对含端部双裂隙?50 mm×50 mm的圆柱体大理岩试样进行单轴压缩试验，并利用高速摄影仪实时记录试样破坏过程，研究了端部裂隙长度和倾角对大理岩力学特性及裂纹扩展规律的影响。研究表明，当裂隙长度达到门槛值前，试样的单轴抗压强度的弱化程度较低，弹性模量、峰值应变的变化较小。相对垂直裂隙，相同长度的倾斜裂隙对大理岩的影响更加显著。试验结果与理论分析均表明，裂纹一般不从端部垂直裂隙尖端起裂，试样的起裂裂纹大多发展为主裂纹，扩展过程中较少产生分支与分叉，试样表面会产生局部剥落，倾斜裂隙试样宏观上呈剪切或拉剪复合破坏，垂直裂隙试样呈劈裂拉伸破坏。试样能耗参数与单轴抗压强度的变化趋势一致，试样总应变能和其单轴抗压强度有较好的正相关关系。最后，比较了动、静载荷作用下含端部裂隙大理岩力学响应与裂纹扩展过程的差异

受限空间内视觉疲劳是造成事故的主要原因之一。为探究有限空间内光照对视屏显示终端（Visual display terminals，VDT）作业视觉疲劳的影响，选取24名作业人员，在搭建的受限空间平台内进行VDT打字作业1 h，在50～700 lx范围内设置7个光照梯度使用眼动仪采集瞳孔直径数据。将采集数据进行归一化和降噪处理。实验结果表明，随着照度增大，瞳孔直径总体呈减小趋势，且瞳孔?照度关系符合幂函数关系；照度400，550和700 lx环境下瞳孔直径变化率在?12%～8%之间浮动，且随着光照强度的增强，作业人员视觉疲劳发生的程度增加；在低照度50，100和200 lx环境下，瞳孔直径变化率在?8%～4%之间浮动，且随着强度的减弱，作业人员视觉疲劳发生的程度也会增加。本研究提出使用窗口化的瞳孔直径标准差σ判断视觉疲劳出现时间，低照度下的σ峰值出现时间早于高照度下σ峰值出现的时刻，300 lx照度下σ峰值出现的时刻最晚，50～300 lx弱光照下对视觉造成的疲劳程度大于300～700 lx强光照下造成的疲劳

为了揭示硼铁精矿的碳热还原机理,以高纯石墨为还原剂,进行硼铁精矿含碳球团等温还原实验,并采用积分法进行动力学分析.还原温度分别设定为1000、1050、1100、1150、1200、1250和1300℃,配碳量即C/O摩尔比=1.0.当还原度为0.1<α<0.8时,温度对活化能和速率控制环节有重要影响:还原温度≤1100℃时,平均活化能为202.6 k J·mol-1,还原反应的速率控制环节为碳的气化反应;还原温度>1100℃时,平均活化能为116.7 k J·mol-1,为碳气化反应和Fe O还原反应共同控制.当还原度α≥0.8时(还原温度>1100℃),可能的速率控制环节为碳原子在金属铁中的扩散.碳气化反应是含碳球团还原过程中主要速率控制环节,原因在于硼铁精矿中硼元素对碳气化反应具有较强烈的化学抑制作用

在初始泥层高75 cm和耙架转速为0、0.1、1和10 r·min?1条件，以及耙架转速为0.1 r·min?1和初始泥层高度为75、45和25 cm条件下，采用FBRM和PVM实时在线监测技术，对动态浓密系统泥层脱水过程絮团结构演化进行原位连续观测，获得了泥层脱水过程中，絮团直径、数量分布特征和实时图像。研究结果表明，尾矿浓密过程中絮团直径和数量随剪切时间延长呈现先增长后降低，再保持稳定的状态。根据絮团直径变化程度，将絮团密实化过程分为絮团生长期、絮团重构期和絮团破碎期3个阶段。在剪切速率0.1 r·min?1和初始泥层高度75 cm实验条件下，有利于絮团生长和絮团快速破裂重构，并提高絮团密实化程度，但过高的剪切速率作用对絮团结构影响程度下降。剪切速率的增加造成絮团平均直径减小，同时絮团平均直径减小的速率上升。随着初始泥层高度增大，絮团生长阶段时间更长，絮团直径峰值更大，重构期较长，絮团平均直径随初始泥层高度增加而增大。尾矿絮团分形维数可以反映絮团结构变化特征，结合PVM图像的分形维数和孔隙率计算，分析了剪切破坏力与絮团凝聚力存在的相互平衡关系，基于这种动态平衡对絮团破裂程度的影响，研究了尾矿浓密过程中的絮团密实化规律

对比研究了两种AISI 420型钢球化组织的平均粒径和圆整度，并对两种钢材进行了不同淬火和回火处理工艺.然后通过硬度测试、扫描电子显微镜（SEM）和X射线衍射仪（XRD）来比较球化组织对淬回火特性的影响，同时借助动电位极化曲线测试和质量分数3.5% NaCl溶液浸泡腐蚀来分析耐蚀性能的差异.结果表明：细小弥散的球化组织在淬火时可以提高AISI 420型钢的C元素的固溶量，提高了其淬硬性，但是会提高残留奥氏体的含量；尺寸更小的退火态碳化物可以使AISI 420型钢的基体在奥氏体化过程中溶解更多的Cr元素，从而使得其在淬回火后基体Cr含量更高，减小贫Cr区产生几率，最终显示出更好的点蚀抗力；更少的大尺寸的未溶碳化物在腐蚀环境中降低了点蚀形核几率，提高了AISI 420型钢的耐蚀性能.所以在250℃回火时，AISI 420型钢耐蚀性好且硬度高，在480℃回火后，耐蚀性最差

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

多轴联动下的串联多关节工业机器人在空间轨迹运动时，在时间上保证各关节轴单独具有良好的跟踪性能，而由于机械电气的迟滞效应，并不能完全保证理想的轮廓轨迹，这说明各个伺服轴的运动在几何空间中的同步非常重要。针对运动指令与实际位置之间的迟滞所带来的机器人末端轮廓精度不高的问题，本文结合工业机器人现有的运动学和动力学以及传统的PID控制理论，研究了六关节机器人位置域控制算法。将机器人空间轮廓轨迹的控制，通过采用主?从运动关系实时建立的方法，将时域中的各个伺服关节的同步控制方法，变换到位置域的各个伺服关节的主?从跟随的控制方法，在实现位置域的同步控制的同时，引入基于位置域的PD控制，减少了主?从跟随控制的跟随误差，从而整体提高机器人末端的轮廓运动精度。该方法在Linux CNC(Computerized Numerical Control)数控系统上，以某公司HSR-JR605机器人为对象进行了实验，证明采用位置域控制方法对六关节机器人空间运动轨迹精度的提高有积极作用

网络环境下的恶意软件严重威胁着工控系统的安全，随着目前恶意软件变种的逐渐增多，给工控系统恶意软件的检测和安全防护带来了巨大的挑战。现有的检测方法存在着自适应检测识别的智能化程度不高等局限性。针对此问题，围绕威胁工控系统网络安全的恶意软件对象，本文通过结合利用强化学习这一高级的机器学习算法，设计了一个检测应用方法框架。在实现过程中，根据恶意软件行为检测的实际需求，充分结合强化学习的序列决策和动态反馈学习等智能特征，详细讨论并设计了其中的特征提取网络、策略网络和分类网络等关键应用模块。基于恶意软件实际测试数据集进行的应用实验验证了本文方法的有效性，可为一般恶意软件行为检测提供一种智能化的决策辅助手段

非刚性图像配准一直是计算机视觉领域的研究重点. 为解决上述问题, 提出一种改进的光流场模型算法, 以提高光流估计的准确度. 算法首先对原始变分光流模型进行了改进, 提出利用新的各向异性正则项来代替原来的同向扩散函数, 以避免图像模糊, 保留图像的边缘特征与细节特征; 此外, 通过引入包含邻域信息的非局部平滑项来去除光流噪点, 同时增加了一个结合图像结构与光流运动信息的权函数, 以减少过平滑所造成的细节丢失, 提高算法的鲁棒性. 最后, 利用交替最小化与金字塔分层迭代策略相结合的方法求解位移场, 实现非刚性图像的自动配准. 仿真实验结果表明, 与传统方法相比, 本文算法对不同类型的非刚性图像均具有较高的鲁棒性, 取得了理想的图像配准效果

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路