采用光学显微镜（OM）、扫描电子显微镜（SEM）、纳米力学探针、力学性能测试以及室温摩擦磨损实验研究了Cu–(Fe–C)合金的铸态组织、形变态组织、Fe–C相形貌、力学性能和摩擦磨损行为。结果表明，Cu–(Fe–C)合金中弥散分布着微米级和纳米级的Fe–C相，其中微米级的Fe–C相在淬火和回火过程中发生了固态转变，这种固态转变与钢中的马氏体转变和回火转变类似。合金先在850 ℃淬火，然后在200、400和650 ℃回火，Fe–C相由针状马氏体逐渐向颗粒状回火索氏体转变，Fe–C相纳米硬度分别为9.4、8、4.2和3.8 GPa，实现了对强化相硬度的控制。室温摩擦磨损实验结果表明，随着回火温度升高，合金的磨损机制逐渐由犁削向黏着磨损和大塑性变形转变，导致合金的耐磨损性能降低。这一结论可以为通过Fe–C相的固态转变的方法调控Cu–(Fe–C)合金的摩擦磨损性能提供参考作用

前列腺核磁超声图像配准融合有助于实现前列腺肿瘤的靶向穿刺。传统的配准方法主要是针对手动分割的前列腺核磁（Magnetic resonance, MR）和经直肠超声（Trans-rectal ultrasound, TRUS）图像上对应的生理特征点作为参考点，进行刚体或非刚体配准。针对超声图像因成像质量低导致手动分割配准效率低下的问题，提出一种基于监督学习的前列腺MR/TRUS图像自动分割方法，与术前核磁图像进行非刚体配准。首先，针对图像分割任务训练前列腺超声图像的活动表观模型（Active appearance model, AAM），并基于随机森林建立边界驱动的数学模型，实现超声图像自动分割。接着，提取术前分割的核磁图像与自动分割的超声图像建立轮廓的形状特征矢量，进行特征匹配与图像配准。实验结果表明，本文方法能准确实现前列腺超声图像自动分割与配准融合，9组配准结果的戴斯相似性系数（Dice similarity coefficient, DSC）均大于0.98，同时尿道口处特征点的平均定位精度达1.64 mm，相比传统方法具有更高的配准精度

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

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

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

研究了红格钒钛磁铁矿(HCVTM)球团等温氧化动力学及其矿物学特征. 在不同的温度(1073~1373 K)和不同的时间(10~60 min)范围内,对HCVTM球团矿进行了等温氧化动力学实验. 首先分析了球团在不同温度和时间下的微观结构和矿物组成规律. 然后根据定义的氧化率,计算和分析了氧化率及其变化规律,以及矿相结构对氧化率的影响. 最后结合缩核模型、修正的氧化率函数和阿伦尼乌斯公式,计算了反应速度常数、修正系数和反应活化能,并判断了反应限制性环节. 研究表明:随温度的提高,低熔点液相增加,赤铁矿晶粒的生成、长大和再结晶,形成连续的黏结相,空隙数量减少. 随时间的增加,生成的液相促进了赤铁矿晶粒间的黏结和长大,但是晶粒间硅酸盐相和钙钛矿类物相恶化了球团结构. 同时,钙钛矿和铁板钛矿相生成. HCVTM球团矿空隙数量的减少和黏结相的生成,表现在氧化速率随时间增加而减慢. HCVTM球团氧化反应主要受扩散控制,球团氧化前期的反应活化能为13.74 kJ·mol-1,氧化后期的活化能为3.58 kJ·mol-1,氧化率函数的修正参数u2=0.03

设计了一种0.7C的低合金超细贝氏体钢，并通过膨胀仪、二体磨损实验、光学显微镜、扫描电镜、X射线衍射、激光扫描共聚焦显微镜及能谱仪，研究了不同等温淬火温度对超细贝氏体钢的贝氏体相变动力学、微观组织以及干滑动摩擦耐磨性的影响，揭示超细贝氏体钢在二体磨损条件下的耐磨性能和磨损机理.研究结果表明，不同等温温度下的超细贝氏体钢都由片层状贝氏体铁素体和薄膜状以及块状的残留奥氏体组成；随着等温温度的升高，超细贝氏体的相变速率提高，相变孕育期及相变完成时间缩短，但贝氏体铁素体板条厚度增加，残留奥氏体含量增加，硬度值有所降低；超细贝氏体钢磨损面形貌以平直的犁沟为主，主要的磨损机理为显微切削；不同等温温度下所获得的超细贝氏体的耐磨性能都优于回火马氏体，且随着等温温度的降低，耐磨性能提高.其中在250℃等温所获得的超细贝氏体钢具有最优的耐磨性能，其相对耐磨性为回火马氏体的1.28倍.这主要与超细贝氏体钢中贝氏体铁素体板条的细化及磨损过程中残留奥氏体的形变诱导马氏体相变（TRIP）效应有关

医生诊断需要结合临床症状、影像检查等各种数据，基于此，提出了一种可以进行数据融合的医疗辅助诊断方法。将患者的影像信息（如CT图像）和数值数据（如临床诊断信息）相结合，利用结合的信息自动预测患者的病情，进而提出了基于深度学习的医疗辅助诊断模型。模型以卷积神经网络为基础进行搭建，图像和数值数据作为输入，输出病人的患病情况。该医疗辅助诊断方法能够利用更加全面的信息，有助于提高自动诊断准确率、降低诊断误差；另外，仅使用提出的医疗辅助诊断模型就可以一次性处理多种类型的数据，能够在一定程度上节省诊断时间。在两个数据集上验证了所提出方法的有效性，实验结果表明，该方法是有效的，它可以提高辅助诊断的准确性

采用共沉淀法制备了Ni(OH)2前驱体材料，通过高温固相法制备了LiNiO2和B掺杂LiNiO2（B的摩尔分数为1%），利用X射线衍射（XRD）、里特维尔德（Rietveld）精修、扫描电子显微镜（SEM）、恒流充放电测试、循环伏安（CV）和电化学阻抗谱（EIS）对材料的晶体结构、表面形貌和电化学性能进行了系统性表征.XRD和Rietveld精修结果表明，LiNiO2和B掺杂LiNiO2均具有良好的层状结构，B因为占据在过渡金属层和锂层的四面体间隙位而导致掺杂后略微增大材料的晶格参数和晶胞体积，同时增大了LiO6八面体的间距，进而促进锂离子运输.由于掺杂的B的摩尔分数仅为1%，LiNiO2和B掺杂LiNiO2均表现为直径10 μm左右的多晶二次颗粒，且一次颗粒晶粒尺寸没有明显区别.长循环数据表明B掺杂可以有效提高材料的循环容量保持率，经100次循环后，B掺杂样品在40 mA·g−1电流下的容量保持率为77.5%，优于未掺杂样品（相同条件下容量保持率为66.6%）.微分容量曲线和EIS分析表明B掺杂可以有效抑制循环过程中的阻抗增长

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向