含铝高速钢中奥氏体非均匀长大的机制

M2AI和M2高速钢经一次和二次淬火后,奥氏体晶粒和未溶碳化物的定量研究表明,在高温r/f比值相同的条件下,由于淬火前原始组织的差别,可发生正常(均匀)和异常(非均匀)两类长大。根据异常粗晶形成初期的组织观察,提出了“连续-非连续”再结晶模式和“合并—推移”式的生长机制。提出了减轻或消除M2AI钢混晶的工艺原则。     

几种巴西橡胶三合树的生长状况和光合强度

不同组合巴西橡胶三合树在福建南部的生态条件下,其生长强度,生理代谢和抗逆能力都存在差异。本文中主要研究比较了几种橡胶三合树的生长强度,光合作用强度及其变化。研究结果表明,三合树的生长强度和光合强度明显比对照树高,不同组合三合树的生长强度和光合强度与它们的抗寒力成正相关。     

傅里叶变换红外光声光谱法在纺织上应用

本文叙述了傅里叶变换红外光声光谱法(FTIR-PAS)的基本原理及其在纺织上应用。研究了组合浆料中变性聚乙烯醇的定量测定、涤棉混纺纤维中涤纶的定量测定、苎麻及甲壳素经碱处理后的光谱性质的变化。研究结果表明,以变性聚乙烯醇C=O基团的伸缩振动1570cm~(-1)吸收峰可作为定量测定变性聚乙烯醇的依据。以涤纶分子结构中羰基伸缩振动1725cm~(-1)峰高与纤维分子结构中碳氢键伸缩振动2915cm~(-1)峰高的比值,可定量测定涤棉混纺纤维中涤纶含量。苎麻经碱处理后,非晶谱带898cm~(-1)度明显增加,晶区谱带1430cm~(-1)强度明显下降,其变化程度取决于碱浓度。甲壳素的酰胺吸收峰1555cm~(-1)随碱处理浓度、温度和时间的增加而下降。与常规的红外吸收光谱法相比较,傅里叶变换红外光声光谱法具有无损快速的优点,适宜于制作困难的试样。     

论运动量的安排

针对目前,大多数运动训练中,运动量安排上的不合理的状况,笔者在体操领域中进行了探索。通过对苏联、日本队夺得世界冠军前的训练的有关数据的统计,并结合自己的经验,进行了研究分析,在理论上提出了“训练的适应征象”。并得出了大运动量与成绩密切相关的结论。并且对训练的负荷密度、强度问题做了进一步阐述。     

单向耦合映象格子的时空混沌同步

用主动－被动分拆方法实现了单向耦合映象格子系统的时空混沌同步,从理论上给出步范围,并从数值实验上得到验证。该法具有高度保密性,且信号可以完全恢复,特别适用于混沌保密通讯 。     

CAD系统中面向对象用户界面的设计与研究

介绍铁路站场ＣＡＤ系统中面向对象用户界面的设计与研究,该系统用户界面的设计充分分考虑了铁路站场ＣＡＤ系统的特点和工程应用,采用面向对象的方法与技术,实现了一个高度图形化和交互式,适用于铁路站场设计工作需要的图用户界面。     

基于集成平台的CAPP和PPC集成系统

按照ＣＡＰＰ和ＰＰＣ的多级并行分布式集成体系结构建立ＣＡＰＰ和ＰＰＣ集成系统ＳＩＰＰ．该系统采用五层集成结构,用一级实现所有层次的集成功能,用逻辑分布模拟物理分布,系统可以在一台或多台计算机上实现．该系统基于统一的集成平台,易于达成巨量中间过程决策数据的共享,确保了功能集成的实现,同时也实现了与ＣＡＤ、资源建模等其他系统或功能的集成．系统可用来对ＣＡＰＰ和ＰＰＣ的整个集成过程进行仿真,生成整体优化的工艺计划和生产计划．     

基于实例的工艺知识获取模型

介绍了耦合神经网络的工艺设计实例推理系统的实现方法论,提出了一种基于神经网络的工艺设计实例推理索引模型．与现存大多数实例推理系统不同,该方法用神经网络实现实例的动态分类和索引．实例层次分类的三层结构和基于特征的聚类模板概念,为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件．提出了基于实例的工艺知识获取模型,采用新实例的入库操作实现工艺知识的隐式获取,从而使知识获取得以简化．神经网络的自适应、自学习能力将减少系统的日常维护工作．基于实例的系统可望解决知识获取的难题．     

一维抛物型偏微分方程 Padé 逼近的并行算法

一维抛物型偏微分方程可以用精细积分方法精确求解．当精细积分中的矩阵指数函数用它的Ｐａｄé逼近格式来代替时,可以得到一系列由简到繁,精度由低到高的差分格式,因而便于根据实际计算的需要进行选取．Ｐａｄé逼近格式的求解主要包括矩阵运算和线性方程组的求解．利用Ｐａｄé逼近格式对应的方程组系数矩阵为带状矩阵的特点,把原来在整个区域上求解的问题转化为分区域求解,从而实现了Ｐａｄé逼近的并行算法．算例的结果表明该方法具有较高的并行性和计算效率     

频变系统特征问题及其灵敏度分析的扩阶法

当振动系统的物理矩阵（刚度矩阵和／或质量矩阵）是频率的函数时,该特征问题就变为非线性特征问题．由于振型的非正交性,使得非线性特征问题及其灵敏度分析存在困难．针对可展成幂级数形式的非线性特征问题,提出了一种通过初始系统矩阵的扩阶来使原非线性问题线性化的扩阶方法．该方法的优点是：由于在线性化过程中未引入任何误差,因而是精确的;可适用于强非线性特征问题;可求得系统的所有特征值及其灵敏度．数值示例表明,该方法虽很简单,但十分有效．