采用高精度显微CT技术及三维图像分析方法研究氧化铜矿石颗粒在酸浸前后内部微观孔隙结构特征及其演变,考察孔隙率、孔隙尺寸分布、孔隙连通度、孔隙分维等参数的变化规律.结果表明：酸浸后矿石颗粒的孔隙率明显增加,孔隙尺寸分布范围更广,出现一定比例的大孔隙,平均孔隙直径增加2~3倍;孔隙连通度在酸浸前基本为零,酸浸后明显增加,并在各方向上呈现空间变异性;孔隙分维数在浸出结束后也有所增大,且在一定范围内与孔隙率及平均孔隙直径呈指数增长关系.借助三维图像分析可实现矿石浸出过程中内部微观孔隙结构的定量描述,从而揭示矿石颗粒孔隙结构的演化规律

本文介绍一种新的混合离散变量优化方法及通用程序。该程序适合于求解含有整型、离散型和连续型变量的最优化问题,能给出符合工程要求的规格化最优解。本程序经用30个工程设计和数学问题的考核与评定,证明这种具有多功能的组合型算法和程序,其解题的可靠性,若按最优解的目标函数值的精度在10-2以下统计,达到100%。文中还简介了本程序在两个工程设计问题中的应用

不采用传统接触力模型自下而上的高炉料面形状计算方法，而是根据土坡力学颗粒物质堆积理论，提出了新的基于堆积法的高炉料线形状融合计算方法，直接对料面形状进行计算.围绕高炉多环布料的炉料堆积特点，结合炉顶六点阵列雷达，获得了料面形状计算的边界条件，弥补了传统料型计算靠十字测温加机械探尺的经验估算.新方法通过高炉布料规律及炉料颗粒的物理堆积插值方法，采用贝叶斯数据融合方法和分段三次Hermite插值，结合布料体积约束条件，完成了理论计算与测量修正的结合.实测结果表明：料面形状融合法比传统单独的料面估算法，测量精度提高4.8%，料面分辨率提高27.2%，使布料控制可以更加精准和有针对性

针对未知确定性被控对象和未知非线性时变对象,通过构造虚拟等价系统的方法研究T-S模糊控制系统的稳定性.采用虚拟等价系统的目的在于降低原问题的难度,改进现有稳定性判据的保守性.分析结果表明,T-S模糊控制系统的稳定性主要取决于局部模型的精度、模糊规则的正确性以及局部控制器的镇定性

为了准确获取采空区空间体积，以采空区三维激光扫描系统探测到的原始数据为依据，提出采空区体积的三角网模型微积分算法.算法首先确定模型剖切的主轴方向，用一组等间距平行面对模型进行相切并获得剖面的无序点集，运用所提出的凸包压入法生成采空区剖面的初始边缘轮廓线；再将初始边缘轮廓线内的其他交点添加到剖面中，形成完整的采空区剖面形态；最后利用平面三角形有向面积叠加计算剖面面积，将剖面面积与微小间距进行积分获取采空区的体积.工程应用表明，所研究的采空区体积算法稳定性好，精度高，可实现对复杂采空区体积的有效计算

研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果

本文对刚塑性有限元的初速度场及收敛性进行了专门的研究和改进。用于解决轧制工程问题,计算精度较高、CPU时间较少,它是一种可靠的理论分析方法

针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

为提高无钟高炉炉喉料面的预测精度，建立了考虑炉料运动的炉料分布数学模型.在分析炉料运动的基础上，指出了炉料运动是影响炉料堆积过程的重要因素，采用尺寸比1∶10的无钟布料器模型试验分析了不同炉料分速度对炉料堆积行为的影响，建立了考虑炉料运动因素的料堆轮廓预测模型，并通过数值方法确定了料堆的位置和料面轮廓曲线，应用于料面形状的预测.结果表明：炉料的运动是造成料堆两侧堆积角差异、料堆横截面面积变化以及料面轮廓改变的重要原因，料堆轮廓采用直线段和曲线相结合的方式进行构造，炉料的堆积角和曲线过渡区域长度作为重要的模型参数均考虑了炉料速度的影响，模型构造的轮廓接近真实料堆形状，应用该模型实现了炉喉料面的准确预测

表面张力是矿物棉生产的重要参数，直接影响到配料和工艺参数的选择.通过实验测量并建立模型预报系统研究了以高炉渣为主要原料制备矿物棉时熔体的表面张力.首先测量了SiO2（40%-60%）-Al2O3（5%-20%）-CaO（20%-30%）-MgO（5%）四元系的表面张力，其值处于350-500 m·m-1之间；然后结合文献报道的表面张力数据，利用人工神经网络技术建立了SiO2（35%-60%）-Al2O3（5%-20%）-CaO（20%-45%）-MgO（0-10%）四元渣系的表面张力预报模型.该模型对成分范围内的表面张力预报平均误差为9.32%，预报精度较高，可以预报矿物棉熔体成分范围内的表面张力