自然科学与工程技术中种种运动发展过程与平衡现象各自遵守一定的规律。这些规律的定量表述一般地呈现为关于含有未知函数及其导数的方程。我们将只含有未知多元函数及其偏导数的方程，称之为偏微分方程。方程中出现的未知函数偏导数的最高阶数称为偏微分方程的阶。如果方程中对于未知函数和它的所有偏导数都是线性的，这样的方程称为线性偏微分方程，否则称它为非线性偏微分方程。初始条件和边界条件称为定解条件，未附加定解条件的偏微分方程称为泛定方程。对于一个具体的问题，定解条件与泛定方程总是同时提出。定解条件与泛定方程作为一个整体，称为定解问题

数字信号处理学科是随着半导体器件和计算机技术的发展而出现的，它将数字或符号表示的序列，通过计算机或专用的硬件处理设备，用数字的方式去处理，以得到人们所要求的信号形式。例如，对信号滤波，选择了信号的有用分量，而抑制了无用分量；或是估计信号的特征参数。总之，数字信号处理的内容丰富多彩，凡是用数字的方式对信号进行滤波、变换、估计、识别等，都是数字信号处理的研究对象。 1.1模拟信号的数字化处理过程 1.2 数字信号处理系统具有的特点 1.3 数字信号处理涉及的主要内容 1.4 数字信号处理的框架结构

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向。针对肝细胞癌（Hepatocellular carcinoma, HCC）分化程度的无创性定量估测方法研究，结合放射科医师的临床读片经验，提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型。以动态对比增强核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多个序列为输入，学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重，加权序列中具有的良好判别性能的时间和空间特征，以提升分化程度判别性能。模型的训练和测试在三甲医院的临床数据集上进行，实验结果表明，本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能，在WHO组织学分级任务中，判别准确度、灵敏度、精确度分别达到80%，82%和82%

西昌钢钒厂由于转炉热量不足而以转炉—LF精炼—RH精炼—连铸工艺生产IF钢，为探究RH强制脱碳与自然脱碳工艺生产IF钢精炼效果，采用生产数据统计、氧氮分析、夹杂物自动扫描、扫描电镜和能谱分析等手段，对不同脱碳工艺对顶渣氧化性以及钢的洁净度影响进行了详细研究。结果表明：（1）与自然脱碳工艺炉次相比，采用强制脱碳工艺的炉次在转炉结束与RH进站钢中的平均[O]含量更低；（2）两种工艺脱碳结束钢中的[O]含量基本在同一水平；（3）强制脱碳工艺的炉次在RH结束时渣中平均T.Fe的质量分数降低了1.3%。在能满足RH脱碳效果的前提下，尽量提高转炉终点钢液碳含量、降低钢液氧含量，后续在RH精炼时采用强制吹氧脱碳工艺，适当增大吹氧量来弥补钢中氧，可显著降低IF钢顶渣氧化性。自然脱碳工艺与强制脱碳工艺控制热轧板T.O含量均比较理想；与自然脱碳工艺相比，强制脱碳工艺可有效降低IF钢[N]含量，这与强制脱碳工艺真空室内碳氧反应更剧烈所导致的CO气泡更多和气液反应面积更大有关。脱碳工艺对IF钢热轧板中夹杂物类型、尺寸及数量没有明显影响，夹杂物主要由Al2O3夹杂、Al2O3–TiOx夹杂与其他类夹杂物组成，以夹杂物的等效圆直径表示夹杂物尺寸，以上三类夹杂物平均尺寸分别为4.5、4.4和6.5 μm，且钢中尺寸在8 μm以下的夹杂物数量占比高于75%。在RH精炼过程中，尽量降低RH脱碳结束钢中[O]含量，有利于提高钢液洁净度

Ruhrstahl Heraeus（RH）精炼炉是重要的二次精炼装备，但在真空处理过程中会遇到钢液易挥发合金元素的损失量大的问题，且造成钢液真空喷溅的结瘤及对后续钢液的二次氧化。针对含锰钢RH真空处理过程锰的气化导致的元素损失及真空喷溅等问题，跟踪和研究了120 t RH不同真空处理模式下钢液中Mn元素的变化规律及迁移行为。分析了锰元素损失与其挥发和真空喷溅的关系，并在RH真空室内壁不同位置结瘤物的解剖实验中得到验证。研究表明，钢液中Mn元素在RH真空过程中存在着明显损失，真空前期损失量最大；RH真空室内壁结瘤物中锰氧化物的质量分数整体占比高达14%～70%；热力学计算结果显示：温度、钢中Mn的含量以及真空度对Mn的挥发行为均有着很大的影响，是真空过程锰迁移的关键影响因素。通过改进真空压降模式，采用步进式抽真空，元素锰的损失由原先的2×10?4降低至1×10?4，结果对现场生产具有很强的指导意义，通过改进真空压降模式可以有效的抑制钢液的喷溅和挥发，进而减少合金元素锰的损失

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%

为研究堆浸体系矿石粒径分布对孔隙结构的影响，对不同级配矿岩散体构成的浸柱开展显微CT扫描测试，得到浸柱内部结构图像。通过阈值分割算法对孔隙结构进行提取，建立浸柱三维孔隙模型，对浸柱体孔隙率和面孔隙率的空间分布特征进行研究。利用最大球算法构建浸柱孔隙网络模型，进而分析矿石粒径分布对孔喉半径、喉道长度、孔喉体积、形状因子和配位数等参数的影响规律。结果表明：矿石颗粒级配性越好，矿堆孔隙率越低；矿石粒径越均匀，矿堆不同区域孔隙率差异越小；矿石粒径分布对孔隙尺寸和连通性影响较为显著，对孔喉形状因子影响较小。随着细颗粒矿石的减少，大孔隙增多，孔喉半径、喉道长度和孔喉体积相应增大；随着矿石粒径均匀性的增加，堆浸体系中孤立孔隙所占比例减少，高配位数孔隙所占比例增大，即矿堆内的孔隙空间具有更好的连通性

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

在阐述炼钢厂多尺度建模与协同制造技术架构的基础上，分别从单体工序尺度、车间区段尺度与炼钢厂运行尺度开展了炼钢厂协同制造的研究。从工序/装置过程控制系统（PCS）到炼钢厂制造执行系统（MES）进行了较为系统的建模研发，构建了包括转炉工序、精炼工序与连铸工序在内的工序工艺控制模型以及以生产计划与调度模型为核心的物质流运行优化模型，并通过工序工艺控制和生产计划与调度的动态协同，实现了炼钢厂多工序/装置的高效运行。研发了炼钢?连铸过程工序工艺控制模型、生产计划与调度模型同MES之间的数据接口，实现了MES与生产工艺控制、流程运行控制、生产计划与调度系统的有机融合，形成了以机理模型与数据模型协同驱动的工艺精准控制、多工序协同运行、基于“规则+算法”的生产计划与调度为支撑的炼钢?连铸过程集成制造技术，通过多层级的纵向协同与多工序的横向协同，实现了炼钢厂的协同运行与控制。研究成果是炼钢?连铸过程智能制造的有益探索与实践，对流程工业智能制造企业具有很强的参考价值，对冶金工业绿色化、智能化发展具有示范与借鉴作用。应用后，明显提升了炼钢厂的协同制造水平，取得了显著的经济与社会效益

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