以特殊钢钢渣、炭黑、促进剂、硫磺、氧化锌、硬脂酸与复合橡胶制备特殊钢钢渣基复合橡胶。测试了内辐射指数、外辐射指数、安定性、拉伸强度、撕裂强度、拉断伸长率、邵尔A硬度、极限氧指数、燃尽时间、浸出液中重金属浓度、矿物组成、粒径分布、导热系数、孔结构、化学成分、微观形貌和热稳定性。研究了特殊钢钢渣作为橡胶功能填料的可行性与环境风险。结果表明：特殊钢钢渣的矿物组成为Ca2SiO4、Ca3Al6Si2O16、（Fe, Mn）2SiO4、Ca3Al2（SiO4）3、Na2TiSiO5、CuMn6SiO12、Na2SiO5、Pb3Ta2O8、Pb3SiO7等金属固熔体，特殊钢钢渣具有良好的粒径分布，其安全性与安定性满足相关国标的要求。特殊钢钢渣基复合橡胶中特殊钢钢渣掺量为20%～40%时，特殊钢钢渣基复合橡胶的拉伸强度为20.0～21.5 MPa、撕裂强度为45.2～48.6 kN·m?1、拉断伸长率为475%～501%、邵尔A硬度为63.5～65.3、极限氧指数为18.5～18.6、燃尽时间为264～292 s、导热系数为0.15～0.17 W·m?1·K?1。特殊钢钢渣的主要重金属氧化物为Cr2O3、PbO和CuO，且以稳定的金属固熔体存在，特殊钢钢渣基复合橡胶中Cu、Zn、Cd、Pb、Cr、Ba、Ni、As等重金属浸出浓度远低于危险废物鉴别标准限值，因此将特殊钢钢渣作为橡胶功能填料安全、可行

 什么是类  类是对现实世界中具有相似功能的同类实体的抽象；  类是一种自定义的数据类型；  用“new”关键字从某个类实例化对象；  C#中，类分为两种：由系统提供的预先定义的，这些类在.NET框架类库中；用户定义数据类型

为了实现冶炼过程中对炉渣成分的实时预测，给电弧炉炼钢过程中加料等工艺操作提供帮助，对影响炉内炉渣成分的因素（炉内反应、加料与流渣）进行了研究，构建了电弧炉炼钢炉渣成分实时预报模型。结果显示，该模型能够实时预测炉内炉渣质量和成分变化，预报炉内铁元素氧化状况，可为冶炼过程中添加辅料与流渣等工艺操作提供指导作用。通过与现场炉渣取样检测结果进行对比，得到炉渣中CaO、SiO2和FeO实测成分与模型预测成分的平均相对误差分别为12.66%、11.17%和19.16%

油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径

一、关系模型概念回顾 二、关系模式中可能存在的异常 三、关系模式中存在异常的原因 四、关系模式的规范化 五、数据依赖的公理系统 六、模式分解 七、规范化小结

• 第一节 决策和决策科学 • 第二节 决策支持系统的定义、分类与系统结构 • 第三节 智能决策支持系统 • 第四节 Agent和Multi-Agent系统

采用共沉淀法制备了Ni(OH)2前驱体材料，通过高温固相法制备了LiNiO2和B掺杂LiNiO2（B的摩尔分数为1%），利用X射线衍射（XRD）、里特维尔德（Rietveld）精修、扫描电子显微镜（SEM）、恒流充放电测试、循环伏安（CV）和电化学阻抗谱（EIS）对材料的晶体结构、表面形貌和电化学性能进行了系统性表征.XRD和Rietveld精修结果表明，LiNiO2和B掺杂LiNiO2均具有良好的层状结构，B因为占据在过渡金属层和锂层的四面体间隙位而导致掺杂后略微增大材料的晶格参数和晶胞体积，同时增大了LiO6八面体的间距，进而促进锂离子运输.由于掺杂的B的摩尔分数仅为1%，LiNiO2和B掺杂LiNiO2均表现为直径10 μm左右的多晶二次颗粒，且一次颗粒晶粒尺寸没有明显区别.长循环数据表明B掺杂可以有效提高材料的循环容量保持率，经100次循环后，B掺杂样品在40 mA·g−1电流下的容量保持率为77.5%，优于未掺杂样品（相同条件下容量保持率为66.6%）.微分容量曲线和EIS分析表明B掺杂可以有效抑制循环过程中的阻抗增长

订单接受与不相关并行机调度是订单接受与订单调度的联合决策, 广泛存在于面向定制的多品种混合生产环境中. 针对这一问题, 考虑了顺序与机器依赖的安装时间以及可加工机器限制, 并以最小化总成本为优化目标. 其中, 总成本由被接受订单的总拖期成本和被拒绝订单的总拒绝成本构成. 通过分析订单拒绝对目标的影响, 提出了列表拒绝方法和订单拒绝规则, 进而设计了协同进化遗传算法. 算法将染色体编码分解为订单列表和订单指派两个个体, 提出了基于列表拒绝方法的解码方案来进行订单拒绝决策. 由于两个个体相互独立, 且二者的进化约束不同, 因而引入协同进化策略, 并根据个体的编码特征, 分别采用单亲遗传算子和传统遗传算子进行遗传操作. 数据实验验证了算法的有效性和求解效率, 并对问题规模和订单拒绝成本对算法性能的影响进行了分析

超低碳钢常用于生产汽车面板等表面质量要求较高的产品.连铸坯皮下的钩状坯壳很容易捕集夹杂物导致冷轧钢板表面出现翘皮、亮/暗线等缺陷,对产品质量具有严重危害.采用数值模拟分析了钩状坯壳的形成和演变过程.将计算的初生坯壳形状制作成物理模型,模拟了夹杂物在凝固前沿被捕集的过程,并对凝固钩区域不同位置的夹杂物的受力特征进行了分析.结果表明,凝固钩在弯月面中形成以后,不会直接湮没进坯壳内,而是要经历熔化、变粗、生长、湮没等逐步演变的过程.数值模型预测拉速1.3 m·min-1条件下最终存留在坯壳中的凝固钩深度约为2.5 mm,这与实际观察到的钩状坯壳的尺寸基本一致.模拟得到的钩状坯壳形貌与铸坯表层和漏钢坯壳的金相特征较为接近.夹杂物最容易在凝固钩下表面被捕集,不容易在凝固钩上表面被捕集,特别是对尺寸相对较大的夹杂物.但是溢流发生时,靠近弯月面处的夹杂物可能随着钢流进入到初生凝固钩上部而被快速冷却的钢液包裹.两道凝固钩之间的坯壳由于其凝固前沿处于垂直分布,小于100 μm夹杂物可能被捕集而大尺寸夹杂物不易被捕集

符山铁矿拥有三个生产采区,根据它们的原矿石产量、品位和含硫、矽条件,对原矿石做合理调配,以保证商品矿石的质量指标要求,并获得最佳利润指标。本文应用线性规划单纯形方法求解配矿方案,给出了符山铁矿配矿问题的数学模型和相应的单纯形表,用FORTRAN语言程序,在M-150大型机上实现的。计算结果得出符山矿最优配矿方案,分析了影响提高利润指标的因素,并提出适于符矿具体情况的配矿方案,以及进一步改善经济效益的意见