脏腑定位，即明确病变所在的脏腑，是中医脏腑辨证的重要阶段。本文旨在通过神经网络模型搭建中医脏腑定位模型，输入症状文本信息，输出对应的病变脏腑标签，为实现中医辅助诊疗的脏腑辨证提供支持。将中医的脏腑定位问题建模为自然语言处理中的多标签文本分类问题，基于中医的医案数据，提出一种基于预训练模型ALBERT和双向门控循环单元（Bi-GRU）的脏腑定位模型。对比实验和消融实验的结果表明，本文提出的方法在中医脏腑定位的问题上相比于多层感知机模型、决策树模型具有更高的准确性，与Word2Vec文本表示方法相比，本文使用的ALBERT预训练模型的文本表示方法有效提升了模型的准确率。在模型参数上，ALBERT预训练模型相比BERT模型降低了模型参数量，有效减小了模型大小。最终，本文提出的脏腑定位模型在测试集上F1值达到了0.8013

为实现推力矢量飞机的大迎角机动控制，提出一种基于自抗扰控制的三通道解耦控制策略.以第三代战机F16公开数据为基础，添加推力矢量模型，利用双发推力矢量喷管组合偏转产生大迎角机动的期望三轴力矩.在纵向、横向和航向通道分别独立设计自抗扰控制器，将系统中未建模动态、不确定性以及通道间的强耦合视作总扰动进行估计并补偿，并在纵向和航向通道引入角速度阻尼反馈项，使原始飞行器开环动力学闭环近似为一个广义对象，降低了自抗扰控制器的设计阶次.选取眼镜蛇机动和赫伯斯特机动两种典型的过失速机动动作进行控制策略验证，数值仿真结果表明，所设计的三通道独立自抗扰控制器能够消除通道间的强耦合，完成推力矢量飞机的大迎角机动控制.蒙特卡罗仿真测试表明，所提控制策略具有较强的鲁棒性

为了研究不同絮凝条件下超细尾砂的絮凝效果, 本文基于超级絮凝理论, 应用超级絮凝测试仪UFT-ТFS-029, 采用相对絮凝率表征人造超细尾砂在pH值为9~12、絮凝剂单耗fd=2~20 g·t-1、料浆剪切速率γ=100~2000 s-1、料浆固体体积分数φ=2%~14%等条件下的絮凝行为. 发现相对絮凝率随着pH、絮凝剂单耗、剪切速率的增加均先增加后减少, 而随着浆料固体体积分数的增加逐渐减少, 并获得了一定条件下的最优絮凝条件, 即pH值为11、fd=12 g·t-1、γ=500 s-1、φ=4%. 同时, 固体体积分数越高, 达到最优相对絮凝率所需的最优剪切速率对固体体积分数的依赖性也越高. 因此, 在实际生产中需要对pH、絮凝剂单耗、剪切速率与固体体积分数等工况参数进行调整, 以达到最优絮凝效果. 应用超级絮凝理论可实现超细尾砂在极短时间内实现很好的絮凝, 为基于流场剪切速率与停留时间的深锥浓密机进料井设计提供参考

以电动汽车车用额定容量为42 A·h的三元方壳锂离子电池单体和模组为研究对象，研究其在加热条件下单体的绝热热失控特性及成组后侧向加热热失控蔓延特性。结果表明，锂离子电池在发生热失控时，内部最高温度可达920 ℃，电池表面和内部最大温差达403 ℃；热失控首先在迎向热流的面触发，随后蔓延至整个电池；满电状态下的锂离子电池内部热失控蔓延时间介于8～12 s；热失控蔓延过程中锂离子电池的温度特征与绝热热失控测试相比存在较大差异性；热失控喷发颗粒物中，LiF及石墨质量分数占80%以上；模组中失控电池产生的总能量中用于自身加热和喷发损失的占90%左右，热失控释放总能量的10%足以触发热失控蔓延。本文为研究三元锂离子电池模组安全设计、热失控蔓延抑制及新能源汽车的火灾事故调查提供了参考

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

以钢渣与生物质废弃材料为研究对象，利用钢渣中含有的金属氧化物对生物质废弃材料进行改性处理获得生态活性炭，研究钢渣种类、钢渣粉磨时间和钢渣超微粉用量对生态活性炭降解甲醛性能的影响。利用X-射线荧光光谱仪（XRF）、X-射线衍射仪（XRD）、激光粒度仪（LPSA）、傅立叶变换红外光谱仪（FTIR）、比表面积及孔径测定仪（BET）和扫描电子显微镜（SEM）测试钢渣超微粉的化学成分、钢渣超微粉的矿物组成、钢渣超微粉的粒径分布、钢渣超微粉的结构组成、生态活性炭的孔结构和生态活性炭的微观形貌。结果表明：钢渣为电炉渣，钢渣粉磨时间为90 min，钢渣超微粉用量为20 g制备的生态活性炭具有良好的降解甲醛性能与合理的经济性，即10 h后甲醛降解率为57.5%。电炉渣中Fe元素与Mn元素含量高，其中Fe元素促使大量甲醛在活性炭的多孔结构中形成富集，Mn元素对富集的甲醛进行催化降解，实现吸附降解与催化降解的协同作用。适当延长钢渣粉磨时间可以减小钢渣超微粉的粒径大小与改善钢渣超微粉的粒度分布均匀程度，有利于提高钢渣超微粉与活性炭、甲醛的降解作用面积。适量的钢渣超微粉可以提高生态活性炭的粉化率，抵消由于孔容积与比表面积降低导致的活性炭吸附降解作用下降的问题

通过密炼?注塑成型工艺制备了不同苎麻纤维含量的聚乳酸基复合材料，研究了纤维含量对复合材料性能的影响规律，并揭示了纤维增强机理。研究表明，苎麻纤维的添加提高了复合材料的耐热性能，尤其是当纤维质量分数为40%时，复合材料的热变形温度提高了10.5%。此外，苎麻纤维均匀地分散在基体中，由于纤维与聚乳酸的界面强度较弱，断面上有大量的纤维拔出和纤维孔洞；差示扫描量热仪测试表明高含量的纤维限制了聚乳酸分子链的运动，促进复合材料形成更加致密完善的晶核；同时，流变行为也表明苎麻纤维含量的增加有助于提高复合材料的黏弹响应和复合黏度；最后，苎麻纤维的加入提高了复合材料的拉伸和弯曲强度，且随纤维含量的增加而增大。与聚乳酸相比，当纤维质量分数为40%时复合材料的拉伸和弯曲强度分别提高了30%和21.9%

以相变材料为核心的潜热储存技术，对加快新能源开发和提高能源利用率起着关键性作用。以油酸钙为前驱体，通过水热法合成了具有自支撑网络结构的羟基磷灰石（HAP）气凝胶，并采用浸渍法制备出自支撑羟基磷灰石复合相变材料。通过扫描电镜、傅里叶红外光谱、X射线衍射、热重法、差示扫描量热法等手段对所制备复合相变材料的形貌、稳定性、热性能等进行了表征及测试。实验结果表明，负载石蜡或十八醇的羟基磷灰石气凝胶复合相变材料均具有良好的热性能，质量分数60%石蜡@HAP气凝胶复合相变材料的熔融焓和凝固焓测量值分别为85.10和85.30 J·g?1，结晶度为81.50%；质量分数60%十八醇@HAP气凝胶复合相变材料的熔融焓和凝固焓测量值为113.78和112.25 J·g?1，结晶度为86.20%，且具有很好的热稳定性和化学稳定性。此外，羟基磷灰石气凝胶载体材料阻燃性好，无腐蚀且安全环保，有效拓展了相变材料在智能保温纺织物和建筑材料等领域的实际应用

通过溶胶?凝胶（Sol?Gel）法成功合成了纳米锰方硼石并对其进行了稀土Eu3+掺杂。使用X射线衍射、透射电子显微镜和高分辨透射电子显微镜等表征了锰方硼石晶体结构，并通过荧光光谱测试对其发光性能进行了研究。结果表明：合成纳米锰方硼石为粒径小于50 nm的球状颗粒，与天然锰方硼石的物相结构相同，属于斜方晶系，与尖晶石类似，（010）晶面的晶面间距为0.8565 nm。在490 nm激发光激发下，天然锰方硼石、合成锰方硼石和稀土Eu3+掺杂锰方硼石晶体中的Mn2+发光，其中发绿光的Mn2+在晶体中占据四面体格位中心，发红光的Mn2+在晶体占据八面体格位中心。合成的锰方硼石随激发波长变长，产生发射光谱的红移现象，有利于实现冷暖发光转换；在稀土Eu3+掺杂的纳米锰方硼石光谱的发光强度得到了提升