针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

采用光学显微镜（OM）、扫描电子显微镜（SEM）、纳米力学探针、力学性能测试以及室温摩擦磨损实验研究了Cu–(Fe–C)合金的铸态组织、形变态组织、Fe–C相形貌、力学性能和摩擦磨损行为。结果表明，Cu–(Fe–C)合金中弥散分布着微米级和纳米级的Fe–C相，其中微米级的Fe–C相在淬火和回火过程中发生了固态转变，这种固态转变与钢中的马氏体转变和回火转变类似。合金先在850 ℃淬火，然后在200、400和650 ℃回火，Fe–C相由针状马氏体逐渐向颗粒状回火索氏体转变，Fe–C相纳米硬度分别为9.4、8、4.2和3.8 GPa，实现了对强化相硬度的控制。室温摩擦磨损实验结果表明，随着回火温度升高，合金的磨损机制逐渐由犁削向黏着磨损和大塑性变形转变，导致合金的耐磨损性能降低。这一结论可以为通过Fe–C相的固态转变的方法调控Cu–(Fe–C)合金的摩擦磨损性能提供参考作用

单宁酸由于环保、价格低的特点在金属保护方面应用广泛，然而单一利用单宁酸作为缓蚀剂取得的效果有限，有研究表明盐类与缓蚀剂复配可以改善缓蚀剂的缓蚀效果。在此基础上进行单宁酸复配缓蚀剂的研究，采用两种复配剂氯化铁、钼酸钠分别与单宁酸（TA）缓蚀剂进行复配，研究其对碳钢Q235的缓蚀效果。通过硫酸铜点滴实验、浸泡实验、电化学实验对比氯化铁、钼酸钠分别与单宁酸复配后在碳钢表面的成膜特性及缓蚀效果。硫酸铜点滴液变色时间随着单宁酸中氯化铁和钼酸钠两种化合物浓度的升高出现先增加后降低的趋势；浸泡实验可以看出在单宁酸中加入氯化铁和钼酸钠后，碳钢表面仅出现个别点蚀坑；根据电化学测试结果，对比加入氯化铁前后单宁酸缓蚀剂对碳钢的缓蚀效果，发现两者的电荷转移电阻由2698变为3711 Ω·cm2，腐蚀电流密度由2.734降为1.902 μA·cm?2。加入钼酸钠后，电荷转移电阻和腐蚀电流密度存在明显的增加与下降，电荷转移电阻由2698变为5100 Ω·cm2，腐蚀电流密度由2.734降为0.714 μA·cm?2。在单宁酸中添加氯化铁和钼酸钠都能改善单宁酸的缓蚀效果，其中单宁酸与钼酸钠复配的缓蚀效果更好