随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义

以拜耳法赤泥、煤矸石和粉煤灰等工业固废为基本原料在实验室制备了一种公路路面基层材料,并研究了其力学性能、耐久性能和环境性能.通过开展干湿循环以及冻融循环试验研究了该公路路面基层材料的耐久性能,并利用ICP浸出试验和放射性检测研究其环境性能.结果表明,赤泥-煤矸石基路面基层材料赤泥和煤矸石掺量之和75%、固废总掺量97%时,7 d养护后无侧限抗压强度达到6 MPa以上;经过20个干湿循环后,矿渣掺量为5%的路面基层试块强度为5.98 MPa,满足国家标准;经过5个冻融循环后,路面基层材料的7 d抗压强度仍然达到6.89 MPa,具有良好的耐久性能.浸出试验结果显示,浸出液中Na+浓度均符合国家饮用水标准,同时浸出液中Zn、Hg、Cu、Pb、Ni等重金属均未检测出;放射性试验结果表明,试验所用纯赤泥的放射性符合相应的国家标准.通过对该路面基层材料进行固碱分析以及能谱分析发现,硅铝体系能有效固结钠离子.此公路路面基层材料具有良好的环境效益和社会效益,拓宽了路面基层材料的选材范围

从细观角度、采用颗粒离散元法开展了预制裂隙花岗岩循环加卸载的数值模拟试验。首先，使用图像处理技术识别花岗岩中的不同细观组分、结合室内单轴压缩试验结果对细观力学参数进行了标定。然后，通过编制颗粒流代码追踪裂隙的类型和扩展过程，分析岩石破坏过程中裂隙发展的阶段性特征。结果表明：不同倾角裂隙岩石的新生裂隙走向与预制裂隙贯通方向基本一致；根据新生裂隙的优势倾向分组得到裂隙起裂角与预制裂隙倾角的关系：倾角β≤45°时剪切和张拉裂隙的起裂角单调递减，倾角β≥60°时剪切和张拉裂隙的起裂角单调递增；循环扰动荷载增加了裂隙岩体的轴向变形，轴向累积残余应变曲线呈反S形、提高扰动荷载应力上限促使曲线进入加速阶段；试件峰值强度随裂隙倾角增大表现出先减小后增大的趋势，峰值强度为实验室完整岩石单轴抗压强度的63% ~ 89%，反映了较为明显的劣化现象；在循环荷载作用下，剪切裂隙和张拉裂隙增长曲线表现出明显的变化特点，在裂隙不稳定扩展阶段中张拉裂隙数目增长速率显著大于剪切裂隙，对分析岩石变形破坏过程具有一定的参考意义

在输电场景中，吊车等大型机械的运作会威胁到输电线路的安全。针对此问题，从训练数据、网络结构和算法超参数的角度进行研究，设计了一种新的端到端的输电线路威胁检测网络结构TATLNet，其中包括可疑区域生成网络VRGNet和威胁判别网络VTCNet，VRGNet与VTCNet共享部分卷积网络以实现特征共享，并利用模型压缩的方式压缩模型体积，提升检测效率，从计算机视觉和系统工程的角度对入侵输电场景的大型机械进行精确预警。针对训练数据偏少的问题，利用多种数据增强技术相结合的方式对数据集进行扩充。通过充分的试验对本方法的多个超参数进行探究，综合检测准确率和推理速度来研究其最优配置。研究结果表明，随着网格数目的增加，准确率也随之增加，而召回率有先增加后降低的趋势，检测效率则随着网格的增加迅速降低。综合检测准确率与推理速度，确定9×9为最优网格划分方案；随着输入图像尺寸的增加，检测准确率稳步上升而检测效率逐渐下降，综合检测准确率和效率，选择480×480像素作为最终的图像输入尺寸。输入实验以及现场部署表明，相对于其他的轻量级目标检测算法，该方法对输电现场入侵的吊车等大型机械的检测具有更优秀的准确性和效率，满足实际应用的需要

针对传统熔融沉积成型面临的成型精度低和打印材料受限, 基于电流体动力熔融沉积在成形高度、材料种类、基板导电性和平整性、3D成形能力等方面的不足和局限性, 本研究提出一种电场驱动熔融喷射沉积3D打印新工艺, 其采用双加热集成式喷头并施加单极脉冲高电压(单电势), 利用电场驱动微量热熔融材料喷射并精准沉积来形成高分辨率结构.引入两种新的打印模式: 脉冲锥射流模式和连续锥射流模式, 拓展了可供打印材料的种类和范围.通过理论分析、数值模拟和实验研究, 揭示了所提出工艺的成形机理、作用机制以及成形规律.利用提出的电场驱动熔融喷射沉积3D打印方法, 结合优化工艺参数, 完成了三个典型工程案例, 即大尺寸微尺度模具、大高宽比微结构、宏微跨尺度组织支架和网格三维结构.其中采用内径250 μm喷头, 打印出最小线宽4 μm线栅结构, 高宽比达到25:1薄壁圆环微结构.结果表明, 电场驱动熔融喷射沉积高分辨率3D打印具有打印分辨率高、材料普适性广、宏/微跨尺度的突出优势, 为实现低成本、高分辨率熔融沉积3D打印提供了一种全新的解决方案

铁矿烧结工序作为钢铁行业NOx排放的主要来源，在当前高压环保态势下减少其NOx排放迫在眉睫。烧结过程NOx主要产生于固体燃料燃烧过程，而粗粒级燃料的赋存形态会影响其NOx排放。基于此，本研究采用可视化微型烧结燃烧装置研究裸露型和被覆型粗粒级焦粉的燃烧行为，以及优化其配加模式对NOx排放和烧结固结强度的影响规律，并烧结杯实验研究兼顾NOx减排和烧结产质量指标的适宜粗粒级燃料赋存形态。结果表明，相比裸露型粗粒级焦粉，表面被覆铁酸钙细粉时其NOx排放降低约56%；分加粗粒级焦粉以调控其为裸露型时，NOx排放增加约10%，且烧结矿强度降低，而控制粒度为0.5～3.15 mm以调控其为被覆型时，NOx最大体积分数和N元素转化率分别降低约8%和27%，且烧结各项产质量指标均得到改善

选取3种不同变质程度的原煤,制成5种不同粒径的煤粒,并压制成型煤,在压力3 MPa和温度25℃条件下对型煤试样进行等温吸附实验,并利用SH-X多路温度测试仪和CHI660E型电化学工作站测试煤吸附瓦斯过程中的温度变化和电流-时间曲线,基于Clausius-Clapeyron方程和相关性系数,分析和研究不同粒径煤吸附瓦斯过程中煤的热电效应及其相关性,试图从煤的热电效应方面研究煤的吸附能力.结果表明:煤在吸附瓦斯过程中伴随有明显的热电效应,在吸附平衡时,煤的温度升高了0.93~8.74℃,煤的电阻率比稳定时降低了0.14~0.16倍;煤的温度随粒径减小和吸附量的增加而升高,煤的电阻率变化却相反;煤体温度和电阻率变化与瓦斯吸附量变化呈现很强的相关性,相关性系数rw和rd分别介于0.9502~0.9899和-0.9316~-0.9916之间,均接近于±1.因此,吸附过程中的热电效应可反映煤的吸附能力,在吸附平衡时,煤体温度变化越大,温度越高,电阻率越小,说明煤的吸附能力越强;相反,说明煤的吸附能力越弱

为了尽可能的去除钢中大颗粒的夹杂物, 在实验条件下通过向GCr15轴承钢中添加适量镁、稀土对夹杂物进行改性, 并利用Aspex夹杂物自动分析仪和扫描电镜对钢中改性后的夹杂物尺寸、类型、形貌等进行了观察、分析, 研究了稀土-镁复合处理对夹杂物的影响规律.研究结果表明, 对轴承钢中加入微量镁处理, 可将未进行镁处理钢中的MnS-Al2O3、MnS、Al2O3夹杂改性为以含硫、镁复合夹杂物为主, 同时包含少量Al2O3、镁铝尖晶石夹杂.进一步采用稀土-镁复合处理后, 钢中的夹杂物转变为主要以含Re-S-O夹杂物为主, Al2O3、MnS、镁铝尖晶石夹杂逐步消失, 且夹杂物成球状分布, 绝大多数夹杂物在5 μm以下.稀土-镁复合处理轴承钢后, 10 μm以上的大颗粒夹杂物大大降低, 钢中的夹杂物明显得到细化.钢中镁含量不变时, 随着稀土含量的增加, 大颗粒夹杂物比例明显下降.而在稀土含量相近的情况下, 增加钢中的镁含量也有利于大颗粒夹杂物的去除.稀土-镁的相互作用进一步促进了夹杂物的细化

高碳钢连铸生产技术工艺优化是当前连铸技术研究的主要内容之一。针对国内某钢厂SWRH82B高碳钢生产过程中出现碳偏析、网状渗碳体组织缺陷的问题，采用数值模拟与实验相结合的方法，利用Fluent软件建立了八机八流连铸机凝固传热模型，数值模拟计算凝固传热特征；研究了八机八流连铸机在不同浇注速度、过热度和末端电磁搅拌参数条件下对SWRH82B高碳钢铸坯碳偏析和夹杂物的影响；分析了SWRH82B高碳钢连铸过程中的主要要素与组织性能之间的关系。研究结果表明：铸坯中心碳偏析是网状渗碳体主要诱导因素，通过调整过热度和浇注速度有利于促进钢液成分的均匀化，降低夹杂物含量；当过热度降低至25 ℃，浇注速度提高至2 m·min?1，铸坯中心平均碳偏析指数由1.17降低为1.11，索氏体化率达到89%，网状渗碳体级别由四级下降到一级，基本消除C类夹杂物；通过设置末端电磁搅拌参数为电流370 A、频率7 Hz时，碳偏析指数最低值下降到1.04。通过优化连铸生产工艺参数，解决了企业SWRH82B高碳钢生产过程中的缺陷，为高碳钢的高质量生产提供理论与实践支撑

网络环境下的恶意软件严重威胁着工控系统的安全，随着目前恶意软件变种的逐渐增多，给工控系统恶意软件的检测和安全防护带来了巨大的挑战。现有的检测方法存在着自适应检测识别的智能化程度不高等局限性。针对此问题，围绕威胁工控系统网络安全的恶意软件对象，本文通过结合利用强化学习这一高级的机器学习算法，设计了一个检测应用方法框架。在实现过程中，根据恶意软件行为检测的实际需求，充分结合强化学习的序列决策和动态反馈学习等智能特征，详细讨论并设计了其中的特征提取网络、策略网络和分类网络等关键应用模块。基于恶意软件实际测试数据集进行的应用实验验证了本文方法的有效性，可为一般恶意软件行为检测提供一种智能化的决策辅助手段