岩石结构面的定量化描述对于理解结构面的力学性质至关重要,投影覆盖分形描述法是结构面定量化表征的主要方法之一.然而,投影覆盖法计算结构面分形维数时存在三角形单元划分的缺陷.从概率分析角度考虑,将随机数应用于三角形单元的划分中,提出了基于随机数估算结构面分维数的投影覆盖法.应用改进投影覆盖法计算了红砂岩结构面的分维数,获得了120个分维值,并将其作为一个分维数样本;然后分析了此样本的分布特征,并将样本均值作为结构面分维数的精准值.实例分析证明,采用改进投影覆盖法所获分维数样本是来自正太分布总体;投影覆盖法计算的分维数几乎是改进投影覆盖法所获结果的极限值;基于随机数进行三角形单元划分更符合实际结构面形貌特征,从而计算的分维数更精准

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%

采用高温摩擦磨损试验机研究了HTCS-130和DAC55两种热作模具钢在100~700℃范围内的耐磨性差异及磨损机制, 并结合X射线衍射仪(XRD)、扫描电子显微镜(SEM)、光学轮廓仪等手段对表面相组成、磨损表面、截面形貌等进行分析. 结果表明: 两种钢的磨损率均在100~700℃范围内呈现先增后减的趋势; 其磨损机制表现为在100℃和300℃分别发生黏着磨损和黏着-轻微氧化磨损; 500℃时磨损机制转变为单一氧化磨损, 磨损表面氧化层由FeO、Fe2O3和Fe3O4组成, 亚表面发生轻微软化并出现塑性变形层; 700℃时磨损进入严重氧化磨损阶段, 氧化物数量急剧增多, 同时由于马氏体基体回复导致材料出现严重软化, 磨损表面形成连续的氧化层. HTCS-130钢优异的热稳定性能使得基体具有较高硬度和更窄的摩擦软化区, 能够更好地支撑氧化层, 从而在700℃下比DAC55钢更耐磨

低温球磨分散结合真空热压烧结工艺制备了石墨烯增强的Al-15Si-4Cu-Mg基复合材料.采用扫描电镜、X射线衍射、能谱分析和透射电镜表征了复合材料微观结构，通过抗拉强度和硬度测试，研究了石墨烯添加量对石墨烯/Al-15Si-4Cu-Mg复合材料微观组织和力学性能的影响.结果表明：当石墨烯质量分数分别为0.4%和0.8%，石墨烯沿基体晶界均匀分布，钉扎晶界，石墨烯与Al-15Si-4Cu-Mg基体界面结合良好，初晶β-Si、Mg2Si和Al2Cu相弥散分布于基体中.当石墨烯质量分数上升至1%，石墨烯分散困难，过量石墨烯富集于晶粒边界处，诱发脆性鱼骨状Al4Cu2Mg8Si7相沿晶界析出.当石墨烯质量分数为0.8%时，石墨烯/Al-15Si-4Cu-Mg复合材料的拉伸强度和硬度分别达到321 MPa和HV 98，相比纯Al-15Si-4Cu-Mg复合材料分别提高了19.3%和46.2%；当石墨烯质量分数为0.4%时，复合材料的屈服强度高达221 MPa，硬度和塑性亦获得明显改善

针对标准无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法本身存在着因状态误差协方差矩阵无法实现Cholesky分解而导致滤波发散的隐患，以及在电池状态估计过程中由离线标定的电池等效模型参数而造成的累积误差的问题，本文发展了一种平方根无迹卡尔曼滤波(Square-root unscented Kalman filter, SR-UKF)算法，并设计了一种电池状态联合估计策略。首先快速SR-UKF算法通过对观测方程进行准线性化处理，降低了每次无迹变换时的计算开销；然后在迭代过程中，用状态误差协方差矩阵的平方根代替状态误差协方差矩阵，该平方根是由QR分解与 Cholesky因子的一阶更新得到，解决了UKF 算法迭代过程中可能由计算累积误差引起状态误差协方差矩阵负定而导致滤波结果发散的问题，保证了电池荷电状态(State of charge，SOC)在线滚动估计的数值稳定性；最后采用联合估计策略，对电池等效模型参数进行实时辨识，保证了电池等效模型的准确性与有效性，从而提高了电池SOC的估计精度。仿真对比结果验证了快速SR-UKF算法以及电池状态联合估计策略的可行性与鲁棒性

铝脱氧齿轮钢中易生成大量的高熔点Al2O3类夹杂物，容易导致水口结瘤及钢材性能恶化，目前较常采用钙处理将钢中高熔点的Al2O3类夹杂物改性为低熔点的钙铝酸盐类夹杂物。合理的钙处理可以减轻水口结瘤并提高连铸过程钢液的可浇性，工业试验研究了喂钙前钢液中T.Ca含量、喂钙速度、喂钙量、净空高度及渣厚等参数对齿轮钢中钙收得率的影响，并在1.5 m·s?1的喂钙速度条件下研究了不同喂钙量对钙处理过程中齿轮钢中非金属夹杂物改性的影响。研究结果表明，当喂钙前钢液中T.Ca的质量分数小于10×10?6，喂钙速度为1.5 m·s?1，适当降低喂钙量和净空高度和渣厚，钢液中钙收得率均高于20%。当钢液中T.Ca的质量分数高于17×10?6时，钢中生成大量高熔点CaS型夹杂物，三元相图中夹杂物的平均质量分数远离液相区。随着齿轮钢中T.Ca含量的增加，夹杂物的平均尺寸和数密度逐渐增加。热力学计算结果与工业试验钙处理对钢中非金属夹杂物改性效果具有较好的一致性

双相不锈钢2101生产成本低，性能优异，近年来被逐渐重视。采用“电炉+AOD+模铸”的工艺生产2101双相不锈钢，在AOD精炼过程中，研究了温度和主要成分Cr、C、Si的变化情况，结果显示，AOD炉有很好的脱碳效果，能将C质量分数（w[C]）由2.5%脱至0.03%以下，在还原期，Si对Cr有很好的还原效果。精炼过程中，最重要的是脱碳，但将碳脱至0.1%以后，所需要的条件变得苛刻。通过热力学计算公式，研究了双相不锈钢2101去碳保铬的影响因素，结果表明，碳铬平衡主要受CO分压和温度的影响，CO分压越低、温度越高越有利于脱碳。在CO分压一定，w[C]<0.1%时，w[C]越低，碳铬平衡曲线的斜率越大，脱碳需要的温度越高，脱碳越困难，降低CO分压可进一步脱碳。在PCO/P0= 0.4，w[Cr]=21.5%条件下，为将w[C]脱至0.03%以下，需要将炉内温度升到1746.1 ℃以上

以特殊钢圆坯连铸为研究对象, 建立了研究凝固末端电磁搅拌作用效果的三维耦合数值模型.利用分段计算模型获得末端电磁搅拌区域钢液流动与凝固的实际状态, 并采用达西源项法处理凝固末端钢液在糊状区的流动, 研究了不同电磁搅拌工艺参数下的电磁场分布及钢液的流动与传热特征.通过测量搅拌器中心线磁感应强度和铸坯表面温度验证了模型的准确性.研究结果表明: 电流强度每增加100 A, 搅拌器中心磁感应强度增加19.05 mT, 电磁力随着电流强度的增加显著增大.在20~40 Hz范围, 随着电流频率的提高, 中心磁感应强度略微下降, 但电磁力仍有所增加.在搅拌器区域, 液相穴内的钢液在切向电磁力的作用下旋转流动, 其切向速度随着电流强度和频率的增加而变大.末端电磁搅拌可促进钢液在圆坯径向的换热, 随着电流强度和频率的提高, 铸坯中心轴线上的钢液温度降低, 同时末端搅拌位置处的中心固相分率增加

搭建了一套密闭建筑空间室内供氧实验装置,分别研究送氧口个数、送氧口管径、送氧流量及送氧方式的不同对建筑空间室内的富氧特性及富氧效果的影响.结果表明:送氧口个数、管径、流量及送氧方式不同时,氧气轴向最大浓度分布随轴向距离的增加呈递减趋势,且距离送氧口轴向距离0~0.55 m的范围内,氧气轴向浓度迅速降低;单送氧口时,送氧口管径及送氧流量不同时所形成的富氧范围大体呈扁椭圆形状,且送氧管径相同时送氧流量越大,富氧范围也越大;双送氧口竖直向前和相对45°方式进行送氧所形成的富氧范围接近\一头尖一头圆\的扇形,且竖直向前所形成的富氧范围比相对45°送氧所形成的富氧范围要大;采用双送氧口相背45°方式进行送氧时,管径为6 mm的双送氧口所形成的富氧范围大体呈2片扇叶形状;管径为10 mm的双送氧口所形成的富氧范围大体呈2个半圆形状;总送氧流量为1 m3·h-1时,6 mm管径的双送氧口相背45°送氧范围最大,10 mm管径的双送氧口竖直向前送氧范围最小;相同的总送氧流量及送氧方式下,单送氧口竖直向前送氧所得到富氧面积比双送氧口竖直向前送氧所得到富氧面积大20%左右;相同的送氧口个数、送氧口流量及送氧方式下,管径为6 mm的送氧口所得到的富氧面积比管径为10 mm的送氧口所得到的富氧面积大60%左右

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度