深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

针对镍黄铁矿和蛇纹石浮选难分离,提出采用磁罩盖法进行磁分离.结果表明,控制一定的矿浆物化条件,随着磁种磁铁矿的添加,镍黄铁矿的磁选回收率随之升高,而蛇纹石的回收率基本保持很低,可实现两者的良好分离.人工混合矿分离结果表明,磁种质量分数为5%时,获得的精矿Ni品位为19.89%,回收率为92.46%,MgO质量分数为4.72%;X射线衍射和扫描电镜分析结果显示磁铁矿在镍黄铁矿表面产生了罩盖,在蛇纹石表面未产生明显的罩盖;Zeta电位测试和DLVO理论计算结果表明,添加六偏磷酸钠后,蛇纹石表面电性由正变负,而对镍黄铁矿和磁铁矿表面电性未产生显著影响,从而使磁铁矿与蛇纹石间的相互作用变为排斥,而与镍黄铁矿之间仍为吸引,因而磁铁矿选择性罩盖在镍黄铁矿表面,增强其磁性,实现与蛇纹石的磁分离

油气主要储集在岩石孔隙和缝洞内，深部复杂应力环境下储层岩石裂隙渗透演化直接影响油气的运移规律，是油气勘探开发的重要研究对象。为了解复杂应力路径下含裂隙岩石的渗透演化特性，利用高精度渗流?应力耦合三轴实验设备，对含随机分布裂隙泥岩开展了单试样?复杂应力路径加卸载过程中的渗透性演化试验研究，试验方案依次为：(i) 围压递增条件下渗透性测试；(ii) 渗透压力递增条件下渗透性测试；(iii) 偏应力循环加卸载条件下渗透性测试；(iv) 围压、偏应力同步增长条件下渗透性测试。结果表明裂隙泥岩中的渗流可视为低渗流速度的层流；裂隙发育丰富岩样（R2）渗透率及应力敏感性明显较高。渗透率随渗透压力、围压分别呈正、负的指数函数变化。偏应力加载导致渗透率降低，卸载引起渗透率上升，但整体呈不可逆降低；围压、偏应力同步增长引起渗透率呈下降趋势，并逐步趋于稳定；围压10.3 MPa作用下，渗透率基本保持恒定。由此，基于裂隙双重介质模型，考虑泥岩变形过程中裂隙系统和基质系统的相互作用以及外部应力作用下的裂隙膨胀变形，构建了裂隙泥岩渗透率演化力学模型；模型模拟结果与试验结果具有较好的一致性。相关成果可为裂隙泥岩渗透性演化预测和油气高效开采提供重要的理论依据

为对H2/H2O气氛下Fe‒C合金薄带的气固反应脱碳进行动力学研究，在保证快速脱碳而铁不氧化的前提下，利用可控气氛高温管式脱碳炉，研究了不同的脱碳温度、薄带厚度、脱碳时间对Fe‒C合金薄带脱碳效果的影响

金属有机框架材料 (Metal-organic frameworks，MOFs）是一种新颖的多孔晶体材料，具有比表面积大、孔隙率高、结构可设计性强等优点，但是，MOFs的低电导率以及在电解液中的稳定性等问题限制了其作为电极材料的应用。近年来，如何结合MOFs的优势进行锂离子电池电极材料的设计与合成受到了越来越多的关注。目前，通过自牺牲得到的多孔碳骨架和金属化合物等MOFs衍生复合电极材料，不仅解决了电导率低的问题，而且保留了MOFs的高比表面积和复杂多孔结构，为锂离子的插入/脱出、吸附/解吸等过程提供了丰富的活性位点；与此同时，从结构单元和化学组成方面增加了材料结构的复杂性，开放性的孔隙结构可以缓冲体积膨胀带来的机械应力，对外来离子存储和多离子传输具有重要的意义。本文综述了MOFs及其衍生物在锂离子电池电极材料的设计和研究中取得的最新进展，重点阐述了针对锂离子电池电极材料的要求进行MOFs形貌控制和修饰的方法，以及具有多孔、中空或特殊结构的MOFs衍生电极材料的制备关键影响因素及其结构特性对电化学性能的影响。最后，分析了MOFs衍生电极材料的研究挑战和发展方向

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

采用真空熔炼法, 经急冷和缓冷两种不同冷却条件制备了Te系化合物TeAsGeSi合金粉体.通过X射线衍射分析, 急冷工艺制备粉体呈非晶态, 缓冷工艺制备的粉体呈晶态, 结晶主相为R-3m空间群的As2GeTe4; 差热-热重分析显示, 升温至350℃时缓冷粉体As2GeTe4成分熔融, 400℃时两种粉体均开始快速失重, 为避免制备过程中发生材料熔融及挥发损失, 确定烧结温度不超过340℃.采用真空热压法制备TeAsGeSi合金靶材, 将两种粉体分别升温至340℃, 加压20 MPa, 保温2 h制备出两种靶材, 其中缓冷粉体制备的靶材致密度高, 为5. 46 g·cm-3, 达混合理论密度的99. 5%, 形貌表征显示此靶材表面平整, 孔洞少, 元素分布均匀

为了分析航班运行风险传播过程，进而有效控制保障飞行安全，基于复杂网络理论，首先参照民航局咨询通告选取机组、航空器、运行环境共29个终端因素作为网络节点，统计民航安全监察记录，根据事件中节点关系，构建无向网络；统计前后节点间的作用关系和发生概率，提出一种有向带权的航班运行风险网络；然后，引入改进感染率和改进恢复率概念，构建一种适用于航班运行风险传播分析的改进SIR(Susceptible-infected-recovered)模型；定义感染起始范围，最后采取多参数控制方式，大规模计算该有向带权网络的传播和控制过程。结果表明：有向网的平均最短路径为1.788，属于小世界网络；参照使用民航常规管控措施，有向网节点感染下降幅度可达到37.4%；对入度值排序前3或前4的节点控制后，感染节点峰值下降率高达50.6%和58.1%，网络传播抑制明显。结果证实：在该航班运行风险有向带权网络中，按入度值控制节点对抑制风险传播最为有效

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

为了进一步研究20CrMo合金钢在生产过程中夹杂物的演变机理，实现对钢中非金属夹杂物的合理控制，保证生产顺行，提高产品力学性能，针对“BOF→LF→RH→钙处理→连铸→热轧”工序生产20CrMo合金钢全流程中非金属夹杂物的演变规律进行了研究。在LF精炼及RH精炼加钙前钢中非金属夹杂物含有70%以上的Al2O3。钙处理后，由于过量的钙加入到钢液中，夹杂物中CaS质量分数迅速增加至59%，Al2O3质量分数降低至21%。在连铸过程中由于二次氧化的发生，夹杂物转变为CaO?Al2O3，其中含有50%的Al2O3、39%的CaO和10%的CaS，并且夹杂物平均尺寸增加。在钢的冷却和凝固过程中，CaO质量分数降低至5%，CaS质量分数增加至57%，钢中夹杂物转变为Al2O3?CaO?CaS的复合夹杂物，同时含有少量大尺寸的CaO?Al2O3夹杂物。在钢的轧制过程中，夹杂物中CaO含量进一步降低，CaS含量增加，夹杂物平均尺寸增加，形成了CaO?Al2O3与CaS黏结型的复合夹杂物与Al2O3?CaS复合夹杂物。对CaO-Al2O3与CaS黏结型的复合夹杂物的形成原因进行了讨论