采用恒载荷拉伸应力腐蚀试验和电化学试验研究取向对Al-Zn-Mg合金型材的应力腐蚀(SCC) 开裂的影响, 腐蚀介质采用质量分数3. 5%的Na Cl溶液, 容器温度维持在50±2℃, 并通过光学金相显微镜(OM)、扫描电子显微镜(SEM)、电子背散射衍射(EBSD) 等研究不同取向试样应力腐蚀前、后的微观形貌.结果表明横向试样在315 h时断裂, 而纵向试样在整个加载过程中未发生断裂, 纵向试样有更好的抗应力腐蚀开裂性能; 纵截面(L-S面) 的腐蚀电流密度为0. 980 m A·cm-2, 约为横截面(T-S面) 的5倍, 腐蚀倾向于沿挤压方向发展; 相比T-S面, L-S面晶粒间取向差较大, 大角度晶界多, 容易被腐蚀产生裂纹; 在应力腐蚀加载过程中, 试样先发生阳极溶解, 形成腐蚀坑, 聚集的腐蚀产物所产生的楔入力和恒定载荷的共同作用促使裂纹在腐蚀介质中加速扩展, 两种取向试样均发生了明显的晶间腐蚀, 存在应力腐蚀开裂的倾向

为了尽可能的去除钢中大颗粒的夹杂物, 在实验条件下通过向GCr15轴承钢中添加适量镁、稀土对夹杂物进行改性, 并利用Aspex夹杂物自动分析仪和扫描电镜对钢中改性后的夹杂物尺寸、类型、形貌等进行了观察、分析, 研究了稀土-镁复合处理对夹杂物的影响规律.研究结果表明, 对轴承钢中加入微量镁处理, 可将未进行镁处理钢中的MnS-Al2O3、MnS、Al2O3夹杂改性为以含硫、镁复合夹杂物为主, 同时包含少量Al2O3、镁铝尖晶石夹杂.进一步采用稀土-镁复合处理后, 钢中的夹杂物转变为主要以含Re-S-O夹杂物为主, Al2O3、MnS、镁铝尖晶石夹杂逐步消失, 且夹杂物成球状分布, 绝大多数夹杂物在5 μm以下.稀土-镁复合处理轴承钢后, 10 μm以上的大颗粒夹杂物大大降低, 钢中的夹杂物明显得到细化.钢中镁含量不变时, 随着稀土含量的增加, 大颗粒夹杂物比例明显下降.而在稀土含量相近的情况下, 增加钢中的镁含量也有利于大颗粒夹杂物的去除.稀土-镁的相互作用进一步促进了夹杂物的细化

采用圆环压缩法和挤压–模拟法测定Zr-4合金有润滑条件下的摩擦因子，讨论了2种方法所测定摩擦因子存在差异的原因。研究结果表明，在模具（砧面）粗糙度Ra = 0.6 μm、实验温度700～800 ℃的条件下，采用圆环压缩法获得的Zr-4合金与模具的摩擦因子为0.18～0.27，摩擦因子随实验温度的升高而增大。挤压温度为750 ℃时，采用挤压–模拟法获得的热挤压平均摩擦因子为0.35。测试结果存在较大差异的原因，是由于挤压过程润滑剂的剪切速率较圆环压缩实验大得多，且挤压过程中润滑剂所受压应力约为圆环压缩实验中的两倍，从而导致润滑剂黏度的增大，表现为摩擦因子较高。圆环压缩法获得的摩擦因子更适合于Zr-4合金的锻造等热加工工况

为进一步揭示柔性隔离层下散体介质流动过程的内部作用机理，基于离散元软件PFC开展了柔性隔离层下散体介质流力链演化特征的数值试验研究。结合接触力学及统计力学相关知识，对多漏斗放矿过程中散体介质体系内力链长度、数量、强度、方向和准直系数等的演化特征进行了量化研究。研究发现：多漏斗放矿过程中，强接触及力链接触占比均比较稳定，其中强接触占比稳定在33%左右，力链接触占比稳定在16%左右，上下波动幅度均不超过2%；力链总数随着放矿次数的增加不断波动减少，并在放矿后期稳定在790条左右；不同放矿次数下力链长度的概率分布几乎一致，均随着力链长度的增加呈指数形式递减；力链强度的概率分布随着放矿次数的增加先呈指数形式上升再呈指数形式下降，并在0.7$\\bar F$

将螺旋埋管等效为三维螺旋线热源，考虑螺旋埋管能源桩的传热过程，运用格林函数和第一型曲线进行积分，推导给出了考虑时间、空间位置、埋管参数和岩土体热物理性质4参数的螺旋埋管能源桩的温度场解析解，建立高精度三维螺旋埋管能源桩的传热模型。并通过在数值模拟软件中建立螺旋埋管能源桩三维模型，依据边界条件，求解得出三维螺旋埋管能源桩温度场数值解。对比结果表明：所建立的能源桩三维螺旋线热源模型具有很高的解析精度。最后，基于解析模型讨论了螺旋埋管能源桩换热温度场的空间分布和时间效应

为获得一种锌电积用低成本、低析氧电位和高催化活性的阳极，在铝棒表面通过挤压复合技术包覆Pb-0.2% Ag合金得到Al棒Pb-0.2% Ag阳极.在含氟的硫酸溶液中，通过阳极氧化在Pb-0.2% Ag合金和Al棒Pb-0.2% Ag合金阳极表面形成具有高催化性能的膜层，采用显微图像分析仪和数显显微硬度计表征了膜层的厚度及硬度，并通过电子拉伸试验对比了两种阳极的极限抗拉强度.采用X射线衍射、扫描电子显微镜、循环伏安法、阳极极化和交流阻抗法等技术手段研究了Al棒Pb-0.2% Ag与Pb-0.2% Ag阳极表面氧化膜层的物相、形貌以及电化学性能.结果表明：Al棒Pb-0.2% Ag阳极相比Pb-0.2% Ag阳极表面易生成致密较厚的氧化膜层，且膜层硬度提升了41.64%，其氧化膜层主要物相均为电催化活性良好的β-PbO2.新型阳极的极限抗拉强度是传统阳极的1.3倍，大大改善了阳极材料的机械性能.阳极极化曲线数据显示Al棒Pb-0.2% Ag/PbO2阳极在电积锌体系中具有较低的析氧电位(1.35 V vs MSE，500 A·m-2)和较高的交换电流密度(7.079×10-5 A·m-2).循环伏安曲线和交流阻抗数据显示Al棒Pb-0.2% Ag/PbO2阳极具有较高的电催化活性、较大的表面粗糙度和较小的电荷传质电阻.在电积锌实验中，栅栏型Al棒Pb-0.2% Ag/PbO2阳极相比传统Pb-0.2% Ag阳极平均槽电压下降了75 mV，而且大大减少了阳极泥的产生

针对目前铷矿提取工艺污染严重、资源综合利用率低的现状, 本文提出采用酸浸—溶剂萃取工艺提取铷云母矿中的铷.研究了浸出温度、硫酸浓度及浸出时间对铷浸出率的影响, 并借助X射线衍射、扫描电镜、能谱分析等手段, 研究了浸出过程中铷云母矿的物相转变.实验结果表明, 铷云母矿酸浸的最佳条件为浸出温度250 ℃、H2SO4质量浓度200 g·L－1、浸出时间1.5 h, 在此条件下铷浸出率达85.2%.X射线衍射图谱表明铷云母矿的主要矿物组成为石英、黑云母、白云母、正长石及钠长石.扫描电镜-能谱分析结果表明矿石中的铷主要以类质同象取代钾的位置分别存在于黑云母及白云母中.浸出过程中发生的主要反应为载铷云母的溶解.在萃取剂浓度1 mol·L－1、有机相与水相的体积比O/A = 3∶1、萃取级数为3级条件下进行逆流萃取实验, 萃余液中的铷质量浓度为0.003 g·L－1, 铷的萃取率达98%.在HCl浓度1 mol·L－1、相比O/A = 4∶1、反萃级数为2级条件下反萃负载铷的有机相, 铷反萃率达99%.以浸出渣为原料, 采用碱熔—中和沉淀工艺制备出了白炭黑产品, 实现了资源的综合利用.采用X射线衍射、红外光谱分析技术对白炭黑进行了表征, 结果表明产品成分为水合二氧化硅, 符合非晶态白炭黑的特征.化学定量分析结果表明白炭黑产品含SiO2质量分数91.65%, 所制备的白炭黑满足国家化工行业标准

通过单矿物浮选试验、光学显微镜分析、E-DLVO理论计算、团聚动力学分析等研究了油酸钠浮选体系下赤铁矿浮选过程中的自载体作用。单矿物浮选试验表明，粗粒赤铁矿（?106 + 45 μm）的可浮性较好，当油酸钠用量超过15 mg·L?1时，回收率可达到90%以上，而细粒赤铁矿（?18 μm）的浮选回收率、浮选速率则较低；当粗?细赤铁矿中粗粒和细粒的质量近似相等时，粗粒的“自载体”效果最强，浮选回收率增加的也最明显，但粗粒过量则会导致粗粒对细粒赤铁矿浮选的强化作用减弱。光学显微镜分析和E-DLVO理论计算表明，粗?细赤铁矿颗粒间的相互作用能高于细粒赤铁矿间的相互作用能，与细粒赤铁矿相比，粗?细赤铁矿间更容易发生团聚，这也是粗粒能够强化细粒赤铁矿浮选（自载体作用）的主要原因。但过量的粗粒赤铁矿会增强其浮选过程中的“磨削、剪切”作用，导致粗粒的“自载体”效果减弱，浮选回收率降低

对近年来MOF材料去除水环境中重金属、有机物的相关研究进行了总结与评述。本篇是该主题的第2篇，主要对MOF材料去除水中有机污染物的相关研究进行总结和论述。研究表明，MOF材料含有大量开放性金属位点、路易斯酸碱位以及官能团，因而对染料、抗生素、农药、持久性有机污染物等均具有较高的吸附性能。氢键、π?π作用、疏水作用和静电引力是其吸附有机污染物的主要机制，部分MOF材料中较大的孔道结构也有利于大分子有机污染物的吸附；另外，部分MOF材料还具有优异的催化性能，能够作为类Fenton催化，光催化以及过硫酸盐活化的催化剂实现对有机污染物的催化降解，其中光催化反应中污染物的降解主要源于·O2?、·OH和h+的贡献；而在过硫酸盐体系中，·O2?、·OH、SO4·?和1O2是导致有机污染物分解的主要活性氧化物种。基于对先前研究的回顾，相信未来的研究领域包括但不限于以下方面：（1）进一步提高MOF在去除有机污染物方面的性能，并提高其可回收性；（2）开展新型MOF催化材料的制备及催化反应机理的研究；（3）研究MOF缺陷结构的调控，以开发具有更高吸附和催化性能的新型MOF材料；（4）研究新的框架材料，例如共价有机骨架（COFs）材料，并将其应用于污染物净化领域

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