深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

以茄子为原材料，通过水热处理–后续热解法及直接热解法分别制备出两种不同的茄子衍生多孔碳材料（HBPC和BPC）。以茄子衍生多孔碳材料为载体，采用真空浸渍法负载相变芯材聚乙二醇（PEG2000），制备出聚乙二醇/茄子衍生多孔碳材料复合相变材料。通过扫描电镜、拉曼光谱、压汞法、傅里叶变换红外光谱分析、X射线衍射仪、热重分析仪和差示扫描量热仪对其进行结构表征及性能测试。结果表明，通过直接热解法制得的茄子衍生多孔碳材料为载体的聚乙二醇/茄子衍生多孔碳材料复合相变材料具有更好的相变储热效果，负载聚乙二醇的质量分数高达90.60%，熔融潜热为133.98 J·g?1，达到了较好的定形相变效果及良好的循环稳定性

从界面润湿性的角度,对一些冶炼过程中的常见界面现象进行了详细分析.对于渣的泡沫化过程,主要分析了润湿性对渣的泡沫化指数的影响;对于铁水和钢液脱硫过程,主要分析了对脱硫速率和脱硫剂的利用率以及穿透钢液速率的影响;对于钢液与熔渣对耐火材料的侵蚀过程,主要分析了对耐火材料在熔渣中的饱和溶解度、熔渣在耐火材料中的侵蚀深度以及耐火材料的侵蚀速率的影响;对于钢中夹杂物的运动过程,主要分析了对钢中夹杂物的形核、聚集、去除、空间分布等影响.同时,本文总结得出了对于这些实际冶炼过程有利的界面润湿性

油气主要储集在岩石孔隙和缝洞内，深部复杂应力环境下储层岩石裂隙渗透演化直接影响油气的运移规律，是油气勘探开发的重要研究对象。为了解复杂应力路径下含裂隙岩石的渗透演化特性，利用高精度渗流?应力耦合三轴实验设备，对含随机分布裂隙泥岩开展了单试样?复杂应力路径加卸载过程中的渗透性演化试验研究，试验方案依次为：(i) 围压递增条件下渗透性测试；(ii) 渗透压力递增条件下渗透性测试；(iii) 偏应力循环加卸载条件下渗透性测试；(iv) 围压、偏应力同步增长条件下渗透性测试。结果表明裂隙泥岩中的渗流可视为低渗流速度的层流；裂隙发育丰富岩样（R2）渗透率及应力敏感性明显较高。渗透率随渗透压力、围压分别呈正、负的指数函数变化。偏应力加载导致渗透率降低，卸载引起渗透率上升，但整体呈不可逆降低；围压、偏应力同步增长引起渗透率呈下降趋势，并逐步趋于稳定；围压10.3 MPa作用下，渗透率基本保持恒定。由此，基于裂隙双重介质模型，考虑泥岩变形过程中裂隙系统和基质系统的相互作用以及外部应力作用下的裂隙膨胀变形，构建了裂隙泥岩渗透率演化力学模型；模型模拟结果与试验结果具有较好的一致性。相关成果可为裂隙泥岩渗透性演化预测和油气高效开采提供重要的理论依据

介绍了几种主要的转炉烟气分析碳含量预报模型，并分析了其中的指数衰减模型及其三种改进算法的基本原理和优缺点。在综合三种模型优点的基础上，提出了基于“极限碳含量拟合+曲线同步更新”算法的改进指数模型。首先，利用历史炉次吹炼后期的脱碳氧效率和碳含量数据，通过指数拟合得到“历史脱碳曲线”和极限碳含量参数；其次，使用当前炉次吹炼中期的最大脱碳氧效率值对“历史脱碳曲线”的特征参数进行替换，得到当前炉次吹炼后期的“参考脱碳曲线”，再对其进行归一化处理，得到归一化的“参考脱碳曲线”；然后，采用多点校正的方法，计算当前炉次吹炼至各等距离校正点时“参考脱碳曲线”的脱碳量，并根据计算脱碳量与转炉实际脱碳量的偏差，对熔池碳含量及脱碳曲线参数进行计算与校正，得到“计算脱碳曲线”；最后，通过逐次迭代计算对“参考脱碳曲线”和“计算脱碳曲线”进行同步更新，进而实现对转炉吹炼后期熔池碳含量的精准预报。研究表明，改进的指数模型具有较高的准确率，终点碳含量预报误差在±0.02%范围内的命中率达到90%

作为对经典自适应控制改进的控制方法，多模型自适应控制是解决复杂的大范围参数不确定系统的一种有效途径，并在理论和实践中取得了丰富成果。依据控制器集的不同综合策略，其被分为多种类型，本文旨在对加权型的多模型自适应控制进行综述。加权多模型自适应控制的基本思路是采用“分而治之”的办法，离线建立多个局部模型和对应的多个局部控制器，在线加权融合各个局部控制器的控制输出，从而形成全局控制，是实现鲁棒自适应控制的一类重要方法。首先比较详细地介绍了加权多模型自适应控制研究的历史及现状，然后给出相关研究的新进展和一些观点，包括新的加权算法和相应的加权多模型自适应控制系统的稳定性结果等，最后指出未来的几个研究方向

油气资源大数据智能平台的总体框架应以数据资源为基础、大数据平台算力为支撑、人工智能算法为核心，面向油气行业生产需求，构建集勘探、开发、生产数据于一体的油气数据资源池，通过数据清洗与融合提升数据质量，整合物理模拟与数据挖掘等手段，实现服务功能模块化，并在PC端、管控大屏、手机移动APP等多维平台实现智能监测、预警与展示。通过对深度学习等人工智能方法在油气工业领域的应用案例分析，表明其具有较好的应用前景。未来石油公司应与科研院所通力合作，挖掘石油工业数据的巨大潜能，实现降本增效，建设全新的智能油气工业生态圈，完成产业升级

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

为探索多火次等温锻造对新型粉末高温合金晶粒细化的影响, 本文对实验合金进行了每火次变形量40%左右的三火次等温锻造, 采用商用有限元软件DEFORM 2D模拟锻造过程中的等效应变分布图, 采用电子背散射衍射技术对各火次后的锻坯进行显微组织观察和分析.研究表明: 等温锻造过程中, 锻坯轴向剖面大致分为三个区域, 位于上、下两端面附近的Ⅰ区变形量最小, 位于两侧附近的Ⅱ区次之, 位于剖面中心的Ⅲ区变形程度最大.经过三火次等温锻造后, 锻坯Ⅱ、Ⅲ区再结晶充分, 获得等轴细晶组织, 平均晶粒尺寸2~3 μm.然而Ⅰ区形成再结晶不完全的\项链\组织, 在变形晶粒周围分布大量细小的再结晶晶粒, 变形晶粒内小角度晶界含量较多, 位错密度较高.通过对三火次后的锻坯进行合适的热处理, Ⅰ区\项链\组织得到细化, Ⅱ、Ⅲ区组织发生晶粒长大, 整个盘坯为较均匀的细晶组织, 平均晶粒尺寸为6~8 μm

为从细观尺度研究矿岩含水率对自然崩落法放矿松动体形态的影响,对非饱和矿岩颗粒间的受力进行了分析,并分别将放矿场内细颗粒流与大块离散矿岩利用格子波尔兹曼法与离散元法处理,基于格子波尔兹曼法-离散元法耦合算法建立自然崩落法放矿模型,得出含水率与放矿松动体形态间的关系,并通过将模拟结果与已有研究结论进行对比分析,验证了基于格子波尔兹曼法-离散元法耦合算法的放矿模型准确性及可靠性.研究表明:矿岩含水率对放矿松动体形态影响显著,在同等矿岩放出质量分数情况下,随着含水率的增大,放矿松动体高度呈先增大后减小的趋势,放矿松动体形态先逐渐变为细长型再逐渐恢复,放矿松动体形态变化的含水率临界值在10%左右