在冷连轧无取向硅钢薄带过程中，为了实现锥形工作辊窜动自动控制边降，需要合理的确定功效系数与策略。这种系数的获得，不只需要研究本道次的轧辊弹性变形、薄带横向流动、机架间变形对窜辊效率的影响，更重要的是需研究上游机架窜辊对下游机架的影响。这就需要高效的仿真模型来完成以上计算。基于边降区域的金属横向流动理论，建立了将横向流动视为纯剪切增量的数值模型，避免了沿带宽方向建立刚度矩阵，从而提高了计算效率。同时考虑了薄带在机架间发生的轧后屈服流动，由于锥形工作辊窜动，打破了带钢断面的等比例遗传关系，使得轧后带钢在边部区域需要缩宽并减薄来补偿边部延伸率差。所建立的数值模型通过工业现场实验验证，相比于原有模型具有更高的精度。完成了两个机架连续计算，研究了上游机架窜辊对下游机架出口边降的影响。研究发现，第一机架的边降控制范围最宽，第二、三机架控制范围逐渐变窄。根据该规律设计了根据三点边降偏差的配合调控策略，相比单点策略在工业应用中取得了更好效果

围绕高炉雷达料面监测系统成像需求，针对高炉雷达测量目标的雷达横截面积（radar cross section，RCS）展开应用研究，首次实现了微波暗室中高炉料线RCS的高精度自动化测量，为高炉雷达目标特性的深入研究奠定了硬件基础.基于比较法测得10 GHz处的焦炭、烧结矿颗粒的RCS典型值分布以及高炉料线散射方向性图，测量动态范围为-10~15 dB.通过RCS测量和成像诊断等方法对工业现场布焦、布矿的雷达回波信号强度差别大等问题进行了探索和分析.模拟工业现场的焦炭、烧结矿等平台加漏斗的料线形状，对散装物料进行了等比例缩小的实际摆放，对典型料线缩比模型进行了合成孔径雷达（synthetic aperture radar，SAR）成像验证，并深入分析了成像缺失和成像误差原因，得知漏斗部分在低频情况下成像效果不理想，需要提高测试频段；利用标准球模拟料线分析成像误差，方位向和距离向绝对误差在1.2%和5.8%以内，暗室内方位向测量误差不超过±0.01 m

颗粒与基体之间难以均匀稳定的混合以及二者的界面结合强度较差是限制颗粒增强金属基复合材料制备以及推广应用的共性关键问题，而目前的主要解决措施\预制体法\以及\润湿化预处理技术\又存在生产效率较低、制备成本较高等问题.基于此，在液态模锻的基础上，提出了不做预制体、也不进行润湿化预处理的制备颗粒增强金属基复合材料的新技术——\随流混合＋高压复合\技术，并采用此方法成功制备了复合效果良好的ZTA/KmTBCr26抗磨复合材料.研究了ZTA/KmTBCr26复合材料的微观组织、硬度以及冲击性能，发现复合材料内部颗粒分布比较均匀，颗粒与KmTBCr26基体的结合紧密，属于微机械啮合.冲击试验结果表明，复合材料的冲击韧性与单一金属基体相比显著降低，冲击断口形貌显示材料的断裂是沿颗粒内部扩展的，没有出现颗粒的整体脱落，说明陶瓷颗粒与金属基体具有比较高的结合强度.考察了ZTA/KmTBCr26复合材料与单一KmTBCr26的干摩擦磨损性能，结果表明，低载荷条件下ZTA/KmTBCr26复合材料的磨损性能是KmTBCr26的1.82倍，而高载荷条件下复合材料的磨损性能则是KmTBCr26的3.3倍

研究了红格钒钛磁铁矿(HCVTM)球团等温氧化动力学及其矿物学特征. 在不同的温度(1073~1373 K)和不同的时间(10~60 min)范围内,对HCVTM球团矿进行了等温氧化动力学实验. 首先分析了球团在不同温度和时间下的微观结构和矿物组成规律. 然后根据定义的氧化率,计算和分析了氧化率及其变化规律,以及矿相结构对氧化率的影响. 最后结合缩核模型、修正的氧化率函数和阿伦尼乌斯公式,计算了反应速度常数、修正系数和反应活化能,并判断了反应限制性环节. 研究表明:随温度的提高,低熔点液相增加,赤铁矿晶粒的生成、长大和再结晶,形成连续的黏结相,空隙数量减少. 随时间的增加,生成的液相促进了赤铁矿晶粒间的黏结和长大,但是晶粒间硅酸盐相和钙钛矿类物相恶化了球团结构. 同时,钙钛矿和铁板钛矿相生成. HCVTM球团矿空隙数量的减少和黏结相的生成,表现在氧化速率随时间增加而减慢. HCVTM球团氧化反应主要受扩散控制,球团氧化前期的反应活化能为13.74 kJ·mol-1,氧化后期的活化能为3.58 kJ·mol-1,氧化率函数的修正参数u2=0.03

建立了摩擦系数非对称性的轧制过程模型，并与某热轧机传动系统的垂直?水平?扭转结构模型相结合，建立了结构?过程相耦合的动力学模型。利用稳定性准则确定了摩擦系数非对称作用下轧机系统的稳定域，分析了摩擦系数的非对称性对轧机系统振动特性和稳定性的影响规律。通过仿真分析表明，摩擦系数的非对称性对系统的稳定性有显著的影响，随着非对称程度的不同，系统会出现稳定域、水平失稳域和水平扭转失稳域，不同程度的非对称性会造成不同的振动形态。通过对某热轧厂现场测试，得到了轧机系统的振动信号，验证了仿真分析的正确性，同时指出轧制集装箱板和普板（Q235）时的变形抗力不同引起稳定域的差异，从而使得在摩擦系数的非对称程度一样时，轧制集装箱板时落在了水平失稳域，系统出现了明显的水平振动；轧制普板（Q235）时落在了稳定域，系统没有明显的振动

为了探究全进口矿条件下褐铁矿在烧结工艺中的合理配置，实现褐铁矿的高效利用以进一步提铁降本，针对S钢铁公司500 m2大型烧结机实际原燃料条件，基于试验用铁矿粉的常规理化性能和高温烧结基础特性开展了不同褐铁矿配比的烧结杯试验研究，结合Factsage 7.1热力学软件，模拟计算了不同褐铁矿配比条件下的黏附粉含量和理论液相生成量及性能，并采用矿相显微镜分析了烧结矿的显微结构，探明了褐铁矿与赤铁矿和磁铁矿的优化搭配规律。研究表明：澳大利亚褐铁矿具有粒度粗、矿化能力弱，同化温度低、黏结相强度差、吸液性强的特点，当褐铁矿质量分数由45%增加至55%时，提高磁铁精矿OD矿的质量分数至15%，同时降低OC矿质量分数至10%，烧结矿转鼓强度和低温还原粉化性能等指标达到最优，这是由于一方面提高磁铁精矿配比不仅具有增加黏附粉比例、改善液相生成数量和性能的作用，而且可以均匀液相分布，消除过熔现象；另一方面，增加磁铁精矿配比可以改善烧结料球的粒度组成，减少褐铁矿吸液量，提高烧结矿强度。因此，在高褐铁矿配比条件下，增加适宜的磁铁精矿配比有利于稳定烧结矿质量，全面改善烧结矿性能

借鉴流体黏性的表征方式,引入粉体颗粒表观黏度的概念表征粉体颗粒间的相互作用力,基于能量耗散原理,利用旋转黏度计测定了含SiO2纳米添加剂的Fe2O3颗粒在不同温度条件下的表观黏度.实验结果表明,Fe2O3颗粒表观黏度随温度升高而增大,纳米SiO2的加入使颗粒表观黏度明显降低,主要原因是纳米SiO2对Fe2O3颗粒形成了包覆,抑制了颗粒间的团聚和烧结.此外,本研究利用微型流化床研究了含纳米SiO2的Fe2O3颗粒在流化还原过程中发生黏结失流的过程,进一步验证了纳米SiO2对Fe2O3颗粒表观黏度的影响.结果表明,加入纳米SiO2显著提高了还原样品的金属化率,延长了还原过程中的黏结时间;扫描电镜分析表明纳米SiO2有效包覆在Fe2O3颗粒表面,降低了铁原子的扩散活性,并充分阻隔新鲜铁之间的接触,抑制新鲜铁的烧结,从而导致Fe2O3颗粒之间难以形成黏结点,由此证明纳米SiO2对流化床内Fe2O3颗粒的还原过程中的黏结失流具有明显抑制作用

为了保证齿轮钢中非金属夹杂物的控制，并确定齿轮钢经济合理的总氧含量控制目标，开展了总氧含量对齿轮钢中非金属夹杂物的影响研究。以三种不同总氧含量的Mn–Cr系齿轮钢为研究对象，利用Aspex扫描电镜、极值法、疲劳测试等不同方法研究了齿轮钢中非金属夹杂物数量、分布、尺寸等，获得了夹杂物与齿轮钢总氧含量的对应关系。在本文实验条件下，随着总氧含量的降低，钢中氧化物夹杂数量不断减小，其中5～10 μm的小尺寸夹杂物减小最明显，而10 μm以上的大尺寸夹杂物数量变化规律不明显。另外，极值法和疲劳试验结果表明，总氧含量高时（质量分数为0.0013%），钢中最大氧化物夹杂尺寸也较大，比总氧质量分数为0.0010%和0.0005%的实验钢的最大夹杂物尺寸高10 μm以上，且当总氧含量比较低时（质量分数≤0.0010%），实验钢总氧质量分数变化（0.0010%、0.0005%）对钢中最大夹杂物尺寸影响不大

借鉴水泥净浆流动度测试方法，引入扩散度参数判别尾砂膏体的流变特性，开展试验研究分析扩散度与尾砂膏体质量分数（Cw）、灰砂比、屈服应力和黏度系数的关系，根据5个矿山的扩散度和流变参数测试结果，构建扩散度与屈服应力的经验模型，并与推导的解析模型作对比。结果表明：尾砂膏体的扩散度主要与质量分数有关，灰砂比对其影响不显著，随质量分数、屈服应力和黏度的增加而减小，质量分数为68%、70%和72%的尾砂膏体的扩散度分别为20.37、17.22和12.44 cm；尾砂膏体的扩散度与屈服应力的变化趋势相吻合，二者呈指数型函数关系，经验模型计算得到的屈服应力与测试结果误差在25%范围内，且尾砂膏体质量分数越大，二者的误差越小，达到10%以内；解析模型与经验模型计算所得的屈服应力在扩散度为12～16 cm之间结果较接近，解析模型计算结果整体上高于测试值；相比于坍落度，扩散度测试简便易操作，扩散度能有效表征尾砂膏体的流变特性，指导矿山现场充填

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