通过空冷固态高温钢渣颗粒实验,由实验数据拟合平均努塞尔数实验关联式.对空冷高温钢渣颗粒进行三维数值模拟,研究不同绕流雷诺数下的准则关系式,分析空气外掠固态钢渣颗粒影响因素.研究得出空气冷却固态钢渣颗粒的实验关联式与数值计算关联式,实验与数值计算之间误差较小,验证了采用SST k-ω模型计算的可靠性.实验结果表明:钢渣颗粒的平均努塞尔数随着绕流雷诺数、粒径和气体流速的增大而增大.在同等条件下,钢渣粒径对平均努塞尔数的影响作用大于气体流速;模拟空冷高温钢渣颗粒时,直径对钢渣颗粒凝固时间的影响作用最大,导热系数的影响作用次之,来流空气温度影响作用最小

利用Gleeble-3500热模拟试验机对38MnB5热成形钢的高温变形行为进行研究, 分别在650~950℃温度区间内, 以0.01、0.1、1和10 s-1的应变速率对其进行等温单向拉伸测试, 并得到相应条件下的真应力-应变曲线.结果表明: 38MnB5热成形钢流变应力随着变形温度的升高而减小, 随着应变速率的增大而增大.当应变速率逐渐增加时, 热变形时发生的动态回复和动态再结晶效果并不显著, 而当温度逐渐升高时, 二者作用逐渐加强.考虑了温度、应变速率和应变的综合复杂影响, 建立38MnB5热成形钢高温下的本构方程.此本构方程通过对流变应力、应变、应变速率等实验数据的回归分析, 得到与变形温度、应变速率和应变相关的材料参数多项式.计算结果与实验结果对比发现, 通过本构方程所获得的计算值与试验值吻合良好

针对实时相关运动模式挖掘应用的需求,提出了一种实时地发现关闭蜂群模式的簇重组算法(CLUR).该算法维护一个候选蜂群模式列表,在每个时间戳采用基于密度的聚类算法对移动目标进行聚类,根据聚类结果组合所有的最大移动目标集,记录相应的时间集,然后构建候选蜂群模式,并更新到候选列表.算法给出了三种更新规则和一种插入规则,用于实现候选蜂群模式列表的更新,同时降低了候选列表的冗余度,提高了算法的效率.在每个时间戳结束时可通过关闭检测规则实时地发现当前时刻的关闭蜂群模式.在合成数据上的综合实验验证了CLUR算法的正确性、实时性和高效性,CLUR算法适用于实时相关运动模式挖掘系统

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向。针对肝细胞癌（Hepatocellular carcinoma, HCC）分化程度的无创性定量估测方法研究，结合放射科医师的临床读片经验，提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型。以动态对比增强核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多个序列为输入，学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重，加权序列中具有的良好判别性能的时间和空间特征，以提升分化程度判别性能。模型的训练和测试在三甲医院的临床数据集上进行，实验结果表明，本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能，在WHO组织学分级任务中，判别准确度、灵敏度、精确度分别达到80%，82%和82%

基于双亚点阵模型,计算了两种不同铌含量的高钢级管线钢在不同温度下Nb、Ti和Al的析出量,测定了不同加热温度和保温时间下奥氏体晶粒尺寸,建立两种钢奥氏体晶粒长大模型.发现Nb含量增加提高了其全固溶温度,并且温降过程中Nb析出量显著增多,在晶界两边析出的细小碳氮化物对奥氏体晶粒长大有显著的阴碍作用.高铌钢加热温度为1250℃时奥氏体晶粒显著粗化,预测模型也不同于1050~1200℃的模型,但相同保温温度下晶粒尺寸明显小于低铌实验钢.通过数据拟合计算出高铌钢的长大激活能远远高于低铌钢,再次证明高Nb的管线钢在1200℃以下能够有效地细化奥氏体晶粒,预测模型与实验值吻合较好

用包括奥氏体γ相和两个碳氮化物相三相溶解度间隙平衡处理的方法计算了V-Ti-N微合金非调质油井管钢中的碳氮化物析出.计算结果表明,此钢奥氏体中的析出模式为1473℃时TiN即开始析出;其后部分TiN逐渐转变为复合(TixV1-x)(CyN1-y)颗粒,而其他的TiN直到低温仍保持其化学性质;最后富V-C的V (CxN1-x)在846℃开始析出.实验数据验证了这种析出模式.计算结果支持了中碳含钒微合金钢中800℃以下奥氏体中的析出对其后的奥氏体分解相变具有明显的调控作用的观点

以GaN和(Ga1-xInx)P半导体的金属有机物气相外延生长(MOVPE)为例分析了V族气源物质NH3和PH3热分解对半导体化合物外延生长成分空间的影响.根据外延生长过程中NH3和PH3实际分解状况,建立了气源物质不同分解状态下的热力学模型,进而应用Thermo-calc软件计算出与之对应的成分空间.计算结果与实验数据的对比表明:GaN和(Ga1-xInx)P半导体的MOVPE过程的热力学分析必须根据V族气源物质NH3和PH3的实际热分解状况,进行完全平衡或限定平衡条件下的计算和预测,完全的热力学平衡分析仅适用于特定的温度区段或经特殊气源预处理的工艺过程

钢中的碳氮析出物通过细晶强化和析出强化方式对钢的力学性能有非常重要的作用.基于规则溶液的双亚点阵模型(其中一个为金属亚点阵,另一个为间隙原子亚点阵)建立了碳氮化钛、氮化铝以及硫化锰的热力学计算模型用以研究析出物的析出开始温度、给定温度的奥氏体成分,并将这一结果应用于CSP过程.经计算得Ti (CxN1-x),MnS和AlN的析出温度分别是1200℃,1440℃和1010℃,最大的体积分数分别为2.315×10-5,4.18×10-4和3.1×10-4.对比发现热力学的计算结果与Thermo-Calc的计算结果和有关文献的实验数据有较好的一致性

针对高温含水条件下非氧化物材料经常面临的性能失效问题,以六方BN粉体(平均粒度为1.2μm)为研究对象,利用高温热重分析、X射线衍射以及扫描电镜等手段,考察了BN粉体在不同温度(1273-1373K)含水条件下f水和空气的体积比为3:7)的反应行为,并与其在干燥空气下的反应行为进行对比.BN粉体在含水条件下的反应有如下特点:在反应初期,试样质量增加率快速增加;在反应后期,试样质量增加率变缓.结合热力学分析探讨了BN材料在高温含水条件下的反应机理:质量快速增加阶段主要发生BN与O2之间的氧化反应,试样质量增加率变缓阶段主要是由于氧化产物B2O3与H2O反应生成了挥发性产物.随着温度的升高,两反应阶段试样的质量增加率均有所提高.利用周模型对BN材料在高温含水条件下的反应动力学进行了较为精确且定量的拟合,结果与实验数据吻合良好