铁矿烧结工序作为钢铁行业NOx排放的主要来源，在当前高压环保态势下减少其NOx排放迫在眉睫。烧结过程NOx主要产生于固体燃料燃烧过程，而粗粒级燃料的赋存形态会影响其NOx排放。基于此，本研究采用可视化微型烧结燃烧装置研究裸露型和被覆型粗粒级焦粉的燃烧行为，以及优化其配加模式对NOx排放和烧结固结强度的影响规律，并烧结杯实验研究兼顾NOx减排和烧结产质量指标的适宜粗粒级燃料赋存形态。结果表明，相比裸露型粗粒级焦粉，表面被覆铁酸钙细粉时其NOx排放降低约56%；分加粗粒级焦粉以调控其为裸露型时，NOx排放增加约10%，且烧结矿强度降低，而控制粒度为0.5～3.15 mm以调控其为被覆型时，NOx最大体积分数和N元素转化率分别降低约8%和27%，且烧结各项产质量指标均得到改善

由于转炉冶炼过程中的热力学和动力学反应复杂，副枪控制模型和传统的烟气分析模型存在很大的局限性，导致了转炉冶炼终点碳含量的预测精度偏低，是实现智能炼钢的主要技术瓶颈. 针对上述问题，提出了基于烟气分析的炼钢过程函数型数字孪生模型. 首先，利用烟气分析得到连续监测的实时数据，以此来实时监控转炉熔池内钢水的碳氧反应状态; 然后，根据熔池反应所处的不同阶段，利用函数型数据分析方法建立吹炼前期和吹炼后期的函数型预测模型; 在此基础上，按照吹炼前期和吹炼后期这两个阶段来分别自动修正模型中的系数函数，从而能在复杂的实际工况条件下完成对熔池碳含量的准确预测. 通过260 t氧气转炉的工业应用实例，证实函数型数字孪生模型具有良好的自学习和自适应能力，对异常冶炼状态具有良好的鲁棒性，可以实现全过程的熔池碳含量动态预测，终点碳质量分数在± 0. 02% 范围内的命中率为95%. 利用函数型数字孪生模型在拉碳阶段对钢水中碳含量的预测值来控制终吹点. 更为重要的是，在保证入炉原料成分、温度、质量等参数稳定的前提下，采用该模型可以有望取消基于副枪的停吹取样步骤，从而降低生产成本，提高产品质量和生产效率，具有广泛的工业应用前景

第一节 名词术语 第二节 监测数据的处理 第三节 环境监测的分析质量控制

以Na2MoO4·2H2O、NiSO4·6H2O和MnO2为原料, 采用水热法成功制备了类松果状NiMoO4/MnO2复合材料.通过X射线衍射、扫描电子显微镜、恒电流充放电、循环伏安和交流阻抗对材料进行表征.结果表明, MnO2的最佳质量分数为10%, 所得NiMoO4/MnO2复合材料具有类松果状形貌, 其颗粒直径为200~600 nm, 且表面粗糙、多孔; 在1 A·g-1的电流密度下, MnO2质量分数为0、5%、10%、15%、20%时, 所得复合材料NM0、NM5、NM10、NM15和NM20的放电比电容分别为260、248、650、420和305 F·g-1.在电流密度为10 A·g-1下, 最佳样品NM10复合材料的首次放电比容量为102 F·g-1, 经过100次循环后, 其放电比电容稳定在147 F·g-1.该性能的提高, 主要是由于MnO2的引入弥补了NiMoO4单一材料存在的不足, 从而达到协同增效的作用

采用无水电解法提取不锈钢中存在的典型夹杂物，通过扫描电子显微镜观察夹杂物三维形貌，并根据元素组成对夹杂物进行分类和形貌分析，对具有相同化学成分但不同三维形貌的夹杂物进行了表征和归纳。利用FactSage 7.0热力学软件，对不同夹杂物的平衡状态进行了计算，研究了温度和钢液成分对于夹杂物平衡的影响，并得到相应的平衡相图。结果表明，无水电解可以有效地将不锈钢中夹杂物完整地提取出来，避免了金相法带来的误差，可以更加清晰的观测夹杂物的三维形貌；经扫描电子显微镜观察和测量，较大的氧化铝夹杂物表面较为容易出现钛元素的富集区域，且大部分夹杂物形貌主要为球状和表面较为光滑的多面体状，直径一般不大于5 μm。通过热力学计算得到，钢中夹杂物的生成与钢中元素质量分数密切相关，在1873 K时，Mg、Ti、Si元素质量分数的不同会导致生成不同的夹杂物

一、算法描述 k中心点算法:首先为每一个簇随意选择一个代表对象;剩余的对象其与 代表的对象的距离分配给最近的一个簇。然后反复的用非代表对象来替代代表 对象,以改进聚类的质量。聚类结果的质量用一个代价函数来估算,该函数度 量对象与其参与对象之间的平均相异度。为了确定非代表对象Om是否是当 前代表对象O的好的替代,对于每一个非代表对象P,考虑以下四种情况

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

提出采用煤较低温度下选择性还原选铜尾矿中的铁, 还原球团磁选回收铁的技术, 并考察了还原温度、还原剂用量、还原时间、活化剂用量对选铜尾矿选择性还原回收铁的影响, 得出最佳工艺条件: 还原温度为1200℃, 还原剂用量为原料质量25%, 还原时间为2 h, 活化剂用量为原料质量5%;在最佳工艺条件下, 磁选精矿中铁质量分数超过90%, 铁回收率大于95%.借助X射线衍射仪、光学显微镜和扫描电子显微镜等检测手段对原料、还原球团、磁选矿的矿相组成和结构进行分析, 揭示了铁矿相还原及金属相生成/融合演变规律: 升高温度促进金属相的还原、融合兼并和生长; 增加还原剂用量使金属颗粒的融合兼并变得更加普遍; 延长还原时间促进金属粒子的融合和铁橄榄石相的还原; 活化剂促进金属粒子的扩散和融合.金属颗粒的兼并生长促使其粒度增大, 粗粒金属颗粒在磁选工序裹夹带入磁选精矿的渣相量相对较少, 磁选精矿铁含量显著提高

第一章概论 第一节钢结构的特点和应用 钢结构的特点: 钢结构构件较小,质量较轻,便于运输和安装,便于装拆、扩建。 适用于跨度大、高度高,承载重的结构。 1.钢材的材质均匀,质量稳定,可靠度高 2.钢材的强度高,塑性和韧性好,抗冲击和抗振动能力强 3.钢结构工业化程度高,工厂制造,工地安装,加工精度高,制造周期短,生产效率高,建造速度快

1主题内容及适用范围 本标准规定了电厂用水处理设备的验收技术要求、检验方法、标志、包装、运 输、贮藏及现场验收规则等要求 本标准适用于电厂用机械过滤器类、离子交换器类、除二氧化碳器类及酸、 贮存槽、计量箱等水处理设备,也适用于防腐管道附件等的质量验收