以相变材料为核心的潜热储存技术，对加快新能源开发和提高能源利用率起着关键性作用。以油酸钙为前驱体，通过水热法合成了具有自支撑网络结构的羟基磷灰石（HAP）气凝胶，并采用浸渍法制备出自支撑羟基磷灰石复合相变材料。通过扫描电镜、傅里叶红外光谱、X射线衍射、热重法、差示扫描量热法等手段对所制备复合相变材料的形貌、稳定性、热性能等进行了表征及测试。实验结果表明，负载石蜡或十八醇的羟基磷灰石气凝胶复合相变材料均具有良好的热性能，质量分数60%石蜡@HAP气凝胶复合相变材料的熔融焓和凝固焓测量值分别为85.10和85.30 J·g?1，结晶度为81.50%；质量分数60%十八醇@HAP气凝胶复合相变材料的熔融焓和凝固焓测量值为113.78和112.25 J·g?1，结晶度为86.20%，且具有很好的热稳定性和化学稳定性。此外，羟基磷灰石气凝胶载体材料阻燃性好，无腐蚀且安全环保，有效拓展了相变材料在智能保温纺织物和建筑材料等领域的实际应用

提出了一种基于双维度搜索的实时轨迹规划方法，用来解决自主地下铲运机转弯轨迹规划问题。该方法是一种结合采样思想和最优化算法的复合轨迹规划方法，包含三个主要步骤：基于双维度搜索策略的优化模型参数生成，基于二次规划的轨迹计算，以及基于约束检查的最优轨迹确定。该方法新颖之处在于提出的基于转弯区域行驶时间和里程的双维度搜索策略，以及基于平稳目标的轨迹最优化模型，可根据弯道区域入口速度和位置，快速生成纵横向都有最优性保证的最优轨迹。该方法结构简单、易于实施，可通过关键参数的调整满足控制器对轨迹生成速度的实时性要求。基于该轨迹规划方法的特点，使其不仅适用于实时轨迹规划，还可为未来智慧矿山的智能管控与优化调度提供底层约束。多组算例验证了该方法的有效性和优越性

谷歌的人工智能系统（AlphaGo）在围棋领域取得了一系列成功，使得深度强化学习得到越来越多的关注。深度强化学习融合了深度学习对复杂环境的感知能力和强化学习对复杂情景的决策能力。而自然语言处理过程中有着数量巨大的词汇或者语句需要表征，并且在对话系统、机器翻译和图像描述等文本生成任务中存在大量难以建模的决策问题。这使得深度强化学习在自然语言处理的文本生成任务中能够发挥重要的作用，帮助改进现有的模型结构或者训练机制，并且已经取得了很多显著的成果。为此，本文系统阐述深度强化学习应用在不同的文本生成任务中的一些主要方法，梳理其发展的轨迹，分析算法特点。最后，展望深度强化学习与自然语言处理任务融合的前景和挑战

针对炼钢?连铸过程的生产调度问题，首先，对生产调度问题的研究方法进行了总结和评述，梳理了各类方法的特点及适用范围；其次，介绍了当前国内外钢厂典型计算机辅助调度系统的一些案例，并讨论分析其特点；最后，在以往研究的基础上，对未来炼钢?连铸过程生产调度问题的研究思路和方法提出了建议，针对静态调度提出了“规则+算法”的研究思路，以国内某特钢厂为例，提出了基于钢厂生产模式优化的调度模型构建方法；针对动态调度提出“多工序协同”的研究思路，提出了基于多智能体的炼钢?连铸过程多工序工艺、质量与调度的协同控制的研究方法。优化高效的建模及求解方法是解决生产调度问题的重要手段之一，旨在改善当前钢厂生产计划编制水平、提高生产计划的可执行性、加强现场实时调控，对实现炼钢?连铸过程稳定化、有序化、连续化运行具有重要意义

医生诊断需要结合临床症状、影像检查等各种数据，基于此，提出了一种可以进行数据融合的医疗辅助诊断方法。将患者的影像信息（如CT图像）和数值数据（如临床诊断信息）相结合，利用结合的信息自动预测患者的病情，进而提出了基于深度学习的医疗辅助诊断模型。模型以卷积神经网络为基础进行搭建，图像和数值数据作为输入，输出病人的患病情况。该医疗辅助诊断方法能够利用更加全面的信息，有助于提高自动诊断准确率、降低诊断误差；另外，仅使用提出的医疗辅助诊断模型就可以一次性处理多种类型的数据，能够在一定程度上节省诊断时间。在两个数据集上验证了所提出方法的有效性，实验结果表明，该方法是有效的，它可以提高辅助诊断的准确性

无人机可通过自主集群编队提高其在复杂环境下执行任务的能力.多飞行器并存导致系统协调管理难度提升等一系列问题，因此如何设计合理高效的无人机集群编队协调自主控制算法是一个亟待解决的难点问题.在鸟群群集飞行过程中，个体通过遵循简单行为规则进行相互合作而产生复杂有序的集体行为.由于鸟群群集飞行过程中所表现出的邻近交互性、群体稳定性和环境适应性等特点与无人机集群编队的自主、协调和智能等控制要求有着紧密的契合之处，因此，研究鸟群群集飞行机制，并将其映射到无人机集群系统，是解决无人机集群编队协调自主控制问题的一条切实可行的途径

《工程科学学报》：基于滚轴支座基础智能隔震结构的非光滑主动控制（广州大学）

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%

《工程科学学报》：油气资源开发的大数据智能平台及应用分析（北京科技大学、中国科学院计算机网络信息中心、中国石油大学（华东）石油工程学院）

《工程科学学报》：离散时间多智能体系统的协调最优预见跟踪