为实现推力矢量飞机的大迎角机动控制，提出一种基于自抗扰控制的三通道解耦控制策略.以第三代战机F16公开数据为基础，添加推力矢量模型，利用双发推力矢量喷管组合偏转产生大迎角机动的期望三轴力矩.在纵向、横向和航向通道分别独立设计自抗扰控制器，将系统中未建模动态、不确定性以及通道间的强耦合视作总扰动进行估计并补偿，并在纵向和航向通道引入角速度阻尼反馈项，使原始飞行器开环动力学闭环近似为一个广义对象，降低了自抗扰控制器的设计阶次.选取眼镜蛇机动和赫伯斯特机动两种典型的过失速机动动作进行控制策略验证，数值仿真结果表明，所设计的三通道独立自抗扰控制器能够消除通道间的强耦合，完成推力矢量飞机的大迎角机动控制.蒙特卡罗仿真测试表明，所提控制策略具有较强的鲁棒性

对GCr15轴承钢表面渗硼层的生长动力学与机械性能进行了研究.采用固体渗硼的方法,在1123、1173、1223和1323 K温度条件下,分别保温处理2、4、6和8 h,进行渗硼层制备.采用光学显微镜、扫描电镜、X射线衍射仪、维氏硬度计等对制备的渗硼层进行组织观察与性能分析,并通过试验数据对渗硼层的生长动力学特性进行了研究.研究结果表明:试样表面获得了均匀致密的渗硼层,渗硼层的相成分主要是FeB和Fe2B;渗硼层的厚度随处理温度与保温时间的增加而增厚,变化范围为33.4~318.5 μm;渗硼层的表面硬度随处理温度及保温时间的增加而增大,主要是由于随着渗硼层厚度的增加,高硬度FeB相的含量上升,低硬度Fe2B相的含量下降,表面硬度HV0.1变化范围为1630~1950,与基体组织相比,提高了5~6倍;渗层截面硬度测试结果表明,渗层与基体之间有较宽的硬度梯度过渡;通过Arrhenius公式,对渗硼层的生长动力学方程进行了推导,可知B元素在GCr15轴承钢中的扩散激活能为188.595 kJ·mol-1,对推导的动力学方程进行了试验验证,结果表明最大误差仅4.93%,可有效的实现对渗层厚度的预测

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%

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

分析了影响转炉冶炼终点钢水中锰含量的因素, 针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢, 预测精度低等问题, 提出了一种基于极限学习机(ELM) 算法建模的新思路, 并引入正则化以及改进粒子群优化算法(IPSO), 建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM) 的转炉终点锰含量预测模型; 应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证, 并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明, 采用IPSO-RELM方法构建的模型, 锰含量预测误差在±0. 025%范围内的命中率达到94%, 均方误差为2. 18×10-8, 拟合优度R2为0. 72, 上述三项指标均显著优于其他三类模型, 此外, 该模型还具有良好的泛化能力, 对于转炉实际冶炼过程具有一定的指导意义

物联网是未来赛博使能业务的重要支撑平台。蜂窝网络则被认为是广泛分布在部署区域中的物联网终端数据接入的主要渠道，尤其在广域覆盖方面具有难以替代的价值。在满足覆盖要求的条件下，降低蜂窝网络基站的下行发射功率在绿色通信方面具有重要的研究意义。由此提出了一种基于优化目标平滑近似和均方根传播策略的梯度下降算法，在满足物联网业务覆盖率的条件下最小化基站的总下行发射功率。首先，使用罚函数方法将复杂约束条件的异构蜂窝网络优化问题转化为简单约束形式的优化问题；其次，将不可导的目标函数通过平滑近似转化为可导形式，并给出其对天线下倾角和下行功率参数的梯度解析形式；最后，使用均方根传播梯度下降算法进行转化后的目标函数优化。仿真实验结果表明该算法可以在满足覆盖率指标的条件下最小化基站的总下行发射功率，与现有元启发算法和普通梯度下降算法相比，具有良好的收敛速度，并能更好地抑制优化过程中振荡

为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效

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

针对微米级软颗粒溶液在微小孔道流动不符合泊肃叶流动规律问题，考虑受固体管壁影响软颗粒形变产生的空间位形力作用，基于Navier-Stokes理论，推导软颗粒溶液在圆管中的流速分布及流量表达式，引入颗粒形变因子以表征空间位形力作用的影响；建立考虑空间位形力作用的圆管流动数学模型.由微尺度流动特征实验，得到软颗粒溶液微圆管流动规律，与泊肃叶流动对比，结果显示当管径小于颗粒直径时，相同压力梯度下考虑空间位形力作用的流速比泊肃叶流动拟合结果更接近于实验数据.通过数值计算分析发现，与泊肃叶流动下的速度分布和平均流量相比，当微圆管尺寸减小时，空间位形力作用随之增大，其更大程度上影响流体在微圆管内的流动规律；当颗粒呈非球形且最小投影面积相同时，偏离球形颗粒程度越大，空间位形力作用越大，因此空间位形力作用在微小孔道流动中不可忽略

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