利用Gleeble-3500热模拟试验机对38MnB5热成形钢的高温变形行为进行研究, 分别在650~950℃温度区间内, 以0.01、0.1、1和10 s-1的应变速率对其进行等温单向拉伸测试, 并得到相应条件下的真应力-应变曲线.结果表明: 38MnB5热成形钢流变应力随着变形温度的升高而减小, 随着应变速率的增大而增大.当应变速率逐渐增加时, 热变形时发生的动态回复和动态再结晶效果并不显著, 而当温度逐渐升高时, 二者作用逐渐加强.考虑了温度、应变速率和应变的综合复杂影响, 建立38MnB5热成形钢高温下的本构方程.此本构方程通过对流变应力、应变、应变速率等实验数据的回归分析, 得到与变形温度、应变速率和应变相关的材料参数多项式.计算结果与实验结果对比发现, 通过本构方程所获得的计算值与试验值吻合良好

通过单矿物浮选试验、光学显微镜分析、E-DLVO理论计算、团聚动力学分析等研究了油酸钠浮选体系下赤铁矿浮选过程中的自载体作用。单矿物浮选试验表明，粗粒赤铁矿（?106 + 45 μm）的可浮性较好，当油酸钠用量超过15 mg·L?1时，回收率可达到90%以上，而细粒赤铁矿（?18 μm）的浮选回收率、浮选速率则较低；当粗?细赤铁矿中粗粒和细粒的质量近似相等时，粗粒的“自载体”效果最强，浮选回收率增加的也最明显，但粗粒过量则会导致粗粒对细粒赤铁矿浮选的强化作用减弱。光学显微镜分析和E-DLVO理论计算表明，粗?细赤铁矿颗粒间的相互作用能高于细粒赤铁矿间的相互作用能，与细粒赤铁矿相比，粗?细赤铁矿间更容易发生团聚，这也是粗粒能够强化细粒赤铁矿浮选（自载体作用）的主要原因。但过量的粗粒赤铁矿会增强其浮选过程中的“磨削、剪切”作用，导致粗粒的“自载体”效果减弱，浮选回收率降低

一、滞后效应与滞后变量模型 二、分布滞后模型的估计 三、自回归模型的构建 四、自回归模型的估计

网络环境下的恶意软件严重威胁着工控系统的安全，随着目前恶意软件变种的逐渐增多，给工控系统恶意软件的检测和安全防护带来了巨大的挑战。现有的检测方法存在着自适应检测识别的智能化程度不高等局限性。针对此问题，围绕威胁工控系统网络安全的恶意软件对象，本文通过结合利用强化学习这一高级的机器学习算法，设计了一个检测应用方法框架。在实现过程中，根据恶意软件行为检测的实际需求，充分结合强化学习的序列决策和动态反馈学习等智能特征，详细讨论并设计了其中的特征提取网络、策略网络和分类网络等关键应用模块。基于恶意软件实际测试数据集进行的应用实验验证了本文方法的有效性，可为一般恶意软件行为检测提供一种智能化的决策辅助手段

通过单矿物浮选试验揭示了有机抑制剂SDD对铜活化闪锌矿的抑制情况. 在此基础上,采用Zeta电位测试、Versa STAT电化学工作站的局部交流阻抗(LEIS)测试、前线轨道理论计算对SDD和BX(丁基黄药)在铜活化闪锌矿表面的竞争吸附机理进行了研究. 浮选试验结果表明:SDD是一种铜锌分离的高效抑制剂,能够有效的抑制闪锌矿,而黄铜矿几乎不受影响;此外,还发现SDD具有用量少且十分敏感的特性,在pH为10,SDD为4.0×10-5 mol·L-1的最佳条件下,能够将铜活化闪锌矿的回收率降低至16.59%,而黄铜矿的回收率为81.64%. Zeta电位和局部交流阻抗(LEIS)分析表明:SDD不但能够占据铜活化闪锌矿表面的活化位点,而且其吸附能力强于BX,这极大的降低了BX在铜活化闪锌矿表面的吸附量,从而对铜活化闪锌矿表现出良好的抑制作用. 前线轨道理论计算进一步证实SDD与铜活化闪锌矿作用能力强于BX

一、构件的构造 二、试验研究的主要结论 三、基本假定 四、矩形、T形截面承载力计算

相变诱导塑性钢（TRansformation induced plasticity, TRIP）作为常用的先进高强钢在汽车等交通工具的轻量化方面有广泛的应用前景。而对于其复杂零件的成形过程，韧性断裂是不可忽视的问题之一。本文针对现有实验装置不易诱发薄板承受面内压剪时断裂失效，从而无法研究板料负应力三轴度区间断裂行为的问题，以高强钢TRIP800薄板为研究对象，设计了可在单向试验机完成压剪实验的试样和夹具。通过调整夹具旋转角度和试样装夹位置可以实现同一种试样在广泛的负应力三轴度范围内进行压剪断裂分析。基于ABAQUS/Explicit平台建立了三个典型加载方向20°、30°和45°对应的压剪过程有限元模型，分析表明：三种情况的试样局部变形区域的应力三轴度都小于0且断裂点的应力三轴度低至?0.485，验证了设计的装置可实现负应力三轴度区间的断裂失效分析，同时基于MMC断裂准则分析了不同应力状态的初始损伤情况及损伤扩展路径

针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩, 提出一种基于傅里叶级数函数和BP神经网络的建模方法, 并完善机器人的动力学模型, 修正了因波动摩擦力矩带来的关节力矩计算误差. 通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性, 采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模. 通过添加傅里叶级数函数作为BP神经网络的辅助输入, 克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难. 在离线环境下训练神经网络, 完成对关节波动摩擦力矩的建模, 进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩. 验证实验表明, 使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩, 并使修正后的力矩误差维持在[-0.5, 0.5] N·m的范围之内, 方差为0.1659 N2·m2, 是修正前的24.23%

基于泥床料浆的非牛顿体特征,以及料浆初始剪切应力与浓度的变化规律,本文提出了耙架扭矩计算模型.模型预测结果显示,耙架扭矩随底流浓度升高而增大,底流浓度对浓密机运行时的扭矩百分比的影响幅度可达4.67%,两者呈现为多项式函数关系.与此同时,泥床高度对耙架扭矩影响较小,影响幅度仅为0.27%.通过某铅锌矿膏体浓密机64 h运行过程实时监测数据对比,验证了模型关于底流浓度和泥床高度对扭矩的影响规律

本光盘是普通高等教育“十一五”国家级规划教材《计量经济学》（庞皓主编）的配套 教学辅助光盘，内容包括：教学课件、各章例题的数据（EXCEL 格式）和练习题参考解答。 教学课件由庞皓、徐映梅、李南成、李占风、史代敏、黎实制作，周游对课件格式作了 部分修改。西南财经大学庞皓教授负责模板设计，并进行课件的统稿和定稿。由于水平有限， 加之时间仓促，课件尚有不完善之处，仅供使用参考, 并欢迎批评指正