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

对GCr15轴承钢表面渗硼层的生长动力学与机械性能进行了研究.采用固体渗硼的方法,在1123、1173、1223和1323 K温度条件下,分别保温处理2、4、6和8 h,进行渗硼层制备.采用光学显微镜、扫描电镜、X射线衍射仪、维氏硬度计等对制备的渗硼层进行组织观察与性能分析,并通过试验数据对渗硼层的生长动力学特性进行了研究.研究结果表明:试样表面获得了均匀致密的渗硼层,渗硼层的相成分主要是FeB和Fe2B;渗硼层的厚度随处理温度与保温时间的增加而增厚,变化范围为33.4~318.5 μm;渗硼层的表面硬度随处理温度及保温时间的增加而增大,主要是由于随着渗硼层厚度的增加,高硬度FeB相的含量上升,低硬度Fe2B相的含量下降,表面硬度HV0.1变化范围为1630~1950,与基体组织相比,提高了5~6倍;渗层截面硬度测试结果表明,渗层与基体之间有较宽的硬度梯度过渡;通过Arrhenius公式,对渗硼层的生长动力学方程进行了推导,可知B元素在GCr15轴承钢中的扩散激活能为188.595 kJ·mol-1,对推导的动力学方程进行了试验验证,结果表明最大误差仅4.93%,可有效的实现对渗层厚度的预测

Al−Li 合金具有低密度、高强韧性和低的腐蚀疲劳扩展速率的优点，在航空领域有着广泛应用. Al3Li（δ′）相是 Al−Li 合金中主要强化相之一，因含有活性元素 Li 对该合金的腐蚀行为产生显著影响. 为明确 δ′相在 Al−Li 合金电化学腐蚀中的 作用，真空熔炼制备 Al−2Li 二元合金，固溶后进行 180 ℃ 等温时效，用 X 射线衍射（XRD）检测合金的相组成. 在质量分数为 3.5% 的 NaCl 水溶液中，用动电位极化的方法测量了该合金的极化曲线. −0.85 V vs SCE 钝化电位下形成钝化膜后，用电化学 阻抗（EIS）检验钝化膜的耐蚀性；用恒电位阳极极化和 Mott−Schottky（M−S）曲线对该合金钝化膜的结构进行分析