采用常规铸造和分段式倾斜板过流冷却铸造工艺制备Al-22Si-2Fe-xMn合金，研究表明：过流冷却制备工艺能够改善初生Si形貌及尺寸，但对针状富Fe相作用有限.利用扫描电镜、X射线衍射及透射电镜等手段分析过流冷却条件下Mn元素添加对富Fe相晶体结构的影响，通过摩擦磨损实验研究不同Mn/Fe质量比的过共晶Al-Si合金的硬度及耐磨损性能.结果表明：随着过流冷却铸造过共晶Al-Si合金中Mn/Fe质量比增加，合金中四方结构的长针状富Fe相逐渐减少直至基本消失，当Mn/Fe质量比为0.7时，富Fe相主要为六方结构的块状或鱼骨状α-Al15（Fe，Mn）3Si2相，此时，合金耐磨性较未添加Mn元素时有所提升，磨损机制以磨料磨损方式为主

针对密度聚类算法对邻域参数设置敏感的问题，提出一种基于密度的模糊自适应聚类算法.算法在无需预先设置聚类数以及邻域参数的情况下，可以自适应地根据样本间距离关系确定邻域半径得到样本密度，并根据样本密度逐渐增加聚类中心.为了保障聚类结果的正确性，同时提出一种新的模糊聚类有效性指标以判断最佳聚类数，消除了密度聚类算法对参数的敏感性.用UCI基准数据集进行实验，发现本文算法在对数据进行聚类时，聚类质量较原始密度聚类算法在准确性和自适应性方面均有显著提高

热轧钢材的淬火冷却是改善钢材质量和性能的重要措施,淬火过程的核心就是控制钢板的冷却速度.针对传统的淬火控冷模型的固有缺陷,为了满足扩展钢种、规格及淬火温度高精度的要求,利用神经网络技术建立了神经网络淬火控冷温度预报模型,该模型与回归数学模型相结合,完成淬火控冷现场控制.应用结果证明,该综合模型极大地提高了钢板淬火冷却的控制精度,提高了产品的成材率

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度

尾砂胶结充填体作为一种水泥基多相复合材料,其单轴抗压强度与超声波波速受水泥含量、固体质量分数、试件形态等因素影响.通过制备三种形态(7.07 cm×7.07 cm×7.07 cm立方体,Φ5 cm×10 cm圆柱体和Φ7 cm×14 cm圆柱体)的试件并进行单轴抗压强度试验和声波波速测试,对充填体强度和波速受水泥含量、固体质量分数和试件形态影响的规律进行了灰色-关联度分析.结果表明:水泥含量是影响强度的关键核心因素,关联度为0.837;固体质量分数是影响波速的关键核心因素,关联度为0.712.建立了充填体强度-波速指数函数预测模型和BP神经网络预测模型,通过对两种预测模型进行统计分析的F检验和t检验验证了两种方法在充填体强度预测的可行性,为胶结充填体的强度预测提供了新方法

通过热力学计算,分析了X80管线钢钙处理后在生成液态钙铝酸盐夹杂物区间内,钢中钙活度和铝含量的关系,确定了生成液态钙铝酸盐夹杂物钙活度的控制范围;计算了钢液铝硫的关系,以及温度对铝硫关系的影响.实验结果表明钢中硫质量分数为20×10-6时,液态夹杂物中的硫化钙溶解度可以达到0.18%

在16Mn、20MnVB、25MnTiB和09CuPTi钢中,RE/S比值分别达到2.2、2.0和1.2时,获得净化钢液的最佳效果。稀土变质氧化物取决于钢中aCe/aAl和aCe·aS/aAl·ao的比值,并对疲劳性能的改善起重要的作用;上述钢中RE/S比值分别达2.5、1.8和1.5时,将获得完全硫化物和氧化物的变质效果。因此为了得到高质量的稀土处理钢,必须控制钢中合适的RE/S比值的范围

基于采用较高液固比(20:1)的实验条件,避免了因硅酸钠与铝酸钠反应形成水合铝硅酸钠(钠硅渣),可将氧化铝熟料溶出二次反应动力学过程分为SiO2进入铝酸钠溶液和Al2O3损失两个动力学过程,详细研究了SiO2进入铝酸钠溶液过程的动力学行为.通过选择合适的动力学模型对实验数据进行处理,获得了该过程的动力学方程.方程表明,该过程的表观活化能较小,仅为24.86kJ·mol-1,说明其过程发生需要突破的活化能能垒较小,相应反应较易发生,其动力学机理与表面化学反应有关,也与扩散有关.铝酸钠溶液中Al2O3质量浓度对过程的影响远远大于铝酸钠溶液中Na2CO3质量浓度和NaOH质量浓度的影响,因此认为熟料溶出过程中,导致SiO2进入铝酸钠溶液的原因主要是熟料中的硅酸钙与NaAl(OH)4相互作用

针对部分聚类算法对数据输入顺序敏感的问题,定义了不干涉序列指数,提出了应用不干涉序列指数对分类数据进行加权排序的方法,并基于该方法对受数据输入顺序影响的CABOSFV_C分类数据高效聚类算法进行改进,提出了考虑加权排序的聚类算法(CABOSFV_CSW),消除了算法对数据输入顺序的敏感性.采用UCI基准数据集进行实验,发现应用加权升序排序的CABOSFV_CSW算法在处理分类数据时,聚类质量较原始CABOSFV_C算法和其他受数据输入顺序影响的算法在准确性上有改善,在稳定性上有显著提高

研究了超声波功率对加稀土高碳钢中夹杂物的作用.结果表明:超声处理可以明显弥散、细化和去除加稀土高碳钢中的夹杂物;随着超声波功率的增加,钢中总氧含量明显降低,夹杂物的平均直径明显减小,夹杂物得到一定程度的去除,但是夹杂物的当量个数明显增多.超声波功率100 W时,高碳钢中总氧的质量分数为59×10-6,钢中夹杂物的当量个数I为134 mm-2,平均直径d为2.91μm,小于2.31μm的夹杂物占夹杂物总量的43%以上