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

-10 μm白钨矿的浮选回收率低, 导致大量白钨矿损失于尾矿中, 造成资源浪费, 而载体浮选是提高-10 μm白钨矿回收率的有效方法之一.根据粒级以及粒级组成对白钨矿浮选的影响, 通过浮选试验、理论计算和仪器检测等方法研究了-10 μm细粒级白钨矿的自载体浮选, 同时研究了载体比例、载体含量和碳酸钠对白钨矿自载体浮选的影响.研究结果表明, 油酸钠为捕收剂时, 在合适的载体粒度和载体比例下, 自载体浮选是提高-10 μm白钨矿回收率的有效方法, 碳酸钠可强化白钨矿的自载体浮选, 扩大载体比例和载体粒度范围.机理研究表明, 白钨矿

对具有重要工程应用价值的Cu?5%Sn合金进行激光选区熔化（SLM）成形，在激光功率160 W、扫描速度300 mm·s?1、扫描间距0.07 mm条件下，合金样品相对密度可达99.2%，熔池层与层堆积密实，表面质量良好。研究发现所获合金具有非平衡凝固组织特征，其中以α-Cu(Sn)固溶体相为主，且涉及具有超结构的γ相、δ相。显微形貌主要由柱状晶与富锡网状组织构成，伴随有不同尺度界面Sn元素偏析及晶界、晶内纳米尺寸超结构合金相颗粒析出。所获合金的力学性能与同成分铸态合金或较低Sn含量SLM合金相比得到显著强化，表面硬度可达HV 133.83，屈服强度326 MPa，抗拉强度387 MPa及断裂总延伸率22.7%

为进一步揭示远场条件下金属矿山崩落矿岩运移演化机理，综合利用物理试验、数值模拟和理论分析等手段，构建单口放矿模型开展近?远场崩落矿岩流动特性研究。首次基于离散元软件PFC3D和刚性块体模型构建放矿数值模型，并通过近场放矿物理试验与模拟结果的对比分析，证明了刚性块体模型在崩落矿岩流动特性研究中的可靠性与优越性。在此基础上，对远场条件下松动体形态变化规律、矿岩流动体系内的应力演化规律及其力学机理进行了量化研究。研究结果表明：1）近?远场条件下的松动体形态变化均符合倒置水滴理论。在放矿初始阶段，松动体最大宽度随高度增大呈幂函数形式快速增加；随后，松动体最大宽度随高度增大而近似线性增加。2）崩落矿岩流动过程中存在明显的应力拱效应。随着矿岩散体松动范围不断扩大，松动体外围一定范围内的垂直应力均呈明显下降趋势，水平应力逐渐增大并在松动区域到达前出现激增现象；而松动体内的水平应力与垂直应力则急剧下降至较低水平

利用扫描电迁移率颗粒物粒径谱仪（SMPS)，针对不同孔径的介孔材料SBA-15，探索对UFPs（2.5～25 nm）的去除效率及脱除机理，以期为介孔材料过滤脱除UFPs在钢铁工业颗粒物超低排放控制的应用提供理论基础。基于实验结果及表征分析得知：UFPs入孔效应使大孔径介孔过滤介质效率更佳；介孔材料孔径端部内外表面存在大量UFPs亲和位点，提高端部复杂程度有利于提升材料过滤性能；氮气的有无对UFPs去除结果基本没有影响；介孔的存在使UFPs扩散效应更强，颗粒入孔使扩散系数增加，故UFPs在介孔材料实际扩散结果与传统扩散模式理论值（m=?2/3）不同

为了冶炼不同氧含量的碳素船体钢，通过机械性能试验和周浸试验研究了钢中氧含量对钢材腐蚀性能和机械性能的影响。结果表明，在连铸生产许可的氧范围内，随着钢水脱氧程度的减弱，钢中氧质量分数增加，钢材的平均腐蚀率略有下降，而耐点蚀性能有较明显增强，变化曲线的高氧端比低氧端平均点蚀深度下降约22.7%。弱脱氧钢的机械性能符合规范要求，可达到D级钢水平。分析认为，氧提高钢材耐蚀性的原因主要是固溶氧可提高铁的热力学稳定性，提高了蚀孔内铁的腐蚀电位，降低了蚀坑扩展速度。氧作为耐蚀元素应用可以显著降低耐蚀钢的成本，提高经济性

电子皮肤作为一种柔性触觉仿生传感器已经广泛地应用于人体生理参数检测与机器人触觉感知等领域。基于金属和半导体材料的传统电子皮肤触觉传感器，由于柔韧性和可穿戴性差，已经难以满足实际使用中对拉伸性、便携性的要求。得益于柔性材料、制造工艺和传感技术的快速发展，近年来聚二甲基硅氧烷、碳纳米管、石墨烯等新材料被用于制备或支撑电子皮肤传感器，使电子皮肤在性能上更趋于人类皮肤。本文分析讨论了电子皮肤新材料以及应用于电子皮肤当中的传感技术，重点总结了近年来电子皮肤在可拉伸/压缩性、生物相容性、生物降解性、自供电性、自修复性、温度敏感性以及多功能集成等方面的研究进展，展望了未来电子皮肤新性能的研究方向以及实现大面积、低成本、多种功能集成电子皮肤传感器阵列的可能途径

风能、太阳能等间歇式能源的引入和工业生产中大功率动态负载的增加，使得智能电网电力负荷越来越多呈现出大范围随机频繁波动的特点.动态负荷的增加对智能电能表的有功电能测量带来新挑战.传统的测量算法是针对稳态负荷而提出，因此无法解决智能电能表动态计量性能的改善问题.本文在传统MA （moving average）算法的基础上提出一种SDPA （segmented dot product accumulation）动态有功电能测量算法，该算法可在一定程度上减小动态功率条件下的测量误差.首先，分别讨论了传统MA和ⅡR （infinite impulse response）滤波器算法的动态响应速度和动态电能误差特性，指出两种算法对动态输入信号测量的局限性，并理论分析了影响各自动态计量性能的因素.以此为基础，提出智能电能表有功电能动态测量的SDPA算法，通过将待测的动态功率信号按周期截短、分段执行点积运算、并累加求和的方式实现动态测量.另外，通过按周期抽取的算法实现方式可以大大减少存储空间、提高运行速度.理论和仿真结果表明，与传统MA和ⅡR滤波器相比，SDPA算法在动态响应时间为一个基波周期的前提下，动态电能测量可达到较低误差水平

基于实际的工程参数建立了高压直流干扰电场计算模型，利用数值模拟计算技术对高压直流干扰大幅值管地电位的产生原因进行探究。考察接地极与管道之间的间距、管道防腐层类型、管道长度及土壤结构等因素对高压直流干扰下管地电位的影响规律，得到高压直流干扰大幅值管地电位是在接地极与管道距离较近、防腐层的绝缘性能较高、管道长度较大及上低下高的土壤电阻率分层结构共同作用下产生的

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度