《工程科学学报》：基于支持向量回归与极限学习机的高炉铁水温度预测

针对弱光照条件下交通标志易发生漏检和定位不准的问题，本文提出了增强YOLOv3（You only look once）检测算法，一种实时自适应图像增强与优化YOLOv3网络结合的交通标志检测与识别方法。首先构建了大型复杂光照中国交通标志数据集；然后针对复杂的弱光照图像提出自适应增强算法，通过调整图像亮度和对比度强化交通标志与背景之间的差异；最后采用YOLOv3网络框架检测交通标志。为了降低先验锚点框设置精度以及图像中背景与前景比例严重失衡对检测精度造成的影响，优化了先验锚点框聚类算法和网络的损失函数。对比实验结果表明，在实时性大致相当的情况下，本文提出的增强YOLOv3检测算法较标准YOLOv3算法对交通标志有更高的回归精度和置信度，召回率和准确率分别提高0.96%和0.48%

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

以迄今为止查阅到的中国大陆金属矿区实测地应力数据为基础，经优化处理后最终采用165组数据，基本覆盖了我国大陆主要金属矿山分布地区.采用回归分析法给出了中国大陆金属矿区测量埋深范围内的地应力场特征，并尝试从地应力的角度对中国大陆金属矿区断层的稳定性进行了讨论.结果显示，中国大陆金属矿区垂直主应力、最大与最小水平主应力总体上随埋深呈线性增加；最大与最小水平主应力之差Δσ随埋深的增加有增大的趋势，但规律性不显著；最大水平主应力与垂直主应力之比Kh，max主要集中在1.00~2.50之间，最小水平主应力与垂直主应力之比Kh，min主要集中在0.50~1.50之间，平均水平主应力与垂直主应力之比Kh，av主要集中在1.00~2.00之间，随着埋深的增加，3个侧压系数的变化幅度逐渐减小，Kh，max趋向于1.83，Kh，min趋向于0.80，Kh，av趋向于1.31；最大与最小水平主应力之比与埋深没有显著的关系，主要集中在1.5~2.0之间，近似服从正态分布；断层在埋深小于500 m范围内有滑动的可能，埋深超过500 m时，逆断层有滑动的可能，走滑断层处于相对稳定状态

在前期研究的基础上, 对LiBr-[BMIM]Cl/H2O三元工质对的其他重要热力学数据进行了系统地测定, 包括密度、黏度、比热容和比焓.采用最小二乘法对测定的热力学数据进行回归, 得到了物性方程; 实验值与物性方程计算值的平均绝对相对偏差(average absolute relative deviation, AARD)分别为0.03%、1.10%、0.29%和0.01%.除了结晶温度和腐蚀性, 黏度是影响工质对实际应用的另外一个重要因素, LiBr-[BMIM]Cl/H2O三元工质对的运动黏度小于25 mm2·s-1, 满足实际应用要求, 且很好地改善了离子液体的高黏度问题

采用旋转柱体法对不同类型的含氟连铸保护渣黏度进行检测，并基于Arrhenius方程通过非线性回归分析建立了新的黏度预测模型，分析了组分变化对黏度的影响。结合模型计算和实验检测，建立了CaF2?Na2O?Al2O3?CaO?SiO2?MgO渣系的等黏度图。结果表明，与传统的含氟连铸保护渣黏度预测模型相比，该模型计算的偏差在10%以内，当渣中w（CaF2）超过20%时，偏差逐渐增大，主要由于氟化物挥发造成炉渣成分变化，最终黏度实测值与炉渣初始成分不符，造成模型无法对黏度有效预测。此外，研究发现，CaF2的增加能显著降低炉渣黏度，而Al2O3和Na2O对黏度的影响受CaF2含量的限制。当w(CaF2)>17%，炉渣黏度随Al2O3含量增加而减小，当w(CaF2)<17%，Al2O3的增加使炉渣黏度显著增大；当w(CaF2)>11.5%，炉渣黏度随Na2O含量增加显著下降，当w(CaF2)<11.5%，Na2O含量变化对黏度的影响并不明显。此外，该等黏度图表明低黏度区w(CaF2)接近14%。通过调整等黏度图中各组分比例，可以改善保护渣的黏度和流动性，供钢铁工业应用

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

采用Gleeble-3800D热模拟试验机在应变量0.6、变形温度750~1050℃、应变速率0.01~1 s-1工艺条件范围内, 研究了Fe-(5.5%、6.0%、6.5%) Si高硅电工钢的热变形与动态再结晶行为.采用线性回归方法, 建立了三种成分实验钢的流变应力本构方程.计算得到Fe-5.5% Si、Fe-6.0% Si和Fe-6.5% Si高硅电工钢的热变形激活能分别为310.425、363.831和422.162 kJ·mol-1, 说明Fe-(5.5%、6.0%、6.5%) Si高硅电工钢的热变形激活能随Si质量分数的增加而增大, 这使得Fe-(5.5%、6.0%、6.5%) Si高硅电工钢相同条件下的变形抗力随Si含量的升高而增大.采用金相截线法对不同成分和变形条件下实验钢的动态再结晶百分数进行了统计, 结果表明: 同一热变形条件下, Fe-(5.5%、6.0%、6.5%) Si高硅电工钢的动态再结晶百分数随Si质量分数的升高而减小.本文实验条件下, 当变形温度为750~850℃时, Fe-(5.5%、6.0%、6.5%) Si高硅电工钢软化机制主要为动态回复; 而变形温度为950~1050℃时, Fe-(5.5%、6.0%、6.5%) Si高硅电工钢软化机制主要为动态再结晶

为探明全尾砂高浓度充填料浆的灰砂比、浓度和流速对管道阻力的影响规律，预测工业充填管道阻力，开展中试规模环管试验。根据管壁切应力与剪切速率关系建立管道阻力预测模型，利用灰关联法分析各因素对管道阻力的影响强弱，通过线性回归获取料浆流变参数。结果表明，管道阻力对料浆浓度的变化最为敏感，随浓度增加成二次函数增长。料浆流速对管道阻力的影响仅次于浓度，层流输送时管道阻力随流速增加成线性增长。灰砂比对管道阻力的影响有双重性，灰砂质量比小于1∶8时胶凝材料的黏结作用占主导并增加管道阻力，反之胶凝材料的润滑作用占主导并降低管道阻力。环管试验得到的料浆流变参数明显小于流变仪测试结果且更接近工程实际，管道阻力预测模型的误差小于10%

采用凸轮式高速形变试验机,压缩端面上带凹槽并在凹槽里充满不同软化温度的玻璃粉作润滑剂的圆柱形试件的方法,其变形温度为850—1150℃,变形速度为5—80S-1,变形程度为Ln(h0/h1)=0—0.6931。对40MnB等四个合金结构钢进行高温高速下塑性变形阻力实验研究。本文不仅提供了40MnB变形阻力计算图表,而且对目前常用变形温度对变形阻力的影响项具有两种不同结构型式的拟合曲线采用非线性回归进行分析比较,提出了拟合精度较高的变形阻力数学模型