ZSM-5是一种常用来吸附甲苯的微孔吸附剂，选择三种碱金属Li、Na和K对ZSM-5进行改性，结合表征手段和数学模型的方式研究引入ZSM-5中的碱金属对微孔结构和吸附甲苯的影响。在此实验中，分别从吸附容量、放热能量、扩散阻力和脱附活化能四方面深入探讨碱金属对吸附甲苯的影响规律。基于实验结果得知：碱金属的引入改变了ZSM-5分子筛的微孔结构并呈现出一定的规律。随着离子半径(Li+<Na+<K+)的升高，ZSM-5的孔径、比表面积和孔体积随之降低，影响规律为Li?ZSM-5 > Na?ZSM-5 > K?ZSM-5。静态饱和吸附量呈Li?ZSM-5（0.363 mmol·g?1）>Na?ZSM-5（0.360 mmol·g?1）>K?ZSM-5（0.325 mmol·g?1）排序。恒定浓度波模型很好的描述甲苯在ZSM-5上的吸附扩散行为，空间位阻和静电束缚力分别在高低进气浓度条件下对甲苯在ZSM-5孔道中的扩散占据主导作用，较高进气质量浓度(155 mg·m?3)条件下，碱金属改性对扩散阻力影响规律为Li?ZSM-5<Na?ZSM-5<K?ZSM-5；较低进气质量浓度（25 mg·m?3）条件下，影响规律为Li?ZSM-5>Na?ZSM-5>K?ZSM-5。结合脱附动力学分析，Na?ZSM-5因具有较大的孔径和适中的吸附强度，表现出更好的再生潜能。本研究从空间位阻和吸附强度两方面系统阐述了碱金属改性对甲苯吸附行为的影响机理，为在复杂的实际环境应用中选择合适的吸附剂提供了一定的参考意义

利用Al-17% Si-4.5% Cu熔体中密度较小的初生硅颗粒模拟金属熔体内部的夹杂物，并采用超重力场分离熔体中的夹杂颗粒，研究了不同重力系数条件下，金属熔体中夹杂物的分离规律.实验结果表明：经过超重力处理后，初生硅颗粒在试样上部区域发生明显的偏聚现象，试样内部出现无初生硅颗粒区域，且随着重力系数的增加，无初生硅颗粒的区域面积逐渐增大，说明重力系数越大，硅颗粒在试样上部区域的聚集程度越好.随着重力系数的增大，试样的净化效率逐渐升高，当重力系数（G）为500时，试样的净化率达到了84.98%.利用DPM离散相模型对超重力场下熔体内部硅颗粒的具体受力情况进行分析，并模拟研究铝熔体内部硅颗粒在不同重力场中的分离行为.数值模拟结果证明了夹杂颗粒在沿着超重力方向上的运动行为近似符合Stokes运动定律.这表明超重力场可以有效分离金属熔体中的夹杂物

膏体充填为矿产资源的深部开采及可持续发展提供了安全、绿色、高效的技术保障，已成为矿业领域的研究热点和发展趋势之一。全尾砂膏体流变学是膏体充填全套工艺流程的重要理论基础，深刻影响着膏体充填技术的发展。本文从膏体的内涵出发，系统性地论述了膏体流变学研究的必要性、特殊性及复杂性。并以膏体流变实验结果为基础，分析了全尾砂膏体的典型流变特性及最新研究成果。总结了常用的屈服型非牛顿流体流变模型，并探讨了常用流变本构方程对膏体料浆的适用性，对其实际应用提出合理建议。同时对膏体流变特性的关键影响因素进行了概述。根据膏体流变学的研究现状，归纳总结并提出了膏体流变学研究的重点与难点，指出现阶段膏体流变学须从测试标准、本构方程、微观机理及工程应用等方面深入研究

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

在介绍了铅元素污染背景、现状与危害的基础上，对土壤中铅的来源、赋存形式及其提取方法进行了详细介绍。结合土壤修复技术研究现状，对三大修复方法如物理、化学及生物修复法进行了系统综述，并从效率、适用性、经济性等方面评估了3种修复方法的优势与劣势，发现化学修复最适合重毒性铅污染治理。随之对化学淋洗法和固定化/稳定法作了详细介绍，探讨并评价了不同种类淋洗剂和固化剂的修复机制、修复效果、适用性和应用前景等。最后对未来重毒性铅污染土壤清洁高效修复提出了展望，修复方法应尽量减少对土壤的破坏；对高铅污染土壤来说联合修复技术的发展是土壤修复富有潜力的发展方向；应当尽可能地确定铅污染土壤修复机制，实现定向修复；同时应加强多功能复合材料的研发

订单接受与不相关并行机调度是订单接受与订单调度的联合决策, 广泛存在于面向定制的多品种混合生产环境中. 针对这一问题, 考虑了顺序与机器依赖的安装时间以及可加工机器限制, 并以最小化总成本为优化目标. 其中, 总成本由被接受订单的总拖期成本和被拒绝订单的总拒绝成本构成. 通过分析订单拒绝对目标的影响, 提出了列表拒绝方法和订单拒绝规则, 进而设计了协同进化遗传算法. 算法将染色体编码分解为订单列表和订单指派两个个体, 提出了基于列表拒绝方法的解码方案来进行订单拒绝决策. 由于两个个体相互独立, 且二者的进化约束不同, 因而引入协同进化策略, 并根据个体的编码特征, 分别采用单亲遗传算子和传统遗传算子进行遗传操作. 数据实验验证了算法的有效性和求解效率, 并对问题规模和订单拒绝成本对算法性能的影响进行了分析

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向

崩塌灾害的早期预警一直是岩土工程领域研究的热点问题之一.传统的监测预警方法监测指标相对单一, 更多关注于加速破坏前兆的识别, 使得崩塌的早期预警存在诸多困难.本文首先引入动力学监测指标, 对岩土体破坏过程中的动力响应进行综述, 得出基于固有振动频率等动力学监测指标可以为危岩体的损伤提供数据支持.随后基于最新的实验研究发现动力学监测指标可以有效反应边坡的物理力学特征的变化, 进而可以实现岩体损伤与稳定性的动态识别和定量判断.在对国内外现状进行综述发现, 基于分离阶段破坏前兆识别的岩块体崩塌灾害预警思路, 具有更好的时效性, 是未来崩塌早期预警的发展方向, 同时对崩塌的早期预警指标体系进行展望, 得出基于动力学指标、静力学指标和环境量指标三位一体的早期监测预警指标体系, 必将在工程监测与灾害预警方面发挥更大潜力, 为从事应对崩塌等脆性破坏灾害预警预防的研究工作者提供有效参考

高熵材料是近年来出现的一种新型材料，具有高强度、高硬度、良好耐腐蚀和优异的高温组织稳定性等性能，在航空航天、高温以及先进核能等领域展现了广阔的应用前景，引起国际材料领域的广泛关注，相关研究也取得了很大进展。粉末冶金作为一种高性能金属基和陶瓷复合材料的先进制备技术，可以获得纳米晶和过饱和固溶体等亚稳材料，同时也可用于传统熔炼法较难制备的具有特殊结构和性能的材料，近些年来，粉末冶金技术在高熵材料制备中得到广泛应用。本文从高熵材料的应用理论出发，针对目前高熵材料粉体制备方法、块体成型以及粉末冶金制备的典型高熵材料三个方面予以综述，着重阐述了高熵材料的力学性能和其变形行为特点，同时展望了高熵材料的未来发展趋势

油气资源大数据智能平台的总体框架应以数据资源为基础、大数据平台算力为支撑、人工智能算法为核心，面向油气行业生产需求，构建集勘探、开发、生产数据于一体的油气数据资源池，通过数据清洗与融合提升数据质量，整合物理模拟与数据挖掘等手段，实现服务功能模块化，并在PC端、管控大屏、手机移动APP等多维平台实现智能监测、预警与展示。通过对深度学习等人工智能方法在油气工业领域的应用案例分析，表明其具有较好的应用前景。未来石油公司应与科研院所通力合作，挖掘石油工业数据的巨大潜能，实现降本增效，建设全新的智能油气工业生态圈，完成产业升级