氧化物弥散强化（Oxide dispersion strengthened，ODS）FeCrAl 合金由于加入一定量的 Al 元素，使合金表面可形成一层薄而致密的 Al2O3 保护膜，使得合金即便在 1400 ℃ 的水蒸汽下也不会因为腐蚀导致失效. 同时，大量超细氧化物粒子的弥散强化作用使其具备优异的高温强度. 这种兼具高温强度和耐腐蚀的特性使得 ODS−FeCrAl 合金成为非常有前景的事故容错燃料（Accident tolerant fuel , ATF）包壳候选材料，也是快堆等其他工作于高温强腐蚀环境的先进反应堆包壳的重要候选材料

为探讨富水充填材料在时效作用下的变形及其硬化体内水分损失特征,本文研究一定水固质量比的富水充填材料在不同应力水平下的蠕变性能,并通过扫描电镜观察、差热-热重分析等实验探讨充填体在蠕变过程前后的形变特征、水分损失及其与外界荷载的关系.结果表明:水固质量比为2.0的富水充填材料失稳破坏的临界应力为1.96 MPa,为其单轴抗压强度的90%;蠕变不会对富水充填材料中结合水含量造成影响;富水充填材料失稳破坏时内部结构发生非结合水的流失,非结合水含量损失相对值与所受荷载水平呈线性正相关关系;非结合水的流失导致结构内部出现更多的空隙,这些空隙在外界荷载作用下会迅速被压密,产生较大变形,导致充填体局部失稳,进而影响采空区的整体稳定

海洋环境对于金属的腐蚀具有明显的加速作用，尤其在高铁海底隧道环境中，金属比正常的服役时间变短，这种腐蚀情况下会影响高铁的安全和准点运行。基于以上背景，通过夹杂物自动扫描、钢的加速腐蚀及电化学测试对钢中的夹杂物诱发腐蚀行为进行系统分析，重点分析了高铁轨旁信号设备连接金属件（Q235）中夹杂物在盐雾环境下的腐蚀行为。结果表明：钢中主要夹杂物为氧化物、硫化物或者其复合夹杂，而这两类夹杂物对于诱发钢基体点蚀的原因不同。其中数量最多、尺寸小于5 μm类型的夹杂物为硫化物夹杂和氧硫复合类型夹杂物；数量少、尺寸大于5 μm的夹杂物为氧化物夹杂。在服役过程中，钢中硫化物夹杂易溶解脱落形成点蚀坑，而氧化物夹杂周围基体会先溶解引起夹杂物脱落形成点蚀坑，复合类夹杂物也是诱发钢发生腐蚀的因素，不同复合类型的夹杂物腐蚀方式不同，硫化物夹杂和氧硫复合夹杂对碳钢影响较大。电化学测试表明自腐蚀电位约为为?0.1 V，Q235钢本身抗腐蚀能力不强。夹杂物在腐蚀过程中参与了腐蚀，引起阳极极化曲线的波动，加快了Q235钢的腐蚀情况。研究结果对于认识和改善钢的耐腐蚀性能有指导意义

铰接式车辆的路径跟踪控制是矿山自动化领域中的关键技术，而数学模型和路径跟踪控制方法是铰接式车辆路径跟踪控制中的两项重要研究内容。在数学模型研究中，铰接式车辆的无侧滑经典运动学模型较为适合作为低速路径跟踪控制的参考模型，而有侧滑运动学模型作为参考模型时则可能导致侧滑加剧。此外基于牛顿–欧拉法建立的铰接式车辆四自由度动力学模型原则上满足路径跟踪控制的需求，但是还需要解决当前的四自由度模型无法同时反映瞬态转向特性和稳态转向特性的问题。在路径跟踪控制方法研究中，反馈线性化控制、最优控制、滑模控制等无前馈信息的控制方法无法有效解决铰接式车辆跟踪存在较大幅度曲率突变的参考路径时误差较大的问题，前馈–反馈控制可以用于解决上述问题，但是在参考路径具有不同幅度的曲率突变时需要解决自动调整预瞄距离的问题，而模型预测控制，尤其是非线性模型预测控制，可以更加有效地利用前馈信息，且不需要考虑预瞄距离的设置，从而可以有效提高铰接式车辆跟踪存在较大幅度曲率突变的参考路径时的精确性。此外，对于基于非线性模型预测控制的铰接式车辆路径跟踪控制，还需深化三个方面的研究。首先，该控制方法仍然存在误差最大值随参考速度增大而增加的趋势。其次，目前该控制方法以运动学模型作为预测模型，无法解决铰接式车辆以较高的参考速度运行时侧向速度导致的精确性下降和安全性恶化的问题。最后，还需对这种控制方法进行实时性方面的优化研究

作为对经典自适应控制改进的控制方法，多模型自适应控制是解决复杂的大范围参数不确定系统的一种有效途径，并在理论和实践中取得了丰富成果。依据控制器集的不同综合策略，其被分为多种类型，本文旨在对加权型的多模型自适应控制进行综述。加权多模型自适应控制的基本思路是采用“分而治之”的办法，离线建立多个局部模型和对应的多个局部控制器，在线加权融合各个局部控制器的控制输出，从而形成全局控制，是实现鲁棒自适应控制的一类重要方法。首先比较详细地介绍了加权多模型自适应控制研究的历史及现状，然后给出相关研究的新进展和一些观点，包括新的加权算法和相应的加权多模型自适应控制系统的稳定性结果等，最后指出未来的几个研究方向

首先介绍了高熵合金的理论基础。然后从不同的热喷涂工艺出发，综述了等离子喷涂、超音速火焰喷涂、高速电弧喷涂、冷喷涂四种技术在制备高熵合金涂层上的研究发展现状，重点从原料选用、制备工艺优化、性能研究、后处理工艺等方面对以上四种热喷涂技术制备高熵合金涂层的研究进行系统地归纳与总结。最后提出现有制备高熵合金涂层的热喷涂技术较少、热喷涂材料受限、高熵合金设计盲目这三个问题，针对性地提出了在优化已有技术的基础上开发新技术；开发高熵陶瓷、高熵非晶合金、高熵复合材料等新型热喷涂材料；沿用材料基因组理念建立高熵合金数据库这三点热喷涂制备高熵合金涂层在未来的发展趋势

以纯Al粉为主要原料,添加Cu单质粉末以及Al-Mg、Al-Si中间合金粉,利用粉末冶金压制烧结方法制备出相对密度98%以上的Al-Mg-Si-Cu系铝合金.研究表明,烧结致密化过程主要分为3个阶段:初始阶段(室温~460℃),坯体内首先形成Al-Mg合金液相,液相中的Mg原子分别扩散至Al或Al-Si粉末中,与Al2O3反应并破除氧化膜,形成Al-Mg-O等化合物;同时,Al-Cu发生互扩散,形成Al2Cu等金属间化合物.第二阶段(460~560℃),Al-Cu、Al-Si液相快速填充颗粒缝隙或孔洞,坯体相对密度显著提高;此阶段的致密化机制主要是毛细管力引起的颗粒重排,以及溶解析出导致的晶界平直化.第三阶段(560~600℃),随温度的升高,液相润湿性提高,晶粒快速长大,使得大尺寸孔洞填充,烧结体基本实现全致密,此阶段的致密化主要由填隙机制控制.在铝合金晶界处发现了MgAl2O4和MgAlCuO氧化物的存在,推测Al粉表面氧化膜的破除机制与合金成分有关.由于Al-Cu液相在Al表面的润湿速率远高于AlN的生长速率,因为在本体系中未发现AlN的存在

谷歌的人工智能系统（AlphaGo）在围棋领域取得了一系列成功，使得深度强化学习得到越来越多的关注。深度强化学习融合了深度学习对复杂环境的感知能力和强化学习对复杂情景的决策能力。而自然语言处理过程中有着数量巨大的词汇或者语句需要表征，并且在对话系统、机器翻译和图像描述等文本生成任务中存在大量难以建模的决策问题。这使得深度强化学习在自然语言处理的文本生成任务中能够发挥重要的作用，帮助改进现有的模型结构或者训练机制，并且已经取得了很多显著的成果。为此，本文系统阐述深度强化学习应用在不同的文本生成任务中的一些主要方法，梳理其发展的轨迹，分析算法特点。最后，展望深度强化学习与自然语言处理任务融合的前景和挑战

人体在进入疲劳状态时生理参数会发生相应的变化.为了探讨砌砖工人在持续体力劳动作业时心率和心率变异(HRV)对人体生理疲劳的影响,针对疲劳与心率的关系提出评价生理疲劳的数学模型.选取15名健康受试者(男性)在搭建的86 cm平台模拟砌砖工人作业.持续作业30 min进行一次心率变异数据的收集.同时,使用心率传感器对心率进行实时监测.本文采用方差分析、t检验和非线性拟合的方法对疲劳对心率和心率变异的影响进行分析.结果表明,生理疲劳使心率波动程度有显著变化(检验水准α=0.05水平,概率P0.05).非线性拟合结果(R2=0.8892)显示,生理疲劳的发展趋势呈现出\S型\的趋势.据此提出,生理疲劳分为3个阶段:疲劳调整期、疲劳稳定期和疲劳失稳期.在疲劳失稳期前(试验中约为90min)受试者休息,可以减缓或延迟生理疲劳的发生

浅层黄土滑坡是黄土高原广泛分布和频繁发生的地质灾害,造成了巨大的人员伤亡和财产损失.尽管二维确定性模型已被广泛用于浅层滑坡稳定性预测,但不能充分考虑岩土性质、地层结构、地下水等条件的三维空间变化,这可能与实际的斜坡稳定性不相符.因此,利用能考虑复杂斜坡环境的三维确定性模型评价滑坡稳定性,对获取更真实的评价结果以及指导滑坡防治工作具有重要意义.本文利用Scoops3D三维确定性模型评价了在浅层黄土滑坡稳定性预测中的适应性和可靠性.首先,模型计算参数敏感性的分析发现黏聚力、滑动视倾角和栅格单元重量对安全系数准确度影响较大,并用于指导获取详细的关键参数.然后,选取不同分辨率的数字高程模型(DEM)数据,利用Scoops3D模型对典型黄土沟壑中的浅层黄土滑坡稳定性进行预测,并通过详细的点状和面状滑坡分布图与预测结果的对比发现,该模型对黄土沟壑区的浅层滑坡稳定性预测准确度较高,且点状滑坡分布图可能更适合模型适应性的检验.最后,混淆矩阵法和成功率曲线法对不同分辨率数字高程模型预测结果可靠性的检验显示,该模型能够有效地预测黄土浅层滑坡的稳定性,且在高分辨率数字高程模型数据下可以获得可靠的预测精度