钢渣用作建筑材料时,由于其中含有大量游离氧化钙(f-CaO),稳定性较差,通常需要改性钢渣以提高其稳定性、胶凝性. 在对钢渣、高炉渣进行化学成分和矿物组成分析的基础上,对高炉渣改性钢渣的可能性进行了热力学计算,结果表明高炉渣中的SiO2与钢渣中f-CaO反应,生成胶凝相,同时降低了钢渣中的f-CaO含量. 本文通过研究热态高炉渣改性钢渣,结合X射线衍射、拉曼光谱、扫描电镜及能谱分析等研究方法,对改性钢渣的矿物成分、f-CaO含量、黏度变化等进行了分析. 研究发现随着热态高炉渣配比量的增加,改性渣黏度缓慢增加,改性钢渣中f-CaO、RO相含量降低,改性渣的胶凝性能提高. 在1550℃下,钢渣中添加10%高炉渣时,改性渣中2CaO·SiO2(C2S)、3CaO·SiO2(C3S)含量显著提高,f-CaO质量分数降至1.64%,稳定性大大提高,符合建材化使用要求. 此外,进一步使用焦炭还原改性渣中的铁,轻松实现了渣铁分离,提高改性渣的易磨性

针对平整轧制过程不同用途带钢对表面微观形貌的特殊要求，在批量跟踪电火花毛化轧辊、磨削轧辊和冷轧后带钢表面微观形貌的基础上，建立工作辊与带钢都可考虑真实表面粗糙峰的带钢表面微观形貌轧制转印生成模型，采用工业实验验证了仿真模型的准确性，并据此模型分析轧制前带钢已经具有表面粗糙度分别大于、等于、小于轧辊表面粗糙度时，带钢表面微观形貌的轧制转印行为与遗传演变规律。提出了负转印和转印饱和的概念，定义了两种极限轧制转印状态的描述指标— —负转印最大和转印饱和，研究发现当带钢表面粗糙度小于或等于轧辊表面粗糙度时，存在负转印最大点和转印饱和点；当带钢表面粗糙度大于轧辊表面粗糙度时，负转印最大点和转印饱和点重合。在此基础上，采用负转印最大点与转印饱和点对应的临界板宽轧制力，描述带钢表面微观形貌的遗传及演变规律，并系统仿真分析带钢屈服强度、带钢轧前表面粗糙度、轧辊表面粗糙度等工艺条件参数对于负转印最大点与转印饱和点对应的临界单位板宽轧制力的影响规律，发现随着带钢屈服强度增大和轧辊表面粗糙度增加，该临界单位板宽轧制力均增大；随着带钢表面粗糙度增大，负转印最大点对应的临界单位板宽轧制力增大，但转印饱和点对应的临界单位板宽轧制力却减小

设计了不同相构成的超高强DH钢，抗拉强度均大于1300 MPa，组织由铁素体、马氏体、残留奥氏体和极少量碳化物构成。对比了不同相构成对超高强DH钢力学性能和应变硬化行为等的影响，并深入研究了残留奥氏体在超高强度DH钢中的作用机制。结果表明：随着马氏体和残留奥氏体体积分数的增大，铁素体体积分数的减小，实验钢屈服和抗拉强度同时升高，而延伸率呈先增大后减小趋势。软韧相铁素体体积分数的减小和硬相马氏体体积分数的增大导致屈服强度和抗拉强度增加。相对于回火马氏体，淬火马氏体对强度的提升更显著，在拉伸过程中转变的残留奥氏体的量是引起延伸率变化的主要原因，组织中显著的带状组织会造成颈缩后延伸率的明显降低。通过对应变硬化行为的分析表明，随着真应变的增大，应变硬化率呈减小的趋势，在真应变大于2%后的大范围内，对于应变硬化率，DH1>DH2>DH3，主要与铁素体体积分数有关；在真应变大于5.73%后，DH2钢的应变硬化率高于DH1钢和DH3钢，主要与DH2钢中更显著的TRIP效应有关。除了残留奥氏体体积分数，残留奥氏体中的碳含量对TRIP效应同样有显著的影响。较高比例的硬相马氏体组织结合适当比例的软韧相铁素体和残留奥氏体有助于DH2钢获得最良好的强塑积13.17 GPa·%，其中屈服强度达880 MPa，抗拉强度达1497 MPa，均匀延伸率为6.71%，总伸长率为8.8%，颈缩后延伸率为2.09%，屈强比0.59

为研究充填物对含孔洞岩石的力学特性及变形破坏特征的影响规律,室内预制加工了含孔洞及石膏充填物大理岩,分别对其进行单轴压缩和声发射试验,并对破坏前后试件进行CT扫描,分析其裂纹扩展规律.试验结果表明:(1)相比于含孔洞大理岩,石膏充填使试件的抗压强度提高了10.62%.二者峰前特征相似,均表现为孔周裂纹起裂引起第一次应力跌落现象,峰后特征则有所不同,石膏充填使大理岩变形的局部化特征更为明显.(2)峰后阶段,含孔洞试件声发射特征显著,裂纹扩展迅速,石膏充填试件稍慢,表明石膏充填遏制了试件的裂纹扩展.(3)含孔洞和石膏充填大理岩的破坏模型有所区别,含孔洞试件破坏裂纹较为单一,主裂纹以张拉破坏为主,翼裂纹在试件端部较多,部分从侧面贯通,形成块体掉落.充填条件下孔洞周边的裂纹更细更分散,小裂纹相互贯通,形成\X\状剪切破坏

基于某海上风电塔进行现场监测、有限元模拟及室内振动台试验研究，考虑桩-土相互作用并对结构进行精细化数值模拟分析，研究了不同冲刷深度下结构自振周期的变化及不同冲刷深度对结构地震动作用下动力响应的影响规律.现场监测结果表明：6#风机结构受海水冲刷严重，与同时期建造的15#风机相比振动幅度明显，说明冲刷深度对结构的影响不可忽略.数值模拟分析表明：冲刷深度主要影响结构高阶振型，使结构自振周期变长，增幅最大达33%.由于冲刷致使土层对高柔性结构约束减弱，结构将产生大的振动进而导致风机停摆；在遭遇7度罕遇地震时，应立即停止发电工作.室内缩尺振动台试验与数值模拟所得结果的变化曲线较为均匀，趋势上较吻合，充分验证了数值模拟的准确性

为了探究全进口矿条件下褐铁矿在烧结工艺中的合理配置，实现褐铁矿的高效利用以进一步提铁降本，针对S钢铁公司500 m2大型烧结机实际原燃料条件，基于试验用铁矿粉的常规理化性能和高温烧结基础特性开展了不同褐铁矿配比的烧结杯试验研究，结合Factsage 7.1热力学软件，模拟计算了不同褐铁矿配比条件下的黏附粉含量和理论液相生成量及性能，并采用矿相显微镜分析了烧结矿的显微结构，探明了褐铁矿与赤铁矿和磁铁矿的优化搭配规律。研究表明：澳大利亚褐铁矿具有粒度粗、矿化能力弱，同化温度低、黏结相强度差、吸液性强的特点，当褐铁矿质量分数由45%增加至55%时，提高磁铁精矿OD矿的质量分数至15%，同时降低OC矿质量分数至10%，烧结矿转鼓强度和低温还原粉化性能等指标达到最优，这是由于一方面提高磁铁精矿配比不仅具有增加黏附粉比例、改善液相生成数量和性能的作用，而且可以均匀液相分布，消除过熔现象；另一方面，增加磁铁精矿配比可以改善烧结料球的粒度组成，减少褐铁矿吸液量，提高烧结矿强度。因此，在高褐铁矿配比条件下，增加适宜的磁铁精矿配比有利于稳定烧结矿质量，全面改善烧结矿性能

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

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

针对传统医疗手段无法有效量化评估手术中不同硅油加注量对于视网膜裂孔贴附效果的问题，本文提出一种面向视网膜脱离手术的硅油填充模拟方法，基于物理建模与计算机数值离散化技术对眼内受力、硅油填充状态进行分析，并对填充模拟过程进行三维模型构建与可视化，实现医疗过程决策辅助目的。首先对人类眼球与手术器具进行基础建模与模型采样，模拟手术流程中眼球状态；然后，根据水与硅油的密度、黏滞系数、表面张力等不同物理性质，对水?硅油两相流动及交互进行模拟；最后，构建固液交互模型，实现多相液体在眼球中的运动与填充。实验结果表明，本文方法能够较好地呈现眼球内多相流体运动交互效果，实现了诸如表面张力、固液耦合、液体分层、连通器效应等效果，实现了对眼内腔中通过导管注入硅油与排出水分流程的模拟，为预测硅油填充后的眼内状态提供了一种有效的方式，辅助医生进行手术流程规划与效果预测