为实现汽车轻量化，同时保证其具有较好的碰撞安全性，高强度-质量比金属板材在汽车制造领域得到了广泛的应用.然而，在传统冲压成形过程中，上述板材（如先进高强钢、铝合金和镁合金等）会出现无明显缩颈的韧性断裂行为.特别是发生在纯剪切加载路径附近的剪切型韧性断裂行为超出了传统缩颈型成形极限图的预测范围.此外，在近些年来快速发展的单点渐进成形中，缩颈失稳被抑制，取而代之的则是无明显缩颈的韧性断裂.以上问题对基于缩颈失稳的传统成形极限分析方法提出了新的挑战，同时也限制了高强度-质量比金属板材的应用及其新型成形工艺的研发.为此，世界各国学者开始普遍关注金属材料韧性断裂预测模型的开发及其应用研究.本文首先从孔洞的演化行为方面出发，对金属韧性断裂的微观机理研究进行了介绍.随后重点评述了韧性断裂预测模型的研究进展和应用现状.最后，对韧性断裂研究的发展趋势进行了展望.本文可以为金属韧性断裂模型的选择、应用及其开发提供有益参考

以平均粒径2.2μm、纯度99.99%的硅粉为原料,采用纯度99.993%的高纯氮气作为反应气体,在1350和1400℃下进行了氮化时间为10~30 min的氮化实验,得出了不同温度下硅粉转化率随反应时间的变化关系.将硅氮反应看成非催化气固反应,建立了硅颗粒氮化动力学模型.通过对实验数据的拟合,得出两个模型参数:硅氮反应速率常数和氮气在产物层中的扩散系数.假定反应速率常数和扩散系数均满足阿伦尼乌斯公式,求得化学反应激活能和指前因子分别为2.71×104J·mol-1和3.07×10-5m·s-1,扩散激活能和指前因子分别为1.06×105J·mol-1和1.12×10-9m2·s-1.利用本文得出的氮化动力学模型对各温度下不同粒径硅粉的转化曲线进行了预测,预测曲线与文献中的实验数据在趋势上吻合较好

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

研究了TiO2含量、Al2O3含量以及二元碱度(CaO/SiO2)对TiO2-Al2O3-CaO-SiO2低碱度高钛渣黏度的影响.实验采用旋转柱体法在1633-1873K温度范围内对渣系熔体黏度进行了测量.当TiO2质量分数为23%-43%、Al2O3质量分数为3%-12%和二元碱度为0.3-0.7时,钛渣熔体黏度随TiO2含量和碱度的增加而降低,随Al2O3含量的增加而增加.通过对转底炉-电炉熔分过程渣系脱硫能力计算,得知在低碱度高钛渣中TiO2属于酸性.依据黏度测量数据和对TiO2属性的界定,通过修正Urbain模型建立了低碱度高钛渣的熔体黏度预报模型.模型预测结果误差为11%,证明新模型对于低碱度高钛渣的黏度具有良好的预报效果

在土-结构动力相互作用简化分析中,基于弹性半无限地基的假定,采用双自由度集总参数模型来简化土层,建立了基于土层集总参数模型的土-结构动力相互作用的分析模型,主要研究了不同土层对上部结构地震反应的影响.分析了在中硬、中软两种场地上5层和15层结构的地震反应,并与刚性基础假定下同样结构的地震反应分析比较.结果表明,对比较刚性的结构考虑土-结构相互作用可能存在一定的有利因素;对高层建筑,土-结构相互作用可能导致结构在地震作用下的层间变形较大幅度增加,是不利因素

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

为解决RNN–T语音识别时预测错误率高、收敛速度慢的问题，本文提出了一种基于DL–T的声学建模方法。首先介绍了RNN–T声学模型；其次结合DenseNet与LSTM网络提出了一种新的声学建模方法— —DL–T，该方法可提取原始语音的高维信息从而加强特征信息重用、减轻梯度问题便于深层信息传递，使其兼具预测错误率低及收敛速度快的优点；然后，为进一步提高声学模型的准确率，提出了一种适合DL–T的迁移学习方法；最后为验证上述方法，采用DL–T声学模型，基于Aishell–1数据集开展了语音识别研究。研究结果表明：DL–T相较于RNN–T预测错误率相对降低了12.52%，模型最终错误率可达10.34%。因此，DL–T可显著改善RNN–T的预测错误率和收敛速度

通过合理的假设对H型钢变形区进行分区.基于流函数方法确定了各个变形区的速度场,建立了H型钢万能轧制力学模型.在此基础上,使用Powell多参数优化算法优化变形区参数以使变形区的总功率达到最小并最终求得H型钢轧制力能参数.计算中采用高斯积分的方法,使得计算结果更加准确.计算结果表明,腹板和翼缘的延伸率相同时,本文模型计算结果与经过实验数据验证的有限元结果的误差不超过1.53%,当偏离标准工况较大时,通过适当修正,亦可保证本文方法的计算精度.在腿腰延伸比λ=1附近时,模型计算的轧制力与有限元结果变化趋势相同.在合理的力臂系数情况下,两者结果吻合较好

木建筑由于结构冗余性以及钉接节点超强的吸能耗能能力在抗震中表现良好.交叉层积木是一种新型的建筑材料.本文以交叉层积木3种柔性连接试验为基础,采用Open Sees中Pinching4自定义模型模拟连接滞回曲线的高度非线性、强度退化、刚度退化和捏拢现象.基于主次半循环累积能量的损伤模型,对交叉层积木连接进行损伤分析,并提出该连接的5种性能水平的损伤指数.Pinching4模型与连接试验结果吻合较好,进一步证明该模型模拟木节点连接性能的可行性和有效性.损伤因子对应的损伤程度基本符合试验规律,其平均值在合理范围内,计算结果离散性较低

研究了不同喷淋距离下连铸小方坯二冷喷嘴的水量分布，建立了凝固传热模型分析了82B钢连铸坯的热行为。该模型特别考虑了二冷区铸坯表面宽度方向的水流密度分布，并根据铸坯表面测温结果进行了模型校正。采用凝固传热模型研究了喷嘴喷淋距离对连铸二冷均匀性的影响。结果表明：喷嘴喷淋距离的增加有助于提高二冷水横向分布的均匀性，导致铸坯表面温度横向均匀性降低、纵向均匀性提高。这些效果有助于改善铸坯内部裂纹，但是会对角部裂纹产生不利影响。在二冷区前段喷嘴采用低喷淋距离，二冷区末段采用高喷淋距离，既可以提高铸坯角部温度，又能降低表面最大回温速率，有助于同时改善连铸坯角部和内部裂纹。在此基础上，提出了一种连铸小方坯二冷喷嘴布置方式，即二冷区每段喷嘴喷淋距离沿拉坯方向逐渐增加，该方法有助于提高连铸坯“纵?横”冷却均匀性