采用动电位极化测试和扫描电子显微镜/能谱仪表征, 通过理想动电位极化曲线分析方法和微观腐蚀形貌观察研究了静水压与溶解氧耦合作用对低合金高强钢在质量分数为3.5% NaCl溶液中腐蚀电化学行为的影响. 结果表明: 随着静水压和溶解氧溶度的同时增大, 腐蚀电位先增高而后逐渐降低, 腐蚀电流呈非线性增长; 静水压与溶解氧在腐蚀过程中存在相互竞争抑制关系, 在静水压与溶解氧同时增长过程中, 溶解氧首先促进阴极反应过程并抑制阳极反应过程, 而后静水压逐渐加速阳极过程并对阴极反应过程有一定的抑制作用; 静水压与溶解氧耦合作用加速了腐蚀产物膜的生长, 增加了低合金高强钢表面点蚀坑的数量和生长尺寸

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

采用热挤压方法制成45钢/25Cr5 MoA/Q235钢三层结构的复合轴,研究了结合界面的组织、Cr元素扩散和结合性能.结果表明:采用热装方式制成的25Cr5 MoA/Q235钢固-固复合坯料,在界面形成一定厚度的氧化皮,即使经过挤压和热处理后,也无法彻底消除结合界面氧化皮对结合性能的影响;采用间隙配合的25Cr5 MoA/45钢固-固复合界面,由于在挤压前经过良好的表面处理,挤压后的界面几乎没有氧化物存在,形成了较为完整的过渡区,经过高温保温过程,在结合界面会形成Cr的碳化物,对Cr和C的扩散起到阻碍作用;经过挤压后,25Cr5 MoA/Q235钢、25Cr5 MoA/45钢结合界面的结合强度均比较低.与复合板相比,复合轴结构上所具有的特点,使其即使初期结合强度较低,也不易产生剥离;经过后续热处理,通过元素的扩散过程,可以提高复合轴的结合强度

以红土镍矿为原料,利用深还原工艺将镍和铁由其矿物还原成金属镍和铁,再通过磁选分离富集得到高品位的镍铁精矿.对深还原焙烧工艺参数进行了优化,得到最佳的工艺条件如下:内配碳量(C/O原子比)为1.3,还原时间为80 min,CaO质量分数为10%,还原温度为1300℃.在此条件下得到的镍铁精矿中镍品位为5.17%,全铁品位为65.38%,镍和铁的回收率分别为89.29%和91.06%.利用X射线衍射(XRD)、扫描电镜(SEM)及能谱分析(EDS)对深还原矿及磁选后的镍铁精矿进行了分析,发现深还原矿中出现金属粒,为Ni-Fe合金,镍全部溶于镍铁合金中,铁还有少部分以FeO的形式存在;磁选过程除去大量的脉石,精矿中主要物相为Fe、Ni-Fe、FeO及少量的CaO·MgO·2SiO2

为解决堆浸过程中由于大量矿粉存在而导致矿堆渗透性差、浸出率低等问题，以次生硫化铜矿为原料，开展了制粒试验研究.考察了不同制粒黏结剂对矿粉的黏结效果，确定了最佳的制粒黏结剂、制粒工艺以及制粒方法.通过正交制粒试验，明确了影响制粒试验的主要因素.试验结果表明：不同制粒黏结剂的黏结效果排序依次为：SFS-2 > SFS-3 >水泥>半水石膏> SFS-1 > SFS-0 >硅酸钠>阳离子型聚丙烯酰胺.当选用黏结剂SFS-2，黏结剂占矿粉质量分数为8%、加酸量为25 kg·t-1以及制粒过程喷水质量分数为30%时，所制矿团效果最佳.其湿强度达到94.62%，抗压强度达到417.44 N，矿团酸浸维持完好时间超过25 d，矿团形态基本维持不变，无明显破裂现象.正交制粒试验得到多因素对次生硫化铜矿制粒的影响由大到小依次为：黏结剂占矿石质量分数、加酸量和制粒喷水量.对选定的黏结剂进行细菌接种试验显示，黏结剂对细菌群落无明显影响.添加黏结剂试验组细菌数量为8.79×107 mL-1，未添加黏结剂试验组细菌数量为8.86×107 mL-1.对制粒后矿团进行浸矿试验结果显示，矿粉制粒后铜浸出率提高了12.74%，制粒通过增大矿物之间的孔隙，增加浸出液与矿石的接触，进而提高铜浸出率

利用直流电铸法制备纯镍药型罩,对其爆炸变形前后的微观组织和织构进行对比观察,探讨电铸镍药型罩爆炸变形后侵彻体的高速变形行为.结果表明,电铸镍药型罩的晶粒形态由变形前的柱状晶转变为等轴晶,变形前存在的微观织构消失.侵彻体在高速变形过程中经历的是绝热变形过程.侵彻体与靶体的相互作用促使射流发生融化,并与靶体熔融形成铁镍合金.熔融的铁镍合金与侵彻体后续跟进的杵体发生接触,在杵体外部边缘部位凝固,生成复合组织.杵体在整个变形过程中经历了典型的动态回复和动态再结晶过程

用2种方法研究了燃烧合成氮化硅的动力学.Si3N4的燃烧波蔓延速度为0.097～0.13cm·s-1，燃烧区宽度为0.54cm，用燃烧波速法测得其激活能为75.4kJ/mol.确定了不同燃烧时间的反应转化率和转化程度，并据此计算出燃烧合成Si3N4的激活能为54.3kJ/mol·2种方法计算的激活能数值相差约30%，说明燃烧合成氮化硅过程存在明显的后燃烧现象.随稀释剂质量分数的增加，最高燃烧温度降低，热扩散系数略有增加.加入气相传输剂，能够降低燃烧波速，提高燃烧合成Si3N4动学阶段的激活能

采用特殊设计的闭塞腐蚀电池实验,并利用能量色散谱仪分析腐蚀产物成分,研究了磷对低碳钢蚀孔扩展的影响机理.结果表明:在模拟蚀孔的闭塞区钢样阳极表面沉积物中有磷酸根离子存在,在蚀孔活化腐蚀过程中,钢中磷转化成磷酸根离子是在金属表面进行的,并形成磷酸盐沉积在金属表面,对蚀孔的扩展起抑制作用;磷含量不同的钢,表面沉积物中磷酸盐及磷酸根离子含量可相差很大,从而对蚀孔扩展的抑制作用也会有明显差异;同一钢样中,由于磷的偏析,在蚀孔扩展过程中高磷部位腐蚀速率较低,低磷部位腐蚀溶解速率较高,磷的偏析带导致了凸凹腐蚀沟槽的形成

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

针对多无人机在协同搜索过程中存在重复搜索、目标静止、搜索效率低的问题，提出基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法.首先，建立类似传感器探测范围的蜂窝状环境模型，降低对搜索区域的重复搜索；其次，建立满足高斯分布的马尔可夫链动态目标运动模型；然后，将柯西扰动引入基本鸽群优化算法的地图和指南针算子，高斯扰动引入地标算子，同时利用模拟退火机制保留次优个体，进而有效缓减基本鸽群优化算法易陷入局部最优的问题.最后，通过仿真实验将本文算法与其他群体智能算法进行比较，结果表明新型算法的合理性和有效性