针对缝槽爆破中以空气作为不耦合介质，其冲击波和准静态压力较小、炸药能量利用率低、破岩能力弱的问题，提出缝槽水压爆破方法。利用水的微压缩性，以及传能效率高等特点，以水作为炮孔不耦合介质，提升缝槽爆破破岩载荷，开展其爆破破岩载荷特征研究。通过自主研发的缝槽爆破载荷测试实验系统，分别开展缝槽空气不耦合爆破和缝槽水压爆破实验。结果表明：水作为缝槽爆破不耦合介质，其冲击波压力峰值约是缝槽空气不耦合爆破的35倍，冲击波压力上升沿更平缓，入射效率更高；其准静态压力峰值是缝槽空气不耦合爆破的37～46倍，水压爆破的准静态压力压降缓慢，保压时间更长。研究表明，缝槽水压爆破的炸药能量利用率高，爆炸载荷提升明显。上述研究成果有助于深入认识缝槽水压爆破破岩载荷特性，同时对该方法的工程应用提供理论和实验支撑

针对弱光照条件下交通标志易发生漏检和定位不准的问题，本文提出了增强YOLOv3（You only look once）检测算法，一种实时自适应图像增强与优化YOLOv3网络结合的交通标志检测与识别方法。首先构建了大型复杂光照中国交通标志数据集；然后针对复杂的弱光照图像提出自适应增强算法，通过调整图像亮度和对比度强化交通标志与背景之间的差异；最后采用YOLOv3网络框架检测交通标志。为了降低先验锚点框设置精度以及图像中背景与前景比例严重失衡对检测精度造成的影响，优化了先验锚点框聚类算法和网络的损失函数。对比实验结果表明，在实时性大致相当的情况下，本文提出的增强YOLOv3检测算法较标准YOLOv3算法对交通标志有更高的回归精度和置信度，召回率和准确率分别提高0.96%和0.48%

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

针对裂隙性储层水力压裂行为中出现的围岩维护、增透效率与地下水害防治等实际问题，本文对多场多相耦合作用下起裂压力控制机制，以及压裂性评价展开了深入研究。首先分析了射孔集中力对原始应力场的改造作用；其次，考虑压裂液在储层原生裂隙中的渗透作用；最后，基于断裂力学强度准则建立了水平井起裂压力计算模型。根据模型分析了储层裂隙场几何参数对起裂压力的控制作用，提出了裂隙场特征参数的概念。研究结果表明，水平井水力压裂是流固多相在射孔应力场、压裂液渗流场以及储层裂隙场耦合空间内相互作用过程，裂隙场特征参数对起裂压力的大小起着主导控制作用，其中最大控制因素为储层隙宽，且当储层隙宽在200～700 μm区间内时，水力压裂对改善其渗透性能才有实际意义，从而解决了裂隙性储层起裂压力的定量化与压裂性评判问题。经实例计算与对比发现，苏里格气田东区H8段的砂岩储层，起裂压力的理论值与实测值契合度较高，压裂后的产能也十分理想，从而验证了模型的正确性，可以为水平井压裂施工提供理论依据

海军航空装备的快速发展导致飞机必将面临更为严峻的海洋大气腐蚀问题，而军用飞机紧固件的腐蚀，尤其电偶腐蚀将严重影响飞机结构的安全性水平.因此，本文采用盐雾腐蚀模拟、扫描电镜观察与分析、电化学测试分析（自腐蚀电位测试、动电位极化测试、电偶腐蚀电流测试）等试验研究方法，将航空装备常用的30CrMnSiA镀镉钝化螺栓与三种不同螺母（30CrMnSiA镀镉钝化螺母、30CrMnSiA镀锌钝化螺母和0Cr16Ni6钝化螺母）偶接装配，研究由于装配导致的电偶腐蚀效应对典型螺栓/螺母紧固件腐蚀行为的影响.结果表明，在三种不同组合装配中，30CrMnSiA镀镉钝化螺栓与0Cr16Ni6钝化螺母之间电位差最大，电偶腐蚀电流密度最高，对应螺栓电偶腐蚀敏感性评级达到E级，电偶腐蚀作用促进了镀镉钝化螺栓基体表面点蚀的扩展，腐蚀进程被加速，加速系数AF达到3.4；30CrMnSiA镀镉钝化螺栓与30CrMnSiA镀锌钝化螺母之间电偶效应则较弱，且螺母为电偶腐蚀阳极，腐蚀进程被加速，加速系数AF为1.2，电偶腐蚀敏感性评级为D级；相比上述两种组合，30CrMnSiA镀镉钝化螺栓与30CrMnSiA镀镉钝化螺母之间电偶效应最不明显，对应电偶腐蚀敏感性评级为A级

为了实现地下金属矿山生产接续的紧凑性、科学高效地调度生产设备,针对矿山开采工序复杂、设备资源有限、生产任务量大等特点,以最短工序时间间隔和最短总完成时间为共同优化目标构建了地下矿山生产接续与设备调度集成优化模型.通过分析地下矿山生产循环顺序、作业设备类型和生产能力等生产要素,考虑工序闲置期间采场的安全隐患问题,运用改进遗传算法对最优解进行主-从两步骤搜索,得到地下矿山生产接续和设备调度最佳方案.以国内某大型金矿为案例进行了模型的有效性验证,解算出矿山最优的设备调度计划.验证结果表明,与传统的单一目标优化相比,模型在保证完成指定任务的同时,有效缩短工序时间间隔,并且保证了作业的安全要求

随着黄金需求量的不断增加及易处理金矿资源的日益减少, 难处理金矿逐渐成为黄金产业的主要资源来源.为使难处理金矿能够合理、高效地开发利用, 对难处理金矿进行了简要概述和分类, 并阐述其难处理的原因.采用传统的氰化法浸出难处理金矿, 其浸出效果差, 且氰化物有剧毒, 严重污染环境及危害人体健康.为实现难处理金矿的高效、环保浸出, 非氰化法浸出难处理金矿受到广泛关注.重点介绍了硫代硫酸盐法、硫氰酸盐法、硫脲法、多硫化物及石硫合剂法、液氯化法五种非氰浸金方法的浸金原理及在难处理金矿方面的最新研究进展.基于非氰浸金方法存在的浸出体系复杂、浸出剂性质不稳定及消耗量大等问题, 展望了非氰浸金技术的发展方向

微震能级随时间发生变化，高能级微震事件与冲击地压有良好的对应关系，为预测矿山微震能量时序变化，基于一维卷积神经网络（Convolutional neural networks，CNN），建立微震能级时间序列预测模型；通过模型训练，实现以前十次微震事件的能量级别作为输入来预测下一次微震事件的能量级别。由于微震样本数据类间不平衡问题，导致模型测试时将106能量级别的微震事件全部判断为105能量级别的微震事件，为进一步提高模型对106能级微震事件预测的准确率，对模型进行改进并使用混合采样方法训练改进后的模型；利用砚北煤矿250202工作面微震能级实测部分数据，改进后模型的总体测试正确率达到98.4%，其中106能量级别的微震事件测试正确率提升到99%。将模型应用于砚北煤矿250202工作面进行微震能级时序预测，模型的预测正确率整体达到93.5%，且对高能级微震事件的预测正确率接近100%

矿区废弃地为室外大型非结构化环境，包含多种类型的障碍物且存在诸多不确定性因素，给移动机器人全覆盖路径规划造成了极大的困难。本文使用牛耕式单元分解法结合生物激励神经网络算法完成移动机器人对矿区废弃地的全覆盖路径规划。首先，针对矿区废弃地已知环境，采用牛耕式单元分解法对复杂环境做出区域分解，将具有综合复杂性的地图分解为多个不含障碍物的子区域；然后，根据子区域的邻接关系构建无向图，采用深度优先搜索算法确定子区域间的转移顺序；最后，采用生物激励神经网络算法确定子区域内部行走方式以及子区域间路径转移。仿真结果表明，生物激励神经网络算法在解决机器人路径转移问题方面比其他路径规划算法更高效，所得的方法能够处理复杂的非结构化环境，完成废弃矿区移动机器人的覆盖路径规划

随着汽车行业的快速发展，轻量化汽车用钢的研发和应用越来越广泛。抗拉强度超过1000 MPa的第二、三代汽车用钢往往是复相组织，通过固溶、析出、变形、细晶强化等各种强化方式，在基体中形成大量缺陷，导致钢材服役过程中对氢更加敏感，容易在很小的氢溶解条件下发生氢脆。Fe?Mn?C系、Fe?Mn?Al?C系等含Mn量高的汽车结构用钢因层错能较高，不仅直接决定了其强韧性机制，还对其服役性能有重要影响。在Fe?Mn?C系TWIP钢的成分基础上，添加少量Al元素，形成Fe?Mn?(Al)?C钢，不仅能降低钢材密度，提高钢材的强韧性，也因Al元素改变了钢材的微观组织构成，一定程度上令氢脆得到缓解。但当Al含量较高时，形成低密度钢，其组织构成更加复杂，析出物更多，导致氢脆敏感性更显著。本文从Fe?Mn?(Al)?C高强韧性钢的组织构成、第二相、晶体缺陷等特征出发，综述了H在Fe?Mn?(Al)?C钢中的渗透、溶解和扩散行为，H与基体组织、析出相、晶格缺陷的交互作用，H在钢中的作用模型、氢脆机制、氢脆评价手段和方法等。并评述了Fe?Mn?(Al)?C高强韧性钢氢脆问题开展的相关研究工作和最新发展动态，指出通过第一性原理计算、分子动力学模拟和借助氢原子微印技术、三维原子探针等物理实验相结合的方法是从微观层面揭示高强韧性钢氢脆机制的未来发展方向