随着易处理金矿石资源枯竭，含砷、含碳、高硫、超细颗粒金矿石已成为金矿开采的重点，这些难处理金矿通过常规氰化浸金等方法浸出效果差，由于氰化物有剧毒，会危害人体健康，并严重污染生态环境。非氰化法浸金因具有环保、浸出速率快、效率高等优点受到了广泛关注。在综述了硫代硫酸盐法、甘氨酸法、卤素法、石硫合剂法、碘化焙烧工艺、硫脲浸出法和非水溶液浸金7种非氰浸金方法的浸金原理及其在难处理金矿方面的最新研究进展的基础上，讨论了非氰浸金方法存在的浸出剂昂贵、浸出液中金回收困难、浸出体系复杂、浸出剂性质不稳定及消耗量大等问题，并对非氰浸金技术的发展方向进行了展望

水中抗生素具有成分复杂、毒性高和难于生物降解等特点，成为近些年水处理领域的研究热点。均相Fenton氧化技术（Fe2+/H2O2体系）因其反应快速、简单高效而备受青睐。而异相类Fenton氧化技术采用铁基固体催化剂代替液相Fe2+，能够有效减少含铁污泥的生成，同时拓宽反应的pH值范围，且催化剂可以回收利用，在近些年得到了快速发展，将其应用于抗生素的降解也取得了理想的效果。从异相类Fenton催化原理出发，综述了异相类Fenton催化剂降解抗生素的研究进展。基于异相类Fenton催化剂的核心问题，重点阐述了改善催化性能的方法、措施以及新的观点。针对异相类Fenton技术降解抗生素存在的问题提出了今后的发展方向

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

围绕两种新型耐火材料展开，即钢包精炼用高性能低碳镁碳耐火材料以及超低氧钢用耐火材料，初步实验表明，将大尺寸的碳硅化铝（Al4SiC4）引入到镁碳砖（MgO?C）中不仅可以提高其抗氧化能力，又能对含碳耐火材料氧化后的疏松结构进行修复，有望成为新一代钢包精炼用高性能低碳镁碳耐火材料；CaO?MgO?Al2O3（CMA）材料兼具优异的热机械和耐渣侵性能的同时，还可以在服役过程产生低熔点精炼渣相，具备净化钢水的潜力。可以预见，上述功能化新型耐火材料有望为高品质钢的进一步发展提供有力材料支撑

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

为实现汽车轻量化，同时保证其具有较好的碰撞安全性，高强度-质量比金属板材在汽车制造领域得到了广泛的应用.然而，在传统冲压成形过程中，上述板材（如先进高强钢、铝合金和镁合金等）会出现无明显缩颈的韧性断裂行为.特别是发生在纯剪切加载路径附近的剪切型韧性断裂行为超出了传统缩颈型成形极限图的预测范围.此外，在近些年来快速发展的单点渐进成形中，缩颈失稳被抑制，取而代之的则是无明显缩颈的韧性断裂.以上问题对基于缩颈失稳的传统成形极限分析方法提出了新的挑战，同时也限制了高强度-质量比金属板材的应用及其新型成形工艺的研发.为此，世界各国学者开始普遍关注金属材料韧性断裂预测模型的开发及其应用研究.本文首先从孔洞的演化行为方面出发，对金属韧性断裂的微观机理研究进行了介绍.随后重点评述了韧性断裂预测模型的研究进展和应用现状.最后，对韧性断裂研究的发展趋势进行了展望.本文可以为金属韧性断裂模型的选择、应用及其开发提供有益参考

电压型脉宽调制(pulse width modulation,PWM)整流器的虚拟磁链矢量可以由电网电压矢量进行积分得到,实际中常用一阶低通滤波器代替纯积分环节来消除直流偏置误差和抑制高频次谐波干扰,但一阶低通滤波器的引入也会带来电网电压幅值衰减和相移,从而导致虚拟磁链观测不准确.为消除一阶低通滤波器对虚拟磁链观测的影响,本文提出一种基于矢量重构技术的观测方法,通过分析一阶低通滤波器的幅频特性和相频特性,分别对滤波后的电压矢量幅值和相位进行重构,可实现虚拟磁链幅值和相位的精确估算.该方法应用于虚拟磁链定向的电压型脉宽调制整流器直接功率控制系统.仿真和实验结果表明,与传统的一阶低通滤波器策略相比,该方法提高了虚拟磁链的估计精度,有效抑制了直流母线电压动态响应波动,更有利于滤除网侧电流谐波

采用刚体代替综合法设计了一个以高平行度的双四边形机构为提升平台的平面折展柔顺机构,克服了单平行四边形提升机构的缺点,提高了提升平台与地面的平行度.设计了一个双稳态夹持机构,通过限制夹持机构滑块的位移控制加持力的大小,以稳态二为工作状态保证加持力的稳定.最后通过辅助机构将两机构组合在一起,使一个驱动能够同时完成提升和夹持两个动作.建立了该机构的伪刚体模型,分析了该机构输入力矩与转角和位移之间的关系,并通过实例的理论计算和有限元仿真分析,验证了伪刚体模型的正确性和机构设计的实用性

探索了一种采用转炉由高碳铬铁\一步法\冶炼中低碳铬铁的新工艺.该工艺与氩氧混吹脱碳法(Argon Oxygen Decarburization,AOD)类似,不同之处在于用CO2代替氩气作为搅拌气体吹入熔池.实验结果表明:采用CO2对高、中碳铬铁脱碳是可行的;在高碳铬铁冶炼中碳铬铁初始阶段大量喷吹CO2能取得更好的脱碳效果,而在冶炼后期,高比例的O2适量添加CO2则更有利于脱碳,在当前实验条件下,较佳的脱碳气氛为25% CO2+75% O2(体积分数);CO2的引入对提高铬的回收率有积极作用,同时CO2含量越高,保铬效果越好.实验同时发现,CO2对高碳铬铁脱硫有积极作用