采用扫描电镜、电子探针和X射线衍射等手段对不同服役时间（原始态、1.5a和6a）Cr35Ni45乙烯裂解炉管内壁的氧化与渗碳机理进行了系统分析.结果表明：高温长时服役后炉管内壁出现了氧化层、碳化物贫化区和碳化物富集区三个区域，其氧化行为包括Cr2O3外氧化和SiO2内氧化，且服役过程中外氧化膜发生反复破坏和重建；炉管服役过程的渗碳行为主要由内表面结焦引起，外氧化膜的反复破坏可以加重渗碳，但外氧化膜在破坏后能自动修复，所以服役态两个炉管的渗碳程度较轻；外氧化膜的反复破坏和重建使亚表层贫铬，导致形成碳化物的临界碳浓度增加，在内壁亚表层形成贫碳化物区，多余的碳原子在其内侧析出，形成碳化物富集区

通过对IF钢水口结瘤物各层成分及形貌的分析,得出造成水口结瘤的主要原因是Al2O3夹杂物在水口内壁不断聚集和烧结.比较了不同铝耗对塞棒杆位的影响,铝耗较高时,塞棒杆位明显上涨,当铝耗超过3.5 kg·t-1时,可能导致钢水断浇等生产事故.对平均铝耗及平均终脱氧氧位作了定义,随着平均铝耗的增加,单支下水口浇铸时间呈下降趋势,当平均铝耗超过3.5 kg·t-1时,单支下水口浇铸时间低于50 min.铝耗随终脱氧氧位提高呈增加趋势,当终脱氧氧位在600×10-6以上时,铝耗可能超过3.0 kg·t-1;而平均终脱氧氧位超过600×10-6时,单支下水口浇铸时间可能低于50 min

镍铝青铜合金是铸造大型舰艇螺旋桨的主要材料,海洋污损生物在合金表面附着引起的pH值变化会加速镍铝青铜合金的腐蚀磨损,威胁到舰艇安全航行.采用冷喷涂技术制备了较为致密的镍铝青铜涂层,厚度约300 μm,利用扫描电镜、光学显微镜观察了涂层的微观形貌,重点研究了涂层在pH值分别为3、7和11,质量分数为3.5%的NaCl溶液中的电化学腐蚀性能和腐蚀磨损行为.实验结果表明:pH值为3的环境中,镍铝青铜基体发生了选相腐蚀,表面疲劳裂纹主要分布在富Cu的α相上,涂层上的犁削沟槽加深发生了磨粒磨损,涂层耐腐蚀性能优于基体;pH值为7的环境中,基体发生了黏着磨损,表面有片层状金属剥落,涂层中的孔隙收容了大量磨屑避免了剧烈的三体摩擦,表面犁削沟槽较浅,涂层致钝电位高于基体,耐腐蚀性能变差.pH值为11的环境中,基体发生了表面疲劳磨损,涂层磨痕上有较深的犁削沟槽,沟槽内有微裂纹,涂层耐腐蚀性能优于基体.总体来说,在不同pH值环境中,涂层由于在冷喷涂过程中发生了冷加工硬化并且涂层上的孔隙收容了磨屑,导致涂层的耐腐蚀磨损性能增强

针对碳酸盐脉石对氧化铜矿酸浸动力学的影响进行探讨,研究了温度、酸度、矿石粒径、液固质量比、振荡速度等因素对含碳酸盐脉石氧化铜矿浸出的影响.结果表明,高温、高酸度、高液固质量比、小粒径和高振荡速度利于矿石的浸出,但碳酸盐脉石使得酸耗增加.考虑浸出成本确定合理的浸出条件为温度303 K、酸度35 g·L-1、矿石粒径0.074~0.125 mm、液固质量比3∶1以及振荡速度180 r·min-1,浸出180 min后铜浸出率达53.6%.对浸出前后矿石表面形貌进行分析.结果显示碳酸盐脉石与酸反应后在矿石表面形成CaSO4·2H2O沉淀,覆盖在颗粒表面,限制了矿石颗粒孔裂隙的发育.基于收缩未反应核模型对浸出动力学进行分析,发现碳酸盐脉石反应生成的沉淀阻碍了浸出反应,固体产物层扩散为浸出反应的控制步骤,反应的表观活化能为8.65 kJ·mol-1

探讨了1873 K时不同氧硫条件下镁对钢中夹杂物变质的影响.在本实验条件下，Mg在钢液中优先变质氧化物夹杂，随后变质硫化物夹杂，低硫实验钢中镁脱氧产物转变顺序为Al2O3→MgAl2O4→Mg-Al-O-S.镁合金加入1或5min，就可实现氧化物的完全变质，但硫化物的变质则要缓慢的多.当高硫实验钢中元素含量满足一定条件时，镁可以将氧化物、硫化物同时变质成为复合氧硫夹杂物，夹杂物按照Al2O3→MgO→MgO+MgAl2O4+MgS转变，但由于其变质产生的MgO-MgAl2O4产物层阻碍了变质反应的进一步发生.这种夹杂物可以起到固定硫的作用，同时有效控制夹杂物直径的增大

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

以沥青为软碳原料，商业石墨的载体材料，通过高温热解法成功合成了硅/石墨/碳复合材料，同时原位生成了微米尺度的碳纤维.该硅/石墨/碳复合材料具有诸多优点，石墨片层堆叠之间的空隙为硅的体积膨胀提供了有效的空间，沥青热解碳材料的包覆能一定程度抑制硅基材料的体积效应和提高其电子电导率，同时微米级的碳纤维能提高材料的长程导电性和结构稳定性，从而极大的改善负极材料循环性能.通过电化学测试表明，硅/石墨/碳复合材料中硅/石墨/碳复合负极材料在200 mA·g-1电流密度下具有650 mA·h·g-1的可逆容量，在200 mA·g-1电流密度下经过500圈循环后容量保持率为92.8%，每圈的容量衰减率仅为0.014%，展现了优异的循环性能

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

为了进一步研究热压缩及热处理过程对组织及取向变化的关联性, 通过对TC17进行热压缩变形及后续热处理, 利用光学显微镜和背散射电子衍射等分析方法, 结合晶粒尺寸、织构分布图、极图以及反极图, 研究变形后及热处理后的TC17的组织结构、晶粒尺寸的变化和取向的演变规律以及两者之间的关联性.结果表明: 随着变形温度升高, 初生α相含量大幅减小, 尺寸减小, 大部分α相晶粒分散分布, 且位于高温β相晶粒的三叉晶界上; 热处理后, α相和β相组织特征清晰, 界限明显, 初生α相依旧存在, 且趋于等轴化, 亚稳定β相发生转变, 形成片层状β转变组织; 热变形使α相织构极密度值减小, 且随之温度增加, α相织构极密度值也变小; 热变形后的α相已不存在明显的强织构, 热变形对α相晶粒的取向影响较大, 很明显的改善了其取向的均匀性; 热变形同样使β相织构极密度值减小, 但效果不明显.β相仍存在取向集中现象, 取向均匀性相对较差