧温度提高至800℃后,才可能取得明显的铷的氯化效果,铷的提取率即达96.71%,随氯化焙烧温度升高,铷的氯化速率不断增大,特别是800℃后,铷的氯化速率明显增大,这说明高温有利于铷的氯化焙烧.最终对白云母与氯化钙氯化焙烧过程进行了动力学研究.结果表明,三维界面反应方程能较好地描述该氯化焙烧反应体系,根据阿仑尼乌斯公式计算出来的活化能为42.22 kJ·mol-1,说明白云母和CaCl2的氯化过程的确受界面化学反应控制

铝脱氧齿轮钢中易生成大量的高熔点Al2O3类夹杂物，容易导致水口结瘤及钢材性能恶化，目前较常采用钙处理将钢中高熔点的Al2O3类夹杂物改性为低熔点的钙铝酸盐类夹杂物。合理的钙处理可以减轻水口结瘤并提高连铸过程钢液的可浇性，工业试验研究了喂钙前钢液中T.Ca含量、喂钙速度、喂钙量、净空高度及渣厚等参数对齿轮钢中钙收得率的影响，并在1.5 m·s?1的喂钙速度条件下研究了不同喂钙量对钙处理过程中齿轮钢中非金属夹杂物改性的影响。研究结果表明，当喂钙前钢液中T.Ca的质量分数小于10×10?6，喂钙速度为1.5 m·s?1，适当降低喂钙量和净空高度和渣厚，钢液中钙收得率均高于20%。当钢液中T.Ca的质量分数高于17×10?6时，钢中生成大量高熔点CaS型夹杂物，三元相图中夹杂物的平均质量分数远离液相区。随着齿轮钢中T.Ca含量的增加，夹杂物的平均尺寸和数密度逐渐增加。热力学计算结果与工业试验钙处理对钢中非金属夹杂物改性效果具有较好的一致性

ZSM-5是一种常用来吸附甲苯的微孔吸附剂，选择三种碱金属Li、Na和K对ZSM-5进行改性，结合表征手段和数学模型的方式研究引入ZSM-5中的碱金属对微孔结构和吸附甲苯的影响。在此实验中，分别从吸附容量、放热能量、扩散阻力和脱附活化能四方面深入探讨碱金属对吸附甲苯的影响规律。基于实验结果得知：碱金属的引入改变了ZSM-5分子筛的微孔结构并呈现出一定的规律。随着离子半径(Li+<Na+<K+)的升高，ZSM-5的孔径、比表面积和孔体积随之降低，影响规律为Li?ZSM-5 > Na?ZSM-5 > K?ZSM-5。静态饱和吸附量呈Li?ZSM-5（0.363 mmol·g?1）>Na?ZSM-5（0.360 mmol·g?1）>K?ZSM-5（0.325 mmol·g?1）排序。恒定浓度波模型很好的描述甲苯在ZSM-5上的吸附扩散行为，空间位阻和静电束缚力分别在高低进气浓度条件下对甲苯在ZSM-5孔道中的扩散占据主导作用，较高进气质量浓度(155 mg·m?3)条件下，碱金属改性对扩散阻力影响规律为Li?ZSM-5<Na?ZSM-5<K?ZSM-5；较低进气质量浓度（25 mg·m?3）条件下，影响规律为Li?ZSM-5>Na?ZSM-5>K?ZSM-5。结合脱附动力学分析，Na?ZSM-5因具有较大的孔径和适中的吸附强度，表现出更好的再生潜能。本研究从空间位阻和吸附强度两方面系统阐述了碱金属改性对甲苯吸附行为的影响机理，为在复杂的实际环境应用中选择合适的吸附剂提供了一定的参考意义

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性