为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

结合沉降和压滤实验, 对脱水性能数据进行曲线拟合获得连续网状结构形成浓度、压缩屈服应力和干涉沉降系数, 引入Usher提出的稳态浓密性能预测算法, 建立了无耙深锥浓密模型, 分析了絮凝剂单耗、底流中固相的体积分数、泥层高度等对固体通量和固体处理能力的影响规律.研究结果表明: 絮凝剂添加量对沉降区域影响大于压密区域, 20 g·t-1时浓密性能较好, 底流中固相的体积分数越大固体通量越小; 在沉降区域, 固体通量仅与浓度有关, 不受泥层高度影响; 在压密区域, 固体通量为浓度与泥层高度的方程; 模型参数范围内, 当泥层高度 < 3.5 m时, 固体处理能力为浓度与泥层高度的方程, 当泥层高度>3.5 m时, 固体处理能力与固体通量随底流中固相的体积分数变化规律一致

金属管材是工业领域中结构承重、输送气体和液体的重要部件。自由弯管成形技术有助于实现管件生产的高精度、高性能、高效率和数字化，其精度控制理论和成形技术的研究具有重要的工业应用价值。本文选择直径 30 mm 壁厚 2.0 mm 的铝合金管材6061为仿真优化对象，通过相关基础实验获得材料的基本力学数据，用于仿真模型参数的表征。同时，结合管材压弯实验验证本构模型成形预测的有效性。在完成仿真模型表征和验证的基础上，对铝合金管材的自由弯曲成形过程进行仿真模拟，分析对比了影响自由弯曲成形的各工艺参数，确定了该工况下最优的移动模与管材间隙大小、摩擦系数和进给速度等。该研究有助于优化管材空间自由弯曲成形工艺，具有一定的工业应用价值

立体视频在无质量保证的互联网上传输时会引发立体视频左右视图的帧延时,影响观看质量.本文提出一种利用主观评价与客观脑电(electroencephalogram,EEG)相结合的方式分别对深度和水平延时运动立体视频刺激进行分析,并对二者的差异性进行比较.共有十名被试参加实验,被试观看随机呈现的不同延时等级包括无延时、延时1帧、延时2帧和延时3帧的立体视频片段,并对是否感知到延时效应做出主观判断,同时记录被试的EEG信号.从EEG信号中提取出事件相关电位(event related potentials,ERPs)并结合主观行为数据进行分析与比较.实验结果表明,为保证观看质量,深度运动立体视频中所能存在的最大延时帧数为1帧,水平运动中则不能存在延时效应.与水平延时运动相比,深度延时运动刺激产生的P300成分幅值变化范围更大,表明在深度延时运动刺激下大脑的活跃程度更高.同时,相同延时帧数的深度运动与水平运动刺激所产生的P300成分中,深度延时运动的潜伏期更长,这表明处理深度延时运动刺激所需时间更长

通过对Q235钢退磁试件的拉伸、压缩试验,利用磁记忆在线监测系统实时跟踪记录了不同拉压应力作用下试件表面的磁信号变化特征. 结果表明:拉伸载荷对合成磁场的影响是先减小后增加的,在接近材料屈服强度的0.3倍左右后趋于稳定不变;而压应力引起的合成磁场初期快速下降,之后处于上下波动变化. 通过引入拉压应力所产生的不同应力退磁项,对J-A磁机械效应模型进行了改进,模拟结果与试验数据具有较好的的一致性,可用于拉压不同应力致磁机理的理论解释

提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值

从炼铁新技术及基础理论研究方面介绍了烧结球团提质降耗新技术、焦炭在高炉内行为解析研究、高炉喷吹清洁燃料技术、高炉长寿技术、高炉炼铁数据建模技术以及冶金尘泥再处理技术。从基础研究出发，提出了目前最具有潜力的炼铁新技术；然后在国家碳中和战略的大背景下，综述了目前国际上的非高炉炼铁技术研究进展，为我国低碳炼铁发展提供依据；最后从最新微观研究手段出发，介绍了目前炼铁研究领域在微观尺度的研究进展，多尺度综合调控研究高炉炼铁过程机理，为未来低碳炼铁发展方向提供思路

为探究不同加载角度下A7085铝合金Ⅰ-Ⅱ复合型疲劳裂纹扩展机理，在MTS疲劳试验机上采用紧凑拉伸剪切试件（CTS）对A7085铝合金进行不同加载角度的疲劳实验；用有限元分析计算不同裂纹扩展长度的裂纹尖端应力强度因子，通过七点递增多项式法对数据进行处理，计算出A7085铝合金Paris公式中的参数C和m.结果表明不同加载角度的裂纹基本沿着与外载荷垂直的方向扩展，裂纹扩展路径近似为一条直线，裂纹扩展角测量结果基本符合最大环向拉应力理论；Ⅰ-Ⅱ复合型裂纹一旦发生扩展，Ⅱ型应力强度因子KⅡ所占比例急剧减小，Ⅰ型应力强度因子KⅠ不断增大，此后KⅡ远远小于KⅠ，有效应力强度因子（KⅠ和KⅡ的组合）基本等于KⅠ，相当于裂纹扩展主要受Ⅰ型应力强度因子控制，研究结果有助于对Ⅰ-Ⅱ复合型疲劳裂纹扩展机理的理解

针对目前锂离子电池寿命预测结果不准确的问题，提出了一种多模态分解的锂离子电池组合预测模型，从而学习锂离子电池退化过程的微小变化。该方法在单一长短期记忆（LSTM）预测模型的基础上，采用了自适应噪声完全集成的经验模态分解(CEEMDAN)算法将锂电池容量分为主退化趋势和若干局部退化趋势，然后使用长短期记忆神经网络（LSTMNN）算法分别对所分解的若干退化数据进行寿命预测，最后将若干预测结果进行有效集成。结果表明，所提出的CEEMDAN?LSTM锂离子电池组合预测模型最大平均绝对百分比误差不超过1.5%，平均相对误差在3%以内，且优于其他预测模型

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性