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%

以电动汽车车用额定容量为42 A·h的三元方壳锂离子电池单体和模组为研究对象，研究其在加热条件下单体的绝热热失控特性及成组后侧向加热热失控蔓延特性。结果表明，锂离子电池在发生热失控时，内部最高温度可达920 ℃，电池表面和内部最大温差达403 ℃；热失控首先在迎向热流的面触发，随后蔓延至整个电池；满电状态下的锂离子电池内部热失控蔓延时间介于8～12 s；热失控蔓延过程中锂离子电池的温度特征与绝热热失控测试相比存在较大差异性；热失控喷发颗粒物中，LiF及石墨质量分数占80%以上；模组中失控电池产生的总能量中用于自身加热和喷发损失的占90%左右，热失控释放总能量的10%足以触发热失控蔓延。本文为研究三元锂离子电池模组安全设计、热失控蔓延抑制及新能源汽车的火灾事故调查提供了参考

泵送剂能有效改善膏体料浆流动性能,然而其对膏体料浆凝结性能的影响机理尚未明确.针对这一问题,本文进行泵送剂的抗压强度试验和环境扫描电镜观察.强度试验结果表明:泵送剂可有效改善膏体料浆凝结性能,泵送剂掺量越高不同龄期的膏体凝结性越好.环境扫描电镜观察结果表明:泵送剂添加后,大尺寸絮团减少,料浆内孔隙减少,改变了膏体微观结构.基于应用计算机图像处理技术和分形理论,计算膏体微观结构计盒维数,量化分析膏体微观结构.最终对泵送剂改善膏体凝结性能的机理进行分析,认为泵送剂通过改变絮团大小和数量、孔隙率、水化反应等方面影响膏体凝结性能

采用动电位极化测试和扫描电子显微镜/能谱仪表征, 通过理想动电位极化曲线分析方法和微观腐蚀形貌观察研究了静水压与溶解氧耦合作用对低合金高强钢在质量分数为3.5% NaCl溶液中腐蚀电化学行为的影响. 结果表明: 随着静水压和溶解氧溶度的同时增大, 腐蚀电位先增高而后逐渐降低, 腐蚀电流呈非线性增长; 静水压与溶解氧在腐蚀过程中存在相互竞争抑制关系, 在静水压与溶解氧同时增长过程中, 溶解氧首先促进阴极反应过程并抑制阳极反应过程, 而后静水压逐渐加速阳极过程并对阴极反应过程有一定的抑制作用; 静水压与溶解氧耦合作用加速了腐蚀产物膜的生长, 增加了低合金高强钢表面点蚀坑的数量和生长尺寸

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能