通过在Na2SiO3-KOH基础电解液中加入石墨烯添加剂,在镁锂合金表面制备出一层自润滑的含碳陶瓷层. 利用扫描电镜、原子力显微镜以及X射线衍射仪分析了陶瓷层的表面形貌、粗糙度以及物相组成,利用摩擦磨损试验仪对陶瓷层在室温下的摩擦学性能进行研究. 其结果表明,加入石墨烯后制备出的含碳陶瓷层表面放电微孔分布均匀,且其微孔尺寸和表面粗糙度均明显降低. 相比于镁锂合金,陶瓷层的表面硬度也得到明显的提高. 此外,含碳陶瓷层主要由SiO2、Mg2SiO4以及MgO物相组成,而石墨烯则以机械形式弥散分布于陶瓷层中并起到减摩作用. 当石墨烯体积分数为1%时,陶瓷层表面显微硬度为1317.6 HV0.1 kg,其摩擦系数仅为0.09,其耐磨性明显提高. 同时,陶瓷层磨痕的深度和宽度均明显小于镁锂合金,而且较为光滑,表明陶瓷层表面没有发生严重的黏着磨损

深锥浓密机的面积或占地大小主要由其固体通量决定。通过量筒静态沉降实验，计算得到深锥浓密机固体通量，分析了絮凝剂单耗、料浆浓度对深锥浓密机固体通量的影响，得到了两种因素对深锥浓密机固体通量的影响规律。结果表明，尾矿在5～30 g·t?1的絮凝剂单耗下，基本呈现二次函数关系；料浆的固相质量分数为6%～26%时，固体通量呈现先增大后减小的趋势，与实验所得的规律相契合。通过对絮凝剂单耗和料浆浓度耦合效应下的固体通量方程回归分析，得到三者之间的数学关系，进而确定二者对固体通量的贡献为：料浆浓度>絮凝剂单耗。结合絮凝剂及料浆浓度对固体通量的影响分析，总结了絮凝剂单耗和料浆浓度贡献值不同的原因。最后，结合单因素和耦合条件下的数学方程，对深锥浓密机的设计和运行提出工程建议。在深锥浓密机运行过程中，需要优先保证料浆浓度，其次是絮凝剂单耗

研究了全状态约束与输入饱和情况下的全向移动机器人轨迹跟踪控制问题.首先，针对一类三轮驱动的全向移动机器人，考虑系统存在模型参数不确定与外部扰动，建立了运动学与动力学模型；其次，利用障碍Lyapunov函数，结合反步设计方法，有效处理全向移动机器人跟踪过程中存在的状态约束，保证所有状态变量不会超出状态约束的限制区域；然后，针对系统参数不确定和未知有界扰动，设计相应的自适应律进行处理；同时，提出一种抗饱和补偿器保证机器人输入力矩满足饱和约束；并且利用Lyapunov理论分析证明了当选取合适的控制参数时闭环系统中的所有信号均能保证一致有界；最后，通过与未考虑状态约束和输入饱和的控制器以及经典比例-微分控制器进行仿真对比，验证了该方法的有效性和鲁棒性

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

采用化学分析、X射线衍射（XRD）、光学显微镜、扫描电子显微镜（SEM）和能谱（EDS）等方法，研究了金川镍沉降渣的矿物组成、结构、嵌布特征、主要有价成分Fe、Ni、Cu、Co的分布等工艺矿物学性质.结果表明，金川镍沉降渣主要由铁镁橄榄石和玻璃质组成，并含少量的铜镍铁硫化物、辉铜矿、磁铁矿等；沉降渣的结构单一，微细粒的铜镍铁硫化物呈星散状无规律分散在硅酸盐基质中；铁主要存在于铁镁橄榄石内，镍和铜主要赋存在铜镍铁硫化物中，钴没有独立矿物存在，主要以类质同象形式赋存在其他矿物中.镍渣中有价成分的回收可考虑用深度还原法或湿法冶金工艺

为明确石粉掺合料对地聚物材料的作用机理，以赤泥基注浆材料为研究对象，系统研究了石粉掺量和粒径分布对赤泥基注浆材料浆体性能、力学性能和微观结构的作用规律，并结合X射线衍射仪（XRD）、压汞仪（MIP）和扫描电镜（SEM）等微观测试手段分析其作用机理。研究表明，结石体力学强度随石粉掺量的上升先增大后减小，当石粉的质量分数为5%时抗压强度最高，3 d时可达5.65 MPa，抗压强度提升幅度为18.94%，同时浆液泌水率上升幅度仅为9.85%，且28 d结石体孔隙率降低了18.35%，因此，5%为石粉在赤泥基注浆材料中的最佳质量分数。在石粉最佳质量分数条件下，随着石粉平均粒径减小，浆液凝结时间及泌水率均呈现下降的趋势；当石粉平均粒径达到8 μm时，石粉“填充效应”和“成核效应”作用尤为明显，浆液黏度突升，且3 d和28 d试样强度分别提升了11.86%和10%，故石粉平均粒径越小，其对赤泥基注浆材料的提升作用越显著，赤泥基注浆材料的最佳粉料质量配比为赤泥47.5%，矿粉47.5%，石粉5%；微观分析证实，石粉在浆液水化历程中以物理特性参与其中，为Na2O–SiO2–Al2O3–H2O凝胶（N–A–S–H）, 水化硅铝酸钙凝胶（C–A–S–H）和水化硅酸钙凝胶（C–S–H）等凝胶提供成核位点，供地聚物凝胶沉淀和生长，加速浆液水化

首先介绍了传统的编队控制方法的定义、特点和常用方法及优缺点,并将传统编队控制时代定义为前编队控制时代.随着多智能体技术的发展,将多智能体技术引入到编队控制问题中,诞生了众多新的研究成果,称为后编队控制时代.后编队控制时代以多智能体技术为基础,随着通信技术、计算机技术、人工智能技术的发展而逐渐壮大起来,并受到了学者的广泛关注.前编队控制时代强调多机器人通过编队协作完成单个机器人无法实现的任务,提高任务完成效率且缩短任务完成时间.后编队控制时代则是在前编队控制时代的基础上,更强调低成本、同步性和协同性,但却不那么重视每个个体的任务分工,甚至是按照规则自由分配任务,不再有“不可替代冶的个体存在.最后给出了研究编队控制问题的基本思路和目前尚待解决的关键问题

从非开挖水平定向钻进（Horizontal directional drilling，HDD）装备技术、地下生命线工程的探测与信息化、双向对穿HDD技术、大口径HDD技术、HDD回拖力计算模型、地表变形与冒浆6个方面开展了文献调研工作，分析了HDD装备与技术研究应用进展：世界上最大回拖力（20000 kN）的电驱动钻机被设计并研发；电磁感应法被广泛用于既有生命线的空间探测，复杂干扰下的数据解析与精度提高仍是研究重点；基于三维数据，融合建筑信息模型、人工智能、大数据等技术，借鉴美国“811”体系，局部完成了地下生命线的信息化；采用对穿技术完成了长距离的地下生命线敷设；基于过程化的HDD工艺参数、设备参数和控制监测技术被大量应用，有效提升了应用中的风险识别能力；针对不同地层条件下的回拖力计算为设备选型提供了依据，并为HDD多学科融合研究提供了途径；复杂地质条件下的冒浆、卡钻等热点和难点也得到初步探索研究，构建了理论、实验和数值分析模式，为提高HDD的应用效率和质量提供了依据。综合国内外研究进展，进一步分析了HDD的发展趋势