Fe3+离子在低品位铜矿生物浸出中的行为分析

生物浸出中容易产生铁矾而影响目的矿物的浸出速度。文中就这一问题，围绕与Fe^3 有关的各种因素进行了详细分析，旨在充分发挥Fe^3 离子的氧化作用，又尽量减少其产生的负面影响。分析表明，在驯化适应低酸条件下浸矿细菌的基础上，合理调配酸性介质pH值、铁浓度、细菌氧化活性、氧化还原电位Ek值之间的关系，能使铁产生的沉淀降到最小化。     

模糊神经网络间隔调速模型的研究

提出了一种基于模糊神经网络理论求得动态出口速度的模型，以6层的前向神经网络实现模糊过程使系统具有自学习和自适应能力，能根据列车的实际溜放情况自动调整减速器出口速度。     

冲击功对低碳高合金钢冲击腐蚀磨损性能的影响

文章通过改变冲击功和试验时间,利用SEM与光学显微镜观察表面形貌和亚表层裂纹,研究了在冲击、腐蚀和磨粒磨损协同作用下冲击功对低碳高合金钢磨损性能的影响,以及不同冲击功下磨损失效机理随时间的变化。试验结果表明,在2.0J和2.7J冲击功下,材料主要表现为磨粒磨损;在3.5J冲击功下,材料表现为冲击磨损。同时,在各个冲击功下,材料的磨损机理在冲击应力的循环作用下随时间发生明显变化。     

成丝的速度与方式和蜘蛛丝力学性能的关系

为了分析蜘蛛丝的力学性能和成丝条件间的关系,研究了不同速度下人工卷取的蜘蛛牵引丝以及蜘蛛垂直下落时分泌的牵引丝的力学性能.研究结果表明,随着卷取速度的增大,蜘蛛丝的断裂强度有一极大值,在高速卷取时强度的变化较低速时平缓.垂直下落时蜘蛛分泌的牵引丝的综合力学性能优异,但断裂强度不一定大于人工卷取的丝.成丝速度和成丝方式都对蜘蛛丝的性能有很大影响.     

动作电位在有髓鞘神经纤维上传递速度的计算模型及分析

以有髓鞘神经纤维为研究对象，通过分析动作电位的传递机制，得出了可用跨膜电流的传递速度来等效动作电位的传递速度的结论.根据McNeal模型和CRRSS模型推导出跨膜电流的时间函数，最后给出了动作电位在有髓鞘神经纤维上传递速度的计算模型.在得出模型的基础上对影响模型的参数进行了详细分析.     

蚁群算法在油田配电网开关优化配置中的应用

配电网分段开关优化配置，可以减少用户停电损失，提高供电可靠性。分段开关优化配置是一种以可靠性费用最小为目标函数的组合优化问题。结合油田配电网的分段开关类型和馈线自动化方式，给出了配电网开关配置的数学模型。应用蚁群算法(ACA)求解分段开关的位置和数量，并对蚁群算法的初始信息素赋值、搜索空间、转移原则和更新原则进行了改进，克服了基本蚁群算法搜索时间长、易陷入局部最优解的缺点。实例分析表明，该算法全局搜索能力强，搜索时间短，收敛速度快。     

国产X70管线钢与焊接接头组织及SSCC性能

输气管道的服役条件多为潮湿环境,输送介质含H2S.随着国产X70管线钢在西气东输工程中的应用,国产高强度管线钢硫化物应力腐蚀开裂(SSCC)性能研究显得尤为重要.为此,测试、分析了国产X70管线钢及其焊缝的组织,进一步采用慢应变速率法(SSRT)研究了H2S对国产X70管线钢及其焊接接头SSCC的影响,国产X70管线钢及其焊接接头在含H2S腐蚀介质中应力腐蚀敏感性随H2S浓度的增加而增加,在H2S质量分数为50×10-400时,母材的脆性系数为19. 9500,焊缝的脆性系数高达59. 1900.若以2500视为安全值,则在H2S浓度为50×10-40时的母材就SSCC而言是安全的,而焊缝却是不安全的.     

玻璃锡槽中保护性气体温度场和流场分析

在实验研究的基础上，对玻璃锡槽中保护性气体流场和温度场做数值模拟，进行定量分析和研究．应用K-ε方程模型对锡槽上部空间气体的速度场和温度场进行湍流模拟计算．通过计算得到，速度场呈现三维流动特征，在z和y方向存在环形流动，同时以沿x方向的流动为主；随着x的增加，不断有新的气体流入，在锡槽后部．气体沿x方向流动；锡槽内气体的温度随x的增加而降低．在z方向随z增大气体温度增加；水包对附近气体有冷却作用，但对于整个锡槽的冷却作用并不明显．     

硫化氢介质中注汽管材的应力腐蚀试验

应力腐蚀门槛值是评价管道抗应力腐蚀能力的重要性能参数。采用胜利油田现场使用的20g、13CrMo44、ST45．8、ST45．8．Ⅵ注汽管材，制作含有预制裂纹的恒位移双悬臂梁（DCB）试件，在H2S介质中进行了应力腐蚀试验，得到4种钢材的应力腐蚀门槛值KISCC和应力腐蚀裂纹扩展速率da／dt。试验结果表明，ST45-Ⅳ钢的KISCC值最大，裂纹扩展速率最小，具有较强的抗应力腐蚀开裂能力。含碳量低、减少块状铁素体，细化组织有利于提高管材抗应力腐蚀的能力，管材在硫化氢介质中的应力腐蚀开裂属于氢致开裂和阳极溶解型混合开裂。     

微粒群算法的研究现状及发展趋势

微粒群优化算法(PSO)是一种进化计算技术(evolutionary computation)．算法通过微粒间的相互作用发现复杂搜索空间中的最优区域。其优点是：计算速度快且简单易实现；缺点是容易陷入局部极值点，进化后期收敛速度慢且精度较差．本文对微粒群算法的研究现状进行了部分介绍，并对其研究的发展趋势进行了预测．