以相变材料为核心的潜热储存技术，对加快新能源开发和提高能源利用率起着关键性作用。以油酸钙为前驱体，通过水热法合成了具有自支撑网络结构的羟基磷灰石（HAP）气凝胶，并采用浸渍法制备出自支撑羟基磷灰石复合相变材料。通过扫描电镜、傅里叶红外光谱、X射线衍射、热重法、差示扫描量热法等手段对所制备复合相变材料的形貌、稳定性、热性能等进行了表征及测试。实验结果表明，负载石蜡或十八醇的羟基磷灰石气凝胶复合相变材料均具有良好的热性能，质量分数60%石蜡@HAP气凝胶复合相变材料的熔融焓和凝固焓测量值分别为85.10和85.30 J·g?1，结晶度为81.50%；质量分数60%十八醇@HAP气凝胶复合相变材料的熔融焓和凝固焓测量值为113.78和112.25 J·g?1，结晶度为86.20%，且具有很好的热稳定性和化学稳定性。此外，羟基磷灰石气凝胶载体材料阻燃性好，无腐蚀且安全环保，有效拓展了相变材料在智能保温纺织物和建筑材料等领域的实际应用

提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值

从炼铁新技术及基础理论研究方面介绍了烧结球团提质降耗新技术、焦炭在高炉内行为解析研究、高炉喷吹清洁燃料技术、高炉长寿技术、高炉炼铁数据建模技术以及冶金尘泥再处理技术。从基础研究出发，提出了目前最具有潜力的炼铁新技术；然后在国家碳中和战略的大背景下，综述了目前国际上的非高炉炼铁技术研究进展，为我国低碳炼铁发展提供依据；最后从最新微观研究手段出发，介绍了目前炼铁研究领域在微观尺度的研究进展，多尺度综合调控研究高炉炼铁过程机理，为未来低碳炼铁发展方向提供思路

利用高温高压湿气环路研究了L80钢在高气相流速湿气环境中的腐蚀-冲蚀行为.利用腐蚀失重法测试了L80挂片在气速30 m·s-1,含水率0.0007%,CO2分压0.5 MPa及55℃的工况下,分别在不同的腐蚀周期下的腐蚀速率.利用激光共聚焦显微镜对试样表面形貌进行了观察,利用扫描电子显微镜对腐蚀产物形貌进行观察,利用X射线衍射及能谱仪对腐蚀产物组成进行了分析.结果表明,L80钢在高气相流速湿气环境下腐蚀失重严重,腐蚀后试样表面出现大量的微小蚀坑,随着实验周期的延长蚀坑会不断长大.该工况下产生的腐蚀产物主要成分为Fe3C和FeCO3

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法

为适应热冲压技术的发展需求，开发了一种新型高热导率高耐磨性能热冲压用模具钢材料。采用扫描电镜（SEM）、透射电镜（TEM）等检测手段对钼钨钒合金化新型模具钢的高温回火性能与组织特征进行了研究。阐明了新型热冲压模具钢回火过程碳化物析出与演变规律。实验结果表明：实验用钼钨钒合金化模具钢材料具有良好的回火二次硬化性能，在500～600 ℃温度区间回火时，回火组织硬度上升；在600 ℃回火出现二次硬化峰值；当回火温度超过600 ℃后，组织软化程度明显，回火硬度开始下降。实验模具钢在高温回火过程中的硬度变化与其合金碳化物的偏聚、析出和聚集长大密切相关。当在560 ℃以下回火时，实验钢组织中未有合金碳化物析出；当回火温度大于560 ℃时，回火组织中开始析出M2C型碳化物；当回火温度高于600 ℃后开始析出MC型碳化物；当在620 ℃长时间回火后M2C型碳化物转化为M6C型碳化物，此时实验钢硬度开始明显下降；而当回火温度高于660 ℃时，新型实验钢组织中主要为M6C和MC型合金碳化物

采用常温镀膜技术在浮法玻璃表面沉积了不同方块电阻的氧化锌铝(Al-doped zinc oxide,AZO)透明导电膜,建立了透明导电膜的雷达散射截面(radar cross section,RCS)测试和研究方法;提出了基于雷达散射截面均值的相对反射率概念,结合方块电阻和可见光透过率综合分析了氧化锌铝透明导电膜的电磁散射特性.在微波暗室对不同方块电阻的氧化锌铝透明导电膜进行了测试,得到了10 GHz和15 GHz入射频率,水平(horizontal horizontal,HH)、垂直(vertical vertical,VV)极化的雷达散射截面曲线;从飞行器座舱隐身角度出发,研究了前向20°和60°角域雷达散射截面曲线分布特点,并分析了雷达散射截面均值影响特性;基于氧化锌铝透明导电膜雷达散射截面测试结果,研究了方块电阻对雷达散射截面相对反射率和可见光透过率的影响规律.研究表明,方块电阻较低时雷达散射截面曲线分布特性与对应金属相似,方块电阻增大时,前向两个角域内的RCS均值减小,隐身性能减弱,雷达散射截面相对反射率降低而可见光透过率增加,相对反射率降低速率大小与方块电阻相关,合适的方块电阻可同时满足隐身及采光需求.暗室测试结果表明,在满足座舱可见光透过率前提下,氧化锌铝透明导电膜方块电阻为18~45 Ω时,具有外形隐身作用,方块电阻18 Ω为最优,对应RCS相对反射率Rem2和RedB分别为84%和0.73 dB

由于矿石粒径配比、表面粗糙度、密度等性质差异，筑堆过程中堆内极易出现矿石颗粒偏析现象.细粒层是导致矿石表面受侵蚀程度不均的关键因素，其严重制约了铜矿资源的高效浸取.为探究细粒层对矿石浸出效果、表面形貌及钝化现象的影响，选取粗颗粒矿石（4 mm < d < 6 mm）与细颗粒矿石（2 mm < d < 4 mm），开展不同细粒层位置下次生硫化铜矿微生物浸出实验.结合CT扫描与冷场电镜扫描技术等分析手段，从宏、细、微观多层面，探究不同细粒层位置下矿石宏观浸出规律，细观矿石团聚结块，微观表面形貌特征与钝化.结果表明：细粒层导致铜浸出率普遍降低，均低于无细粒层、均匀粗颗粒介质的实验组；不同矿堆位置处细粒层对浸出效果影响不同，细粒层位于顶部的实验组铜浸出效果最优，浸矿60 d铜浸出率达71.3%；同一细粒层不同位置处矿石表面孔裂结构演化程度不一；浸矿60 d后，铜浸出率趋于峰值，矿石团聚结块与钝化现象显著，矿石表面形成以黄钾铁矾、多硫化物、胞外多聚物、硫膜为主的钝化物质层

锌浸出渣是一种具有较高综合利用价值的固废资源。本文针对锌浸出渣中有价金属的回收以及全质化利用的研究进展进行了归纳总结：锌浸出渣中有价金属的种类多，如锌、铅和银等具有较高的回收价值，其回收工艺主要有火法工艺和湿法工艺。通过对多种典型锌浸出渣回收工艺的优缺点和适用性的详细比较分析，提出了微生物浸出?氯盐浸出联合的方法，该方法可高效浸出锌浸出渣中的锌、铅和银，对不同类型的锌浸出渣具有良好的适用性，展现出了良好的工业应用前景；其次，介绍了锌浸出渣全质化利用的进展，展望了技术发展方向，锌浸出渣全质化利用将朝着制备性能优异、精细化和绿色节能的高端材料方向发展，在实现锌冶炼行业清洁生产的同时努力获得更大的经济效益

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度