为研究三轴循环加卸载条件下三山岛花岗岩细观能量演化规律, 采用颗粒流理论确定了花岗岩的应力门槛值(起裂应力σci、损伤应力σcd和峰值强度σf), 研究了应力门槛值对应的边界能、应变能(线性接触应变能和平行黏结应变能)、耗散能(摩擦能和阻尼能)、动能随围压变化的规律, 并从能量角度建立了岩爆倾向性评价指标Wx. 结果表明: 三山岛花岗岩不同围压下相应的σci/σf位于37.0%~44.8%区间, σcd/σf位于81.2%~89.0%区间, 随着围压的增大, 起裂边界能、应变能和耗散能呈线性关系增加, 损伤(峰值)边界能、应变能和耗散能呈指数关系增加; 其中耗散能受围压影响最为敏感, 增幅倍数最大, 其次是边界能, 最后为应变能. 围压对起裂应变能比例影响不大, 损伤和峰值应变能比例随围压增大缓慢减小, 峰值应变能比例下降幅度最大. 基于岩爆倾向性评价指标Wx可知, 当围压在20 MPa内, 三山岛花岗岩岩爆倾向性相对较小; 当围压达到30 MPa时岩爆倾向性开始迅速增加. 研究成果为岩爆倾向性的评价提供了新的参考指标, 进一步为井下岩体工程的稳定性研究提供了新思路

河钢集团有限公司开发了利用钢液中形成TiOx?MgO?CaO细小粒子改善焊接粗晶热影响区韧性的ITFFP技术（Improve the toughness of HAZ by forming TiOx?MgO?CaO fine particles in steel），成功试制生产出大线能量焊接用30 mm厚度规格（H30）和60 mm厚度规格（H60）EH420海洋工程用钢。母材力学性能试验结果表明，H30和H60试制钢屈服强度分别达到461 MPa和534 MPa，抗拉强度分别达到570 MPa和628 MPa，延伸率分别为26%和24.5%，满足EH420海洋工程用钢国家标准要求。采用Gleeble-3800型热模拟试验机对试制钢进行了200 kJ·cm?1条件下热模拟试验，并对焊接热影响区中的显微组织和?40 ℃冲击韧性进行了分析和测试。结果表明，试制钢中形成的CaO(?MgO)?Al2O3?TiOx?MnS夹杂物可以有效地诱导针状铁素体析出，显著提高钢材的冲击韧性。另外，利用气电立焊设备对H30和H60试制钢分别进行了焊接线能量为247 kJ·cm?1和224 kJ·cm?1的实焊试验，结果显示，H30试制钢焊接接头表面和根部焊缝处?40 ℃冲击吸收功值≥74 J，焊接热影响区≥115 J，H60试制钢焊接接头表面和根部焊缝处?40 ℃冲击吸收功值≥91 J，焊接热影响区≥75 J，焊接接头的冲击性能远高于国家标准值42 J

采用化学分析、X射线衍射（XRD）、光学显微镜、扫描电子显微镜（SEM）和能谱（EDS）等方法，研究了金川镍沉降渣的矿物组成、结构、嵌布特征、主要有价成分Fe、Ni、Cu、Co的分布等工艺矿物学性质.结果表明，金川镍沉降渣主要由铁镁橄榄石和玻璃质组成，并含少量的铜镍铁硫化物、辉铜矿、磁铁矿等；沉降渣的结构单一，微细粒的铜镍铁硫化物呈星散状无规律分散在硅酸盐基质中；铁主要存在于铁镁橄榄石内，镍和铜主要赋存在铜镍铁硫化物中，钴没有独立矿物存在，主要以类质同象形式赋存在其他矿物中.镍渣中有价成分的回收可考虑用深度还原法或湿法冶金工艺

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法

长期颈部前屈对颈椎造成严重影响。为定量评估长时间低头对颈椎疲劳造成的影响，选取20名健康受试者，保持低头角度40°～60°持续3 h。选择胸锁乳突肌，颈部夹肌和肩部斜方肌测量其表面肌电信号。经滤波、整流、振幅标准化等处理后，对每60 s的肌电值进行积分和求其平均功率频率。研究发现，积分肌电值的波动变化具有规律性，首次增大后的减小表征肌肉进入疲劳状态；不同肌肉的平均功率频率(mean power frequency，MPF)值具有明显差异，决定着该肌肉疲劳耐受性的持续时间，且在整个颈部前屈过程中MPF并非简单的线性关系。提出用MPF的导数来提取疲劳特征，用窗口化的MPF负数累积判定肌肉疲劳。结果表明，MPF负数累积能很好地判断肌肉疲劳，胸锁乳突肌在20 min内出现最终疲劳，而颈部夹肌和肩部斜方肌在20 min左右出现了短暂性疲劳，随后在75～100 min时又出现了最终疲劳。因此建议持续颈部前屈时长不超过20 min

研究了多智能体网络中受集合约束的一致性最优化问题，提出了基于原始–对偶梯度的定步长分布式算法。算法中包括步长在内的参数会影响收敛性，需要先进行收敛分析，再根据收敛条件设置合适的参数。本文首先针对一般的定步长迭代格式，提出一种基于李雅普诺夫函数的收敛分析范式，它类似于一般微分方程关于李雅普诺夫稳定的分析方法。然后，针对所考虑的分布式梯度算法，构造了合适的李雅普诺夫函数，并根据收敛条件得到了算法参数设定范围，避免了繁冗复杂的分析论证。本文提出的理论与方法也为其他类型的分布式算法提供了一个框架性、系统性的论证方法

对含端部双裂隙?50 mm×50 mm的圆柱体大理岩试样进行单轴压缩试验，并利用高速摄影仪实时记录试样破坏过程，研究了端部裂隙长度和倾角对大理岩力学特性及裂纹扩展规律的影响。研究表明，当裂隙长度达到门槛值前，试样的单轴抗压强度的弱化程度较低，弹性模量、峰值应变的变化较小。相对垂直裂隙，相同长度的倾斜裂隙对大理岩的影响更加显著。试验结果与理论分析均表明，裂纹一般不从端部垂直裂隙尖端起裂，试样的起裂裂纹大多发展为主裂纹，扩展过程中较少产生分支与分叉，试样表面会产生局部剥落，倾斜裂隙试样宏观上呈剪切或拉剪复合破坏，垂直裂隙试样呈劈裂拉伸破坏。试样能耗参数与单轴抗压强度的变化趋势一致，试样总应变能和其单轴抗压强度有较好的正相关关系。最后，比较了动、静载荷作用下含端部裂隙大理岩力学响应与裂纹扩展过程的差异

大数据是多源异构的。在信息技术飞速发展的今天，多模态数据已成为近来数据资源的主要形式。研究多模态学习方法，赋予计算机理解多源异构海量数据的能力具有重要价值。本文归纳了多模态的定义与多模态学习的基本任务，介绍了多模态学习的认知机理与发展过程。在此基础上，重点综述了多模态统计学习方法与深度学习方法。此外，本文系统归纳了近两年较为新颖的基于对抗学习的跨模态匹配与生成技术。本文总结了多模态学习的主要形式，并对未来可能的研究方向进行思考与展望

为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

等级保护（简称等保）是我国信息安全的基本政策，随着区块链技术在各行业中的应用日趋广泛，有必要同步推进区块链系统的等级保护测评工作，这将有利于推动该技术在我国的持续健康发展。有鉴于此，依据等保第三级的应用和数据安全要求，给出了区块链系统中对等网络、分布式账本、共识机制和智能合约等核心技术的具体测评要求及实施方案，并从等保2.0规定的控制点出发，分别对当前区块链系统运行数据与基于日志流程的安全审计机制进行了归纳与分析。通过上述评估与分析可知区块链系统在软件容错、资源控制和备份与恢复等方面满足等保要求，而在安全审计、身份鉴别、数据完整性等方面则有待进一步改进