锌合金由于其适宜的腐蚀速率、良好的力学性能，成为继镁合金与铁合金后的一种新型的可降解生物医用金属材料。近年来，研究者对锌合金的设计、加工制备以及降解机理进行了大量研究，但对其体内外生物相容性的研究尚不充分，仅评估了体外细胞毒性、溶血、凝血，少数材料植入动物体内进行了组织相容性的表征。然而生物相容性涉及细胞、组织、血液、免疫等复杂的局部反应和全身反应，除了材料本身的物理化学性质，还受到材料与机体相互作用的影响。本文分析了可降解医用锌合金的化学成分和物相组成，阐明了对其进行生物学评价的方法，并结合锌合金生物相容性研究现状，阐述未来的研究方向。

体心立方(bcc)金属具有高熔点、良好的高温力学性能、抗辐照、耐液态金属腐蚀等优点，被广泛应用于核反应堆、卫星、飞行器、火箭、发动机等的结构部件。然而，bcc金属普遍具有低温脆性和温度依赖的韧脆转变特性，极大地限制了其应用范围。因此，深入研究bcc金属的韧脆转变机理并发展调控策略具有重要意义。本文以bcc金属的韧脆转变现象为例，回顾了金属材料韧脆转变行为的研究历史，介绍了韧脆转变行为的最新研究进展，探讨了调控韧脆转变温度的新方法和未来的研究重点。

镁基储氢材料因储氢密度高、资源丰富、环境友好等优点而备受关注，但其存在吸/放氢温度过高、反应动力学缓慢和循环稳定性差等缺点，阻碍了其大规模产业化进程。尽管镁基储氢材料在新合金体系开发、纳米调控、催化修饰、多相复合等方面取得了巨大进展，但如何获取兼具吸/放氢容量高、温度适中、反应速率快及寿命长等优良性能的镁基储氢材料仍是一个挑战。本文较为系统地总结了镁基材料中储氢相及其界面的种类，论述了其微观组织/界面特征的调控策略和方法。重点探讨了储氢相组成、微观结构及其表/界面结构调控效果对提升储氢热力学与动力学性能的影响规律与作用机制，展望了通过调控储氢相及其界面来设计镁基储氢材料的前景和发展方向。

本文简要回顾了国内外镁合金抗高温氧化机理的研究进展，归纳总结了纯Mg的高温氧化机理和镁合金高温氧化热力学与动力学及抗氧化机理，并探讨了先进表征技术在镁合金高温氧化研究中的潜在应用前景，最后展望了耐高温氧化镁合金的发展方向。主要观点如下：镁合金主要是通过形成具有一定厚度、连续且致密的氧化膜来抑制Mg蒸气向外扩散和O的内渗透；镁合金的高温氧化通常与第二相的热稳定性有密切关系；当微量合金元素不足以在表面生成相应氧化物时，可通过形成置换固溶体和反应性元素效应来提高保护作用；具有表面活性的元素会在合金表面富集并减小氧化物尺寸，从而增强氧化层；合金元素的选择性氧化与协同作用对镁合金的抗氧化性能至关重要；在镁合金中加入纳米或微型颗粒可通过减少特定的氧化区域来提高镁合金的高温抗氧化性。未来关于耐高温氧化镁合金的研究可基于以下方面继续深入：应用先进表征技术精准揭示镁合金抗氧化的机理和本质；建立合金元素与氧化膜晶粒尺寸和力学性能的内在关联；设计合理的多合金元素成分体系。

研究了高Cr / Al比和中Ta含量的DZ445镍基高温合金在900℃下300~2600 h的氧化行为。结果表明，900℃氧化≥ 500 h，氧化膜呈现多层结构，最外层氧化物相为NiCr₂O₄、Cr₂O₃和TiO₂，次外层为CrTaO₄和TiO₂，次内层为Al₂O₃、NiCr₂O₄和NiO，最内层主要是Al₂O₃。次外层和次内层的出现使得合金氧化速率降低，表现为动力学方程的指数大幅度增加和氧化速率常数急剧下降。这2层的出现也使得合金氧化机理发生转变，次外层形成后氧化过程由合金元素Cr、Ti、Ni向外扩散转变为由Al的向外扩散和O的向内扩散所控制；次内层形成后，氧化过程转变为Ni、Cr的向外扩散和O的向内扩散所控制。这种多层氧化膜结构使得DZ445合金表现出优异的抗氧化能力。

利用EPMA、EBSD、XRD、TEM和热压缩测试，研究了Y元素对无取向6.5%Si钢铸态组织、有序相、中温变形和软化机制的影响。结果表明，当Y含量为0.017%和0.15%时，钢液中形成高熔点Y₂O₃ + Y₂O₂S/Y₂O₂S-YP复合稀土化合物，促进异质形核。凝固末期，枝晶间形成Y₂Fe₁₄Si₃化合物，凝固组织得到明显细化。铸锭的基体有序度与Y含量呈反比关系。500℃压缩实验结果表明，不同Y含量铸锭的塑性变形均由位错滑移机制主导。含Y试样峰值应力对应的临界应变降低，加工软化提前，加工硬化率下降，动态软化作用增强。热压缩试样的位错密度正比于Y含量，低基体有序度和高形变诱导无序作用是含Y试样动态软化作用增强的主要原因。

通过分析不同奥氏体化温度下热轧板制备的淬火-配分(Q&P)钢的显微组织和力学性能，探讨了奥氏体化温度对其显微组织与力学性能的影响。结果表明，热轧板制备Q&P Si-Mn钢中的铁素体呈带状和块状2种形貌，铁素体形貌会影响相邻区域残余奥氏体形貌，其中带状铁素体相邻区域残余奥氏体以薄带状为主，块状铁素体相邻区域残余奥氏体以块状为主。随着奥氏体化温度的升高，铁素体和残余奥氏体体积分数下降，对应的Q&P Si-Mn钢屈服强度、抗拉强度逐渐升高，延伸率及强塑积均逐渐下降。在810℃奥氏体化后，热轧板制备的Q&P Si-Mn钢强塑积达到28.36 GPa·%，相较于工业生产采用冷轧板制备的980 MPa级Q&P Si-Mn钢，强塑积提高了约36%。热轧板制备Q&P Si-Mn钢具有更高的强塑积与其组织中不同形貌铁素体能调控相邻区域残余奥氏体形貌及稳定性相关。

利用SEM和TEM对比研究了无涂层和Pt-Al涂层试样在760和980℃的拉伸性能。研究结果表明：在2个温度下，Pt-Al涂层试样的屈服强度均低于无涂层试样。由于Pt-Al涂层存在韧脆转变温度(ductile to brittle transition temperature，DBTT)，因此在不同温度下涂层表现出不同的变形机制和裂纹萌生方式。在高温下由于β向γ′转变有利于位错产生滑移，从而导致Pt-Al涂层的塑性变形。Pt-Al涂层在DBTT以上拉伸强度的提高是由于Pt在β-NiAl相中起到固溶强化效应。

为提高变形抗力预测精度，以兴澄特钢中厚板轧机实际生产数据为基础，针对性提出2种利用机器学习对变形抗力进行预测的方法：一种是极限学习机(ELM)与传统数学模型结合的多钢种变形抗力模型及建模方法，另一种是基于TensorFlow深度学习框架的变形抗力模型及建模方法。方法一参考周纪华-管克智变形抗力模型，改进原变形抗力模型结构形式，计算出低合金钢、合金钢及高合金钢代表钢种的基准变形抗力；通过非线性回归计算出与钢种无关的变形参数影响系数，引进ELM神经网络算法，采用灰色关联分析及交叉验证优选神经网络参数，通过线性插值对预测结果进行平滑处理，减小ELM预测残差，最后与传统数学模型相结合得到变形抗力。方法二基于深度学习技术，结合机理，构建2种不同结构的深度神经网络，采用小批量(mini-batch)和均方根传播(RMSprop)优化算法寻优，结合批标准化(BN)和早停(early stopping)正则化策略提高模型泛化能力与稳定性，最后综合工艺特性，分别对粗轧机(RM)、精轧机(FM)建立变形抗力预测模型，提高模型精度。研究结果表明，利用深度学习预测变形抗力具有较高的预测精度，经离线分析，平均绝对百分误差(MAPE)由原模型的9.27%降至平均2.59%；在线应用后，轧制力预测精度相对误差10%以内比例由72.31%提高到平均90.24%，提高了现场生产的工艺水平。