针对某厂三流异型坯中间包，建立了相似比为1∶2的水模型，使用F曲线对不同控流装置下的中间包流场特性进行分析与优化。实验内容包括原型控流装置、湍流抑制器无挡坝、湍流抑制器加挡坝组合。结果表明，原型中间包中部水口存在短路流，水口间流动的差异性较大，可能导致三个铸流的铸坯温度和洁净度不均匀，进而发生同炉次各铸坯质量稳定性差的问题。采用湍流抑制器无挡坝控流装置，湍流抑制器导流孔夹角为60°时，短路流出现在中部；导流孔夹角为86°时，无短路流，各流一致性变好；导流孔夹角为110°时，两侧水口出现短路流，各流一致性优于前两个角度。中间包的各流一致性与死区比例并无相关性，一致性良好的中间包流场，其死区比例并不一定小。优化后的中间包湍流抑制器导流孔夹角为110°，挡坝距离中间包中心2400 mm，中间包内无短路流，1#、2#水口一致性最佳，死区由17.89 %减小到9.67 %，减小率为11.25 %，F曲线标准差最大值由0.3减小到0.016

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

针对首次采用的兼有HCW和WRS两种机型特点的武钢2250热轧带钢平整机在平整过程表现出的工作辊磨损严重且不均匀、工作辊存在特殊的弯辊调节现象等问题,由连续跟踪测试发现该平整机在轧制服役过程中存在典型的\W\形工作辊磨损规律,通过定义磨损影响系数对\W\形磨损进行了分析.研究了工作辊磨损、工作辊窜辊和弯辊对板形调控的综合影响,并通过实验证明最终解释了热轧平整机特殊的弯辊调节现象.指出随着工作辊磨损的加剧,工作辊形成了特殊的\W\形磨损,使工作辊在板宽范围内形成了一定量的正凸度,造成辊缝凸度减小,必须通过使用工作辊由正弯辊向负弯辊逐渐变化的调节手段来增大承载辊缝凸度,以补偿平整过程中工作辊磨损和窜辊引起的承载辊缝凸度的减小,从而保证承载辊缝凸度的相对稳定

手背静脉身份识别由于其非接触和不易被污染等独特的优势,已成为各种新型生物特征识别手段中的研究和应用热点.如何提取具有高鉴别性且鲁棒的手背静脉图像特征是本文的研究重点.本文简述了基于局部二值模式(local binary pattern,LBP)的特征提取方法及其改进方法的基本原理,讨论分析了其不足,并针对不足,提出了一种多尺度块中心对称局部二值模式(multi-scale block center-symmetric LBP,MB-CSLBP)算子.本文所提出的MB-CSLBP算子既考虑图像的局部宏观特征,也兼顾图像的微观特征,获取了更加全面的图像信息.在自建的2040幅近红外手背静脉图像数据库中,用MB-CSLBP方法获取图像特征并使用最近邻分类器进行识别.大量的对比实验结果表明,本文所提方法的识别率达到98.21%,优于原始LBP及其改进算子,中心对称局部二值模式(center-symmetric LBP,CS-LBP)和多尺度块局部二值模式(multi-scale block LBP,MB-LBP)等

采用大涡模拟研究连铸钢水非定常湍流特性，比较了雷诺平均数学模型与大涡模拟数学模型对预测结晶器内钢水湍流运动的影响.模型采用一种低温液态金属模型的超声波多普勒速度仪（UDV）的测量结果进行验证，表明大涡模拟比雷诺平均模拟与实验测量结果更加吻合.瞬态湍流研究表明，大涡模拟优于雷诺平均数学模型，能够捕捉到水口附近高频率的湍流脉动现象.水口出流钢水区域内小尺度湍流结构起支配作用，射流以阶梯状上下摆动向结晶器内扩散.受湍流大尺度作用，结晶器内流场偏流现象始终存在，并且呈周期性变化，随着对流场时间平均的增加，结晶器内的不对称现象逐渐消除

针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法

用扫描开尔文探针(SKP)和局部电化学交流阻抗(LEIS)技术,研究了2A12铝合金在盐雾腐蚀实验早期阶段的腐蚀行为和电化学过程.结果表明,盐雾实验初期,铝合金表面出现点蚀坑,Cl-对铝合金腐蚀有显著的加速作用,随盐雾时间延长,点蚀扩展.扫描开尔文探针的测试结果显示,在盐雾腐蚀过程的初期,金属表面阴极区和阳极区不断发生变化,呈现局部腐蚀的特征.随着盐雾时间的延长,试样表面电位逐步正移,并出现明显的阴极区和阳极区.局部电化学交流阻抗的测试结果表明,试样表面的局部电化学阻抗随盐雾时间的延长而有所增加,但分布较为分散.这说明在腐蚀过程的初期,2A12铝合金表面不断生成腐蚀产物,对腐蚀反应产生阻碍作用

为讨论饱水岩石中孔隙水压与损伤变形过程的关联性,探究岩石破坏的孔隙水压前兆特征信息,采用三轴压缩试验、渗流实验相结合的方法,分析了在不同孔隙水压和不同围压条件下饱水岩石变形破坏过程中损伤扩展与孔隙水压变化的内在联系.研究表明:(1)开放饱和岩石单元体中,岩石在受荷破坏全过程中的初始压密、弹性压缩、塑性变形和破坏失稳阶段,孔隙水压呈现增高、稳定、逐渐减小和锐减变化;(2)岩石破坏的孔隙水压前兆特征明显,在主破裂前夕,内部损伤加剧,裂隙贯通,孔隙水压将失去稳定状态,孔隙水压由稳态锐减可作为岩石破裂的前兆信息;(3)在应力变化大、高孔隙水压以及高围压条件下,孔隙水压对损伤发展更为敏感,响应也更明显,孔隙水压与损伤发展相互影响,互为关联,损伤扩展造成孔隙水压降低,孔隙水压降低又促进损伤发展;(4)可以尝试在深部开采工程中监测岩体内部孔隙水压的变化来预测岩体失稳的突发性灾害

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

在西沙群岛高温、高湿的海洋大气环境下对Q235碳钢进行了3个月的暴晒实验,利用电子探针、激光拉曼等观察分析了暴晒后样品的锈层特征.结果表明:Q235碳钢暴晒1个月后迅速形成较厚的锈层,锈层疏松多孔,多裂纹;当暴晒3个月时,锈层却明显减薄.Q235碳钢在西沙暴晒1个月后形成的外层腐蚀产物主要是γ-FeOOH、β-FeOOH、α-FeOOH及少量Fe3O4等,而锈层内部主要为Fe3O4、γ-Fe2O3等铁的氧化物.暴晒3个月后,疏松锈层的内部电解液蒸发加剧,内层还原后的锈层重新被氧化,生成较多的FeOOH,同时部分γ-FeOOH转化成为α-FeOOH.Q235碳钢在西沙大气环境下的暴晒过程(也就是锈层的氧化还原反应的交替过程)中,钢基体不断地被腐蚀