针对目前广泛应用的耐烧蚀硅基纤维布增强的复合材料存在的问题,比较了三种不同的硅基纤维布增强酚醛树脂复合材料的高温氧化后的失重率、力学性能和宏观/微观形貌的变化.发现高温氧化后,混编复合材料失重率的变化明显大于单编复合材料失重率的变化;高温氧化后材料的弹性模量随温度升高而减小.在三种硅基纤维布增强的复合耐蚀材料中,单编硅基纤维布增强的复合材料具有更好的抗高温氧化性能

塑性成形大螺旋齿形轴类件与其现有的切削工艺相比,有着节材高效的明显优势,但其均匀分度成形难度大.轧制过程中轧件滚动半径的变化幅度较大,基于此建立与传动比相关联的模具辊型曲线的求解方程.通过有限元数值模拟,对轧制过程中模具和轧件传动比的变化规律进行研究,得到较为合理的转速比变化规律和模具辊型曲线形态.以螺杆阴转子为轧制对象,通过定轴横轧实验实现其非对称大螺旋齿形的均匀分度成形,成功解决大螺旋齿形均匀分度成形难的问题

本文建立了内置高导C/C材料的疏导式热防护结构原理模型,通过实验的方法给出了高导C/C材料与耐热三维编织C/C材料间的接触热阻,并利用数值仿真针对影响结构热防护效果的若干关键参数进行了参数影响研究.研究结果表明:减小耐热层厚度是一种降低驻点温度的有效方法,但是必须同时考虑由此引起的强度问题;界面接触热阻对热防护效果影响很大,必须通过工艺处理降低界面热阻才能实现有效的热防护

本文以工业试验和大量生产数据为基础,对VOD法冶炼不锈钢的工艺进行了分析,着重讨论了VOD过程钢水温度变化规律及工艺因素对它的影响,并指出,供氧制度(包括枪高,氧气流量和氧气压力),真空制度的合理配合是控制氧化期钢水温度的关键。还原期的温降受吹后的温度、还原处理时间及铁合金冷却剂、造渣剂的加入量等因素的综合影响。通过建立随机模型进行了定量的描述。针刘氧化期喷溅问题,给出了合理的供氧强度范围。对VOD过程元素变化及去碳保铬反应做了热力学分析讨论

针对网络控制系统模型参数选取困难的问题,利用特征模型和动态特征模型的自适应控制方法在实际工程中建模简单、控制精度较高的特点,以直流电机的网络控制系统为例,研究了具有时延和数据丢包网络情况下的网络控制系统,提出了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明:丢包率对特征模型控制器系统的影响较大,而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制性能

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型

从宣钢铁水供应的现状出发,提出了\高炉-铁水罐-转炉\这样一个紧凑的高炉-转炉界面模式(铁水罐向转炉直兑铁水).并从时间、铁水质量、能源与环保、设备以及人员配置等五个方面来评价分析铁水直兑的优点,根据铁水直兑的要求,宣钢现有铁水罐必须扩容,提出了现有铁水罐扩容改造的两种方法,并对这两种方法的改造效果进行比较.最后,讨论了铁水罐扩容后相关辅助设施的改造问题,从而为宣钢的铁水供应方案的改造提出了参考依据

现代霍尔-埃鲁特(H-H)法铝电解槽规模大、工艺成熟, 利用该法电解制备铝基合金具有明显技术和经济优势. 目前国内外研究主要是在现有氟化物熔盐体系中添加多种合金元素氧化物, 合理调节电解质成分和工艺参数, 借助共电沉积和欠电位机制, 成功制备出多种铝基合金, 工业化试验亦有初步成果. 本文综合分析了上述进展及发展前景, 并指出在实现合金组成精准调控、合金产品成分均匀化、电解槽高电流效率运行等方面存在的问题, 旨在为相关研究提供参考

针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

脏腑定位，即明确病变所在的脏腑，是中医脏腑辨证的重要阶段。本文旨在通过神经网络模型搭建中医脏腑定位模型，输入症状文本信息，输出对应的病变脏腑标签，为实现中医辅助诊疗的脏腑辨证提供支持。将中医的脏腑定位问题建模为自然语言处理中的多标签文本分类问题，基于中医的医案数据，提出一种基于预训练模型ALBERT和双向门控循环单元（Bi-GRU）的脏腑定位模型。对比实验和消融实验的结果表明，本文提出的方法在中医脏腑定位的问题上相比于多层感知机模型、决策树模型具有更高的准确性，与Word2Vec文本表示方法相比，本文使用的ALBERT预训练模型的文本表示方法有效提升了模型的准确率。在模型参数上，ALBERT预训练模型相比BERT模型降低了模型参数量，有效减小了模型大小。最终，本文提出的脏腑定位模型在测试集上F1值达到了0.8013