一、物料中所含水分的性质 二、干燥曲线和干燥速率曲线 三、干燥时间的计算

在初始泥层高75 cm和耙架转速为0、0.1、1和10 r·min?1条件，以及耙架转速为0.1 r·min?1和初始泥层高度为75、45和25 cm条件下，采用FBRM和PVM实时在线监测技术，对动态浓密系统泥层脱水过程絮团结构演化进行原位连续观测，获得了泥层脱水过程中，絮团直径、数量分布特征和实时图像。研究结果表明，尾矿浓密过程中絮团直径和数量随剪切时间延长呈现先增长后降低，再保持稳定的状态。根据絮团直径变化程度，将絮团密实化过程分为絮团生长期、絮团重构期和絮团破碎期3个阶段。在剪切速率0.1 r·min?1和初始泥层高度75 cm实验条件下，有利于絮团生长和絮团快速破裂重构，并提高絮团密实化程度，但过高的剪切速率作用对絮团结构影响程度下降。剪切速率的增加造成絮团平均直径减小，同时絮团平均直径减小的速率上升。随着初始泥层高度增大，絮团生长阶段时间更长，絮团直径峰值更大，重构期较长，絮团平均直径随初始泥层高度增加而增大。尾矿絮团分形维数可以反映絮团结构变化特征，结合PVM图像的分形维数和孔隙率计算，分析了剪切破坏力与絮团凝聚力存在的相互平衡关系，基于这种动态平衡对絮团破裂程度的影响，研究了尾矿浓密过程中的絮团密实化规律

第一节动态数列的编制 一、动态数列的概念 动态数列又称时间数列。它是将某种统计指标,或 在不同时间上的不同数值,按时间先后顺序排列 起来,以便于研究其发展变化的水平和速度,并 以此来预测未来的一种统计方法

第5章电控汽油喷射系统构造与维修 第1节电控汽油喷射系统的分类与组成 一、电控汽油喷射系统的分类 1、直接测量空气流量方式的汽油喷射系统(L和H型)直接测量方式采用空气流量计直接测量单位时间发动机吸入的空气量。 (1)体积流量方式。利用翼片式空气流量计或卡门涡流式空气流量计,直接测量单位时间发动机吸入的空气体积流量

第一节需氧量与吸氧量 一、需氧量与吸氧量 1、需氧量:指人体为维持某种生理活动所需 的氧量。 成年人安静值:250ml/分 运动时的变化: 强度大、持续时间短:总需氧量少;每分 需氧量大。 强度小,持续时间长:每分需氧量少;总 需氧量大

§5.6与时间有关的微扰理论 §5.7跃迁几率 §5.8光的发射与吸收 §5.9 选择定则 §5.10 变分法

一、物料中所含水分的性质 二、干燥曲线和干燥速率曲线 三、干燥时间的计算

受限空间内视觉疲劳是造成事故的主要原因之一。为探究有限空间内光照对视屏显示终端（Visual display terminals，VDT）作业视觉疲劳的影响，选取24名作业人员，在搭建的受限空间平台内进行VDT打字作业1 h，在50～700 lx范围内设置7个光照梯度使用眼动仪采集瞳孔直径数据。将采集数据进行归一化和降噪处理。实验结果表明，随着照度增大，瞳孔直径总体呈减小趋势，且瞳孔?照度关系符合幂函数关系；照度400，550和700 lx环境下瞳孔直径变化率在?12%～8%之间浮动，且随着光照强度的增强，作业人员视觉疲劳发生的程度增加；在低照度50，100和200 lx环境下，瞳孔直径变化率在?8%～4%之间浮动，且随着强度的减弱，作业人员视觉疲劳发生的程度也会增加。本研究提出使用窗口化的瞳孔直径标准差σ判断视觉疲劳出现时间，低照度下的σ峰值出现时间早于高照度下σ峰值出现的时刻，300 lx照度下σ峰值出现的时刻最晚，50～300 lx弱光照下对视觉造成的疲劳程度大于300～700 lx强光照下造成的疲劳

Ca和Sr是铸造铝硅合金中最有效的变质元素,一般在浇铸前以中间合金的形式加入.然而在废杂铝熔铸再生工业中,原料中常含有微量的Ca和Sr,预控它们在熔炼过程中的含量变化是它们再利用的前提.本文以工业A356铸锭为原料,实验研究了熔炼温度和保温时间对Ca和Sr质量分数变化规律的影响.结果表明:Ca和Sr质量分数随着保温时间延长均呈Exp3P2规律下降,且随熔炼温度升高质量分数下降速率均逐渐提高.根据热力学和动力学分析可知,在废杂铝熔炼再生过程前期主要发生[Ca]和[Sr]与熔体中的氧发生氧化反应生成CaO和SrO,这些氧化物又会与Al2O3反应生成Al2O3·6CaO和Al2O3·SrO,经扒渣操作后Ca和Sr质量分数下降.在熔炼中后期,[Ca]和[Sr]以扩散至熔体表层还原Al2O3的方式使它们的质量分数降低.计算得出在660~740℃熔炼A356合金时Ca和Sr氧化反应的表观活化能分别为182.6 kJ·mol-1和117.8 kJ·mol-1,两者均受化学反应过程控制.根据Ca和Sr质量分数的变化规律建立了它们的质量分数预报模型,经生产验证表明预报误差均小于10%,可用于预报废杂铝熔炼再生过程Ca和Sr的质量分数

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价