THERMAL DEMAGNETIZATION AND RANDOMNESS OF DOMAIN NUCLEATION OF SINGLE PHASE Nd_2 Fe_(14) B

Based on the observation of temperature variation of both domain structure and magnetic con-trast.the thermal demagnetization and randomness of domain nucleation was discussed.     

高锰钢的泡沫陶瓷过滤净化

采用泡沫陶瓷过滤片对高锰钢进行过滤处理，对其进行金相分析和测试密度，冲击韧性和耐磨性能，并与未过滤的高锰钢进行对比，实验结果表明，在过滤的高锰钢中，金属夹杂物明显减小，密度提高0．53％，冲击韧性39．5％，耐磨性能提高1．04倍，批量生产结果表明，过滤的高锰钢球磨机衬板的使用寿命提高0．6－0．7倍。     

高密度脉冲电流对2024铝合金凝固组织的影响

研究了把高密度脉冲电流以外部瞬间能量和环境作功的形式注入到凝固过程中的高熔点2024铝合金熔体以细化其凝固组织，结果表明，高密度脉冲电流可以显著细化其凝固组织，讨论了高密度脉冲电流细化凝固组织的机理，指出了需要进一步解决的新问题。     

钼-钴-硅混合粉末的机械合金化研究

采用X射线衍射、扫描电镜及透射电镜研究了配比为Mo5-xCoxSi3(x=0．5，l，2)的混合粉末的机械球磨行为。结果表明：随球磨时间延长，混合粉末中首先形成Co，Si在Mo中的过饱和固溶体Mo(Co，Si)，高能球磨大大扩展了硅和钴在钼中的固溶度。进一步延长球磨时间，过饱和固溶体转变成为非晶。在球磨过程中，Mo(Co，Si)的晶粒不断细化，球磨至40h，晶粒尺寸约为8nm。球磨初期，内应力急剧增加。随球磨时间延长，混合粉末的颗粒尺寸增大，40h后，逐渐减小，且形状球化，100h后成为尺寸不超过100nm的球形粉末。     

高密度脉冲电流对A356铝合金凝固组织的影响

研究了高密度脉冲电流对A356铝合金凝固组织的影响，实验中对液相线以下溶体的凝固过程在不同阶段进行电脉冲处理。对比实验结果表明：经过电脉冲处理后，A356的合金凝固组织得到明显细化；在同样的电脉冲条件下，凝固组织细化效果与电脉冲放电开始时间有关，凝固过程中放电开始时间越早，凝固组织细化效果越明显；反之，凝固组织细化效果较差；同时，脉冲充电电压越高，凝固组织细化程度越大。定量计算了脉冲电流产生的电磁力并分析了脉冲电流影响凝固组织的作用机制。     

Sr-Zr复合处理铝-硅铸造合金的研究

研究了Sr-Zr复合处理铝-硅铸造合金的工艺及其对近共晶铝-硅合金组织与性能的影响。结果表明，通过Sr-Zr复合处理可使近共晶铝-硅合金获得明显的细化效果，平均晶粒度可降至100μm左右，同时共晶硅仍保持良好的变质状态，从而显著提高了合金铸件的强度和塑性。     

轻合金中电磁搅拌技术的研究与应用现状

介绍了电磁工艺的基础理论和电磁搅拌技术的优点及其发展概况。总结了国内外电磁搅拌技术在轻合金中的研究与应用情况。指出了今后电磁搅拌技术的发展趋势。     

云母钛珠光颜料的研制

对钛盐的沉析特性、云母精制、颜料制备进行了探讨。研制出云母－钛珠光颜料，即二氧化钛包覆云母，包覆层明显，珠光效果显著。     

从文献计量学指标看《自动化学报》和自动化研究领域

汇集不同数据源中,《自动化学报》的各项文献计量指标,如影响因子、影响因子排名、总被引频次和海外论文比等,以图表的形式清晰直观地展示出这些指标近五年的年度变化趋势.同时也分析了国际自动化、控制系统和模式识别领域研究的进展、主题、文献类型、主要机构和国家（地区）、研究热点等,向读者展示《自动化学报》和自动化研究领域近五年的发展图景.     

域自适应学习研究进展

传统的机器学习假设测试样本和训练样本来自同一概率分布. 但当前很多学习场景下训练样本和测试样本可能来自不同的概率分布. 域自 适应学习能够有效地解决训练样本和测试样本概率分布不一致的学习问题,作为 机器学习新出现的研究领域在近几年受到了广泛的关注. 鉴于域自适应学习技术 的重要性,综述了域自适应学习的研究进展. 首先概述了域自适应学习的基本问 题,并总结了近几年出现的重要的域自适应学习方法. 接着介绍了近几年提出的 较为经典的域自适应学习理论和当下域自适应学习的热门研究方向,包括样例加 权域自适应学习、特征表示域自适应学习、参数和特征分解域自适应学习和多 源域自适应学习. 然后对域自适应学习进行了相关的理论分析,讨论了高效的度 量判据,并给出了相应的误差界. 接着对当前域自适应学习在算法、模型结构和 实际应用这三个方面的研究新进展进行了综述. 最后分别探讨了域自适应学习在 特征变换和假设、训练优化、模型和数据表示、NLP 研究中存在的问题这四个方面 的有待进一步解决的问题.