通过在Na2SiO3-KOH基础电解液中加入石墨烯添加剂,在镁锂合金表面制备出一层自润滑的含碳陶瓷层. 利用扫描电镜、原子力显微镜以及X射线衍射仪分析了陶瓷层的表面形貌、粗糙度以及物相组成,利用摩擦磨损试验仪对陶瓷层在室温下的摩擦学性能进行研究. 其结果表明,加入石墨烯后制备出的含碳陶瓷层表面放电微孔分布均匀,且其微孔尺寸和表面粗糙度均明显降低. 相比于镁锂合金,陶瓷层的表面硬度也得到明显的提高. 此外,含碳陶瓷层主要由SiO2、Mg2SiO4以及MgO物相组成,而石墨烯则以机械形式弥散分布于陶瓷层中并起到减摩作用. 当石墨烯体积分数为1%时,陶瓷层表面显微硬度为1317.6 HV0.1 kg,其摩擦系数仅为0.09,其耐磨性明显提高. 同时,陶瓷层磨痕的深度和宽度均明显小于镁锂合金,而且较为光滑,表明陶瓷层表面没有发生严重的黏着磨损

泥层高度和底流浓度是深锥浓密机最为重要的两个参数，因此有必要研究底流浓度随泥层高度的变化规律.采用自制小型深锥浓密机，对尾矿非连续/连续动态压密过程进行了物理实验；借助于有效孔隙比与泥层压强间遵循的Power函数关系，结合对尾矿颗粒的受力分析，推导出了底流浓度与泥层高度的数学模型，揭示了浓密机底流浓度与泥层高度的内在关系，并从尾矿颗粒空间结构的角度解释了该模型的变化规律；结合矿山生产对于底流浓度的要求，应用该数学模型，为其推荐了泥层高度的合理范围，验证了底流浓度数学模型的可靠性.该模型为深锥浓密机的设计和运行提供了理论依据

基于建立的连铸中间包及结晶器内钢液混合过程的物理模型，开发了板坯连铸异钢种连浇过程混浇坯长度及成分变化模型。以某钢厂单流板坯连铸机220 mm×1560 mm断面Q235与Q335Ti钢的混浇过程为研究对象，采用水模型试验结合数值模拟确定模型的关键参数，并通过开展现场试验对混浇坯取样验证模型的准确性。结果证明：混浇坯成分取样与模型预测的成分偏差小于5%，且模型预测的混浇坯长度与人工确定的一致。故采用该模型可跟踪不同混浇工况下中间包内及铸流上钢液的混合行为，准确预测混浇坯的长度以及成分变化规律。采用该模型研究了拉速及中间包内剩余钢液质量对混交坯长度及不同浇注长度铸坯C元素质量分数变化的影响规律。发现当拉速保持不变时，中间包内剩余钢液越多，混浇坯越长；当中间包内剩余钢液质量保持不变时，拉速越大混浇坯越短。相比而言，中间包内剩余钢液质量比拉速对混浇坯长度的影响更大。另外当拉速不变时，随着中间包内剩余钢液质量的增加，C元素质量分数由0.16%变化到0.18%的速率减慢；当中间包内剩余钢液质量不变时，随着拉速的增加，C元素质量分数由0.16%变化到0.18%的速率增加。因此异钢种连浇过程，适当提高拉速以及减少中间包内剩余钢液质量，可有效减少混浇坯长度，成分变化速率降低

风能、太阳能等间歇式能源的引入和工业生产中大功率动态负载的增加，使得智能电网电力负荷越来越多呈现出大范围随机频繁波动的特点.动态负荷的增加对智能电能表的有功电能测量带来新挑战.传统的测量算法是针对稳态负荷而提出，因此无法解决智能电能表动态计量性能的改善问题.本文在传统MA （moving average）算法的基础上提出一种SDPA （segmented dot product accumulation）动态有功电能测量算法，该算法可在一定程度上减小动态功率条件下的测量误差.首先，分别讨论了传统MA和ⅡR （infinite impulse response）滤波器算法的动态响应速度和动态电能误差特性，指出两种算法对动态输入信号测量的局限性，并理论分析了影响各自动态计量性能的因素.以此为基础，提出智能电能表有功电能动态测量的SDPA算法，通过将待测的动态功率信号按周期截短、分段执行点积运算、并累加求和的方式实现动态测量.另外，通过按周期抽取的算法实现方式可以大大减少存储空间、提高运行速度.理论和仿真结果表明，与传统MA和ⅡR滤波器相比，SDPA算法在动态响应时间为一个基波周期的前提下，动态电能测量可达到较低误差水平

研究微波加热液态金属的升温特征，在MobileLab-W-R型微波工作站中进行了微波直接加热铜液和铁液的实验研究，实现了微波直接加热铜液和铁液实验，对比研究了微波直接加热和间接加热铜液与铁液的加热效果，并研究了微波功率、金属液质量、温度等对微波直接加热效果的影响，探讨了微波直接加热金属液体的机理。结果表明，微波可以以较快的升温速度直接加热铜液和铁液，且升温速率与微波加热功率呈近似线性递增关系；在相同微波直接加热条件下，同等质量的铜液和铁液的升温速度相近，但不同质量铁液加热时，由于其表面积、微波场强分布等因素的影响，铁液质量对微波加热效果的影响没有明显的线性关系。理论分析认为，铜和铁在熔化后电阻率增大，磁导率明显下降，导致微波在铜液和铁液内部的趋肤深度显著大于固态铜和铁；电导损耗是实现微波直接加热液态金属的主要机制，液态金属可通过电子与原子核碰撞、表面快速更新、内部缺陷阻碍电子运动、原子运动及碰撞等形式吸收微波，将微波能量转化为自身热量

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

锌浸出渣是一种具有较高综合利用价值的固废资源。本文针对锌浸出渣中有价金属的回收以及全质化利用的研究进展进行了归纳总结：锌浸出渣中有价金属的种类多，如锌、铅和银等具有较高的回收价值，其回收工艺主要有火法工艺和湿法工艺。通过对多种典型锌浸出渣回收工艺的优缺点和适用性的详细比较分析，提出了微生物浸出?氯盐浸出联合的方法，该方法可高效浸出锌浸出渣中的锌、铅和银，对不同类型的锌浸出渣具有良好的适用性，展现出了良好的工业应用前景；其次，介绍了锌浸出渣全质化利用的进展，展望了技术发展方向，锌浸出渣全质化利用将朝着制备性能优异、精细化和绿色节能的高端材料方向发展，在实现锌冶炼行业清洁生产的同时努力获得更大的经济效益

人体在进入疲劳状态时生理参数会发生相应的变化.为了探讨砌砖工人在持续体力劳动作业时心率和心率变异(HRV)对人体生理疲劳的影响,针对疲劳与心率的关系提出评价生理疲劳的数学模型.选取15名健康受试者(男性)在搭建的86 cm平台模拟砌砖工人作业.持续作业30 min进行一次心率变异数据的收集.同时,使用心率传感器对心率进行实时监测.本文采用方差分析、t检验和非线性拟合的方法对疲劳对心率和心率变异的影响进行分析.结果表明,生理疲劳使心率波动程度有显著变化(检验水准α=0.05水平,概率P0.05).非线性拟合结果(R2=0.8892)显示,生理疲劳的发展趋势呈现出\S型\的趋势.据此提出,生理疲劳分为3个阶段:疲劳调整期、疲劳稳定期和疲劳失稳期.在疲劳失稳期前(试验中约为90min)受试者休息,可以减缓或延迟生理疲劳的发生

针对多无人机在协同搜索过程中存在重复搜索、目标静止、搜索效率低的问题，提出基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法.首先，建立类似传感器探测范围的蜂窝状环境模型，降低对搜索区域的重复搜索；其次，建立满足高斯分布的马尔可夫链动态目标运动模型；然后，将柯西扰动引入基本鸽群优化算法的地图和指南针算子，高斯扰动引入地标算子，同时利用模拟退火机制保留次优个体，进而有效缓减基本鸽群优化算法易陷入局部最优的问题.最后，通过仿真实验将本文算法与其他群体智能算法进行比较，结果表明新型算法的合理性和有效性

研究了全状态约束与输入饱和情况下的全向移动机器人轨迹跟踪控制问题.首先，针对一类三轮驱动的全向移动机器人，考虑系统存在模型参数不确定与外部扰动，建立了运动学与动力学模型；其次，利用障碍Lyapunov函数，结合反步设计方法，有效处理全向移动机器人跟踪过程中存在的状态约束，保证所有状态变量不会超出状态约束的限制区域；然后，针对系统参数不确定和未知有界扰动，设计相应的自适应律进行处理；同时，提出一种抗饱和补偿器保证机器人输入力矩满足饱和约束；并且利用Lyapunov理论分析证明了当选取合适的控制参数时闭环系统中的所有信号均能保证一致有界；最后，通过与未考虑状态约束和输入饱和的控制器以及经典比例-微分控制器进行仿真对比，验证了该方法的有效性和鲁棒性