为了摸清棒材斜辊矫直过程中各曲率的变化规律，应用小曲率平面弯曲弹复理论以及棒材弯曲弹复的曲率方程式，实现棒材一次反弯弹复的计算模型，基于棒材每旋转半周反弯一次的规律以及上一次弹复后的残余曲率认为是下一次弯曲的原始曲率，建立棒材全流程二辊矫直过程弯曲弹复模型，获得整个矫直过程中原始曲率、弯曲曲率、弹复曲率以及残余曲率的演变过程，得到棒材最终的残余曲率.应用该理论模型对现场生产过程进行了计算，与现场结果一致，验证了理论模型的正确性.应用所建立的理论模型对不同直径、不同材料屈服强度、不同原始挠度的棒材矫直过程分别进行分析，获得了不同来料参数情况下矫直过程的变形规律.该模型可以为二辊矫直机辊型优化设计与工艺参数计算提供理论依据

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

为提高热轧换规格首块钢头部卷取温度命中率，采用数据挖掘技术，从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数，并将其应用于模型预设定计算。首先，对冷却特征参数进行识别，按照相对型、绝对型、相等型和策略型四种方式进行定义，并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时，将其聚类为实际带钢的相似卷，并考虑各相似卷的时间影响，计算相似权重值；随后，基于相似带钢的头部和尾部信息，建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件，采用梯度下降法求解该二次规划问题，通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数；最后，根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明：基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力，学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升

烧结矿是我国高炉炼铁的主要原料,烧结矿质量将直接影响高炉冶炼及炼铁工序的经济技术指标.因此,基于铁矿粉的高温特性进行优化配矿从而改善烧结矿的产质量对于炼铁工序节能增效具有十分重要的现实意义.铁矿粉的液相流动性是非常重要的烧结高温特性指标,适宜的液相流动性可以使烧结矿获得较高的固结强度.本文模拟实际烧结黏附粉层中铁矿粉颗粒与钙质熔剂质点的接触状态,采用FastSage热力学计算和微型烧结可视化试验方法研究了固定CaO配比条件下铁矿粉的液相流动性及其主要的热力学液相生成特征影响因素.研究结果表明,采用固定CaO配比与固定碱度的熔剂配加方式下,铁矿粉的液相流动性规律明显不同.铁矿粉的液相生成量是影响其液相流动性的最主要液相生成特征因素,液相生成量越多则铁矿粉的液相流动性指数越大.铁矿粉液相流动性的配合性机制是基于其液相生成量的线性叠加原则.脉石矿物含量将在一定程度上影响铁矿粉的液相流动性,随着SiO2含量的升高铁矿粉的液相生成量减少,从而导致液相流动性指数显著降低;而Al2O3含量增加,液相流动性指数略有升高

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法

基于K均值聚类法对转炉出钢过程的合金损耗进行了研究，分析了影响合金损耗的关键因素，并将其分为3个聚类，得到转炉出钢合金损耗最低的工艺模式。在此基础上，开发了基于PCA-BP神经网络和混合整数线性规划的合金减量化智能控制系统，并以某炼钢厂为例进行了实际应用。通过对模型进行在线运行，验证了模型的准确性和实用性。使用该模型后，提高了合金化钢液成分准确度，减少由传统人工经验计算配料造成的成本浪费和成分超标等情况，优化了合金配料方案，降低了炼钢合金化成本，不同钢种铁合金加入总成本降低5.95%～14.74%，平均降幅11.72%

针对非结构环境下高速公路绿篱修剪机器人手臂实时准确避障问题, 提出一种基于扰动人工势场法的避障路径规划解决方法.根据绿篱隔离带与障碍物分布情况, 设计智能修剪机器人执行机构, 构建包络障碍物简化模型, 分析机械臂与障碍物的碰撞条件, 求解机械臂在修剪过程中的避碰空间.引入斥力场调节策略来优化势场模型, 建立斥力场扰动机制调整斥力影响方式, 消除传统算法中的局部极小点、目标不可达等现象.在避碰空间内, 应用扰动人工势场法对机械臂进行路径规划仿真, 仿真结果表明, 机械臂跳出局部极小点, 灵活顺利避障, 成功抵达目标点, 验证了该方法的有效性和可行性

为了研究不同絮凝条件下超细尾砂的絮凝效果, 本文基于超级絮凝理论, 应用超级絮凝测试仪UFT-ТFS-029, 采用相对絮凝率表征人造超细尾砂在pH值为9~12、絮凝剂单耗fd=2~20 g·t-1、料浆剪切速率γ=100~2000 s-1、料浆固体体积分数φ=2%~14%等条件下的絮凝行为. 发现相对絮凝率随着pH、絮凝剂单耗、剪切速率的增加均先增加后减少, 而随着浆料固体体积分数的增加逐渐减少, 并获得了一定条件下的最优絮凝条件, 即pH值为11、fd=12 g·t-1、γ=500 s-1、φ=4%. 同时, 固体体积分数越高, 达到最优相对絮凝率所需的最优剪切速率对固体体积分数的依赖性也越高. 因此, 在实际生产中需要对pH、絮凝剂单耗、剪切速率与固体体积分数等工况参数进行调整, 以达到最优絮凝效果. 应用超级絮凝理论可实现超细尾砂在极短时间内实现很好的絮凝, 为基于流场剪切速率与停留时间的深锥浓密机进料井设计提供参考

基于前驱体合成与氨气氮化两步法，通过对前驱体合成关键参数B源/N源比、分散剂种类、前驱体干燥方式进行调控，实现了大比表面积、少层氮化硼纳米片材料的制备。其优化条件为以硼酸为硼源，尿素为氮源，硼酸与尿素摩尔比为1∶30，甲醇和去离子水作为分散剂，利用真空冷冻干燥方式合成前驱体。将前驱体在氨气气氛下900 ℃保温3 h合成了氮化硼纳米片。利用X射线衍射测试、X射线光电子能谱测试、拉曼光谱测试、热重分析测试等对合成产物进行了物相和结构表征，利用扫描电子显微镜、原子力显微镜、透射电子显微镜、氮气吸脱附曲线等对合成产物进行了形貌及比表面积表征。结果表明：合成的氮化硼为六方氮化硼纳米片（h-BNNSs），纯度高，形貌类石墨烯，层数为2～4层，厚度平均为1 nm，比表面积为871.8 m2·g?1，单次产物质量平均可达240 mg，合成产物平均产率可达96.7%。该方法简单易操作，实现了大比表面积少层氮化硼的制备，有助于氮化硼在各应用领域的研究，如氮化硼/石墨烯复合材料、纳米电子器件、污染物的吸附、储氢等

《工程科学学报》：领域QoS与资源感知的物流服务动态优化组合方法（河南理工大学）