高炉硅含量预测控制的时间序列混合建模

根据时间序列原理，对铁水硅质量分数w(Si)序列的动态特性进行了分析，找出了其主体成分.综合炼铁工艺理论和6号高炉炼铁现场的实际情况，对影响铁水硅质量分数w(Si)的各个因素进行了典型相关分析，确定了w(Si)的主要影响因素为：料速、风量、喷煤、透气性、富氧率、铁水物理温度和渣碱度.建立了由AR(2)、状态变量和控制变量混合构成的w(Si)预测控制的传递函数模型.使用包钢6号高炉生产数据验证表明，此模型克服了以往炉温控制模型把炼铁理论和统计知识分离的缺点，炉温预报的命中率高达84%，预测控制取得了较好的效果.     

数据驱动的高速铁路强风报警自适应解除策略

高速铁路在中国发展迅速，带来了全新的交通变革.较快的运行速度在带来效率提升的同时也增加了沿线强风对其运行安全的威胁.为了安全运行，铁路沿线部署了大量风速监测传感器，一旦监测到强风，将通过调度中心发出信号，调度沿线列车减速慢行甚至停车.在报警过程中，如何确定报警保持时间极具挑战.如果保持过短，则可能发生重复报警，增加处置次数，加重工作人员负担；若取消过晚，则影响轨道通过能力，带来不必要的效率损失.为此，本文提出一种高速铁路强风报警解除时间调整策略，用于改善这一问题.该策略通过轨道沿线部署的风速计装置，结合时空信息对短时未来强风情况进行预测，基于预测情况，自适应调整报警解除时间.该策略能够有效减少报警冗余时长，提高列车运行效率.     

基于深度学习的图像语义通信系统

语义通信是一种新颖的通信方式，可通过传输数据的语义信息提高带宽效率。提出一种用于无线图像传输的系统。该系统基于深度学习技术开发并以端到端（E2E）的方式进行训练。利用深度学习实现语义特征的提取和重建，在发送端提取信源信息不同类型和不同形式的语义特征，在接收端融合各类型语义特征进行目标语义恢复。仿真结果表明，与基准模型相比，所提模型在信道环境恶劣的情况下，具有更好的重建精度。