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

基于华蓥山隧道掘进爆破过程中的声发射监测结果，对比了上升时间/振幅比值(RA)与平均频率(AF)在不同传播距离下的分布规律，结果表明，随传感器与震源间距离增加，RA最大值增加，AF的分布范围基本不变。为验证基于RA与AF值描述岩体破裂情况的有效性，研究了RA/AF比值r在破裂过程中的变化规律以及r的变异系数的发展规律，并与常用的参数指标绝对能量、b值等参数进行对比验证。本文提出了3种变异系数（CV）计算方法，对比计算结果并探讨了各方法的适用条件。由计算结果可知，r值变异系数能够较好地描述岩体中的破裂发展过程，其中CV1计算方法适用于声发射信号较离散的情况，而CV3的计算方法更适用于存在连续声发射信号的围岩监测

采用了氯化钙氯化焙烧-水浸法提取白云母中铷的方法.通过氯化焙烧热重-差热分析曲线可知,用氯化钙混合白云母进行氯化反应的温度要比用氯化钠低100℃左右,且用CaCl2氯化比NaCl更有效率.接着考察了氯化焙烧温度对铷提取率的影响,结果表明,只有当氯化焙烧温度提高至800℃后,才可能取得明显的铷的氯化效果,铷的提取率即达96.71%,随氯化焙烧温度升高,铷的氯化速率不断增大,特别是800℃后,铷的氯化速率明显增大,这说明高温有利于铷的氯化焙烧.最终对白云母与氯化钙氯化焙烧过程进行了动力学研究.结果表明,三维界面反应方程能较好地描述该氯化焙烧反应体系,根据阿仑尼乌斯公式计算出来的活化能为42.22 kJ·mol-1,说明白云母和CaCl2的氯化过程的确受界面化学反应控制

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

针对漏钢时结晶器铜板温度呈现出的“时间滞后”和“空间倒置”等典型特征，本文通过引入动态时间弯曲(DTW)和机器学习中的密度聚类(DBSCAN)方法，提取、汇集并区分结晶器温度的典型变化模式，在此基础上开发出一种新型的漏钢预报方法。借助动态时间弯曲度量不同拉速、钢种或工艺操作条件下结晶器热电偶温度的相似性，并运用密度聚类方法聚集和分离正常工况、黏结漏钢状况下的温度样本，在此基础上检测和预报结晶器漏钢。结果证实，相较于传统的逻辑判断和人工神经元网络预报结晶器漏钢的方法，基于聚类的漏钢预报方法无需人为设置阈值或参数，能够依据漏钢历史样本中温度变化的共性规律，提取并融合热电偶温度在时间、空间上典型的变化特征，准确区分和预报结晶器漏钢，具有较好的自适应性和鲁棒性

根据磁控溅射实验条件, 采用分子动力学方法, 在Si(100)面上模拟沉积了三种ZrxCu100-x(x=50, 70和90)合金薄膜.通过计算径向分布函数(RDF)及X射线衍射(XRD)分析了沉积薄膜的形貌结构, 并探讨了玻璃形成能力和五重局部对称性之间的关系.最后研究了沉积薄膜的力学性能, 及薄膜厚度对拉伸过程的影响.研究结果表明: Zr-Cu合金玻璃形成能力与五重局部对称性之间存在一定的相关性, 沉积玻璃薄膜比晶体薄膜表现出更好的延展性, 其中Zr50Cu50沉积玻璃薄膜比近共晶成分玻璃薄膜(Zr70Cu30)具有更大的拉伸强度; 沉积薄膜存在一定的尺寸效应, 薄膜相对厚度越小, 其拉伸强度越大

单宁酸由于环保、价格低的特点在金属保护方面应用广泛，然而单一利用单宁酸作为缓蚀剂取得的效果有限，有研究表明盐类与缓蚀剂复配可以改善缓蚀剂的缓蚀效果。在此基础上进行单宁酸复配缓蚀剂的研究，采用两种复配剂氯化铁、钼酸钠分别与单宁酸（TA）缓蚀剂进行复配，研究其对碳钢Q235的缓蚀效果。通过硫酸铜点滴实验、浸泡实验、电化学实验对比氯化铁、钼酸钠分别与单宁酸复配后在碳钢表面的成膜特性及缓蚀效果。硫酸铜点滴液变色时间随着单宁酸中氯化铁和钼酸钠两种化合物浓度的升高出现先增加后降低的趋势；浸泡实验可以看出在单宁酸中加入氯化铁和钼酸钠后，碳钢表面仅出现个别点蚀坑；根据电化学测试结果，对比加入氯化铁前后单宁酸缓蚀剂对碳钢的缓蚀效果，发现两者的电荷转移电阻由2698变为3711 Ω·cm2，腐蚀电流密度由2.734降为1.902 μA·cm?2。加入钼酸钠后，电荷转移电阻和腐蚀电流密度存在明显的增加与下降，电荷转移电阻由2698变为5100 Ω·cm2，腐蚀电流密度由2.734降为0.714 μA·cm?2。在单宁酸中添加氯化铁和钼酸钠都能改善单宁酸的缓蚀效果，其中单宁酸与钼酸钠复配的缓蚀效果更好

黏度是冶金熔渣的基本物理性质，其大小直接影响到反应速率、熔渣分离效果等冶炼过程。通过深入探索熔渣黏度与其结构的关系，在分析熔渣黏度与其(NBO/T)比值（即单个聚合物粒子所拥有的非桥氧数量）相互关系的基础上，本文提出基于（NBO/T）比值的多元熔渣黏度计算模型。首先建立SiO2–∑MxO简单渣系的黏度计算模型，通过拟合纯氧化物和SiO2–MxO二元渣系的黏度数据得到模型参数，拟合平均误差在9%～18.5%之间；随后将该模型扩展至SiO2–Al2O3–∑MxO多元渣系的黏度计算，针对Al2O3在熔渣中同时表现出酸性氧化物和碱性氧化物的特点，在计算SiO2–Al2O3–MxO三元渣系黏度时，将其中的Al2O3拆分为酸性物质和碱性物质来计算（NBO/T）比值和黏度活化能。在SiO2–MxO二元系模型参数的基础上，通过拟合SiO2–Al2O3–MxO三元渣系的黏度数据得到含Al2O3渣系的模型参数，拟合平均误差在10%～25%之间。利用该模型计算了SiO2–Al2O3–CaO–MgO–FeO–Na2O–K2O–Li2O–BaO–SrO–MnO多元复杂渣系及其子体系的黏度值，计算平均误差在25%以内，取得了较好的预报效果。本模型基于熔渣结构理论，并借鉴了经验模型的数据处理方式，在预报效果和适用范围上都优于传统经验模型，在计算方式上比结构模型要简单

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

矿用车辆无人驾驶是实现矿山无人化开采的关键技术, 而路径跟踪控制是无人驾驶系统的核心技术之一.路径跟踪控制系统是多变量、多约束系统, 采用传统方法在多约束条件下存在执行器饱和等问题.针对上述问题, 本文引入模型预测控制方法, 通过考虑车辆的姿态与位置之间的关系, 以跟踪路径的横向偏差最小化和车辆的航向角偏差最小化为目标对预测控制的目标函数进行优化, 以获得车辆速度和铰接角度的最优控制量, 实现对多变量、多约束系统的求解.针对模型预测控制算法不能提前判断道路曲率突变而导致跟踪超调的问题, 提出基于预瞄距离的控制方法, 通过提前判断道路突变信息, 提高车辆路径跟踪精确性和稳定性.使用Matlab/Adams仿真软件进行对比仿真试验, 结果表明: 使用模型预测跟踪控制器能够解决多变量、多约束系统控制问题, 有效防止执行器饱和; 而使用基于预瞄距离的模型预测跟踪控制器能够使车辆的横向位置偏差保持在±0.04 m, 航向角偏差保持在±1.8°范围内, 相较于改进前的控制器, 其横向位置偏差减少了80.9%, 航向角偏差减少了59.1%, 证明改进后的控制器具有更好的横向稳定性和精确性