研究了微波加热条件下（500～800 ℃），AlCl3氯化钒渣中有价金属Fe、Mn、V和Cr变温动力学。通过X射线衍射和扫描电镜能谱表征了氯化产物随时间的物相演变和形貌变化，考察了AlCl3/钒渣的质量比和熔盐配比对氯化提取率的影响。结果表明，AlCl3/钒渣的质量比为1.5、(NaCl-KCl)/AlCl3熔盐质量比为1.66∶1时Fe、Mn、V和Cr的提取率最佳，分别为91.66%、92.96%、82.67%、75.82%和63.14%，微波加热30 min，5种元素的提取率达到或者超过常规加热方式6 h的氯化提取效果。通过热力学和动力学分析，橄榄石相优先于尖晶石相发生氯化反应。而且V和Cr的氯化反应速度小于Fe和Mn。Fe和Mn氯化过程为扩散控制，其非等温扩散活化能为17.02和17.10 kJ·mol?1, V和Cr在氯化过程中的限制性环节为界面化学反应，其表观活化能分别为40.00和50.92 kJ·mol?1；微波与熔盐耦合强化氯化反应的机理可以描述为扩散作用增强和局部化学反应增强

含硫胶结充填体随着养护龄期的延长会出现膨胀开裂现象，存在明显裂隙的充填体试件再进行单轴抗压强度测试其结果十分离散，已不能有效地获得充填体力学参数.在室内进行配比试验，采用数字图像处理技术对得到的充填体表面裂隙图像进行二值化、去噪等预处理，而后计算其分形维数并分析其演化规律，且将分形维数与单轴抗压强度关联分析.研究结果表明：充填体试件面表的裂隙存在自相似性，表面裂隙越发育，其分形维数越大；分形维数与单轴抗压强度存在负相关关系，分形维数越小，其单轴抗压强度越高；分形维数可判别含硫充填体试件的完整性，当充填体表面裂隙的分形维数小于某阈值时，强度试验的结果更为可靠

为了更加快捷、高效地判定边坡稳定与否，基于机器学习，融合主成分分析法（PCA）、参数调整、影响因素权重分析等，建立了一种边坡安全稳定性评价体系。研究发现，运用PCA可以在保留80%数据原信息的前提下将输入变量维度从六维降至三维，但此时模型效果有所下降；随机森林及梯度提升(XGBoost) 两种学习算法均可搭建有效的边坡安全稳定性评估模型，通过对其预测效果的对比分析，确定XGBoost为最佳评价模型。与此同时，采取卡方检验、F检验以及互信息法3种相关性检验手段，并通过计算评价因子的重要程度且加以可视化展示，明确了容重、坡高、内摩擦角以及内聚力4个内在因素的重要性，最终将评估结果与实际结合提出了边坡安全防护措施

V2O5?WO3/TiO2（VWTi）催化剂可以同时脱除铁矿烧结烟气中的NOx和二噁英，但复杂的烟气成分会导致催化剂失活。本文采用浸渍法对VWTi 催化剂进行ZnCl2、ZnO和ZnSO4中毒实验。模拟烧结烟气条件，研究了在VWTi催化剂表面负载不同形态Zn对其同时脱除NOx和二噁英（以氯苯作为模拟物）性能的影响，分析了中毒前后催化剂表面活性物质的理化性质，并对中毒催化剂开展了再生实验。结果表明：不同Zn物种对VWTi催化剂同时脱除NOx和氯苯（CB）均具有失活作用。Zn物种会引起催化剂表面颗粒轻微团聚，表面酸性位点数量减少，表面V的还原性减弱，表面化学吸附氧比例，以及V5+和V4+的物质的量比值降低。再生实验结果表明：酸洗可以在一定程度上恢复中毒催化剂的催化活性，但水洗不能恢复中毒催化剂的活性。研究发现Zn盐中毒作用机理为：Zn2+与催化剂表面酸性位点V=O和V?OH反应形成V?O?Zn，对NH3与CB的吸附产生不利影响，造成催化剂中毒失活，ZnSO4中的${\\rm{SO}}_4^{2-} $

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义

基于国内外学者在宏观接触热阻领域的研究成果，阐述了宏观接触热阻的理论研究和工程应用现状，介绍了宏观接触热阻的理论计算方法、实验测量方法和数值模拟方法，明确了各种方法的优缺点.简述了宏观接触热阻的影响因素，基于中国聚变工程实验堆(CFETR)低温超导线圈的降温实验，创建界面接触热阻分析模型，详细分析了热流方向、温度、压力等因素对超导磁体不锈钢铠甲、介电绝缘材料、失超保护材料接触热阻的影响，并进一步探究了温度、压力等因素导致接触热阻发生变化的热力学原因.最后，结合工程计算中对准确性和便捷性的要求，指出了接触热阻的未来研究方向

通过单矿物浮选试验揭示了有机抑制剂SDD对铜活化闪锌矿的抑制情况. 在此基础上,采用Zeta电位测试、Versa STAT电化学工作站的局部交流阻抗(LEIS)测试、前线轨道理论计算对SDD和BX(丁基黄药)在铜活化闪锌矿表面的竞争吸附机理进行了研究. 浮选试验结果表明:SDD是一种铜锌分离的高效抑制剂,能够有效的抑制闪锌矿,而黄铜矿几乎不受影响;此外,还发现SDD具有用量少且十分敏感的特性,在pH为10,SDD为4.0×10-5 mol·L-1的最佳条件下,能够将铜活化闪锌矿的回收率降低至16.59%,而黄铜矿的回收率为81.64%. Zeta电位和局部交流阻抗(LEIS)分析表明:SDD不但能够占据铜活化闪锌矿表面的活化位点,而且其吸附能力强于BX,这极大的降低了BX在铜活化闪锌矿表面的吸附量,从而对铜活化闪锌矿表现出良好的抑制作用. 前线轨道理论计算进一步证实SDD与铜活化闪锌矿作用能力强于BX

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$\\bar F$

人工智能特别是近几年深度学习的飞速发展，深刻的影响着军事领域，并赋予现代战争智能性、交叉性和破坏性的新特点。要想在军事对抗中取胜，不仅需要机器智能，同样需要人类智慧，能在军事作战中达到人机高度协同，是实现人与机器取长补短的重要途径，也是在愈发复杂的战争形势中取得胜利的关键。本文将军事对抗中人工智能的应用作为切入点，罗列了代表性国家在军事领域对人工智能的重视程度，从对抗策略和物联网三层架构两大角度对发展现状进行总结，同时指出在目前军事领域使用人工智能存在的不足，对人机融合智能在军事对抗中的发展趋势进行分析，并给出可能实现的技术方案，对未来的研究方向作出展望。如何实现高度的人机融合，从而获得“1+1>2”的良好效果，是人工智能在军事对抗中的下一步研究工作