概论 热量传递重要意义:总公司“九五”计划,粗铜冶炼能耗由1.3T标煤→0.6-0.7T,氧化铝由1.7T→1.5T·热量传递与动量、质量传递有密切关系:

研究了不同条件下TiO2和Fe2O3在合成渣中被碳还原时的发泡过程.计算了该发泡过程的发泡系数、消泡系数、平均发泡寿命、发泡强度和消泡过程开始的时间.用熔渣发泡参数定量地讨论了温度、TiO2加入量和初渣中TiC的含量对熔渣发泡过程的影响,发现当初渣中TiC的含量和TiO2加入量较多时,在发泡时会产生二次发泡现象

调查了使用不同氟含量保护渣时连铸二冷水中F-质量浓度的变化，并在实验室研究了保护渣组分及保护渣在水中的浸泡时间对水浸液中F-质量浓度的影响．研究结果表明，A厂使用低氟保护渣，二冷水中F-质量浓度增幅为1．2～24．3mg·L-1水样呈中性；B厂使用高氟保护渣，二冷水中F-质量浓度增幅为57．9mg·L-1，水样呈酸性．保护渣中氟含量越高，保护渣在水中的浸泡时间越长，渣中氟向水中的转移量就越多．控制保护渣中氟不超过2％，有利于减弱保护渣氟的浸出对二冷水的危害．在研究的组成范围内，碱度CaO／SiO2和Li2O对渣中氟的浸出无明显影响．增加保护渣中B2O3含量，有利于降低保护渣中氟在二冷水中的浸出．

通过对连铸板坯生产检验的硫印数据库的统计分析,得到了含铌钒钛微合金化钢连铸板坯中心偏析的影响因素.结果表明:中心偏析程度随钢水中C、P、S含量的增加而加重;Mn质量分数高于1.5%以及锰硫比高于300对改善中心偏析有利;高钢水过热度、高拉速和增加铸坯宽度均不利于改善铸坯中心偏析.由于B级以下中心偏析对钢材使用性能影响不大,因此在生产过程中为使铸坯B-1.0级以上中心偏析出现比率降至10%以下,提出如下控制策略:钢液中C、P、S含量尽量按钢种要求的下限控制,Mn含量尽量按上限控制,实际生产中元素控制[C]1.5%,[Mn]/[S]>300;过热度应小于24℃,拉速控制在1.0~1.1m·min-1为宜.应开发合适的二冷配水制度,并提高铸机精度

采用超细颗粒(0.35μm)钨粉与不同粒径(0.1,0.3,0.8,4.5μm)的碳黑粉,按W+C=WC的反应式配碳,在氢气保护下,于830~1300℃保温40min,研究碳黑粒径、碳化温度对WC粉的化合碳含量及物相组成的影响.XRD分析物相组成,用化学分析测定碳含量(质量分数)结果表明:当使用0.1μm的超细碳黑,温度大于930℃时,WC粉的含碳量可达理论含量.但是在此温度下,随着使用的碳黑粒径增大,WC粉中的化合碳含量急速下降,例如在950℃下,使用0.3μm的碳黑只能使WC粉化合碳达到5.2%,使用0.8 μm碳黑时,WC的化合碳为3.18%

第6单元指针 本单元教学目标 介绍C++中指针的基本概念。 学习要求 指针是C++中最重要的基本概念之一。要求同学们充分理解和掌握: 1什么是地址?什么是指针? 2指针类型变量的声明方法和怎样将一个变量或数组的地址赋给指针类型的变量; 3怎样通过指针类型的变量去访问某个变量或数组元素的值

为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效

铁水预处理脱钛已被应用到实际生产中,铁水中的硅、锰、碳、磷在脱钛的同时都存在被氧化的可能.热力学计算和热模拟实验表明,铁水温度越低越有利于脱钛反应的进行.脱钛时,铁水中硅含量随钛含量的变化呈正比例下降,锰、磷含量变化与钛含量变化关系不大.铁水中碳的氧化主要受铁水温度影响,温度越高碳越容易氧化.要做到深脱钛,需要控制得到更低的铁水硅含量、更低的铁水温度以及抑制碳的氧化

为消除陡脉冲带来的干扰，分析了陡脉冲干扰的特点，建立了陡脉冲噪声数学模型，提出了基于变分模态分解（Variational mode decomposition, VMD）的心电信号滤波算法，提取叠加在心电信号中陡脉冲干扰分量、识别陡脉冲干扰分量并剔除陡脉冲干扰分量；为减少VMD分解层数、提高实时性并减少内存消耗，提出了心电信号预处理算法；针对医疗环境中的随机噪声伴随陡脉冲出现的情况，分析了VMD后子信号中随机噪声的特点，提出了基于VMD子信号能量估计的阈值去噪算法；利用变分模态分解的带通滤波器组特性，提出了基于变分模态分解子信号重组的QRS波群检测算法，配合滤波算法以提高心电信号特征检测精度。以添加了高斯白噪声和模拟陡脉冲干扰的MIT?BIH数据库心电信号和医疗环境中采集的心电信号为实验对象，分别实现对滤波算法和QRS波群检测算法的定量对比分析

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断