为了使炼铁工业摆脱对化石能源的依赖及满足越来越严格的环境要求,将生物质能的开发利用与直接还原技术进行集成提出一种新型的绿色炼铁方法.把生物质、铁矿石粉与添加剂混合制取生球团,利用生物质催化气化制备的富氢合成气作为还原剂,生物质的高温燃烧为生球团的预热和预热球团的直接还原提供外加热源.对影响生物质直接还原炼铁的因素,如预热、还原温度及球团粒径进行了研究,发现减小球团粒径、增加预热和还原温度能够提高直接还原铁产品的全铁质量分数及金属化率.当采用品位65.21%的铁精矿为原料,在最优操作条件下(生球团粒径介于8~10 mm之间,900℃预热30 min,1000℃下还原60 min)可制得全铁TFe质量分数为86.1%,金属化率为94.9%的高质量直接还原铁产品

采用原位反应近液相线铸造方法制备含有少量原位Al2O3颗粒的Al-Cu基复合材料,利用光学显微镜观察复合材料的铸态组织,并通过透射电镜观察复合材料中的原位Al2O3颗粒的分布与形貌,研究原位颗粒对近液相线铸造Al-Cu合金铸态组织形成机制的影响.结果发现:原位Al2O3颗粒比较均匀地分布于基体合金中,尺寸分布于1μm范围内,形貌呈多边形.随着原位Al2O3颗粒含量的增加,复合材料的铸态组织逐渐被细化和均匀化;当原位Al2O3颗粒的质量分数达到5.3%时,获得均匀细小的蔷薇状组织

针对航空用钛合金开发了一种不采用氢氟酸、甲醇、铬酐类等有毒物质的低毒、无刺激、环保型电化学抛光工艺,并采用光学显微镜、原子力显微镜等方法对电化学抛光后的钛合金表面形貌进行研究.该工艺所用溶液由无水乙醇、乳酸、高氯酸和高氯酸钠组成,将Ti-10V-2Fe-3Al钛合金在直流电源恒电流模式下电化学抛光,可以通过改变抛光时间、电流密度和高氯酸浓度等参数控制腐蚀深度.分别在体积分数为5%,10%和15%的三种高氯酸溶液中和在20,25和30 A·dm-2三个电流密度下进行电化学抛光.抛光后的钛合金表面形貌观察结果表明:在高氯酸含量较低(5%)的溶液中以20 A·dm-2电流密度抛光可以取得较理想的效果

采用动电位极化测试和扫描电子显微镜/能谱仪表征, 通过理想动电位极化曲线分析方法和微观腐蚀形貌观察研究了静水压与溶解氧耦合作用对低合金高强钢在质量分数为3.5% NaCl溶液中腐蚀电化学行为的影响. 结果表明: 随着静水压和溶解氧溶度的同时增大, 腐蚀电位先增高而后逐渐降低, 腐蚀电流呈非线性增长; 静水压与溶解氧在腐蚀过程中存在相互竞争抑制关系, 在静水压与溶解氧同时增长过程中, 溶解氧首先促进阴极反应过程并抑制阳极反应过程, 而后静水压逐渐加速阳极过程并对阴极反应过程有一定的抑制作用; 静水压与溶解氧耦合作用加速了腐蚀产物膜的生长, 增加了低合金高强钢表面点蚀坑的数量和生长尺寸

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

传统湿法炼锌工艺采用纯铝板作为阴极,但随着锌精矿品位的降低,电解液中杂质离子含量增大,造成阴极腐蚀消耗增加.本文以铝锰合金为研究对象,研究锰作为添加元素,与铝形成良好铝锰合金阴极材料的电化学行为,进一步提高铝阴极的耐蚀性和电催化活性.采用交流阻抗、阴极极化曲线、恒电流极化曲线、塔菲尔曲线等分析方法,探讨不同Mn元素含量对铝锰合金在40℃恒温条件,Zn2+ 65 g·L-1和H2SO4 150 g·L-1溶液中电化学行为的影响.研究结果表明:相比纯铝电极,添加Mn元素的铝锰合金电极的耐蚀性普遍提高,腐蚀电流均减小;随着Mn含量的增加,腐蚀电流逐步降低,腐蚀电位与Mn含量增加无明显变化规律;当Mn质量分数为1.5%时腐蚀电流达最低(1.11 mA·cm-2),腐蚀电位最小(-1.0954 V);零电势下,表观电流密度i0受Mn元素的添加影响显著,i0随Mn含量增加呈现出先增大后减小的趋势,在Mn质量分数1.5%时达到最大值3.7462×10-16 mA·cm-2,远大于纯铝电极4.8027×10-33 mA·cm-2,整体变化幅度明显,电极的电催化活性得到提高;不同电流密度下的析氢过电位和纯铝电极的整体接近,电化学过程均为电化学传质步骤控制.综合考虑电极材料的耐蚀性和电催化活性,含Mn质量分数1.5%的铝锰合金可作为理想的电积锌阴极使用

采用电解相分析方法, 结合X射线衍射分析和电感耦合等离子体原子发射光谱仪(ICP)、扫描电镜(SEM)、透射电镜(TEM)等对高铝铁素体基体中的析出相颗粒粉末和电解液进行定性定量分析. 试验结果表明, 试验钢中固态析出相主要为NbC以及少量的Al2O3和AlN夹杂. 通过扫描电镜观察不同再加热温度下NbC分布状态, 发现随着固溶温度的升高, 铸态组织中存在的NbC析出逐渐回溶, 数量随之减少且发生明显的粗化行为. 当温度升高到1100℃, 大部分NbC已经回溶到高温铁素体基体中. 在利用Thermo-Calc热力学计算软件分析Nb及其碳化物的热力学性质基础上, 计算得到Al与Nb的相互作用系数, 表明Al能够降低Nb在铁素体基体中的活度, 提高其在基体中的固溶度, 进一步得到了NbC在高铝铁素体钢中的固溶度积公式, 发展了高温铁素体中的Nb微合金化理论, 为进一步的应用提供了理论基础

首先介绍了氧气高炉的发展历程，早期的研究工作主要着眼于解决由于氧气代替空气鼓风而引起的“上冷下热”问题，并总结了各国研究者提出的氧气高炉流程及其主要特点。随后系统阐述了北京科技大学科研人员在氧气高炉工艺基础研究与工程技术开发方面所取得的主要进展。这些研究包括氧气高炉流程设计，含铁炉料还原与软熔，氧气鼓风及循环煤气喷吹条件下的煤粉燃烧，循环煤气加热过程中的物理化学变化等炉内反应与变化，以及在此基础上开展的回旋区及全炉数值模拟研究，为氧气高炉的工程化实施奠定理论基础。最后对氧气高炉的碳素流及节碳潜力进行了分析，并提出富氢碳氢循环氧气高炉将成为炼铁低碳化的重要发展方向

对含磷高强IF钢中MnS夹杂物控制进行了分析。通过对含磷高强IF钢中添加稀土进行对比试验，借助扫描电镜等设备对铸坯1/8、1/2、7/8厚度方向的试样以及热轧、冷轧、连退工序的带钢试样进行了夹杂物统计及二维形貌的观测对比，并对铸坯试样中小样电解的夹杂物及轧制各工序试样中原貌提取的夹杂物进行三维形貌的观测对比。结果表明：铸坯中心MnS夹杂物数量分布明显大于铸坯近表面，稀土的加入，先与钢中S相结合，并在凝固过程中较MnS提前析出，生成了小尺寸的球状夹杂物，可明显降低铸坯各位置MnS夹杂物的尺寸及数量；未加稀土钢在带钢轧制各工序中MnS夹杂物尺寸为10 μm左右，且具有遗传性，在轧制过程中压延变长，但没有碎化弥散。加入稀土后形成了S–O–Ce类夹杂物，形态呈球形，尺寸为2～5 μm，且独立弥散分布，不会对带钢组织连续性造成影响，有利于产品各相关性能

借鉴水泥净浆流动度测试方法，引入扩散度参数判别尾砂膏体的流变特性，开展试验研究分析扩散度与尾砂膏体质量分数（Cw）、灰砂比、屈服应力和黏度系数的关系，根据5个矿山的扩散度和流变参数测试结果，构建扩散度与屈服应力的经验模型，并与推导的解析模型作对比。结果表明：尾砂膏体的扩散度主要与质量分数有关，灰砂比对其影响不显著，随质量分数、屈服应力和黏度的增加而减小，质量分数为68%、70%和72%的尾砂膏体的扩散度分别为20.37、17.22和12.44 cm；尾砂膏体的扩散度与屈服应力的变化趋势相吻合，二者呈指数型函数关系，经验模型计算得到的屈服应力与测试结果误差在25%范围内，且尾砂膏体质量分数越大，二者的误差越小，达到10%以内；解析模型与经验模型计算所得的屈服应力在扩散度为12～16 cm之间结果较接近，解析模型计算结果整体上高于测试值；相比于坍落度，扩散度测试简便易操作，扩散度能有效表征尾砂膏体的流变特性，指导矿山现场充填