在局部腐蚀微区中,金属离子水解而造成PH下降的事实虽已由不少研究工作证实,但因研究技术上的困难,这方面原位的、定量的测量数据尚不充分,现在的数据多为模拟实验提供。本文把生理学上曾得到应用的钨电极引入局部腐蚀中来,较为系统地究究了钨电极的电位与溶液pH值的线性关系,钨电极的电位随温度、时间的变化,以及腐蚀介质和某些腐蚀研究中常见的离子对钨电极的电位的影响。证明:在PH值为0.5~5.0的范围内,钨电极的电位与溶液PH值有良好的线性关系:EP=+a×pH。式中a、b为与电极表面状态有关的常数,但a的数值一般在f0mv/pH左右。温度系数<2mv/度。Cl-、SO42-、NH4+、Na+、Mg2+、Mn2+、Zn2+、Al2+、Ni2+对测定干扰很少,Cr3+及Fe3+在浓度不大时干扰也较小,因此钨电极与微参比电极配合,可以应用在局部腐蚀的微区测量中

研究GH720Li合金经标准热处理（1105℃,4 h→油冷＋650℃,24 h→空冷＋760℃,16 h→空冷）后分别在720℃时效0~5000 h和800℃时效0~1000 h后γ!强化相的演变规律.合金在720℃,5000 h时效后一次γ＇相的尺寸、形态以及数量基本不发生变化;在720℃,200 h时效后,二次γ＇相发生明显粗化;500 h后出现不均匀长大.相应地,500 h前硬度下降速率大,500 h后趋于平稳.在800℃,500 h时效后,一次γ＇相发生粗化;800℃,100 h时效后,二次γ＇相发生明显粗化且不均匀长大.500 h前硬度下降斜率很大,500 h后硬度仍有明显下降趋势.720℃及800℃时二次γ＇相粗化行为是以扩散控制的粗化机制为主导.γ＇相平均半径与时效时间满足立方根关系,符合L-S-W（Lifshiz-Slyozov-Wanger）理论

本文介绍了拐轴和斜轧辊套采用电渣整体熔铸新工艺后的质量、性能、寿命、金属利用率及成本等技术经济指标。经比较,已赶上并超过了锻造件水平。两年来的生产使用表明:电渣熔铸是适于机械配件毛坯生产的重要途径。简要地分析了电渣熔铸能以铸代锻的主要原因是由于渣钢提纯精炼和强冷纵向凝固提高了铸态质量,以及在合理的工艺方案下能得到优越的成型质量。用试验结果和热传递原理探讨了影响表面成型的因素和规律。并指出渣池单位容积功率Pv值是影响炉温及成型的主要因素。经统计得到Pv与铸件半径r的经验式,1/Pv=3（r-2）。履带式拖拉机用拐轴和钢球轧机用斜轧辊以往都是短缺配件,而且形状复杂,前者中部有曲拐、断面多变,后者外径为φ470毫米、表面为凸棱高度渐变的双头螺纹带弧形孔型的中空辊套。过去都要经过熔炼、铸锭,先锻轧成园材,再经冲压、模锻或胎模锻加工成毛坯,工序多,工序间周转长、金属损耗大。一般铸造法又满足不了质量要求,故需要寻找配件生产的新途径。此外,对通常的电渣重熔工艺在保证质量前提下为改善效率与成本也需要向新的领域发展。为此,采用了电渣熔铸,直接成型新工艺

针对冷轧带钢生产现场常见的板形翘曲缺陷，应用辛弹性力学方法对因材料纵向延伸在厚度方向上出现不均匀而导致带钢翘曲变形的现象及过程进行了解析研究，通过建立和求解带钢翘曲变形力学模型，推导获得带钢翘曲度大小和不均匀纵向延伸的关系.在选择通用有限元软件验证了基于辛弹性力学方法的带钢翘曲变形力学模型及计算结果的正确性的基础上，计算得到了各个影响因素对翘曲变形的影响规律.计算结果表明，带钢翘曲度大小随着带钢上下表面纵向延伸差和横向与纵向延伸差比值的增大而线性地增大，随着带钢厚度增大而减小，随着带钢宽度增大而呈二次关系增大.最后，应用辛弹性力学方法带钢翘曲变形模型，研究了C翘向L翘的转化现象，建立了C翘转化为L翘的力学模型，获得其转化关系公式，并通过现场实验验证了转化公式的准确性

在群智感知（mobile crowd sensing，MCS）数据收集过程中，任务参与者的恶意行为能够显著降低感知结果的真实性.为解决此问题，提出了一种参与者信誉度感知的数据收集机制，通过意愿程度和数据质量分析信任状态、量化历史信誉度，进而，根据逻辑回归模型动态更新参与者当前信誉度.同时，为准确衡量感知数据可信程度，利用剩余可发送时间和移动设备剩余能量将参与者分为直接发送和间接转发两类，从而在多任务并发场景下，服务器根据结果合理地选择任务参与者，达到准确可靠收集感知数据的目的.结果表明所提出数据收集机制能大幅度提升感知任务实时性，显著提高感知数据质量，有效降低服务器总奖励开销

进行了组合抑制剂CCSL分离方铅矿、闪锌矿与磁黄铁矿的浮选研究.单矿物浮选实验结果表明,浮选过程添加该组合抑制剂时,磁黄铁矿基本不浮,而方铅矿与闪锌矿的可浮性很好.方铅矿与磁黄铁矿混合矿浮选实验结果表明,添加该组合抑制剂时,方铅矿的浮选回收率可达90%以上,而磁黄铁矿基本不浮,从而很好地实现两种矿物的分离;闪锌矿与磁黄铁矿混合矿浮选实验结果表明,添加该抑制剂时也能实现两种矿物的分离,但分离效果不及方铅矿与磁黄铁矿.X射线光电子能谱、红外光谱、Zeta电位测试表明,CCSL处理后的磁黄铁矿表面的醋酸根吸附不是单纯的物理吸附.紫外吸收光谱扫描结果表明,CCSL中的醋酸根并没有阻碍磁黄铁矿表面双黄药的生成,磁黄铁矿可浮性下降仅仅是由于醋酸根对其造成的亲水性大于双黄药造成的疏水性.CCSL中的醋酸根既与磁黄铁矿中的Fe3+发生亲合,又与水中的H+形成氢键,最终增强了磁黄铁矿的亲水性;而醋酸根对方铅矿和闪锌矿基本没有影响,这是组合抑制剂CCSL能够分离方铅矿、闪锌矿与磁黄铁矿的原因

扭转调谐液柱阻尼器（torsional tuned liquid column damper，TTLCD）是一种有效的扭转振动控制装置.本文对该阻尼器在偏心框架结构中的设计方法进行研究，针对不同的倾斜管道投影点和倾斜角，建立了三种形式的扭转调谐液柱阻尼器在地震作用下的运动方程和控制力方程，给出TTLCD参数优化的具体公式，其方法为对比扭转调谐液柱阻尼器-偏心结构和扭转调频质量阻尼器（torsional tuned mass damper，TTMD）-偏心结构，将两控制系统转化，利用Den Hartog或Ikeda给出的调频质量阻尼器（tuned liquid mass damper，TMD）参数优化公式来实现TTLCD参数优化，最后给出TTLCD的设计流程.通过对一个四层偏心框架结构进行模拟，验证了理论设计方法的合理性

利用粒子图像测速技术,以200 mm×2040 mm板坯连铸结晶器为原型,建立1∶4水模型进行实验,对结晶器内钢液流动形态、流速及各流态所占比例、液面波动、以水口为中心结晶器两侧对称点速度随时间的变化、水口两侧液面水平流速、水口两侧对称位置液面至结晶器底部垂直方向速度和钢液对两侧窄面的冲击深度进行系统地研究和分析,并对比拉速的影响.研究表明,粒子图像测速技术不仅可以测量结晶器内流场流速,还可以对流场对称性进行全方位、多角度定量分析,为研究连铸参数变化,比如拉速、水口结构和水口浸入深度,对板坯连铸结晶器内钢液流动及对称性的影响提供一种较为精确的方法和思路.通过分析得出,在本实验条件下拉速0.5 m·min-1优于0.6 m·min-1

通过化学气相沉积法制备三维(3D)泡沫石墨烯(GF),然后利用水热合成法在泡沫石墨烯表面生长氧化锌纳米线阵列(ZnO NWAs),再利用化学气相沉积法在其表面沉积碳(C),得到碳/氧化锌纳米线阵列/泡沫石墨烯(C/ZnO NWAs/GF)复合材料.用该复合材料做电极,采用电化学方法检测叶酸(FA).结果表明,三维泡沫石墨烯具有和模板泡沫镍一样的三维孔状结构,ZnO NWAs均匀且垂直地生长在泡沫石墨烯表面,碳沉积在ZnO NWAs表面.在线性范围为0~60 μmol·L-1内,C/ZnO NWAs/GF电极检测FA时,灵敏度为0.13 μA·μmol-1·L,且在尿酸(UA)干扰下检测FA具有良好的选择性.C/ZnONWAs/GF电极有良好的稳定性和重复性

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性