转炉冶炼终点碳曲线拟合模型避开了熔池初始碳含量难以精准确定的问题,假设吹炼后期脱碳速率与熔池碳含量具有一定的函数关系,通过这种函数关系预报钢水终点碳含量.终点碳的三次方模型和指数模型预报精度在±0.02%之间的命中率分别为85.9%和81.2%.运用熔渣分子理论,基于冶炼热轧板材(SPHC)的渣组元成分,计算得出渣中FeO的活度为0.241.出钢温度为1686℃时,C和Fe元素选择性氧化的临界碳质量分数为0.033%.本文在传统指数模型的基础上,充分考虑了枪位、顶吹流量、底吹流量等操作参数对熔池脱碳速率的影响,建立了基于熔池混匀度的指数模型.基于熔池混匀度的指数模型与其他烟气分析碳曲线拟合模型相比,命中率有所提高.以新钢生产热轧板材(目标碳质量分数为0.06%)时的烟气数据为研究对象建模,终点碳质量分数预报误差在±0.02%之间的有75炉次,占验证数据量的88.2%

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

演替不同阶段中的群落构建机制及中性理论的验证 朱家尖岩相潮间带软体动物的分布特征 天目山荒地次生演替的动态变化研究 天目山地区烟腹毛脚燕繁殖期行为探究 天目山几种常见攀缘植物卷须旋转方式及其生理意义初探 西天目山部分地区攀援植物分布调查 西天目山喜旱莲子草对昆虫群落多样性的影响 鸭跖草三种雄蕊作用及其与昆虫传粉相互适应性研究 利用诱捕法研究生物食性分布 西天目山植物卷叶现象与节肢动物相关行为初探 影响直翅目昆虫逃避乙酸乙酯行为的因素 天目山地区蜘蛛网形态与其功能及分类学意义 天目山穹宇萤的活动与自然发光规律及其对单色光刺激的反应 眼纹疏广翅蜡蝉若虫保护机制的探究 天目山水黾足部跗节结构研究