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

针对膏体充填技术中添加絮凝剂对尾砂浓密后浓度提高有限，且屈服应力增大，流动性降低等问题，研究了絮凝剂?浓密增效剂共同作用，进一步提高全尾砂膏体充填料浆浓度，降低料浆屈服应力，并从微观角度进行机理分析. 结果表明：通过沉降与流变试验发现，最佳添加工艺为加入絮凝剂沉降完毕后再加入浓密增效剂，固相质量分数可提高8.57%～10.13%，同时屈服应力降低6.68～12.85 Pa；多组分浓密增效剂不仅能降低单耗与成本，还可以提高膏体充填材料的抗压强度；灰砂质量比1∶12并添加浓密增效剂的膏体充填材料28 d抗压强度为2.5 MPa，与灰砂质量比1∶6未添加浓密增效剂的膏体充填材料强度相差小于20%；通过总有机碳（TOC）吸附试验与Zeta电位试验发现，浓密增效剂具有吸附与分散的作用，会打开絮凝结构，释放絮团间水，从而提高尾砂浓度，并改善尾砂颗粒的流动性

对高炉灰在直接还原焙烧-弱磁选工艺中用作印尼某海滨钛磁铁矿还原剂的可行性及其机理进行研究.结果表明,以萤石为添加剂的条件下,高炉灰可代替煤做还原剂,通过高炉灰与萤石的共同作用,可以在直接还原过程中提高还原铁粉中铁的回收率及品位并降低TiO2质量分数,同时回收高炉灰中铁.三种不同产地高炉灰还原效果的比较表明,高炉灰性质对还原效果有影响.在相同用量条件下,津鑫高炉灰(JX)还原效果最好;在JX高炉灰用量30%、萤石用量10%、焙烧温度1250℃以及焙烧时间为60 min时,焙烧产物通过两段磨矿和两段磁选,最终得到最佳的还原铁粉中铁品位为91.28%,TiO2质量分数降至0.93%,包括海滨砂矿和高炉灰中铁的铁总回收率达到89.19%

首先从绿色通信入手, 对网络能量效率的国内外研究现状进行了分析. 在此基础上, 对超密集网络的关键性能指标, 即能量效率的各种定义进行了梳理, 为建模奠定了基础. 其次, 讨论了网络能量效率建模和优化过程中经常使用的4种理论模型: 随机几何、博弈论、最优化理论和分数阶规划. 并综述了能效提升的技术, 包括高能效部署与规划、高能效基站休眠、高能效用户关联、高能效资源管理、高能效传输方式. 最后, 指出未来的可能的技术挑战: 网络能效理论与超密集网络体系架构、超密集小基站高能效覆盖机理、超密集网络的柔性资源匹配机理、移动用户群体行为建模与高能效服务方法. 通过研究超密集网络高能效覆盖机理和柔性资源匹配机理, 为未来无线通信网络建模和分析提供设计依据与技术支撑

1. 认识软件 2. 数据录入与定义 编码——录入数据——定义数据 3. 数据整理 变换——排序 4. 其他常用内容 选择统计分析用的记录和变量 数据转置DATA--TRANSPOSE 数据文件拆分与合并DATA--MERGE FILES

以氧化铝溶胶为黏结剂、金属Fe为烧结助剂, 采用冷压-烧结制备出铝电解用Fe-TiB2/Al2O3复合阴极材料, 利用20A电解试验研究其电解性能; 利用能谱仪(EDS) 对电解试验前后的复合阴极材料进行了成分物相分析, 研究电解过程中各种元素迁移行为.研究结果表明: 金属Fe作为烧结助剂在烧结过程中能有效的填充骨料之间的空隙, 使该复合阴极材料的烧结致密度显著提高; 20 A电解试验过程电压稳定, 电流效率93. 2%, 原铝中铝元素质量分数为99. 47%, 杂质元素质量分数为0. 53%.在电解试验后, 铝液能有效润湿阴极表面, 表明Fe-TiB2/Al2O3复合阴极材料具有较理想的可润湿性; 从复合阴极电解后的能谱分析可知, 在电解过程中, 碱金属主要是通过液态电解质渗透进入阴极材料中, 随后又逐渐渗透进入黏结剂相中, 并在骨料之间氧化铝溶胶和金属烧结助剂均未能充分填充的空隙进行富集. K元素较Na元素对黏结相的渗透力更强; 与此同时, 阴极表面生成的Al通过复合材料的空隙进入阴极内部, 而Fe金属会利用材料内部的空隙反向扩散至铝液层中.在试验中, 阴极表面的铝液层的稳定存在是该阴极高效稳定运行的基础

基于前驱体合成与氨气氮化两步法，通过对前驱体合成关键参数B源/N源比、分散剂种类、前驱体干燥方式进行调控，实现了大比表面积、少层氮化硼纳米片材料的制备。其优化条件为以硼酸为硼源，尿素为氮源，硼酸与尿素摩尔比为1∶30，甲醇和去离子水作为分散剂，利用真空冷冻干燥方式合成前驱体。将前驱体在氨气气氛下900 ℃保温3 h合成了氮化硼纳米片。利用X射线衍射测试、X射线光电子能谱测试、拉曼光谱测试、热重分析测试等对合成产物进行了物相和结构表征，利用扫描电子显微镜、原子力显微镜、透射电子显微镜、氮气吸脱附曲线等对合成产物进行了形貌及比表面积表征。结果表明：合成的氮化硼为六方氮化硼纳米片（h-BNNSs），纯度高，形貌类石墨烯，层数为2～4层，厚度平均为1 nm，比表面积为871.8 m2·g?1，单次产物质量平均可达240 mg，合成产物平均产率可达96.7%。该方法简单易操作，实现了大比表面积少层氮化硼的制备，有助于氮化硼在各应用领域的研究，如氮化硼/石墨烯复合材料、纳米电子器件、污染物的吸附、储氢等

立体视频在无质量保证的互联网上传输时会引发立体视频左右视图的帧延时,影响观看质量.本文提出一种利用主观评价与客观脑电(electroencephalogram,EEG)相结合的方式分别对深度和水平延时运动立体视频刺激进行分析,并对二者的差异性进行比较.共有十名被试参加实验,被试观看随机呈现的不同延时等级包括无延时、延时1帧、延时2帧和延时3帧的立体视频片段,并对是否感知到延时效应做出主观判断,同时记录被试的EEG信号.从EEG信号中提取出事件相关电位(event related potentials,ERPs)并结合主观行为数据进行分析与比较.实验结果表明,为保证观看质量,深度运动立体视频中所能存在的最大延时帧数为1帧,水平运动中则不能存在延时效应.与水平延时运动相比,深度延时运动刺激产生的P300成分幅值变化范围更大,表明在深度延时运动刺激下大脑的活跃程度更高.同时,相同延时帧数的深度运动与水平运动刺激所产生的P300成分中,深度延时运动的潜伏期更长,这表明处理深度延时运动刺激所需时间更长

通过共沉淀和原位煅烧转化方法, 将Pd掺杂δ-MnO2前驱体煅烧后制备得到Pd掺杂α-MnO2纳米棒催化材料.通过氮气物理吸附、X射线衍射、透射电子显微镜、扫描电子显微镜、热重分析、X射线光电子能谱等技术对催化材料进行了表征.扫描电镜和透射电镜结果显示, α-MnO2纳米棒表面没有明显的Pd纳米颗粒, 表明Pd可能掺杂到α-MnO2晶格中.纯α-MnO2的还原温度在390℃左右, 但Pd掺杂可以极大地促进α-MnO2还原, 还原温度可低至约200℃左右.研究了所制备催化剂在无溶剂条件下对于以分子氧为氧化剂选择性催化氧化苯甲醇为苯甲醛的催化性能.结果表明: 在无溶剂及用纯氧气为氧化剂条件下, Pd掺杂α-MnO2纳米棒对苯甲醇氧化显示出增强的催化活性; 所掺杂的氧化态Pd物质可增强催化材料中的氧迁移率; 在这些Pd掺杂α-MnO2催化材料中, 当以Pd (3%, 质量分数) -MnO2为催化剂时, 在110℃反应4 h后, 苯甲醇的转化率为39%, 远高于同条件下以纯α-MnO2为催化剂时18. 3%的苯甲醇转化率

采用Gleeble-3800D热模拟试验机在应变量0.6、变形温度750~1050℃、应变速率0.01~1 s-1工艺条件范围内, 研究了Fe-(5.5%、6.0%、6.5%) Si高硅电工钢的热变形与动态再结晶行为.采用线性回归方法, 建立了三种成分实验钢的流变应力本构方程.计算得到Fe-5.5% Si、Fe-6.0% Si和Fe-6.5% Si高硅电工钢的热变形激活能分别为310.425、363.831和422.162 kJ·mol-1, 说明Fe-(5.5%、6.0%、6.5%) Si高硅电工钢的热变形激活能随Si质量分数的增加而增大, 这使得Fe-(5.5%、6.0%、6.5%) Si高硅电工钢相同条件下的变形抗力随Si含量的升高而增大.采用金相截线法对不同成分和变形条件下实验钢的动态再结晶百分数进行了统计, 结果表明: 同一热变形条件下, Fe-(5.5%、6.0%、6.5%) Si高硅电工钢的动态再结晶百分数随Si质量分数的升高而减小.本文实验条件下, 当变形温度为750~850℃时, Fe-(5.5%、6.0%、6.5%) Si高硅电工钢软化机制主要为动态回复; 而变形温度为950~1050℃时, Fe-(5.5%、6.0%、6.5%) Si高硅电工钢软化机制主要为动态再结晶