第一节钢材的分类 1.按化学成分分类 (1)碳素钢。碳素钢的化学成分主 要是铁,其次是碳,故也称铁一碳合 金。其含碳量为0.02%~2.06%。此 外尚含有极少量的硅、锰和微量的硫 、磷等元素。碳素钢按含碳量又可分 为: 低碳钢(含碳量小于0.25%)、 中碳钢(含碳量为0.25%~0.60%) 高碳钢(含碳量大于0.60%)

一、宏观经济管理学部分 (一)判断题(正确划V”,错误划X”,每题1分,共8分) 1.产业政策不是一种总量增长政策,而是一种结构控制政策。() 2.基尼系数越接近于1,表明收入差距越小。() 3.在工业化进程中,霍夫曼比例是不断下降的。() 4.消费率的弹性限度主要取决于消费需求的增长速度。() 5.宏观经济调控的法律手段日子间接调节手段。() 6.税收的增减与国民收入的增减有正向变动的关系。() 7.某产业的产值占总产值比重与该产业劳动力占全部劳动力比重的比值,就是该产业的比较劳动生产率。()

本章的重点 1、离散信号描述与运算 2、离散系统的数学模型 3、差分方程的初值一起始样值与初始样值 4、如何求差分方程的特解 5、离散信号卷积运算的几种求法 6、系统模拟

以茄子为原材料，通过水热处理–后续热解法及直接热解法分别制备出两种不同的茄子衍生多孔碳材料（HBPC和BPC）。以茄子衍生多孔碳材料为载体，采用真空浸渍法负载相变芯材聚乙二醇（PEG2000），制备出聚乙二醇/茄子衍生多孔碳材料复合相变材料。通过扫描电镜、拉曼光谱、压汞法、傅里叶变换红外光谱分析、X射线衍射仪、热重分析仪和差示扫描量热仪对其进行结构表征及性能测试。结果表明，通过直接热解法制得的茄子衍生多孔碳材料为载体的聚乙二醇/茄子衍生多孔碳材料复合相变材料具有更好的相变储热效果，负载聚乙二醇的质量分数高达90.60%，熔融潜热为133.98 J·g?1，达到了较好的定形相变效果及良好的循环稳定性

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

§ 1.2 信号的描述，分类和典型示例(续） §1.3 信号的运算 §1.4 阶跃信号与冲激信号 §1.5 信号的分解 § 1.6-§1.8系统的摸型及其分类 §1.7线性时不变系统

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

超低碳钢常用于生产汽车面板等表面质量要求较高的产品.连铸坯皮下的钩状坯壳很容易捕集夹杂物导致冷轧钢板表面出现翘皮、亮/暗线等缺陷,对产品质量具有严重危害.采用数值模拟分析了钩状坯壳的形成和演变过程.将计算的初生坯壳形状制作成物理模型,模拟了夹杂物在凝固前沿被捕集的过程,并对凝固钩区域不同位置的夹杂物的受力特征进行了分析.结果表明,凝固钩在弯月面中形成以后,不会直接湮没进坯壳内,而是要经历熔化、变粗、生长、湮没等逐步演变的过程.数值模型预测拉速1.3 m·min-1条件下最终存留在坯壳中的凝固钩深度约为2.5 mm,这与实际观察到的钩状坯壳的尺寸基本一致.模拟得到的钩状坯壳形貌与铸坯表层和漏钢坯壳的金相特征较为接近.夹杂物最容易在凝固钩下表面被捕集,不容易在凝固钩上表面被捕集,特别是对尺寸相对较大的夹杂物.但是溢流发生时,靠近弯月面处的夹杂物可能随着钢流进入到初生凝固钩上部而被快速冷却的钢液包裹.两道凝固钩之间的坯壳由于其凝固前沿处于垂直分布,小于100 μm夹杂物可能被捕集而大尺寸夹杂物不易被捕集

订单接受与不相关并行机调度是订单接受与订单调度的联合决策, 广泛存在于面向定制的多品种混合生产环境中. 针对这一问题, 考虑了顺序与机器依赖的安装时间以及可加工机器限制, 并以最小化总成本为优化目标. 其中, 总成本由被接受订单的总拖期成本和被拒绝订单的总拒绝成本构成. 通过分析订单拒绝对目标的影响, 提出了列表拒绝方法和订单拒绝规则, 进而设计了协同进化遗传算法. 算法将染色体编码分解为订单列表和订单指派两个个体, 提出了基于列表拒绝方法的解码方案来进行订单拒绝决策. 由于两个个体相互独立, 且二者的进化约束不同, 因而引入协同进化策略, 并根据个体的编码特征, 分别采用单亲遗传算子和传统遗传算子进行遗传操作. 数据实验验证了算法的有效性和求解效率, 并对问题规模和订单拒绝成本对算法性能的影响进行了分析

采用共沉淀法制备了Ni(OH)2前驱体材料，通过高温固相法制备了LiNiO2和B掺杂LiNiO2（B的摩尔分数为1%），利用X射线衍射（XRD）、里特维尔德（Rietveld）精修、扫描电子显微镜（SEM）、恒流充放电测试、循环伏安（CV）和电化学阻抗谱（EIS）对材料的晶体结构、表面形貌和电化学性能进行了系统性表征.XRD和Rietveld精修结果表明，LiNiO2和B掺杂LiNiO2均具有良好的层状结构，B因为占据在过渡金属层和锂层的四面体间隙位而导致掺杂后略微增大材料的晶格参数和晶胞体积，同时增大了LiO6八面体的间距，进而促进锂离子运输.由于掺杂的B的摩尔分数仅为1%，LiNiO2和B掺杂LiNiO2均表现为直径10 μm左右的多晶二次颗粒，且一次颗粒晶粒尺寸没有明显区别.长循环数据表明B掺杂可以有效提高材料的循环容量保持率，经100次循环后，B掺杂样品在40 mA·g−1电流下的容量保持率为77.5%，优于未掺杂样品（相同条件下容量保持率为66.6%）.微分容量曲线和EIS分析表明B掺杂可以有效抑制循环过程中的阻抗增长