随着机器人技术的发展，仿人机器人在多个领域展现出应用潜力和价值。针对仿人机器人，基于机器视觉进行自主抓取研究，旨在提高仿人机器人在自然环境中的抓取适应能力和动作仿人性。在机器视觉方面，硬件采用Realsense-D435深度摄像头，利用YOLO（You Only Look Once）物体检测模型实现目标物体的识别、空间定位、深度图裁切和目标点云生成，并根据目标点云与标准点云的配准算法（ICP）获取物体的姿态，通过D-H法对机器人头部进行建模，将物体的位置和姿态由相机坐标系转换为机器人坐标系。在运动规划上，参照人手臂的抓取规律，将抓取过程分为9个基础动作：初始位、移动至预抓取位、抓取物体、提起物体、搬运物体、移动至放置位、放置物体、退出位和回到初始位，针对不同物体确定对应抓取姿态，以提高抓取成功率，根据视觉获取的抓取点和放置点，自主计算余下的关键点，并以空间弧形作为抓取轨迹，通过Matlab仿真，验证抓取过程机械臂末端运动轨迹和关节轨迹的合理性。最后进行物体抓取实验，结果表明，仿人机器人在自然环境中能够快速准确地识别和定位不同物体，并能成功进行抓取和搬运，成功率均在80%以上，并且能够兼顾动作的仿人性，验证了所提出方案的有效性。本研究可促进仿人机器人在人类日常生活中的应用和普及。
准确分析居民出行方式的碳排放及方式选择影响因素的重要性和敏感性，是精准制定交通减排措施的基础。根据居民出行调查的家庭属性、个人属性、出行属性和环境属性等影响因素综合分析，基于LightGBM （Light Gradient Boosting Machine）构建了居民出行方式预测模型并进行验证，结合出行活动水平、各种能源类型的碳排放系数、标准煤系数等参数，构建了基于居民属性数据的出行碳排放预测模型；最后，以广州市为例进行实证分析，对居民出行方式和碳排放总量进行预测，并分析了出行方式选择影响因素的重要程度和重要因素敏感性。结果表明：基于居民属性数据构建的碳排放预测模型，能较为精确地预测各种出行方式的碳排放，较好地分析碳排放的影响因素重要性和敏感性，以及全面揭示出行行为、出行方式和出行碳排放之间的关系。其中，起终点距最近公交站的距离或距最近地铁站的距离、自驾车费用、出行距离等是影响居民出行方式选择的重要因素。当起终点距最近地铁站距离下降55%时，地铁出行竞争力随着距离缩短而明显提升；在公交站点密度较大的区域，起终点距最近公交站距离对居民出行方式选择不敏感；当碳排放费用增加400%时为居民出行方式和碳排放的转折点，超过转折点后小汽车出行方式难以转移；当出行距离下降幅度在90%以内时，碳排放下降速度最快，最大降幅为90.4%。
针对极端雾霾天气条件下，智能车辆对道路环境感知识别精度降低的问题，提出了基于改进的CycleGAN和YOLOv8联合雾天环境感知算法。首先以CycleGAN算法为框架对图像进行去雾预处理，在生成器网络中引入自注意力机制提高网络的特征提取能力，同时为了减少与真实图像的色彩差异，引入自正则化颜色损失函数；其次，在目标检测部分，首先采用轻量化的GhostConv网络替换原主干网络，以降低计算量；而后，在颈部网络加入了GAM注意力机制，有效提高了网络对于全局信息的交互能力；最后，通过WIoU损失函数，减小低质样本所产生的有害梯度，提高模型的收敛速度。应用RESIDE数据集和BDD100k数据集对该算法进行实验验证。结果表明：去雾后图像与原图像的结构相似度为85%，相较于原CycleGAN算法和AODNet算法的峰值信噪比（PSNR）和结构相似性（SSIM）分别提高2.24 dB和15.4个百分点、2.5 dB和36.3个百分点。其中，改进的YOLOv8算法与原算法相比，其精确率、召回率和平均检测精度均值分别提升了2.5、1.8和1.1个百分点。实验结果验证了所提出算法的召回率和检测精度等方面优于传统算法，具有一定的实用价值。
针对高速公路大范围路网中新能源汽车由于能源消耗所产生的间接碳排放量难以统计的问题，提出了一种基于高速公路ETC收费联网数据的新能源汽车碳排放量测算方法。首先，对高速公路新能源汽车车流数据进行清洗与处理；然后，依据高速公路路网门架分布定义并划分路段单元，在此基础上对不同类型的新能源汽车进行能耗分析；最后，建立了新能源汽车运行阶段的碳排放计量模型，并以广东省为例，进行了碳排放量的测算及空间分布特征分析。结果表明：1类纯电动客车为高速公路新能源汽车碳排放的主要来源，其碳排放量占新能源汽车碳排放总量的74.20%，其次是1类纯电动货车，其碳排放量占新能源汽车碳排放总量的14.18%，1类插电式混合动力客车的碳排放量占比为11.62%；新能源汽车碳排放量较高的地市主要集中在珠三角城市群，粤东、粤西、粤北等后发地区的碳排放总量占比不足13%；新能源汽车碳排放量较高的路段主要分布在发达城市的交通枢纽和市内高速环线中，以广州都市圈和深圳都市圈为中心对周边城市高速公路路网产生辐射效应；后发地区由于高速公路路网密度较低且基础设施建设相对滞后，新能源汽车的普及率较低，相应的碳排放量普遍处于较低水平。
为验证广东省标准DBJ/T 15-92—2021《高层建筑混凝土结构技术规程》“二水准、二阶段”抗震性能化设计方法的合理性、可靠性和容错性，设计两批相同的3榀抗震构造等级分别为一级、二级、三级的1∶4缩尺平面RC框架结构试件，加载时各层楼板上布置铁质配重模拟分布荷载，考虑楼板及楼板荷载对框架结构破坏机制的影响。试验采用位移控制单点加载，加载点位于三层楼面梁标高处，在柱纵向钢筋达到屈服应变前为单循环加载，屈服后采用三循环加载。通过拟静力试验，考察结构的抗震破坏形态和破坏机制，分析滞回曲线、延性、刚度、耗能等抗震性能指标的演化规律。试验结果表明：试件损伤破坏的塑性铰发展路径基本相同，符合梁端塑性铰延性机构的破坏机制；试件没有明显剪切破坏特征，承载力利用系数ξ能实现“强剪弱弯”抗震设计要求；6榀框架结构试件的滞回曲线饱满，抗震延性系数范围为4.36~6.10，等效粘滞阻尼系数最大值范围为0.125~0.165，展现了良好的抗震耗能性能；楼板提高框架梁的刚度和承载力，对试件抗震破坏机制有明显影响，试件保持了“强柱弱梁”抗震破坏特征，构件重要性系数η能保证“强柱弱梁”的抗震设计要求；试件破坏特征有随机性，但破坏机制整体规律性较强，不同抗震构造等级试件的梯度特征明显。
针对基于深度学习的滚动轴承故障诊断算法需要从大量标注数据中学习，且面对样本数量受限时诊断效果不佳的问题，文中提出了一种基于格拉姆角差场（GADF）和生成对抗网络（GAN）的小样本滚动轴承故障诊断方法。首先，提出了基于GADF变换的数据增强方式，将少数1维振动信号通过GADF变换转换为2维GADF图像，并通过裁剪得到GADF子图，从而得到大量的图像样本；然后，将条件生成对抗网络（CGAN）与带有梯度惩罚的Wasserstein GAN（WGAN-GP）相结合，构建一种新的生成对抗网络，该网络通过条件辅助信息与梯度惩罚增强模型训练稳定性，并设计动态坐标注意力机制以增强模型的空间感知能力，从而生成高质量样本；最后，使用生成的样本对分类器进行训练，并在验证集上得到诊断结果。文中分别使用东南大学数据集和美国凯斯西储大学（CWRU）数据集进行了两组小样本环境下的轴承故障诊断实验。结果表明，与传统生成对抗网络以及先进的小样本故障诊断方法相比，文中所提方法的准确率和精确率等5项故障诊断指标均获得最好的结果，可以准确诊断出小样本条件下的轴承故障类型。
随着自动驾驶技术的发展，深度强化学习成为实现高效驾驶策略学习的重要手段。然而，实施自动驾驶面临着复杂多变的交通场景带来的挑战，并且现有的深度强化学习方法存在场景适应能力单一、收敛速度较慢的问题。针对此类问题，为提高自动驾驶车辆的场景适应能力和策略学习效率，文中提出了一种多任务辅助的驾驶策略学习方法。该方法首先基于深度残差网络构建了编码器-多任务解码器模块，将高维驾驶场景压缩为低维表征，并采用语义分割、深度估计和速度预测的多任务辅助学习，以提高低维表征的场景信息丰富程度；然后，以该低维表征作为状态输入，构建基于强化学习的决策网络，并设计多约束奖励函数来引导驾驶策略的学习；最后，在CARLA中进行仿真实验。结果表明：相较于DDPG、TD3等经典方法，文中方法通过多任务的辅助改善了训练进程，学习到更优的驾驶策略；在环岛、路口等多个典型城市驾驶场景中实现了更高的任务成功率和驾驶得分，具备优秀的决策能力和场景适应性。
前方相邻车道车辆变道切入自动驾驶车辆所在车道是典型的高速公路自动驾驶高风险场景，在实际高速公路上进行该类场景的复现测试存在非常高的安全风险，虚拟仿真测试是解决该问题的最佳途径之一。为自动生成批量化的高保真高速公路变道切入测试场景，该文提出了一种基于时间序列生成对抗网络（TsGAN）的自动驾驶汽车高速公路变道切入测试场景自动生成算法。该算法以变道切入时刻两车的车头时距和侧向时距为场景危险程度评价指标，从高速公路真实轨迹数据集highD中提取4类不同危险程度的2 853个变道切入场景实例，基于TsGAN构建变道切入测试场景生成模型，并利用所提取的真实轨迹数据训练模型；其后，采用所构建的模型生成前车变道轨迹和测试车变道切入时刻前的运行轨迹，通过比较所生成的变道轨迹与真实轨迹之间的分布相似性、频谱误差，验证所生成的轨迹的真实性。该文还分析了所生成的场景中变道切入时刻两车的运动关系及轨迹参数分布，检验了自动生成的场景在自然场景中的覆盖度。结果显示：从轨迹关键参数的分布来看，TsGAN模型生成的变道轨迹与真实轨迹的平均相似度达79.7%，平均频谱误差小于8%，落在最相似真实轨迹缓冲区的轨迹超过83.2%，表明所生成的轨迹具有高真实性；与所采集的真实场景相比，所生成的场景实例覆盖范围更大，在参数区间内分布更均匀，变道切入时刻前方变道车辆与测试车的车头时距和侧向时距分别降低了17.83%和16.37%（平均值），车辆轨迹参数分布区间平均增长了19.44%，表明所生成的场景在自然场景中具有较高的覆盖度；所提出的基于TsGAN的场景生成模型可模拟4种不同危险程度的变道切入测试场景，具有较强的针对性。
城市生活垃圾炉渣（IBA）随着垃圾的组成、焚烧工艺和贮存条件等不同而产生较大的异质性，一批再生混凝土（砂浆）有效的配合比对另一批可能无效，导致再生混凝土（砂浆）性能产生较大的离散性，使其应用受到限制。为探究不同来源垃圾焚烧炉渣的异质性及再生砂浆的强度变异性，文中收集了不同焚烧厂以及不同月份来源的共计14批次IBA样品，测试了不同来源IBA试样的理化性质以及再生砂浆的工作性能和抗压、劈裂抗拉强度，统计分析了IBA再生砂浆的强度变异性水平。结果表明：IBA的压碎指标、空隙率、硫化物和氯化物含量均超出了规范关于再生细骨料的要求，不同来源的IBA存在明显的异质性；单一焚烧厂不同月份的IBA以50%取代率配制M20强度等级以下的再生水泥砂浆时，强度相较于天然骨料砂浆降低不显著，且强度变异性与普通再生骨料混凝土相当，标准差也低于规范建议值，但用于M20以上再生砂浆时强度降低较多（约23%~32%）；两座不同焚烧厂的IBA再生砂浆的抗压强度变异系数较高，建议不同焚烧厂来源的IBA再生砂浆不混合使用。
沥青混合料的抗弯拉性能影响沥青路面的服役质量和寿命，其内部受力决定了抗弯拉性能的优劣。为探究沥青混合料的内部受力特征，采用离散元方法对3点弯曲受力模式下沥青混合料各组分力链进行量化评价。首先，基于图像识别构建了粗集料模板库，实现沥青混合料试件高效离散元3维建模，并提出了3点弯曲仿真方式；然后，可视化表征沥青混合料内部力链分布，提取了各组分力链数据，从组成、强度和角度方面分析了力链特征。结果表明：在3点弯曲受力模式下，沥青混合料的内部力链场表现为拉压分区，粗集料嵌挤仅在受压区生效；SMA13沥青混合料的70.8%内部接触力由沥青砂浆提供，而AC13沥青混合料提供的则为83.2%，粗集料在弯拉受力状态下作用较小，沥青砂浆起主要抵抗外载作用；力链比重随强度的增大而减小，砂浆内部与砂浆-粗集料界面位置的强力链比重基本一致，而粗集料之间受力不均匀，砂浆使沥青混合料内部均匀受力效果明显；粗集料-砂浆界面水平方向的力链强度略高于竖直方向，粗集料力链强度随角度变化的波动起伏大。沥青砂浆在沥青混合料弯拉受力时承担主要荷载，可为沥青混合料的结构设计和性能评价提供参考。
单车事故常发于车流量较小、道路条件较差的时段和路段，其致死率明显高于交通事故平均死亡率。为了探究影响单车事故严重程度的关键因素，基于中国部分地区2015—2019年单车交通事故数据，从人、车、路、环境等方面选取24个事故影响因素，通过对数似然比检验事故数据的时间稳定性，发现事故数据存在时间不稳定性，应将其划分为5个年份分别建模，构建考虑均值方差异质性的随机参数Logit模型。对事故因素变量的边际效应进行对比，结果表明：5个不同年份的时间稳定性模型均具有较好的拟合效果；模型能够有效地捕捉未观测到的异质性，且不同时间模型下捕捉的参数也具有随机性。模型参数估计结果表明：路口路段类型、客车、摩托车和事故责任共4个事故因素具有时间稳定性，其他事故影响因素仅在个别年份中具有显著影响；防护设施事故因素也具有时间稳定性；客车、摩托车、车辆前照灯状态、车辆安全状况、撞固定物和事故责任等事故因素变量会显著增加单车事故中人员死亡的可能性；防护设施类型、能见度大于100 m等变量会显著降低受伤严重程度。
随着人工智能技术在客服领域的深入应用，电信运营商对AI服务知识推荐的准确率提升提出了更高的要求。为提高电信运营商AI客服系统的知识推荐效率和准确度，该文提出了基于意图理解驱动的客服知识推荐大模型。首先，采用同义词及对话序列的关键词提取模型识别用户查询中的关键词，通过语义相似度比较技术匹配标准问库中的问题，生成最相关的标准问，并采用生成式智能体技术框架构建标准问库，使用智能体技术自动生成知识问题；然后将提取的标准问输入ChatGLM2-6B大语言模型中，经过预训练与人类偏好对齐训练，以进一步提高知识推荐的准确率。实验结果显示：引入标准问库后，智能推荐系统在特定行业知识领域的准确率从74.8%显著提升至85.9%，多组对比实验结果进一步验证了建立标准问库的策略在提高准确率方面的有效性；该文大模型优化了运营商AI客服的智能知识推荐，可为电信运营商AI客服系统的知识推荐提供新的思路和技术支持；运营商通过该文大模型能够更有效地理解和响应客户查询，显著提升客户服务体验。
激光点云模型为后续的配电线路检测与管理提供了重要的支撑，现阶段大多数配电通道都已经构建了相应的激光点云模型。由于点云模型数量的增加，有效提取关键部件（如导线、绝缘子等）的位置信息成为了一项重要任务。为了进一步提升对点云模型中配电线路、杆塔、绝缘子等关键部件分割、提取的精准性和效率，该文提出一种基于融合Transformer模型的配电线路激光点云分割算法。考虑到配电线路点云中需要更为关注细节特征的影响，构建了一种双通道平行架构的特征提取模块用于提取高频和低频特征，其中低频特征通过平均池化和基于融合Transformer模型的特征提取器进行处理，高频特征通过最大池化和包含卷积层的多层感知机（MLP）模块进行处理；将两个通道获取的特征向量进行融合，以提升对细节特征的提取能力。此外，考虑到MLP模块在特征处理方面的能力，将融合后特征再次输入MLP模块中作进一步处理，实现了对点云目标的准确分割。该文还开展了大量的实验，验证了所提算法的准确性和有效性。该算法具有提高无人机巡检精度、增强自动化水平、提升鲁棒性、融合多源数据和降低巡检成本等多方面的潜在优势。
高速公路在雾天环境存在较大的驾驶安全风险和事故隐患，网联碰撞预警信息系统为解决该难题提供了新的思路，而其对驾驶行为的影响是论证其有效性的根本。该研究运用驾驶模拟技术搭建网联碰撞预警信息系统测试平台，考虑浓雾天气类型，设计基准传统和对照网联两种驾驶环境，构建前方慢速车辆急刹这一典型碰撞风险事件，招募27名被试开展驾驶模拟实验以获取细粒度微观驾驶行为数据。从稳定性、安全性、服从性多个维度构建评价指标体系，对网联碰撞预警信息系统在驾驶人与前车不同交互阶段（慢速跟驰、前车急刹）的效能展开了定量描述和统计分析。结果表明：在稳定性方面，碰撞预警信息会导致在慢速跟驰阶段的一段时间内驾驶稳定性降低，在慢速跟驰阶段车辆减速完成达到稳定状态之后和前车急刹阶段，其具有比无碰撞预警信息更好的稳定性；在安全性方面，碰撞预警信息使得驾驶过程中时间、加速度、距离多个层面的冲突风险均得到了显著减少；在服从性方面，碰撞预警信息能够提升驾驶人对于前车信息的服从水平，减弱驾驶人在慢速跟驰和前车急刹这两个阶段中对前车信息服从水平的差异性。研究成果可为高速公路雾天环境下网联碰撞预警信息系统的测试和应用提供平台支撑和理论支持。
由于TC4材料在高温环境下易发生氧化失效，因此在高温、海洋等恶劣环境条件下，TC4材料的使用寿命大大缩短。为延长TC4材料表面的耐高温氧化性能，该文采用激光熔覆技术在TC4表面制备含梯度质量分数添加相的耐高温氧化熔覆涂层，并利用扫描电子显微镜（SEM）对涂层的微观组织进行观察，分析添加相对熔覆涂层微观组织形态的影响；然后利用微观硬度试验获得不同材料组分涂层的微观硬度分布，分析添加相含量对熔覆涂层显微硬度的影响；最后利用宏观形貌观察、氧化动力学分析、SEM扫描电镜分析和X射线衍射分析等方法对高温氧化试验后的熔覆试件进行耐高温氧化性能评估，分析添加陶瓷相变量和高温氧化过程对熔覆涂层微观组织及物相组成的影响规律，并探究涂层的耐高温氧化机理。试验结果表明：添加陶瓷相粉末后，熔覆涂层的微观硬度明显提高，微观组织更加细化紧密，高温氧化过程中生成的致密氧化产物能够有效地隔绝高温氧化环境，大幅提升表面熔覆涂层的抗高温氧化性能；熔覆涂层表面生成的高温氧化产物Ta2O5具有结构致密、高温稳定性强且抗氧化性能突出等特点，是提升含陶瓷相TC4熔覆涂层表面耐高温氧化性能的主要原因。
我国“十四五”发展规划对交通绿色发展提出了更高要求，交通运营所产生的排放是交通行业碳排放的主要来源。为研究公路平曲线路段小客车运行碳排放的影响因素，通过开展现场实车试验，试验车载OBD（On Board Diagnostics）设备采集广东省内典型公路曲线段现场行车试验数据，并通过IPCC（Intergovernmental Panel on Climate Change）碳排放核算方法获取路段碳排放率数据，结合道路线形选取了影响小客车运行排放的相关评价指标，在灰色关联分析的基础上对相关评价指标进行关联度计算。结果表明：平曲线路段线形要素中缓和曲线长度占比、缓和曲线参数等指标与路段碳排放率显著关联；圆曲线半径在一定区间内与路段碳排放率显著关联。非线形指标中显著相关的有加速度标准差和加速度均值，与这两者显著相关的线形指标是缓和曲线参数和缓和曲线长度占比。结合灰色关联分析结果，从指标中选取了8个关联指标，通过建立灰色GM（1，N）模型对平曲线路段小客车行驶碳排放总量进行预测，预测结果和实际结果平均相对误差为5.10%，模型预测性能优于传统多元回归模型，在数据有限的情况下表现出色并提供可靠的预测结果。研究成果可识别路段对碳排放有显著影响的关键设计和运行参数，为平曲线路段低碳优化设计和管理提供理论依据。
目前，能源领域不断发展，对电容器要求不断提高，兼具高温性能和高储能的电容器已成为研究热点。其中高储能密度即要求其具备高介电常数和低介电损耗。特种工程材料聚酰亚胺（PI）因其耐高温性能而备受人们青睐，但其较低储能密度制约其应用。为更好地利用聚酰亚胺的耐高温性能，从其合成原料的多样性出发，寻找优异合成路线，该研究以制备高介电常数与低介电损耗聚酰亚胺（PI），研究同分异构体2，3，3'，4'-联苯四甲酸二酐（a-BPDA）和3，3'，4，4'-联苯四酸二酐（s-BPDA）对聚酰亚胺介电性能的影响为目标，以a-BPDA、s-BPDA、3，3'，4，4'-二苯甲酮四酸二酐（BTDA）、4，4'-双（3-氨基苯氧基）二苯基砜（m-BAPS）为原料，通过三元共聚制备了PI薄膜，从而验证方案可行性。在此基础上调配原料比例，探究最佳性能时各种原料配比。并运用傅里叶红外光谱（FTIR）分析、X射线衍射（XRD）分析、热性能分析和介电性能分析对薄膜进行表征。实验结果表明：a-BPDA、s-BPDA、BTDA和m-BAPS可成功合成聚酰亚胺薄膜；合成的薄膜仍可以保持较高的热学性能，其中a-BPDA和s-BPDA分别将聚酰亚胺的玻璃化转变温度最高提升至245.8 ℃和239.1 ℃。s-BPDA与a-BPDA对聚酰亚胺的介电性能产生不同影响，当s-BPDA与BTDA物质的量比为3∶2时，在1 000 Hz下sPI介电常数为4.25，介电损耗为0.002 9，当a-BPDA与BTDA物质的量比为3∶2时，aPI介电常数为3.49，介电损耗为0.002 3；综合对比下，s-BPDA对于聚酰亚胺的热学性能和介电性能改善效果更加明显。
在工业物联网中，移动边缘计算的可靠性很大程度上取决于无线信道条件。针对工业物联网中边缘计算任务卸载过程非完美信道状态信息对系统的影响，该文提出了一种数字孪生辅助的移动边缘计算能耗优化方法。对于工业物联网中的任务卸载问题，建立边缘计算系统中设备、信道的数字孪生模型，考虑非完美信道状态信息，联合优化卸载决策、发射功率、信道资源和计算资源，建立了系统总能耗最小化问题。为解决所提出的混合整数的非线性非凸问题，将概率时延约束进行转换，并将原问题分解为资源分配方案与卸载策略2个子问题，提出了一种基于连续凸逼近的联合优化算法，在数字孪生的辅助下联合优化卸载策略与资源分配方案。首先，将原问题进行松弛处理，以获得所有终端设备的资源分配方案与任务卸载优先级；然后，对各终端设备的卸载优先级进行降序排序，通过求解迭代优化问题获得完整的任务卸载方案。仿真结果表明，与其他基准方案相比，所提的计算卸载优化方案显著降低了系统的总能耗。
LTA沸石因其优异的孔隙结构和较高的CO2吸附选择性，被认为是极具潜力的CO2捕获材料。该文提出了一种以工业固废含钛渣为原料的绿色可持续合成策略，先制备Na-LTA沸石母体，再通过常规液相离子交换法（LPIE）调控钙负载量，制备出xCa-LTA沸石系列，以提升其CO2吸附性能；然后通过动态吸附法对样品的吸附性能进行评价。实验结果表明：xCa-LTA沸石不仅显著提高了CO2的捕集能力，还在CO2/N2和CO2/CH4分离过程中表现出优异的选择性，尤其是0.05Ca-LTA样品的吸附性能最为突出；在25 ℃、105 Pa条件下，0.05Ca-LTA的CO2吸附速率为Na-LTA的4.95倍，最大吸附容量达到4.02 mmol/g。动力学分析结果表明：0.05Ca-LTA对CO2的吸附行为符合拟二级动力学模型，吸附过程由物理吸附和化学吸附协同主导，这种协同作用不仅加快了吸附速率，还提高了吸附效率；经过5次吸附/脱附循环后，0.05Ca-LTA仍保持高效稳定的吸附性能，展现了优异的循环再生能力。该研究遵循“以废治废”的环保理念，不仅为固废的高值化利用提供了新路径，也为CO2捕集与环境污染治理的协同优化提供了重要的理论参考和应用潜力。
货车制动毂温度过高是制动失效的主要原因，为提高货车在连续下坡路段行驶的安全性，对平均纵坡设计指标进行细化，研究驾驶人制动行为与货车制动毂温升特性之间的相关性，并基于驾驶人制动行为提出纵坡坡长可靠度设计方法。首先，选取西部山区某高速公路连续下坡路段进行实车试验，采集道路纵坡参数、驾驶人制动行为数据；其次，根据实测数据提出评价指标、位移强度系数和制动毂温度梯度，并基于回归分析探究了位移强度系数和道路平、纵线形的关系以及位移强度系数和制动毂温度梯度的关系；最后，根据驾驶人制动行为和临界温度构建可靠度模型，基于蒙特卡罗仿真法，给出了连续下坡路段不同平均纵坡所对应的临界坡长，并与规范进行对比分析。结果表明：圆曲线半径与位移强度系数相关性不大，纵坡坡度与位移强度系数呈显著正相关，拟合优度r2达0.95；当纵坡坡度大于2%时，驾驶人采取的制动行为多为持续性刹车，与纵坡坡度小于2%时驾驶人多采取点刹的制动行为区别较大，位移强度系数与制动毂温度梯度呈显著正相关，拟合优度r2为0.845；当驾驶人制动比例为85%时，驾驶人制动行为与规范界定坡长的条件基本一致；取可靠度为0.95时，平均纵坡为2.1%~3.0%，连续坡长临界值为14.95~30.12 km。所给出相关参考值考虑了真实行车环境中的随机性，可为平均坡度小于2.5%的坡长设计提供依据。
