精品资源
铜合金的腐蚀与防护研究进展
摘要：铜合金具有良好的导电性和导热性，是应用最广泛的工业材料之一。铜合金服役过程中常与酸、碱、盐等腐蚀介质接触，易引起铜合金的腐蚀， 最终导致失效，对生产制造带来危害。提高铜合金的耐腐蚀性有利于进一步扩展其应用领域。本文主要归纳了Cr，Pb，Ti，Al，Mn，Ni以及稀土元素的添加对合金耐蚀性能的影响，通过合金元素的添加可以改变铜合金表面腐蚀产物膜的组成和形貌，减小相与相之间腐蚀电位差， 以及减少有害杂质的存在，以此来改善铜合金的耐蚀性能。塑性变形和热处理是改善铜合金力学性能的常用手段，经塑性变形和热处理过后的铜合金，其微观组织形貌和分布发生了变化， 因此对合金耐蚀性能也有一定的影响。本文主要从合金化、塑性变形及热处理3个方面对铜合金耐蚀性能影响进行综述，最后对铜合金的腐蚀防护研究进行总结和展望。
深海工程技术在深空探测领域应用前瞻
摘要：随着“三深”（深空、深海、深地）技术研究的不断深入，发现深海工程与深空探测存在诸多技术联系，研究深海工程技术在深空探测领域的应用将有利于助力“三深”技术发展。本文从对比深空与深海环境特征角度出发，揭示了深海工程与深空探测技术在压力、温度适应性方面存在一定相似性，进一步分别从结构安全性、复杂作业技术与装备、无人智能化与载荷小型化、试验场建设等方面展开了前瞻性探索。分析发现，地外空间物理特征的多样性十分突出，部分热点星球的空间环境与深海环境存在较强的相似性，具体体现在压力及腐蚀环境等方面，这使得深海结构物的设计与防腐技术具备向深空探测领域的移植性；同时深空探测对于装备的复杂控制、无人自动化程度需求与深海装备的目标是一致的，具体的装备研制技术具备互换基础；海底火山区以及南极冰下湖存在非常明显的类地外空间特征，面向深空探测具备建立试验场的环境条件，可作为未来深海试验场以及深空探测新型试验技术的研究方向。综上所述，随着深海与深空技术的不断发展，两者之间的技术互换以及跨域应用已经显现出较高的可能性，将深海工程技术充分地应用于深空探测领域，将助力我国深空探测装备更快发展。
超级铝热剂在固体推进剂中的应用研究进展
摘要：超级铝热剂具有高放热和高活性的特点，其反应速率和能量释放效率均显著高于传统铝热剂，应用于固体推进剂有望改善释能速率、效率、感度等指标，已成为固体推进剂的发展方向。总结了超级铝热剂的制备工艺、特点及其工业化应用潜力；论述了超级铝热剂在固体推进剂中的适用性；综述了超级铝热剂的微结构（ 燃料／ 氧化剂界面控制、核壳结构、多层膜结构）和组分（金属氧化物、氟材料、碳纳米材料）对固体推进剂燃烧性能和能量释放的影响。超级铝热剂的添加显著提高了热反应活性和放热量，增强了推进剂的点火及燃烧性能，同时存在工业生产成本高、工艺控制要求复杂、燃烧过程精密控制难度大等问题，展望了未来超级铝热剂在固体推进剂中应用的研究重点和发展方向。
高性能存储芯片产业发展研究
摘要：高性能存储芯片堪称全球人工智能蓬勃发展的核心驱动力，不仅有力推动了信息技术产业不断迈进、显著提升电子设备性能、为服务器和数据中心的发展注入强劲动力，还极大促进了人工智能与机器学习、物联网、虚拟现实以及增强现实等新兴技术的崛起。本文全面系统地梳理了我国高性能存储芯片的发展需求，分析了高性能存储芯片的国际发展态势，总结了我国高性能存储芯片的发展现状，深入剖析了发展进程中所面临的问题与挑战，精准指出其带来的变革机遇，并提出以下针对性的对策建议：一是分层施策夯基础，变革策略求突破；二是传统新型两手抓，多条路线齐头并进；三是加速形成新技术布局，逐渐打破市场层垄断，期望能够加速我国高性能存储芯片的发展进程。
锂离子电池用硅基负极硅源材料及其制备研究进展
摘要：近年来，新能源汽车的飞速发展对电池的性能提出了更高要求，而传统石墨类负极材料的比容量较低，难以满足发展的需求。硅具有极高的理论比容量，作为负极材料能有效提高电池性能，具有巨大的发展潜力，而制备硅基负极的硅源材料、硅颗粒的形貌尺寸及其加工制备工艺对硅基负极性能有着重要影响。本文综述了硅基负极材料的最新研究进展，重点关注硅源材料的选择、硅纳米化工艺、硅基负极材料的制备等，提出了不同硅源和对应制备工艺在硅基负极材料制备过程中存在的问题和挑战，为锂离子硅基负极的发展提供重要的参考。
机器学习在高效连铸制造中的应用现状及展望
摘要：高效连铸以高拉速、铸坯无缺陷为基础，通过钢-轧界面间铸坯热装和轧制实现钢铁制造流程的绿色低碳发展。传统连铸制造需向智能化连铸转型，以连铸制造流程大数据量和机器学习算法为基础，挖掘有价值的信息或逻辑关系。构建具有决策能力和预测判断功能的智能化铸机，实现连铸高效生产和智能控制。通过介绍国内外机器学习在高效连铸制造中的应用现状，分析智能连铸在铸坯裂纹在线智能预报、结晶器漏钢智能预报和连铸过程的其他重要智能化的研究进展，提出机器学习在高效连铸制造中的研究展望。通过深度学习在连铸全流程中的应用、探索不均衡样本的智能连铸算法和结合工业机理模型与机器学习模型实现多目标任务的智能化连铸模型，实现连铸流程智能化和透明化控制，为国内相关钢铁企业提供智能化连铸的研发思路和参考。
