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

系统分析总结了浮选过程中颗粒与气泡的黏附概率模型、EDLVO理论、颗粒-气泡集合体的受力分析、影响因素分析和颗粒-气泡黏附的研究进展.基于接触时间、感应时间的方法和能量势垒的方法，分别从动力学和热力学的角度分析总结了黏附概率模型，并从动力学和热力学的角度解释了颗粒大小、气泡大小、颗粒疏水性、颗粒表面粗糙度和溶液pH对黏附概率的影响，对静态环境和湍流环境中颗粒-气泡集合体进行了受力分析，颗粒和气泡的黏附力有毛细作用力、液体静压力和浮力，静态环境中的脱附力只有重力，但是湍流环境中的脱附力还包括振荡力和离心力.很多研究学者利用先进的仪器和检测手段对颗粒-气泡的黏附做了大量的研究，取得了大量研究成果.颗粒-气泡黏附作用过程相当复杂，试验研究时简化了作用条件，目前理论不能满意解释黏附过程，需要结合实际进行更深层次、更全面的研究

中文电子病历文本包含大量嵌套实体、句子语法结构复杂、句式偏短。为有效识别其医疗实体，提出一种融合多特征嵌入与注意力机制的命名实体识别算法，在输入表示层融合字符、单词、字形三个粒度的特征，并在双向长短期记忆网络的隐含层引入注意力机制，使算法在捕获特征时更加关注于医疗实体相关的字符，最终实现对中文电子病历中疾病、身体部位、症状、药物、操作五类实体的最优标注。面向开源和自建糖尿病数据集的实验结果中所提算法的实体识别准确率、召回率和F1值都达到97%以上，表明其可以更加有效地识别中文电子病历中各类实体

开口管桩由于其承载力高、质量可靠、施工方便等优点得到越来越广泛的应用.土塞的生成使得开口管桩沉桩阻力不同于闭口管桩, 不仅包括桩外侧摩阻力、桩端阻力, 桩内侧摩阻力亦是其重要组成部分.针对开口管桩沉桩受力特性, 采用自主研发的大尺度模型试验装置, 进行不同桩靴形式下开口管桩的贯入试验, 并与闭口管桩进行对比分析.研究表明, 开口管桩随沉桩深度的增加趋于闭塞, 沉桩阻力随沉桩过程基本呈线性增加, 桩内、外侧单位摩阻力均存在\侧阻退化\效应; 桩体贯入时桩周地表隆起量随径向距离增加逐渐减小, 隆起速率随沉桩深度增加逐渐变缓, 桩周土影响范围约为5~7倍桩径; 桩靴对开口管桩土塞生成、沉桩阻力和挤土效应均有重要影响, 内30°桩靴土塞生成高度、桩内侧摩阻力及其所占总沉桩阻力比例最大, 桩周土地表隆起量最小, 外30°桩靴与内30°桩靴情况相反, 直角桩靴居中; 闭口管桩沉桩阻力、外侧摩阻力与挤土程度均大于开口管桩

首先介绍了氧气高炉的发展历程，早期的研究工作主要着眼于解决由于氧气代替空气鼓风而引起的“上冷下热”问题，并总结了各国研究者提出的氧气高炉流程及其主要特点。随后系统阐述了北京科技大学科研人员在氧气高炉工艺基础研究与工程技术开发方面所取得的主要进展。这些研究包括氧气高炉流程设计，含铁炉料还原与软熔，氧气鼓风及循环煤气喷吹条件下的煤粉燃烧，循环煤气加热过程中的物理化学变化等炉内反应与变化，以及在此基础上开展的回旋区及全炉数值模拟研究，为氧气高炉的工程化实施奠定理论基础。最后对氧气高炉的碳素流及节碳潜力进行了分析，并提出富氢碳氢循环氧气高炉将成为炼铁低碳化的重要发展方向

以沥青为软碳原料，商业石墨的载体材料，通过高温热解法成功合成了硅/石墨/碳复合材料，同时原位生成了微米尺度的碳纤维.该硅/石墨/碳复合材料具有诸多优点，石墨片层堆叠之间的空隙为硅的体积膨胀提供了有效的空间，沥青热解碳材料的包覆能一定程度抑制硅基材料的体积效应和提高其电子电导率，同时微米级的碳纤维能提高材料的长程导电性和结构稳定性，从而极大的改善负极材料循环性能.通过电化学测试表明，硅/石墨/碳复合材料中硅/石墨/碳复合负极材料在200 mA·g-1电流密度下具有650 mA·h·g-1的可逆容量，在200 mA·g-1电流密度下经过500圈循环后容量保持率为92.8%，每圈的容量衰减率仅为0.014%，展现了优异的循环性能

超疏水表面是具有独特性能的一类表面，本身就具有广泛应用前景。石墨烯材料作为理化性质出众的一类材料，由于其高电导率、高导热系数、高比表面积、高透光率和有优异的机械性能，广泛应用于航空航天、石油化工、海洋船舶等领域。目前，基于石墨烯材料构建超疏水表面，是超疏水表面研究中一个较新的方向。本文对超疏水表面的原理进行了概述，重点总结归纳了石墨烯基超疏水材料制备技术的研究现状，包括表面修饰法、沉积改性法、激光诱导法、涂覆法、层层自组装法等，简要介绍了石墨烯超疏水材料在自清洁、油水分离、防覆冰、耐腐蚀、抗菌等领域的应用，并对石墨烯超疏水材料的下一步研究方向进行了展望

超低碳钢常用于生产汽车面板等表面质量要求较高的产品.连铸坯皮下的钩状坯壳很容易捕集夹杂物导致冷轧钢板表面出现翘皮、亮/暗线等缺陷,对产品质量具有严重危害.采用数值模拟分析了钩状坯壳的形成和演变过程.将计算的初生坯壳形状制作成物理模型,模拟了夹杂物在凝固前沿被捕集的过程,并对凝固钩区域不同位置的夹杂物的受力特征进行了分析.结果表明,凝固钩在弯月面中形成以后,不会直接湮没进坯壳内,而是要经历熔化、变粗、生长、湮没等逐步演变的过程.数值模型预测拉速1.3 m·min-1条件下最终存留在坯壳中的凝固钩深度约为2.5 mm,这与实际观察到的钩状坯壳的尺寸基本一致.模拟得到的钩状坯壳形貌与铸坯表层和漏钢坯壳的金相特征较为接近.夹杂物最容易在凝固钩下表面被捕集,不容易在凝固钩上表面被捕集,特别是对尺寸相对较大的夹杂物.但是溢流发生时,靠近弯月面处的夹杂物可能随着钢流进入到初生凝固钩上部而被快速冷却的钢液包裹.两道凝固钩之间的坯壳由于其凝固前沿处于垂直分布,小于100 μm夹杂物可能被捕集而大尺寸夹杂物不易被捕集

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

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性