颗粒与基体之间难以均匀稳定的混合以及二者的界面结合强度较差是限制颗粒增强金属基复合材料制备以及推广应用的共性关键问题，而目前的主要解决措施\预制体法\以及\润湿化预处理技术\又存在生产效率较低、制备成本较高等问题.基于此，在液态模锻的基础上，提出了不做预制体、也不进行润湿化预处理的制备颗粒增强金属基复合材料的新技术——\随流混合＋高压复合\技术，并采用此方法成功制备了复合效果良好的ZTA/KmTBCr26抗磨复合材料.研究了ZTA/KmTBCr26复合材料的微观组织、硬度以及冲击性能，发现复合材料内部颗粒分布比较均匀，颗粒与KmTBCr26基体的结合紧密，属于微机械啮合.冲击试验结果表明，复合材料的冲击韧性与单一金属基体相比显著降低，冲击断口形貌显示材料的断裂是沿颗粒内部扩展的，没有出现颗粒的整体脱落，说明陶瓷颗粒与金属基体具有比较高的结合强度.考察了ZTA/KmTBCr26复合材料与单一KmTBCr26的干摩擦磨损性能，结果表明，低载荷条件下ZTA/KmTBCr26复合材料的磨损性能是KmTBCr26的1.82倍，而高载荷条件下复合材料的磨损性能则是KmTBCr26的3.3倍

搭建了一套密闭建筑空间室内供氧实验装置,分别研究送氧口个数、送氧口管径、送氧流量及送氧方式的不同对建筑空间室内的富氧特性及富氧效果的影响.结果表明:送氧口个数、管径、流量及送氧方式不同时,氧气轴向最大浓度分布随轴向距离的增加呈递减趋势,且距离送氧口轴向距离0~0.55 m的范围内,氧气轴向浓度迅速降低;单送氧口时,送氧口管径及送氧流量不同时所形成的富氧范围大体呈扁椭圆形状,且送氧管径相同时送氧流量越大,富氧范围也越大;双送氧口竖直向前和相对45°方式进行送氧所形成的富氧范围接近\一头尖一头圆\的扇形,且竖直向前所形成的富氧范围比相对45°送氧所形成的富氧范围要大;采用双送氧口相背45°方式进行送氧时,管径为6 mm的双送氧口所形成的富氧范围大体呈2片扇叶形状;管径为10 mm的双送氧口所形成的富氧范围大体呈2个半圆形状;总送氧流量为1 m3·h-1时,6 mm管径的双送氧口相背45°送氧范围最大,10 mm管径的双送氧口竖直向前送氧范围最小;相同的总送氧流量及送氧方式下,单送氧口竖直向前送氧所得到富氧面积比双送氧口竖直向前送氧所得到富氧面积大20%左右;相同的送氧口个数、送氧口流量及送氧方式下,管径为6 mm的送氧口所得到的富氧面积比管径为10 mm的送氧口所得到的富氧面积大60%左右

ZSM-5是一种常用来吸附甲苯的微孔吸附剂，选择三种碱金属Li、Na和K对ZSM-5进行改性，结合表征手段和数学模型的方式研究引入ZSM-5中的碱金属对微孔结构和吸附甲苯的影响。在此实验中，分别从吸附容量、放热能量、扩散阻力和脱附活化能四方面深入探讨碱金属对吸附甲苯的影响规律。基于实验结果得知：碱金属的引入改变了ZSM-5分子筛的微孔结构并呈现出一定的规律。随着离子半径(Li+<Na+<K+)的升高，ZSM-5的孔径、比表面积和孔体积随之降低，影响规律为Li?ZSM-5 > Na?ZSM-5 > K?ZSM-5。静态饱和吸附量呈Li?ZSM-5（0.363 mmol·g?1）>Na?ZSM-5（0.360 mmol·g?1）>K?ZSM-5（0.325 mmol·g?1）排序。恒定浓度波模型很好的描述甲苯在ZSM-5上的吸附扩散行为，空间位阻和静电束缚力分别在高低进气浓度条件下对甲苯在ZSM-5孔道中的扩散占据主导作用，较高进气质量浓度(155 mg·m?3)条件下，碱金属改性对扩散阻力影响规律为Li?ZSM-5<Na?ZSM-5<K?ZSM-5；较低进气质量浓度（25 mg·m?3）条件下，影响规律为Li?ZSM-5>Na?ZSM-5>K?ZSM-5。结合脱附动力学分析，Na?ZSM-5因具有较大的孔径和适中的吸附强度，表现出更好的再生潜能。本研究从空间位阻和吸附强度两方面系统阐述了碱金属改性对甲苯吸附行为的影响机理，为在复杂的实际环境应用中选择合适的吸附剂提供了一定的参考意义

为探明超细全尾砂的浓密特性，开展量筒沉降实验，小型和半工业深锥动态浓密试验。结果表明，分子量1200万的非离子型絮凝剂最利于尾砂沉降，随絮凝剂单耗增加，溢流浊度降低，底流浓度基本不变。随固体通量增加，溢流浊度增加，底流浓度降低。固体通量0.4 t·m?2·h?1，给料固体质量分数12%，絮凝剂单耗50 g·t?1的最佳参数条件下，小型和半工业动态浓密试验的底流平均固体质量分数分别为62.8%和74.4%，泥层高度对底流浓度影响显著。深锥浓密机底流固体质量分数随泥层高度增加呈DoseResp函数增长，分为缓慢增长（泥层1～4 m）、快速增长（泥层4～7 m）和基本稳定（泥层超过7～8 m）3个阶段，这跟尾砂絮团在不同泥层高度下的压缩性能有关。可根据底流浓度与泥层高度的函数关系，调节泥层高度来满足井下充填所需底流浓度

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

利用扫描电迁移率颗粒物粒径谱仪（SMPS)，针对不同孔径的介孔材料SBA-15，探索对UFPs（2.5～25 nm）的去除效率及脱除机理，以期为介孔材料过滤脱除UFPs在钢铁工业颗粒物超低排放控制的应用提供理论基础。基于实验结果及表征分析得知：UFPs入孔效应使大孔径介孔过滤介质效率更佳；介孔材料孔径端部内外表面存在大量UFPs亲和位点，提高端部复杂程度有利于提升材料过滤性能；氮气的有无对UFPs去除结果基本没有影响；介孔的存在使UFPs扩散效应更强，颗粒入孔使扩散系数增加，故UFPs在介孔材料实际扩散结果与传统扩散模式理论值（m=?2/3）不同

针对TTE (time-triggered Ethernet, TTE) 网络对业务安全性与对业务实时性要求高的问题, 提出了一种自适应双冗余的网络结构, 设计冗余报文的时间标签, 自适应恢复传输, 并设计了TTE网络中的混合流量(TT (time-triggered) 流, RC (rateconstrained) 流, BE (best-effort) 流) 调度规划方法, 根据报文的重要性, 发送端自适应的对网络报文进行分类, 其中, TT信息双网备份传输, RC、BE信息在双网分散传输.此外, 基于确定性网络分析方法, 推导了自适应双冗余调度方法下RC流的闭式延迟界, 并仿真验证了在极限网络、确定网络以及排队论仿真模型下所提方法减小网络延迟的效果, 满足TTE网络在保障业务安全性的情况下对业务实时性的要求

锌是现代工业所必需的有色金属，属于很重要的战略资源，其在世界所有金属产量中排名第四，仅次于铁、铝和铜。随着低品位难处理锌资源的种类和产量的不断增加，以及湿法冶金技术的不断发展，锌的生物浸出技术得到了研究人员的广泛关注，并展示出了良好的潜在应用前景。本文首先较为详细的介绍了含锌资源的矿物特征，并对其生物可浸性进行了分析。其次，对目前锌的生物浸出体系，所用浸矿菌种，浸出过程所涉及的电化学、热力学、动力学以及浸出机理进行了归纳总结；接着，对锌的生物浸出技术现状和工艺新进展进行了阐述。最后，展望了锌的生物浸出工艺的发展趋势及后续的研究热点。研究表明高效浸锌菌种的选育驯化、与之相匹配的工艺及装备研发，是锌的生物浸出当今研究热点及未来发展方向

以特殊钢钢渣、炭黑、促进剂、硫磺、氧化锌、硬脂酸与复合橡胶制备特殊钢钢渣基复合橡胶。测试了内辐射指数、外辐射指数、安定性、拉伸强度、撕裂强度、拉断伸长率、邵尔A硬度、极限氧指数、燃尽时间、浸出液中重金属浓度、矿物组成、粒径分布、导热系数、孔结构、化学成分、微观形貌和热稳定性。研究了特殊钢钢渣作为橡胶功能填料的可行性与环境风险。结果表明：特殊钢钢渣的矿物组成为Ca2SiO4、Ca3Al6Si2O16、（Fe, Mn）2SiO4、Ca3Al2（SiO4）3、Na2TiSiO5、CuMn6SiO12、Na2SiO5、Pb3Ta2O8、Pb3SiO7等金属固熔体，特殊钢钢渣具有良好的粒径分布，其安全性与安定性满足相关国标的要求。特殊钢钢渣基复合橡胶中特殊钢钢渣掺量为20%～40%时，特殊钢钢渣基复合橡胶的拉伸强度为20.0～21.5 MPa、撕裂强度为45.2～48.6 kN·m?1、拉断伸长率为475%～501%、邵尔A硬度为63.5～65.3、极限氧指数为18.5～18.6、燃尽时间为264～292 s、导热系数为0.15～0.17 W·m?1·K?1。特殊钢钢渣的主要重金属氧化物为Cr2O3、PbO和CuO，且以稳定的金属固熔体存在，特殊钢钢渣基复合橡胶中Cu、Zn、Cd、Pb、Cr、Ba、Ni、As等重金属浸出浓度远低于危险废物鉴别标准限值，因此将特殊钢钢渣作为橡胶功能填料安全、可行

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