具有网络结构的Zr-Al-Ni-Cu块体金属玻璃的塑性和断裂模式转变

研究网络结构对Zr?Al?Ni?Cu块体金属玻璃的塑性和断裂模式的影响。采用化学腐蚀法显示并用SEM观察横截面和纵截面的微观结构,采用室温单向压缩试验测定力学性能。结果表明,网络结构显著地影响Zr?Al?Ni?Cu块体金属的塑性和断裂模式,当网络结构的尺寸达到某一临界值时,塑性和断裂模式发生转变。当胞状结构的尺寸约为3μm时,Zr基块体金属玻璃表现出塑性,并且塑性随胞状尺寸的增加而降低。断裂模式随胞状尺寸的增加逐渐由单一45°剪切面断裂向双45°剪切面断裂,最后转变为劈裂断裂。另外,探讨这些Zr基块体金属玻璃的塑性和断裂模式发生改变的机理。     

物探专业实训基地建设与改革

本文通过对石油物探学校的建设、发展和改革进行阐述,展示了学校本着贴近生产一线、与时俱进、科学发展的理念,使物探实训基地在中职教育中发挥更大更好的作用。     

基础英语阶段词缀教学对医学英语词汇的铺垫及助记作用

词缀法构词方式是英语词汇构成方式中最重要的一种。在大学基础英语阶段讲授词汇的过程中,介绍常见的词缀不仅有利于学生对基础词汇的记忆,对于医学专业学生来说,基础英语阶段词缀教学对医学英语词汇有显著的铺垫及助记作用。     

浅谈钢筋混凝土保护层质量控制问题

钢筋混凝土保护层能够增强结构耐久性,控制保护层的质量,首先控制混凝土的质量,其次控制保护层的厚度,本文将就混凝土保护层质量控制措施进行简探讨。     

汽车转向拉杆断裂失效分析

某车辆在一次轮侧碰撞事故中，其转向拉杆在与梯形臂连接的螺纹处发生断裂。通过宏观检查、化学成分分析、显微组织分析、断口扫描电镜分析以及建立其力学模型进行稳定计算并综合分析后认为，该拉杆具有早期缺陷。很大程度上降低了其安全系数。在有缺陷的情况下，横拉杆的稳定极限载荷为24．41kN，承载能力较其正常稳定极限载荷50．23kN下降了51．4％。该转向拉杆在此次事故中受到冲击载荷，在横截面积最小处即连接螺纹处发生失稳，最终断裂失效。     

X射线底片数字化存储管理及发展前景

X射线底片数字化存储基本原理是运用计算机技术将底片作为景物图像经扫描器扫描，经数字化进行图像处理，把底片负象转变成数字信号，数字信号经计算机转换成光学图像在显示器上显示，进而存入磁盘或转录到磁带上作永久存储，系统软件构成主要由6个模块组成，底片的存储主要有以下特点：（1）存储无失真，可以任意复制，便于交流；（2）系统操作简单，观察更清晰，更全面，更准确。（3）节省大量的存储空间，科学地分类管理使查阅更快捷，更准确。（4）系统采用了精确的稳定控制技术，具有很高的稳定性和精确性，现代计算机技术和网络技术的进步将极大地促进底片数字化存储管理系统的广泛应用和迅速发展，另外，底片数字化存储系统的开发应用将促进无损检测缺陷智能的实现。     

2-氨基-4-乙酰氨基苯甲醚清洁生产工艺研究与应用

对分散染料中间体2-氨基-4-乙酰胺基苯甲醚清洁生产工艺的研究与应用进行阐述。甲醇中,在催化剂作用下,将2,4-二硝基苯甲醚与氢气还原,制备2,4-二氨基苯甲醚;在缚酸剂的作用下,2,4-二氨基苯甲醚与乙酸酐进行酰化反应,制得2-氨基-4-乙酰氨基苯甲醚(俗称还原物),其中缚酸剂与2,4-二氨基苯甲醚的摩尔比为0.3∶1~0.5∶1,乙酸酐与2,4-二氨基苯甲醚的摩尔比为0.98∶1~1.20∶1。本工艺能耗低,成本低,废物废液少,绿色环保,工艺操作简便,反应条件温和,生产过程中安全风险低,目标化合物的收率达87%以上,HPL纯度达99%以上,具有推广应用价值。     

改进孔型设计 提高14＃工字钢减重率

为提高14＃工字钢的减重率,石横特殊钢厂中型材车间先后对成品孔、成品前孔和成品再前孔进行改进,使其减重率达到－4．2％以上,并且提高了成品质量,稳定了成品尺寸,孔型磨损减轻,降低了轧辊消耗,工艺合理,中间轧废率由1．2％降至0．27％,各项经济技术是到进一步提高。     

基于雷达观测数据的高炉料面多模型控制

炉料在高炉内部的布局直接影响着高炉的运行,好的布料策略能极大地提高生产力,并带来巨大的经济效益.本文利用模糊c均值聚类算法对大量雷达扫描得到的料面数据进行分类,建立多模型料面模型集;设定期望料面,并根据料面模型集中的多种料面,设计多种布料控制策略,求出相应的布料矩阵.每一个布料周期,采用模糊识别的方法把获得的实时料面数据与模型集相匹配,进而采取相应的布料矩阵进行布料,直至达到期望料面.由于雷达扫描数据的存在,形成了反馈机制,使得高炉布料能够实现闭环控制.本控制策略在某钢铁厂2500m3高炉上得到实施,取得很好的控制效果,达到节能降耗的要求.     

OCSVM集成模型解决支持向量机的大规模训练问题

该文针对集成方法实现支持向量机大规模训练的相关问题进行了深入研究,提出了一种称为"DD-Boosting"的成员分类器产生算法,能够在大规模数据集情况下利用类似Boosting技术产生稳定、高泛化性能的成员分类器。在此基础上,推导出基于OCSVM的分类器集成模型,实验仿真表明,该集成模型能够获得比主投票方法更好的泛化性能,且通过调整正则参数避免了训练过拟合问题。