基于泥床料浆的非牛顿体特征,以及料浆初始剪切应力与浓度的变化规律,本文提出了耙架扭矩计算模型.模型预测结果显示,耙架扭矩随底流浓度升高而增大,底流浓度对浓密机运行时的扭矩百分比的影响幅度可达4.67%,两者呈现为多项式函数关系.与此同时,泥床高度对耙架扭矩影响较小,影响幅度仅为0.27%.通过某铅锌矿膏体浓密机64 h运行过程实时监测数据对比,验证了模型关于底流浓度和泥床高度对扭矩的影响规律

通过对不同厂家或产线生产的相近成分和显微组织的8种低合金工程结构钢样品进行中性盐雾加速腐蚀试验，结合成分测试、微观组织分析、腐蚀产物分析及数据统计与计算拟合等方法，提出了评价低合金结构钢耐蚀性的综合耐蚀指数及其包含钢材成分、夹杂物、组织及晶粒度等多因素的数学表达式。研究结果表明，低合金工程结构钢的耐蚀性除与传统的耐蚀指数I相关外，还受钢中夹杂物、显微组织、晶粒度等多种材料因素的耦合影响，其影响程度按从大到小排序依次为耐蚀合金元素所决定的耐蚀指数I、夹杂物总量、珠光体含量和晶粒度级别。综合耐蚀指数Y可作为比耐蚀指数I指数更有效的低合金钢耐蚀性判据，具有重要的工程应用价值

系统运用材料物理学、弹性力学、热力学、工程测试技术的理论知识以及有限元数值仿真、实验分析等方法,研究高温应变片热输出误差的影响因素并得出补偿修正模型.首先根据材料电阻温度效应理论及热膨胀理论研究了高温应变片热输出的耦合特性,建立耦合作用下高温应变片的热输出模型,得到了构件、胶层和应变片三者耦合作用下应变片热输出的理论表达式;然后根据材料的电阻温度效应推导出不同栅丝材料的电导率参数,利用有限元仿真得到不同材料栅丝的热输出特性,选择其中的两种栅丝材料作为本文的研究对象得到其在耦合作用下的热输出并与实验数据对比,相对误差小于7%.最后基于理论模型和实验结果,建立了高温应变片热输出补偿模型,补偿修正后结果与理论值误差在9%以内,补偿效果良好

通过低氧实验提出一种快速识别人体低氧状态的方法.通过搭建深层神经网络训练实验数据识别氧气体积分数(16%~21%)与人体可耐受极端低氧气体积分数(15.5%~16%)条件下光电容积脉搏波(photoplethysmography, PPG)信号, 获得人体生理状态的模式识别网络.经测试该网络的识别正确率可达92.8%.利用混淆矩阵及接受者操作性能(receiver operating characteristic, ROC)曲线分析, 混淆矩阵的训练集、验证集、测试集、全集识别正确率分别达到97.9%、94.8%、92.8%和96.3%, AUC (area under curve)值接近1, 认为该网络分类性能优良, 并且可在4 s内完成整个识别过程

选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据，以铁水温度为目标函数，首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理，获取了显著影响铁水温度的正负相关性特征参量。在此基础上，基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型，模型均可对铁水温度实现有效预测，基于支持向量回归算法构建的预测模型较优，预测平均绝对误差为4.33 ℃，±10 ℃误差范围内的命中率为94.0%

采用真空感应熔炼法制备了医用Ti-50. 7%Ni合金(原子数分数), 测试了铸态合金的成分、相变点、微观组织和硬度, 并采用Gleeble-3800热模拟实验机在变形温度750~950℃、应变速率0. 001~1 s-1, 应变量为0. 5的条件下对Ni-Ti合金进行高温压缩变形, 分析其流动应力变化规律, 建立了高温塑性变形本构关系和热加工图.结果表明: 当变形温度减小或应变速率增大时, Ni-Ti合金的流动应力会随之增大.应变速率为1 s-1时, 合金的真应力-真应变曲线呈现出锯齿状特征.根据热加工图, 获得了Ni-Ti合金的加工安全区和流变失稳区, 进而确定其合理的热变形温度范围为820~880℃, 真应变速率低于0. 1 s-1.从而为制定镍钛合金的锻造工艺参数提供理论和数据基础

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

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

海底金矿矿山水害对矿山生产、人员施工及矿山设备等产生较大威胁，是矿山开采中的自然灾害之一，快速有效的判别出矿山水害水源对于事故的防治有重要意义。三山岛金矿的巷道围岩裂隙普遍并长期存在涌水现象，矿区开采中矿井水害的水源主要有海水、第四系水、基岩裂隙水、地下水等，为了准确快速的判别矿井水水源，有效预防矿井水突水及水害威胁，本研究结合监测点水样的水文地质条件与不同监测点水样的水化学成分分析，选取Mg2+、Na++K+、Ca2+、SO42?、Cl?和HCO3 ?共6项指标作为判别因子，通过主成分分析得出不同水样的矿化程度。在贝叶斯算法分析原理的基础上，将马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)引入到贝叶斯方法中，运用统计软件SPSS统计，构建贝叶斯判别分析模型，得出基于水样样本信息的算法估计的后验分布，得出矿山水害水源的分析方法。运用三山岛金矿水害取水点的水样分析数据进行详细的分析验证，建立矿井突水水源模型，进行不同水样的信息分析，得出贝叶斯统计函数并进行水源判别结果分析，验证了贝叶斯矿山水害水源判别模型的准确性和实用性，对现场工作的开展和水害防治有一定的指导意义

页岩气储层中存在大量的纳微米孔隙，且孔隙裂缝结构复杂，气体渗流阻力大，存在多尺度渗流的问题；页岩气储层压力扰动随时间向外传播并非瞬时到达无穷远，其渗流规律就是一个压力扰动边缘动边界的问题。基于对以上问题的研究，本文建立了渗透率分形分布和高斯分布的渗透率表征模型，对不同形态缝网压裂特征就渗流规律进行了描述，并利用稳态依次替换法，考虑页岩储层中扩散、滑移及解吸作用，进一步研究了多级压裂水平井不稳定渗流压力扰动的传播模型，得到不同压裂条件下压力扰动边界随时间变化的关系，并结合我国南方海相龙马溪组页岩气藏储层参数，应用MATLAB编程。研究表明：压力传播动边界随时间增加逐渐向外扩展，渗透率越小，压力传播越慢；未压裂储层压力传播速度<渗透率分形分布压裂储层传播速度<渗透率高斯分布压裂储层传播速度。对于渗透率极低的页岩气储层，压力传播慢，气井自然产能低，必须对页岩气储层进行大规模的储层压裂改造，并控制压裂程度，以提高页岩气开发效果；基于压力传播动边界的扩展优化页岩储层压裂井段间距90 m，优化渗透率分形分布压裂井井间距318 m，渗透率高斯分布压裂井井间距252 m。因此应合理控制页岩储层压裂改造规模，实现优产高产。模型模拟结果与实际生产数据拟合较好，验证了本研究理论模型的适用性