海洋环境对于金属的腐蚀具有明显的加速作用，尤其在高铁海底隧道环境中，金属比正常的服役时间变短，这种腐蚀情况下会影响高铁的安全和准点运行。基于以上背景，通过夹杂物自动扫描、钢的加速腐蚀及电化学测试对钢中的夹杂物诱发腐蚀行为进行系统分析，重点分析了高铁轨旁信号设备连接金属件（Q235）中夹杂物在盐雾环境下的腐蚀行为。结果表明：钢中主要夹杂物为氧化物、硫化物或者其复合夹杂，而这两类夹杂物对于诱发钢基体点蚀的原因不同。其中数量最多、尺寸小于5 μm类型的夹杂物为硫化物夹杂和氧硫复合类型夹杂物；数量少、尺寸大于5 μm的夹杂物为氧化物夹杂。在服役过程中，钢中硫化物夹杂易溶解脱落形成点蚀坑，而氧化物夹杂周围基体会先溶解引起夹杂物脱落形成点蚀坑，复合类夹杂物也是诱发钢发生腐蚀的因素，不同复合类型的夹杂物腐蚀方式不同，硫化物夹杂和氧硫复合夹杂对碳钢影响较大。电化学测试表明自腐蚀电位约为为?0.1 V，Q235钢本身抗腐蚀能力不强。夹杂物在腐蚀过程中参与了腐蚀，引起阳极极化曲线的波动，加快了Q235钢的腐蚀情况。研究结果对于认识和改善钢的耐腐蚀性能有指导意义

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

针对巴西圆盘荷载接触条件对巴西劈裂试验影响的问题，采用声发射监测系统开展线/非线荷载接触条件下低孔隙率砂岩巴西劈裂试验。直径为50 mm，厚度为25 mm的标准巴西圆盘按照同一种传感器三维布设方式布置8个Nano30传感器。在相同的荷载速率下，声发射监测Richter8系统对线/非线荷载两种荷载条件下的巴西圆盘进行准静态加载的波形信号连续记录。通过P波自动到时及网格坍塌搜索算法进行定位，在线/非线荷载条件下分别有1131和931个声发射事件被成功定位。圆盘的起裂位置均在圆盘非中心位置，对于非中心起裂的试验值可能低估了巴西抗拉强度。裂纹下半球极点密度投影分析表明，非线荷载条件下破裂面的局部扭曲程度大于线荷载。试样三维损伤演化结果表明，圆盘所受荷载面积大小，显著影响圆盘损伤累计的时间、释放能量的大小和裂纹扩展的稳定性。对有效声发射定位事件进行矩张量分解获取了两种荷载条件下各向同性部分（ISO）、纯双力偶（DC）和补偿线性矢量偶极成分（CLVD）频率百分比，并采用微裂纹破裂类型分类方法来定量分析震源机制，结果表明巴西劈裂对荷载条件并不敏感，两者均可以解释为近似平行于荷载方向上的张拉裂纹的萌生、扩展及贯通

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

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

矿用车辆无人驾驶是实现矿山无人化开采的关键技术, 而路径跟踪控制是无人驾驶系统的核心技术之一.路径跟踪控制系统是多变量、多约束系统, 采用传统方法在多约束条件下存在执行器饱和等问题.针对上述问题, 本文引入模型预测控制方法, 通过考虑车辆的姿态与位置之间的关系, 以跟踪路径的横向偏差最小化和车辆的航向角偏差最小化为目标对预测控制的目标函数进行优化, 以获得车辆速度和铰接角度的最优控制量, 实现对多变量、多约束系统的求解.针对模型预测控制算法不能提前判断道路曲率突变而导致跟踪超调的问题, 提出基于预瞄距离的控制方法, 通过提前判断道路突变信息, 提高车辆路径跟踪精确性和稳定性.使用Matlab/Adams仿真软件进行对比仿真试验, 结果表明: 使用模型预测跟踪控制器能够解决多变量、多约束系统控制问题, 有效防止执行器饱和; 而使用基于预瞄距离的模型预测跟踪控制器能够使车辆的横向位置偏差保持在±0.04 m, 航向角偏差保持在±1.8°范围内, 相较于改进前的控制器, 其横向位置偏差减少了80.9%, 航向角偏差减少了59.1%, 证明改进后的控制器具有更好的横向稳定性和精确性

建立了摩擦系数非对称性的轧制过程模型，并与某热轧机传动系统的垂直?水平?扭转结构模型相结合，建立了结构?过程相耦合的动力学模型。利用稳定性准则确定了摩擦系数非对称作用下轧机系统的稳定域，分析了摩擦系数的非对称性对轧机系统振动特性和稳定性的影响规律。通过仿真分析表明，摩擦系数的非对称性对系统的稳定性有显著的影响，随着非对称程度的不同，系统会出现稳定域、水平失稳域和水平扭转失稳域，不同程度的非对称性会造成不同的振动形态。通过对某热轧厂现场测试，得到了轧机系统的振动信号，验证了仿真分析的正确性，同时指出轧制集装箱板和普板（Q235）时的变形抗力不同引起稳定域的差异，从而使得在摩擦系数的非对称程度一样时，轧制集装箱板时落在了水平失稳域，系统出现了明显的水平振动；轧制普板（Q235）时落在了稳定域，系统没有明显的振动

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

《工程科学学报》：基于小波分析和自相关计算的非接触式生理信号检测

为研究纳米隔热材料孔隙结构内部的气体热传输特性, 采用溶胶-凝胶工艺结合超临界干燥技术, 制备了一系列具有不同孔隙结构特征的样品, 通过热导率、氮气吸-脱附和真密度测试, 全面、准确获取了其孔隙结构信息, 并专门、系统研究了孔隙结构特征与气体热传输特性之间的关系.研究结果表明: 与气相贡献热导率相对应, 材料具有双尺度孔隙结构特征, 并且当大孔隙尺度不及小孔隙的10倍时, 可进一步等效为单尺度孔隙.考虑气固耦合传热的本征气相贡献热导率随孔隙尺度的增大而升高, 与气相热导率变化类似且成一定的比例关系, 孔隙尺度小于200 nm和大于500 nm时的比例系数分别为2.0和1.5, 200~500 nm时则为2.0~1.5.当大、小孔隙尺度的比值不超过10时, 或者这一比值为100~1000且大孔隙含量低于10%时, 气相贡献热导率随环境气压的降低依次呈现快速下降、缓慢下降和无变化三个阶段; 当这一比值超过3000时, 即使大孔隙含量很低(不超过10%), 气相贡献热导率也会依次呈现快速下降、缓慢下降、快速下降和无变化四个阶段