为了解决由于织构漫散度给织构分析带来的估算误差,以达到对材料织构进行更为精确的分析,采用从极图求算ODF(orientation distribution function)中的\二步法\作为基本原理,选择以1°为最小间隔单位划分欧拉空间,对欧拉空间所有取向点的取向密度进行了求算,并建立了相应的分析系统.利用该分析系统对鞍钢生产的IF钢冷轧和退火样品进行了计算,并与已成熟的以欧拉角5°为最小间隔单位的ODF求算系统对比.结果表明:以欧拉角1°为最小单位的ODF取向密度分析系统比以欧拉角5°为最小单位的ODF取向密度分析能更确切地表示织构的分布情况

通过实验和第一性原理计算的方法研究了氢致PZT-5H铁电陶瓷导电性变化的规律和机理.随着充H含量的增加,PZT-5H陶瓷的电阻率逐渐降低,当陶瓷中总H的质量分数为11.2×10-6时电阻率降至1.51×109Ω.cm,介于半导体和绝缘体之间.随着H含量进一步升高,霍尔效应表明PZT-5H陶瓷变成n型半导体.第一性原理计算表明,当进入Pb(Zr0.5-Ti0.5)O3晶格的H质量分数等于临界值(96×10-6)时,[Pb(Zr0.5Ti0.5)O3]32H系统变成了半导体;随着H含量的升高,态密度图向低能方向平移,[Pb(Zr0.5Ti0.5)O3]nH系统变成了导体

回归推导出渣系中磷酸盐容量对数与炉渣光学碱度和温度的关系表达式,通过回归公式绘制出CaO-SiO2-FeO(10%MgO)渣系的等磷酸盐容量图,分析了转炉终渣、终点成分及温度对钢中磷含量的影响情况.当熔渣磷酸盐容量一定时,随着转炉终点碳含量降低,渣/钢间磷分配比增加;相同终点碳含量时,随着熔渣磷酸盐容量增加,渣/钢间磷分配比增加;转炉终点碳质量分数控制在0.03%~0.04%,炉渣碱度大于3.5,渣中FeO质量分数低于18%,渣中P2O5质量分数低于2%,有利于获得终点磷质量分数在0.008%以内的钢水

利用新型全息动光弹,以南芬矿高台阶靠帮控制爆破的现场参数为实验模拟基础,研究了两预裂孔间应力波迭加的动态变化过程。在两炮孔均实行孔底和孔口同时起爆(四起爆点),并对孔底进行加强装药条件下,获得了不同时刻的等差条纹图。发现沿炮孔方向应力波分布有很大不同,提出了初始P波与后出现的S波迭加形成的波是所有波中最重要的部分。研究表明,孔底加强装药是深孔孔底产生预裂效果的关键因素,孔底连线上应力场强度不受端部效应影响

借助Thermo-calc软件对FeCrAl不锈钢所属的Fe-（18~21） Cr-（3~5） Al-（0~0.03） C-（0~0.2） Si-（0~0.2） Mn多元体系在凝固过程中的相变及析出行为进行了研究.采用Thermo-calc中TCFE7数据库对该体系的垂直截面图进行计算，分析了不同组元对凝固和冷却过程中相变的影响，并得到FeCrAl不锈钢的平衡凝固相变路径图.结果表明FeCrAl不锈钢由1600℃平衡冷却至300℃的过程中完整的平衡相变路径为：L→AlN+αδFe→AlN+αδFe+Cr7C3→AlN+αδFe+Cr7C3+Cr23C6→AlN+αδFe+Cr23C6→AlN+αδFe+Cr23C6+σ→AlN+αδFe+Cr23C6+σ+α'→AlN+αδFe+Cr23C6+α'.凝固过程中Cr7C3与σ相是否析出分别取决于体系中C、Si含量；Al含量的提高可扩大αδFe+Cr7C3的稳定区，降低α'相的析出温度，抑制σ相的析出；Cr含量的提高可以减小αδFe+Cr7C3的稳定区，扩大σ相和α'相的稳定区

利用校正机构补偿滚齿机的传动误差,可以加工出5级齿轮和蜗轮以及高精度的SG—71型蜗轮副。我们以Y3180滚齿机为对象,测出其范成传动链综合误差曲线,利用FFT程序得到传动误差频谱图,找出传动链中影响误差的因素和大小,并以此为根据利用CAD技术设计校正机构:校正凸轮及其摆杆,校正偏心齿轮组件等,从而降低了低频误差和短周期误差。这种方法能应用于SG—71型蜗杆倒坡加工机构的凸轮设计,使入口和出口的例坡在一次磨削中完成,提高了生产率,如与偏心齿轮组合,还可以补偿短周期误差,提高SC—71型蜗轮副的工作平稳性

矿区废弃地为室外大型非结构化环境，包含多种类型的障碍物且存在诸多不确定性因素，给移动机器人全覆盖路径规划造成了极大的困难。本文使用牛耕式单元分解法结合生物激励神经网络算法完成移动机器人对矿区废弃地的全覆盖路径规划。首先，针对矿区废弃地已知环境，采用牛耕式单元分解法对复杂环境做出区域分解，将具有综合复杂性的地图分解为多个不含障碍物的子区域；然后，根据子区域的邻接关系构建无向图，采用深度优先搜索算法确定子区域间的转移顺序；最后，采用生物激励神经网络算法确定子区域内部行走方式以及子区域间路径转移。仿真结果表明，生物激励神经网络算法在解决机器人路径转移问题方面比其他路径规划算法更高效，所得的方法能够处理复杂的非结构化环境，完成废弃矿区移动机器人的覆盖路径规划

围绕高炉雷达料面监测系统成像需求，针对高炉雷达测量目标的雷达横截面积（radar cross section，RCS）展开应用研究，首次实现了微波暗室中高炉料线RCS的高精度自动化测量，为高炉雷达目标特性的深入研究奠定了硬件基础.基于比较法测得10 GHz处的焦炭、烧结矿颗粒的RCS典型值分布以及高炉料线散射方向性图，测量动态范围为-10~15 dB.通过RCS测量和成像诊断等方法对工业现场布焦、布矿的雷达回波信号强度差别大等问题进行了探索和分析.模拟工业现场的焦炭、烧结矿等平台加漏斗的料线形状，对散装物料进行了等比例缩小的实际摆放，对典型料线缩比模型进行了合成孔径雷达（synthetic aperture radar，SAR）成像验证，并深入分析了成像缺失和成像误差原因，得知漏斗部分在低频情况下成像效果不理想，需要提高测试频段；利用标准球模拟料线分析成像误差，方位向和距离向绝对误差在1.2%和5.8%以内，暗室内方位向测量误差不超过±0.01 m

受探测环境制约，隧道超前地质预报过程中探地雷达反射波往往具有“弱信号，强干扰”的特征，给数据处理和解译带来极大的困难。将剪切变换（shearlet变换，ST）引入探地雷达信号处理，根据有效信号和干扰信号在剪切域中不同尺度、不同方向上的能量差异，提出一种基于自适应阀值的随机干扰去除方法，并通过正演模拟数据验证了该方法在随机干扰去除上的优势；在此基础上针对隧道超前地质预报中常见的能量接近、频率异常干扰信号，以实际数据为例说明小波变换（WT）对其去除效果；从而进一步提出小波变换与剪切变换联合干扰压制方法，即首先使用小波变换对异常频率干扰进行分离，然后采用基于自适应阀值的剪切变换对随机干扰进行压制。现场溶洞探测案例应用效果表明，本文所提出的方法能在去除干扰的同时很好地保留有效信号，根据处理后的波形堆积图可以很好地凸显地质异常区域，从而提高探地雷达资料解译精度

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验