膏体充填是推动金属矿绿色开采发展的关键技术，并可为资源的深部开采提供安全、绿色、高效的技术支撑。全尾砂膏体流变学是膏体充填技术的基础理论，本文在综述膏体流变概念、特性与模型的基础上，进一步对流变测量技术现状进行了系统梳理，概述了现阶段常用的浆式旋转流变仪、坍落筒、L管、倾斜管及环管法进行流变测量的原理及应用，针对膏体这一屈服型非牛顿流体，重点分析了屈服应力的测量，并对以上方法的适用性进行了综合论述。流变测量深刻地影响着膏体流变理论及膏体充填工艺的发展，为此，对测量技术的关键问题进行了探讨，指出构建膏体流变测量标准及加强流变测量技术与充填工艺的结合是重点，并对膏体流变学研究的发展趋势进行了展望

针对复杂集总干扰下六旋翼飞行器轨迹跟踪控制问题,给出了混合积分反步法控制与线性自抗扰控制的控制算法. 首先,通过牛顿-欧拉方程建立六旋翼飞行器的非线性动力学模型,并剖析系统输入输出的数学关系. 其次,根据六旋翼飞行器动力学模型的特点,将其分为位置与姿态两个控制环. 位置环采用积分反步法控制理论设计控制器,通过引入积分项来提高系统的抗干扰能力,消除轨迹跟踪的静态误差;姿态环采用线性自抗扰控制技术设计控制器,通过线性扩张观测器估计和补偿集总干扰影响,提高系统的鲁棒性. 最后,通过2组仿真算例和1组飞行试验验证了本文所提飞行控制算法的有效性. 研究结果表明:该控制算法对集总干扰有较好的抑制作用,能够使六旋翼飞行器既快又稳地跟踪上参考轨迹,具有一定的工程应用价值

深锥浓密机的面积或占地大小主要由其固体通量决定。通过量筒静态沉降实验，计算得到深锥浓密机固体通量，分析了絮凝剂单耗、料浆浓度对深锥浓密机固体通量的影响，得到了两种因素对深锥浓密机固体通量的影响规律。结果表明，尾矿在5～30 g·t?1的絮凝剂单耗下，基本呈现二次函数关系；料浆的固相质量分数为6%～26%时，固体通量呈现先增大后减小的趋势，与实验所得的规律相契合。通过对絮凝剂单耗和料浆浓度耦合效应下的固体通量方程回归分析，得到三者之间的数学关系，进而确定二者对固体通量的贡献为：料浆浓度>絮凝剂单耗。结合絮凝剂及料浆浓度对固体通量的影响分析，总结了絮凝剂单耗和料浆浓度贡献值不同的原因。最后，结合单因素和耦合条件下的数学方程，对深锥浓密机的设计和运行提出工程建议。在深锥浓密机运行过程中，需要优先保证料浆浓度，其次是絮凝剂单耗

基于非均匀分布的虚拟材料模拟螺栓连接薄板搭接部分的力学特性，其中虚拟材料的材料参数用复模量表示，可直接生成复刚度矩阵以表示搭接部分的刚度及阻尼特性，省却了常规建模中生成结合部阻尼矩阵的步骤，在保证模型精确性的基础上简化了建模流程，以此建立了螺栓连接薄板结构的半解析模型并对其进行了动力学分析。首先描述了建模理念，将虚拟材料分别假定了三种复模量非均匀分布形式模拟螺栓搭接部分的力学特性，提出用反推辨识技术确定虚拟材料储能模量与耗能模量的方法。接着，基于能量法并用正交多项式假定模态，推导了螺栓连接薄板的半解析分析模型，并创新性地给出了求解半解析模型任意锤击点与拾振点处频响函数的公式。最后，以一个具体的螺栓连接薄板结构为对象进行了实例研究，结果表明：用所创建的半解析模型计算出的各阶仿真固有频率与实验测得的各阶固有频率的误差均在5%以内，计算得到的各阶仿真模态振型以及频响函数曲线与实测值均较为接近，从而证明了利用复模量非均匀分布的虚拟材料模拟螺栓搭接部分可有效简化螺栓结合部建模，亦可达到较高的仿真计算精度

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

含硫胶结充填体随着养护龄期的延长会出现膨胀开裂现象，存在明显裂隙的充填体试件再进行单轴抗压强度测试其结果十分离散，已不能有效地获得充填体力学参数.在室内进行配比试验，采用数字图像处理技术对得到的充填体表面裂隙图像进行二值化、去噪等预处理，而后计算其分形维数并分析其演化规律，且将分形维数与单轴抗压强度关联分析.研究结果表明：充填体试件面表的裂隙存在自相似性，表面裂隙越发育，其分形维数越大；分形维数与单轴抗压强度存在负相关关系，分形维数越小，其单轴抗压强度越高；分形维数可判别含硫充填体试件的完整性，当充填体表面裂隙的分形维数小于某阈值时，强度试验的结果更为可靠

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

月球矿物资源的原位利用技术是月球基地建立和后续深空探索的基础。由于月球特殊环境及地月运输成本的限制，现有矿冶技术难以直接应用于月球矿物的原位开发。各国的科研人员围绕月球矿物资源原位利用方向开展了卓有成效的研究工作，发展了几种极具应用潜力的技术。这些方法可分为材料化成型和提取冶金两类，其中材料化成型工艺如烧结法、3D增材制造法等，主要用于将月壤直接材料化成型以制备月球基地建材。提取冶金工艺包括碳/氢化学介质还原法、电解还原法以及真空热解法等，可生产月壤矿物对应的金属单质或其低价氧化物，并获得氧气。本文概述了已有月壤原位利用技术的一般原理、基本过程、热力学动力学基础及近期研究进展。探讨了这些方法的一些优缺点，并展望了其在月球矿物原位利用上的应用前景

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

再次对桂林等地钟乳石(Stalactite)和石笋(Stalagmite)进行了研究,首次发现其中有丰富的气-液包体。矿物爆裂温度为215~335℃,个别可达435℃。部分样品均化温度为110~187℃。对矿物热爆裂过程进行了录音,並进行了显微摄影。成分分析证实,包体的气相为CO2或含大量CO2。这些包体是在外生作用下化学成因的产物,属异常成因,不能用于包体矿物学中的一般测试和找矿工作。提出了区分异常成因和正常成因包体的必要性和区分标志。计算了方解石等碳酸盐在热声分析中可能产生的严重干扰。提出这种干扰起源于这类包体和非由解理产生。鉴于这些结果,包体矿物学的某些基础理论或技术应作适当修改与补充