钢渣用作建筑材料时,由于其中含有大量游离氧化钙(f-CaO),稳定性较差,通常需要改性钢渣以提高其稳定性、胶凝性. 在对钢渣、高炉渣进行化学成分和矿物组成分析的基础上,对高炉渣改性钢渣的可能性进行了热力学计算,结果表明高炉渣中的SiO2与钢渣中f-CaO反应,生成胶凝相,同时降低了钢渣中的f-CaO含量. 本文通过研究热态高炉渣改性钢渣,结合X射线衍射、拉曼光谱、扫描电镜及能谱分析等研究方法,对改性钢渣的矿物成分、f-CaO含量、黏度变化等进行了分析. 研究发现随着热态高炉渣配比量的增加,改性渣黏度缓慢增加,改性钢渣中f-CaO、RO相含量降低,改性渣的胶凝性能提高. 在1550℃下,钢渣中添加10%高炉渣时,改性渣中2CaO·SiO2(C2S)、3CaO·SiO2(C3S)含量显著提高,f-CaO质量分数降至1.64%,稳定性大大提高,符合建材化使用要求. 此外,进一步使用焦炭还原改性渣中的铁,轻松实现了渣铁分离,提高改性渣的易磨性

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%

认识气体在页岩孔隙中的运移机理对页岩气开采具有重要的科学意义.页岩作为一种致密岩石，孔隙尺寸分布主要集中在几纳米到百纳米之间，小孔隙尺寸与气体的平均分子自由程在同一个数量级，气体与孔隙边壁的碰撞对流动起到控制作用.本文针对页岩气开采过程中孔隙中气体流动过程，建立了考虑气体滑移、Knudsen扩散、Langmuir等温吸附、孔隙压缩等过程的多场耦合控制方程.分析了流态变化对滑移效应的影响，得到了考虑滑移效应的临界孔径，并针对实际中不同页岩储层有机质含量的差异，分析了解吸机制对页岩气产气率、产气量的贡献.研究还表明孔隙压缩性对产气率影响显著，通过考虑开采过程中孔隙压缩，可以更真实地反映页岩气运移过程

岩石结构面的定量化描述对于理解结构面的力学性质至关重要,投影覆盖分形描述法是结构面定量化表征的主要方法之一.然而,投影覆盖法计算结构面分形维数时存在三角形单元划分的缺陷.从概率分析角度考虑,将随机数应用于三角形单元的划分中,提出了基于随机数估算结构面分维数的投影覆盖法.应用改进投影覆盖法计算了红砂岩结构面的分维数,获得了120个分维值,并将其作为一个分维数样本;然后分析了此样本的分布特征,并将样本均值作为结构面分维数的精准值.实例分析证明,采用改进投影覆盖法所获分维数样本是来自正太分布总体;投影覆盖法计算的分维数几乎是改进投影覆盖法所获结果的极限值;基于随机数进行三角形单元划分更符合实际结构面形貌特征,从而计算的分维数更精准

微震能级随时间发生变化，高能级微震事件与冲击地压有良好的对应关系，为预测矿山微震能量时序变化，基于一维卷积神经网络（Convolutional neural networks，CNN），建立微震能级时间序列预测模型；通过模型训练，实现以前十次微震事件的能量级别作为输入来预测下一次微震事件的能量级别。由于微震样本数据类间不平衡问题，导致模型测试时将106能量级别的微震事件全部判断为105能量级别的微震事件，为进一步提高模型对106能级微震事件预测的准确率，对模型进行改进并使用混合采样方法训练改进后的模型；利用砚北煤矿250202工作面微震能级实测部分数据，改进后模型的总体测试正确率达到98.4%，其中106能量级别的微震事件测试正确率提升到99%。将模型应用于砚北煤矿250202工作面进行微震能级时序预测，模型的预测正确率整体达到93.5%，且对高能级微震事件的预测正确率接近100%

针对锂离子电池荷电状态（Stage of charge，SOC）在线估计精度不高，等效电路模型法估计精度与模型复杂度相矛盾的问题，本文对扩展卡尔曼滤波算法进行了改进，并以电池工作电压、电流为输入，对应等效电路模型法的SOC估计误差为输出，采用极限学习机算法，建立基于输入输出数据的SOC估计误差预测模型，采用物理–数据融合方法，基于误差预测模型，建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型。仿真结果表明，改进扩展卡尔曼滤波算法提高了算法的估计精度，而物理–数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差，克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题，进一步提高了SOC的估计精度，满足估计误差不超过5%的应用需求

黏度是冶金熔渣的基本物理性质，其大小直接影响到反应速率、熔渣分离效果等冶炼过程。通过深入探索熔渣黏度与其结构的关系，在分析熔渣黏度与其(NBO/T)比值（即单个聚合物粒子所拥有的非桥氧数量）相互关系的基础上，本文提出基于（NBO/T）比值的多元熔渣黏度计算模型。首先建立SiO2–∑MxO简单渣系的黏度计算模型，通过拟合纯氧化物和SiO2–MxO二元渣系的黏度数据得到模型参数，拟合平均误差在9%～18.5%之间；随后将该模型扩展至SiO2–Al2O3–∑MxO多元渣系的黏度计算，针对Al2O3在熔渣中同时表现出酸性氧化物和碱性氧化物的特点，在计算SiO2–Al2O3–MxO三元渣系黏度时，将其中的Al2O3拆分为酸性物质和碱性物质来计算（NBO/T）比值和黏度活化能。在SiO2–MxO二元系模型参数的基础上，通过拟合SiO2–Al2O3–MxO三元渣系的黏度数据得到含Al2O3渣系的模型参数，拟合平均误差在10%～25%之间。利用该模型计算了SiO2–Al2O3–CaO–MgO–FeO–Na2O–K2O–Li2O–BaO–SrO–MnO多元复杂渣系及其子体系的黏度值，计算平均误差在25%以内，取得了较好的预报效果。本模型基于熔渣结构理论，并借鉴了经验模型的数据处理方式，在预报效果和适用范围上都优于传统经验模型，在计算方式上比结构模型要简单

针对标准无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法本身存在着因状态误差协方差矩阵无法实现Cholesky分解而导致滤波发散的隐患，以及在电池状态估计过程中由离线标定的电池等效模型参数而造成的累积误差的问题，本文发展了一种平方根无迹卡尔曼滤波(Square-root unscented Kalman filter, SR-UKF)算法，并设计了一种电池状态联合估计策略。首先快速SR-UKF算法通过对观测方程进行准线性化处理，降低了每次无迹变换时的计算开销；然后在迭代过程中，用状态误差协方差矩阵的平方根代替状态误差协方差矩阵，该平方根是由QR分解与 Cholesky因子的一阶更新得到，解决了UKF 算法迭代过程中可能由计算累积误差引起状态误差协方差矩阵负定而导致滤波结果发散的问题，保证了电池荷电状态(State of charge，SOC)在线滚动估计的数值稳定性；最后采用联合估计策略，对电池等效模型参数进行实时辨识，保证了电池等效模型的准确性与有效性，从而提高了电池SOC的估计精度。仿真对比结果验证了快速SR-UKF算法以及电池状态联合估计策略的可行性与鲁棒性

由于不同矿山充填材料性质千差万别,屈服应力影响因素很难统一分析.通过多个矿山尾砂试样,依次开展了级配表征及影响实验、相似密度流变实验以及基于体积分数和灰砂比的双因素流变实验,并结合细观图像分析技术,实现了屈服应力演化机理的研究.研究表明:膏体稳定系数是级配的有效表征方式,能够表现散体和流体综合特征;屈服应力随膏体稳定系数呈幂指数增长,随浓度呈指数型增长,随密度呈负指数增长,由此构建的全尾砂膏体屈服应力预测模型误差在10%以内;细观图像分析认为屈服应力主要受级配结构和絮网结构支配,级配结构构成了料浆可塑性和稳定性的基础,絮网结构将自由水转变为半稳定形态的吸附水,引起屈服应力宏观演化

利用扫描电子显微镜(SEM)、透射电子显微镜(TEM)、电子探针(EPMA)、X射线衍射仪(XRD)、室温拉伸等手段, 通过两相区保温-淬火(IQ)、两相区形变后保温-淬火(DIQ)、两相区保温-淬火-配分-贝氏体区等温(IQ&PB)及两相区形变后保温-淬火-配分-贝氏体区等温(DIQ&PB)热处理工艺, 研究高温形变对室温组织、性能、残余奥氏体稳定性的综合影响作用.结果表明, 经15%的压缩形变后铁素体中位错密度由0.290×1014增加至1.286×1014 m-2, 马氏体(原奥氏体)中C、Cu元素富集浓度提高, 高温形变产生位错增殖对元素配分有明显促进作用.DIQ&PB工艺下, 形变后贝氏体板条尺寸变短且宽度增加0.1 μm左右, 贝氏体转变量较未变形时增加14%, 多边形铁素体尺寸明显减小.力学性能方面, 两相区形变热处理后抗拉强度增加132.85 MPa, 断后伸长率增加7%, 强塑积可达25435 MPa·%.形变后残余奥氏体体积分数由7.8%提高到8.99%, 残余奥氏体中碳质量分数由1.05%提高到1.31%