为获得一种锌电积用低成本、低析氧电位和高催化活性的阳极，在铝棒表面通过挤压复合技术包覆Pb-0.2% Ag合金得到Al棒Pb-0.2% Ag阳极.在含氟的硫酸溶液中，通过阳极氧化在Pb-0.2% Ag合金和Al棒Pb-0.2% Ag合金阳极表面形成具有高催化性能的膜层，采用显微图像分析仪和数显显微硬度计表征了膜层的厚度及硬度，并通过电子拉伸试验对比了两种阳极的极限抗拉强度.采用X射线衍射、扫描电子显微镜、循环伏安法、阳极极化和交流阻抗法等技术手段研究了Al棒Pb-0.2% Ag与Pb-0.2% Ag阳极表面氧化膜层的物相、形貌以及电化学性能.结果表明：Al棒Pb-0.2% Ag阳极相比Pb-0.2% Ag阳极表面易生成致密较厚的氧化膜层，且膜层硬度提升了41.64%，其氧化膜层主要物相均为电催化活性良好的β-PbO2.新型阳极的极限抗拉强度是传统阳极的1.3倍，大大改善了阳极材料的机械性能.阳极极化曲线数据显示Al棒Pb-0.2% Ag/PbO2阳极在电积锌体系中具有较低的析氧电位(1.35 V vs MSE，500 A·m-2)和较高的交换电流密度(7.079×10-5 A·m-2).循环伏安曲线和交流阻抗数据显示Al棒Pb-0.2% Ag/PbO2阳极具有较高的电催化活性、较大的表面粗糙度和较小的电荷传质电阻.在电积锌实验中，栅栏型Al棒Pb-0.2% Ag/PbO2阳极相比传统Pb-0.2% Ag阳极平均槽电压下降了75 mV，而且大大减少了阳极泥的产生

为进一步提升钛酸锂材料的性能, 本文在传统静电纺丝技术的基础上, 将纺丝喷头改进成内外嵌套的同轴喷头, 以两种溶液的形式进行同轴共纺, 得到了具有空心结构的钛酸锂纤维丝.将其与传统静电纺丝法制备的实心结构钛酸锂纤维丝进行对比, 结果表明: 空心钛酸锂材料粒度均一、无团聚现象, 材料具有明显的空心结构, 结晶性能良好, 比表面积是实心结构的1.3倍.形貌结构的改善极大地提高了空心钛酸锂材料的电化学性能, 表现为小倍率下二者的放电比容量接近理论比容量, 但在20C倍率下空心结构的钛酸锂材料优于实心钛酸锂, 仍可达到130 mA·h·g-1, 循环200周后容量保持率仍达98%, 具有良好的稳定性; 循环伏安和交流阻抗曲线也表明: 空心结构使得钛酸锂材料的极化程度减少, 电化学反应阻抗降低, 更有利于电化学反应的进行

采用高温固相法成功制备了 Li2x−ySr1−xTi1−yNbyO3(x=3y/4, y=0.25, 0.5, 0.6, 0.7, 0.75, 0.8) 锂离子固体电解质，并通过X 射线衍射（XRD）、扫描电子显微镜（SEM）、交流阻抗图谱、恒电位极化等分别研究了各个组分的晶体结构、微观形貌、离子电导率和电子电导率. XRD 显示当 y≤0.70 时，材料为立方钙钛矿型结构，几乎没有杂质相生成. SEM 表明随着掺杂含量 的增加材料的晶粒尺寸逐渐增大. Li0.35Sr0.475Ti0.3Nb0.7O3 锂离子固体电解质有着高离子电导率，为 3.62×10−5 S·cm−1，其电子电导率为 2.55×10−9 S·cm−1，活化能仅为 0.29 eV. 使用以 Li0.35Sr0.475Ti0.3Nb0.7O3 为隔膜的 LiFePO4/Li 半电池经过 100 圈循环后，放电比容量仍有 93.9 mA·h·g−1，容量保持率为 90.72%

采用金相显微镜、扫描电子显微镜、电化学实验和浸泡实验研究了打印角度30°、45°和60°的SLM-Ti6Al4V试样的组织结构及其在NaF溶液中的腐蚀行为。结果表明，三种试样的组织结构都是原β晶粒内部交叉分布针状α'相；打印角度45°试样中针状α'相尺寸与微观结构晶格畸变程度最小。电化学测试结构表明，三种试样在NaF溶液中的腐蚀行为特征都是随溶液浓度增加，由自发钝化逐渐转变为活性溶解，其临界氟离子浓度分别处于0.0005～0.00075、0.00075～0.001和0.0005～0.00075 mol·L?1。浸泡试验结果表明，当NaF浓度低于临界氟离子浓度的时候，试样表面基本保持完整，而高于临界值的时候试样表面发生活性溶解。此外，对比三种试样的耐腐蚀性能可以发现，打印角度为45°试样的耐腐蚀性能优于其他试样的性能

离子交换树脂（Ionomer）是质子交换膜燃料电池催化层的重要组成部分，它在催化层中的主要作用是作为质子传导相传导质子。本文采用旋转圆盘电极法（RDE），在模拟燃料电池真实的运行环境（模式一）和模拟燃料电池启停环境（模式二）两种模式下，研究了Ionomer对铂碳催化剂电压循环耐久性的影响。通过相同位置透射电镜分析法（IL-TEM），分析了铂碳催化剂经历模式二耐久性测试后的结构变化。研究发现Ionomer的存在可以提高铂碳催化剂的耐久性。在模式一的测试中：添加Ionomer后，其氧还原半波电位下降值?E从23 mV下降至11 mV；没有发生碳的腐蚀，Pt颗粒的长大是催化剂性能下降的主要原因；Ionomer的存在延缓了Pt电化学比表面积（ECSA）的降低从而有利于保持Pt的活性。在模式二的测试中：添加Ionomer后，其氧还原半波电位下降值?E从25 mV下降至5 mV，除了铂颗粒长大外还发生了载体碳的腐蚀；Ionomer的存在同样可以保持Pt的活性；IL-TEM分析可以看到明显的铂颗粒长大和碳腐蚀，碳载体的腐蚀造成铂的严重流失和团聚。含Nafion的催化剂中铂颗粒平均粒径从2.7 nm增加到了3.76 nm，不含Nafion的催化剂中的铂颗粒平均粒径从2.44 nm增加到了4.19 nm

聚酰亚胺（polyimide，PI）由于具有较好的力学性能、优异的耐化学性、良好的介电性能和高温稳定性，被认为是一种应用前景广泛的高温工程聚合物。聚酰亚胺的各类制品如薄膜、涂料、胶黏剂、光电材料、先进复合材料、微电子器件、分离膜以及光刻胶等已经被广泛应用于电子信息、防火防弹、航空航天、气液分离以及光电液晶等领域。聚酰亚胺气凝胶（PIA）是由聚合物分子链构成的相互交联的三维多孔材料，结合了聚酰亚胺和气凝胶的优异性能，使其不但具有聚酰亚胺的优异特性，而且具有气凝胶的轻质超低密度、高比表面积、低导热系数以及低介电常数等突出特点，因此聚酰亚胺气凝胶材料迅速发展成为性能优异的有机气凝胶之一，并且在航空航天、电子通讯、隔热阻燃、隔音吸声以及吸附清洁等领域展示出广阔的应用前景。鉴于该材料的这些特质，本文对聚酰亚胺气凝胶的制备方法、影响因素（溶剂效应、单体结构和固含量）以及应用进行了论述，并对聚酰亚胺气凝胶材料的未来发展进行了展望

同步定位与地图构建技术（SLAM）是当前机器人领域的重要研究热点，传统的SLAM技术虽然在实时性方面已经达到较高的水平，但在定位精度和鲁棒性等方面还存在较大缺陷，所构建的环境地图虽然一定程度上满足了机器人的定位需要，但不足以支撑机器人自主完成导航、避障等任务，交互性能不足。随着深度学习技术的发展，利用深度学习方法提取环境语义信息，并与SLAM技术结合，越来越受到学者的关注。本文综述了环境语义信息应用到同步定位与地图构建领域的最新研究进展，重点介绍和总结了语义信息与传统视觉SLAM在系统定位和地图构建方面结合的突出研究成果，并对传统视觉SLAM算法与语义SLAM算法做了深入的对比研究。最后，展望了语义SLAM研究的发展方向

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

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

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性