系统梳理了深度学习应用于工业故障诊断领域的各类研究成果，以填补现有综述未完整梳理方法演进路线、关键技术方向和实际应用方面各类问题的空白。梳理过程中可观察到，深度学习在该领域的发展已经逐渐从搭建基础网络架构延伸到开发混合架构，当前研究方向集中在注意力机制、迁移学习、生成对抗网络等技术方向的创新开发。实际落地过程中，工业场景对模型提出了多重要求，包括数据获取难度大、模型逻辑难解释、运算速度需匹配工业生产节奏等。本文进一步展望了自动化机器学习、多模态融合、物理信息融合等未来方向，可方便后续研究者进行相关工作，促进智能诊断技术融入自主运维模式。

为了研究负压表面对真车的实际减阻效果，基于DrivAer车模型，利用RANS仿真对比研究了负压造型和光滑造型两种模型的气动阻力特性和流场特性，并基于对回流区三维结构和回流涡旋的分析揭示了负压造型气动减阻的内在机理。结果表明，负压造型无法在全雷诺数区间实现减阻效应：在低雷诺数时，负压造型实现2.1%以上的减阻；但在高雷诺数时，负压造型弱化车尾回流涡旋的效果已经无法抵消由其自身引起的气动阻力，进而引起整车阻力系数的提高。

针对旋转机械故障诊断中的少样本问题，提出了基于一种扩散模型的行星齿轮箱故障诊断方法，通过将故障样本的时频图作为故障特征表示来进行故障分类。该方法首先使用连续小波变换将齿轮箱一维振动信号转换为时频图作为训练样本；其次，对扩散模型进行了优化改进，使其充分学习训练样本故障特征，以生成高质量故障样本；最后，构建了一种基于密集卷积网络的分类器，结合注意力机制增强分类性能，使用包含多种故障类型的测试集对分类器进行性能测试。结果表明：本文方法诊断准确率与充足样本条件下接近，准确率达到99%以上，并与现有方法进行了实验对比。另外，对小波变换方法及分类器的优化设置消融实验验证了其有效性。

针对四旋翼吊运系统在运输任务中因负载摆动导致轨迹跟踪性能下降的问题，提出了一种基于非线性扩张状态观测器的非奇异快速滑模抗摆控制方案。通过Lagrange-Euler方程建立四旋翼吊运系统的动力学模型，并将系统分解为位置控制、姿态控制和摆角抑制3个子系统。针对各子系统分别设计非奇异快速滑模控制器，结合NESO对模型不确定性、外部扰动及传感器噪声进行实时估计与补偿。仿真结果表明：相较于无摆角抑制的控制方案，本文方法使负载摆角最大幅度减少约30%，摆动持续时间和负载振荡次数都大大降低，同时位置与姿态子系统的轨迹跟踪精度显著提升。该方案通过动态解耦与协同控制设计兼顾了系统鲁棒性与计算效率，为四旋翼吊运系统的工程应用提供了有效解决方案。

针对单通道的振动信号在全面表征齿轮箱故障特征方面存在局限性的问题，提出了一种将多通道的振动信号变换为时频图后经过加权融合成RGB图像，再输入到诊断模型中的数据级融合方法MFTDCN。该方法能有效整合多个通道的信息，获得比单个振动信号更丰富的特征。首先，对多通道振动信号进行主成分分析（PCA）处理，降维成三个分量，用短时傅里叶变换（STFT）将3个分量变换为3个时频图像；然后，用Hoyer稀疏度对余弦相似度进行改进，将其应用于基于稀疏性和相似度的权重计算，利用得到的权重对三个时频图像进行加权处理，从而融合成RGB图像，作为诊断模型的输入。诊断模型部分为可变形卷积（DCN）与Transformer相结合，提取特征后进行分类。在东南大学的齿轮箱数据集和北京工业大学与北京交通大学联合发布的数据集上进行了相关实验验证，结果证实了该方法的有效性和可靠性。

使用感应熔覆技术首次成功制备了Mo₂C/CoCrFeNiMn高熵合金复合涂层。研究了Mo₂C颗粒对复合涂层的相组成、微观组织、显微硬度、常温和高温磨损性能的影响。结果表明：复合涂层中除了FCC相外，还存在Mo₂C相及析出碳化物相；Mo₂C颗粒的加入起到了晶粒细化、第二相强化和固溶强化的效果，同时还促进了小角度晶界和几何必要位错的形成，提高了涂层的显微硬度；常温下磨损表面形成的机械混合层和600 ℃高温下磨损表面形成的氧化釉质层起到了物理屏障的作用，增强了涂层的耐磨性。

考虑到未来会出现大量网联自动驾驶车辆（CAV）和人工驾驶车辆（HV）混行的情况，提出了一种考虑驾驶员驾驶风格的集聚换道模型，使CAV实现局部聚集，促进交通流同质化，从而提升交通运行效率。研究驾驶风格在集聚中的影响，定量分析激进、保守以及自动驾驶车辆行驶风格对目标队列集聚（CDA）换道策略、常规集聚（CVA）换道策略、无集聚（NOA）换道策略3种集聚换道模型的影响。基于NGSIM数据库，利用主成分分析法和K-means分析法对车辆驾驶风格进行分类，最后利用Matlab进行仿真模拟，分析3种换道模型下的道路通行能力。研究结果表明，集聚换道模型的应用和激进型驾驶员渗透率的增加有效提高了道路通行能力，所研究的两条道路通行能力最大提升了7%以上，提高保守型驾驶员占比能够提高道路交通流稳定性和安全水平，提高CAV渗透率能够在提高道路通行能力的同时显著提高道路交通流稳定性和安全性。

从畸变基本理论出发，推导得到不同横隔板间距条件下钢箱梁横隔板最小刚度的计算理论及公式。在此基础上根据能量守恒原理，明确了横隔板最小刚度公式的适用范围。采用有限元分析方法，研究了常规钢箱梁截面横隔板间距不同对畸变效应的影响，在此基础上分析并解决了钢桥规范公式在计算较小间距横隔板却需要超厚横隔板的问题，为常规钢箱梁合理设置横隔板提供明确的理论指导。以在建“世界第一跨径钢混组合梁桥”为背景桥梁，设计大比例缩尺试验研究扭转工况下横隔板刚度变化对钢箱梁变形的影响。采用了3D扫描技术和三维有限元方法对试验结果进行分析，研究表明横隔板刚度在提供基本约束的情况下，横隔板刚度变化对箱梁畸变效应的影响十分有限。

为预测不同龄期、不同玄武岩纤维掺量下砒砂岩水泥土的无侧限抗压强度，制备了掺有不同质量分数（0%~0.6%）玄武岩纤维的玄武岩纤维砒砂岩水泥土，并进行了无侧限抗压强度试验和核磁共振试验。研究表明，纤维掺量0.15%~0.3%可显著提高无侧限抗压强度，最优掺量为0.15%，且无侧限抗压强度与割线模量呈线性关系。随养护龄期增加，无侧限抗压强度增加，孔隙率降低；随纤维掺量增加，无侧限抗压强度先增后降，孔隙率先降后升。灰色关联分析表明，束缚流体饱和度和小孔占比与无侧限抗压强度相关性较高。基于此，建立了GM（1，N）灰色模型预测无侧限抗压强度，估算值平均相对误差小于9.27%。研究结果可为砒砂岩在路基工程中的应用提供参考。

模数式伸缩缝的磨损本质上是其内部多构件在荷载作用下持续联动响应的累积结果，风荷载与车流构成其运动的主要外部动因。为实现磨损的精准分析，本文构建了融合动因荷载演化过程的“荷载-桥梁-伸缩缝”耦合分析系统。首先，针对桥梁-伸缩缝结构所处的风环境和车流演化两个运营场景，分别进行独立程序仿真；并从伸缩缝响应分析的需求出发，提出了主要方向车辆风荷载取值方法和统一简化的气动干扰处理方法，形成了结构的风场与车流演化场景及其荷载化关联模式。其次，采用多点约束联结同尺度的桥梁和伸缩缝模型，通过程序循环调用方式，将运营场景及其荷载化过程与桥梁-伸缩缝同尺度模型的响应分析环节相贯通，建立了风-车-桥梁-伸缩缝一体化分析系统，为伸缩缝磨损分析提供了计算平台。最后，选取斜拉桥-模数式伸缩缝结构，基于磨损指标，开展了风和演化车流共同作用下的伸缩缝磨损参数分析。结果表明：位移箱内滑动支承与压紧支承的设计参数可统一配置，而剪切弹簧及上、下层梁间的滑动支承和压紧支承则需差异化设计；位移箱内磨损在迎风面随风速增大而增大，在背风侧则呈减小趋势，剪切弹簧及上、下层梁间支承的磨损随风速增大而减小；双向车流密度之和对磨损起控制性作用，密度和越大磨损越严重，且车流分布越均匀磨损越大；与风速变化相比，车流对伸缩缝磨损的影响更为显著。

为了开展工程地质聚合物复合材料（EGC）加固增强既有混凝土构件的应用研究，以混凝土为基体、以EGC为覆盖层，设定二者粘结界面为凿削与刻槽两种形式、且每种形式设定了不同参数水平，完成了EGC与混凝土粘结界面的直剪性能试验研究。根据试验数据可以看出：随着界面粗糙度的增加，界面抗剪强度也在增加，虽然在受剪极限状态下，粘结界面均因抗剪强度较低而发生EGC受剪破坏，但不同界面呈现出不同破坏形式。此外，研究结果显示：试件的荷载-位移曲线有一定相似，均存在上升曲线和下降曲线，界面粗糙度较高的试件达到极限荷载后，下降曲线更为平缓。基于试验结果，利用非线性拟合的方法建立了EGC与既有NC界面抗剪强度计算公式，与试验结果吻合良好。依据试验剪切荷载-位移曲线和纤维增强混凝土抗剪韧性评价方法对NC-EGC粘结试件开展了剪切韧性评价，结果显示：其峰值荷载前韧性可达C60混凝土对照组的139%、234%，表现出EGC具有良好的增韧能力。

针对驾驶盲区场景下存在驾驶安全隐患的问题，提出了基于碰撞风险场模型的车辆协同避障规划算法。考虑车-车通信持续性的影响，构建了通信持续性风险场模型，将构建的风险场纳入到路径动态规划算法中，设计了基于通信持续性影响因子的自适应避障安全代价函数。仿真实验结果表明：所提出的基于风险模型的避障规划算法能够准确反映驾驶盲区下的动态风险，提高无人驾驶车辆在极端情况下的安全性。

为探究高速公路隧道群路段驾驶舒适度的变化规律，通过实车试验采集了隧道群路段的长度范围、各区域亮度值和驾驶人的实时心率。分析了不同纵向间距、环境亮度差与心率增长率的关系，并基于隧道群纵向间距对下游隧道路段心率增长率的影响机理，提出了隧道群心理效应的概念。利用心率增长率表征驾驶舒适度，构建了环境亮度差与纵向间距耦合作用下的驾驶舒适度模型，探究了隧道群心理效应的产生机理。研究发现，随着纵向间距的增加，驾驶人心率增长率呈先增长再下降的趋势，且较长的纵向间距会加剧下游隧道的驾驶负荷、降低舒适度；驾驶人心率增长率随着环境亮度差的增大而增加。隧道群的纵向间距与亮度差的耦合作用显著影响驾驶舒适度，环境亮度差越大，相应的发生隧道群心理效应的纵向间距范围越大。

为解决工业固废电石渣制备碱激发矿渣胶凝材料时出现的强度低等问题，采用单纯形重心设计法探究硅酸钠/偏铝酸钠协同电石渣激发矿渣时流动度、凝结时间和抗压强度的变化规律，分析其增强机理。结果表明，优化后的激发剂最佳配比是硅酸钠含量为39%~59%，偏铝酸钠含量为5%~25%，电石渣含量大于26%且不超过47%。硅酸钠和偏铝酸钠均能增强体系碱度，加速硅铝质组分溶解，促进C-（A）-S-H等水化产物的生成。偏铝酸钠水解时的双重效应会加速铝氧四面体聚合，提高基体的早期强度；硅酸钠为体系提供了充足的硅氧四面体，保证了后期强度的持续发展；电石渣中的Ca²⁺与溶液中的CO₃^2-和［Al（OH）₄］^-结合形成了碳酸钙和水化碳铝酸钙，使结构更加密实。硅酸钠/偏铝酸钠协同电石渣激发矿渣时体系活性较高，力学强度和工作性能较好，微观结构也趋于凝胶化和致密化。

结合铁路自复位桥墩对抗侧刚度要求严格而需采用墩底加台构造的特点，开展了加台布设无粘结耗能钢筋、墩身内设无粘结预应力钢筋，具备有序牺牲机制的铁路自复位桥墩力学行为研究。通过讨论无粘结耗能钢筋在加台的配置形式对抗震性能的影响，提出了一种提升自复位桥墩抗震性能的耗能钢筋混合配置形式，开展了往复荷载作用下自复位桥墩的力学行为分析；研究了自复位桥墩的滞回特征影响因素与关键抗震性能指标之间的关系。结果表明：高强钢筋单排配置时，因钢筋断裂造成的承载力突降会使桥墩失效；依据不同等级耗能钢筋极限应变差异性，将低等级钢筋（HRB400）与高强钢筋（HTRB630）错排混合布置，可以实现不同等级耗能钢筋的有序牺牲及加台受压区域的不断调控，提升桥墩的变形能力和承载能力。预应力钢筋的配筋率会影响自复位桥墩的屈后刚度和抗侧强度，初始预应力值、配筋比、竖向轴力影响抗侧强度，耗能钢筋的距离比影响桥墩失效位移。自复位桥墩的三项主要抗震性能指标具有显著的正相关性，即承载能力减小、耗能能力及残余位移也随之减小；而最大位移与残余位移并未呈现出正相关性。

为缓解城市交通运输压力，进一步提高运输效率，本文根据复杂交通网络节点理论设计评价指标，结合层次分析法的多目标决策方法（AHP-RatioMOORA）对地铁站点重要性进行排序并计算出权重，并根据重要性对地铁物流配送枢纽进行选址。同时，为解决传统优化算法在复杂约束条件下存在收敛困难、全局搜索能力差的问题，通过对A^*算法进行结构化的改进，建立一种模块化的寻优算法，对地铁货车快递联运任务进行分析建模，并结合多种约束的改进目标函数对该任务进行实例分析。案例分析结果表明，本文所提出的方法相较于其他多种优化算法在地铁货车快递联运任务中有着显著提升，优化后最短物流运输距离平均缩小13.21%，物流订单完成时间平均缩短11.73%，算法运行时间平均缩短24.79%。

公路路基路面不均匀变形检测时，RPN的锚框尺寸固定且依赖取整操作，导致候选框与真实变形区域对齐不精确，尤其对多尺度变形适应性差。因此，提出了一种基于Faster R-CNN算法的公路路基路面不均匀变形检测方法。构建基于Faster R-CNN算法的变形检测网络结构，通过在特征提取网络模块中引入SE注意力机制，自适应调整特征通道权重，从而更准确地捕捉不均匀变形的细微特征，生成公路路基路面不均匀变形特征图；区域建议网络模块基于公路路基路面不均匀变形特征图，通过引入多尺度算法，生成固定尺寸且更精确的公路路基路面不均匀变形侯选区域特征图；目标检测网络模块通过ROI Pooling技术对公路路基路面不均匀变形侯选区域特征图中的每一个侯选区域框进行逐一处理，并通过全连接层进行分类处理，以区分不同变形类型，从而实现公路路基路面不均匀变形检测。实验结果显示：该方法展现出卓越的特征表示能力，能敏锐捕捉公路路基路面不均匀变形的细微特征，并精准强化不均匀变形特征的关键信息，在公路路基路面不均匀变形检测任务中展现出极高的精准度，所输出的各类型变形数量与真实数量基本吻合，说明其检测效果较好，可靠性更强。

通过分析高速公路的经营支出和货车驾驶员的出行选择意愿，推导不同路径的车流量，并构建了收费情况下的不同路段的行程费用函数。该模型为双层优化模型，上层规划以实现网络用户盈余最大为目标，并将道路经营企业的财务指标作为约束条件；下层规划选用弹性需求下的用户均衡模型描述道路使用者的出行选择行为。通过遗传模拟退火算法对模型进行求解。最后，通过具体案例验证优化方案可以使高速公路的货车流量提升约20.67%，收费收入提升5.88%，货车通行费减免13.56 万元/d，表明本文货车差异化优化收费方案在实际中具有较好的应用效果。

针对现有步态识别技术存在的视角适应性差、模型训练稳定性不足的问题，提出了一种融合风格编码的双通道时空卷积生成对抗网络模型。该模型通过双通道时空卷积网络分别提取步态图像中的复杂时空特征与步态特征，并引入风格编码器来减少生成图像与原图之间的语义差异，从而提升生成器的稳定性。基于CASIA-B数据集的实验结果表明，本文模型相比GaitGAN在54°、90°和126°这3个具有代表性的步态视角下，识别率分别提高了23%、28%和22%。此外，该方法在OU-MVLP大规模跨视角步态数据库中仍展现出较好的适用性，达到了89.1%的平均识别精度，有效提高了跨视角步态识别率。

针对云服务中容器弹性扩缩容过程中，在满足服务质量要求的前提下实现整体资源利用率提升与成本降低的问题，提出了一种双向长短期记忆网络、极值理论与动态利用率算法相结合的自适应容器弹性扩缩容优化方法DEBI-HPA，该方法能根据负载变化动态地调整Pod数量，有效地估计负载超高位，并自适应地调整目标利用率，以提高服务质量和资源利用率，降低资源成本。在负载不高时采用预测式扩缩容来应对未来可能持续增长的负载，而在负载已经处于超高位的情况下，采用响应式的扩缩容，能在低负载情况下保证足够Pod数以供缓冲，在高负载情况下大幅度提高资源利用率。本文与原生的Kubernetes横向扩缩容策略进行了对比，实验结果表明：在不同负载情况下此算法可使资源利用率最高提升约30%，节约资源成本最高约47%，与已有通过预测模型进行扩缩容的研究方法（ARIMA-HPA、LSTM-HPA策略）相比，该算法能将资源利用率提升约18%，资源使用成本降低约37%。本文方法仅使用常见的预测模型也能达到比较好的扩缩容效果，降低了对预测模型效果的依赖性，为云环境下的容器扩缩容提供了新的解决方案。

针对已有伪装目标检测（COD）方法存在的边缘特征信息匮乏、多层次特征融合不充分等问题，提出了一种新颖的基于混合尺度感知与边缘特征交互的伪装目标检测网络（MSPEFI-Net）。MSPEFI-Net由混合尺度感知模块（MSP）、边缘特征交互模块（EFI）和全局特征聚合模块（GFA）组成。其中，MSP使用不同大小的卷积核提取不同尺度的特征，并进行跨尺度特征融合实现混合尺度感知，使模型能够有效扩大感受野，充分挖掘目标局部细节特征，以确保特征信息的完整性；EFI可以将高层语义信息与部分低层细节信息进行交互集成，以挖掘和补充边缘语义信息；GFA通过对上下文局部信息与边缘信息的跨层级特征聚合，以便有效地集成伪装目标及其边缘的特征信息，生成完整的预测图。实验结果表明，MSPEFI-Net在公开数据集CAMO、CHAMELEON、COD10K和NC4K上的S_{\alpha }、F_{\beta }^w、F_{\beta }、E_{\phi }、\mathrm{M}\mathrm{A}\mathrm{E}等指标整体优于其他12种对比模型，具有更好的检测性能，消融实验也验证了各模块对模型性能提升的有效性。

为解决车联网边缘计算中处理离散-连续混合决策问题时边缘计算系统计算性能不高的问题，基于深度强化学习提出了一种分布式的二阶决策车联网边缘计算任务动态卸载方法。通过将任务处理过程分为卸载决策和资源分配两个子问题，基于D3DQN网络和TD3网络设计了可同时处理离散和连续动作域的算法框架；同时，设计了动作空间搜索优化和动态优先级更新机制，以进一步提升对动作空间的有效搜索，提高算法性能；最终，在以上算法框架和优化机制的基础上，设计实现了二阶决策车联网边缘计算任务动态卸载算法。该算法可有效解决车联网边缘计算场景中的离散-连续混合决策问题，实现边缘计算系统资源的有效利用，保证车辆能根据当前网络状态和任务大小，以最小的时延和能耗完成计算任务卸载。仿真结果表明，与基准卸载方法相比，本文方法具有更快的收敛性和更低的时延能耗，可以较好地利用边缘系统计算资源为车载边缘任务请求提供计算服务，进一步提升用户服务质量。

基于一组二维图像对三维场景进行重建的过程中，现有算法难以建模不同时间图片间的关联关系，导致产生较差的大型环境渲染结果，针对该问题，提出一种用于实时真实场景重建的神经面元融合溅射算法。该算法从流式输入数据中逐步构建和更新场景模型，包括基于2D高斯基元的神经面元表示和基于门控循环单元（GRU）的融合机制。首先，通过将高斯面元溅射集成到渲染管道中并采用显式光线溅射交点，实现了透视校正渲染，从而增强了跨多个视点的深度一致性和几何保真度；然后，为了进一步提高重建表面的质量，该方法结合了深度拉取和法线一致性正则化，从而促进了更平滑的表面重建并有助于提取高质量的网格；最后，在DeepBlending和Tanks&Temples两个大型室内/室外场景重建数据集对算法性能进行测试。实验结果表明：该算法在定量和定性评估方面均优于现有算法。

智能机器人巡检过程中的动态障碍物使巡检路径呈现非连续可访问性条件，导致路径可行域突变，难以获取重构路径的可行解，降低了巡检路径规划的转弯平滑度。为此，提出智能机器人自适应巡检路径栅格地图邻域搜索算法。采用栅格地图法对巡检环境建模，通过边界条件处理机制定义路径可行域。引入转弯代价函数改进A^*算法，以栅格地图可行域为巡检环境模型，生成初步转弯平滑巡检路径。针对动态环境下路径突变导致的失效问题，提出基于自适应大规模邻域搜索的巡检路径可行域动态重构方法，利用破坏算子移除部分巡检任务生成不完整路径，引入修复算子重新整合巡检任务，结合变邻域下降搜索策略深入探索解空间，通过自适应邻域算子评分与选择机制实现初步全局巡检路径的局部优化。实验结果表明：该算法可成功避开栅格地图中的动、静态障碍物，实现智能机器人巡检路径规划，巡检路径长度相对较短，路径优化度、转弯平滑度系数、全局搜索能力以及环境适应性评分分别为95.24%、0.917、0.764、91.45。

针对移动机器人集群作业时，因存在路径冲突导致机器人易出现碰撞，研究了融合图神经网络的移动机器人集群轨迹规划算法。构建了移动机器人运动学模型，描述了机器人运动特性；运用基于融合图神经网络的移动机器人集群运行环境特征提取模型，提取移动机器人集群运行环境多维度特征，全面了解环境信息；结合人工势场法，依据所提取特征，将目的地设成引力源，吸引机器人的运动方向为目的地方向；将障碍物设为斥力源，控制机器人避开障碍物，每个机器人受合力决定运动方向与速度，规划移动机器人集群运行时防碰撞轨迹。实验显示：所提算法可有效提取移动机器人集群运行环境多维特征，为多个移动机器人规划无碰撞、风险指数低于0.1的运行轨迹。

流式多层网络由多个动态交互的网络层（如物理层、协议层、应用层）构成，其数据存在时序跨层耦合性，而采用非滑动窗口方法会无法捕捉多层网络间数据的动态时空耦合效应，导致据挖掘中的DBI数值较高。为此，提出动态时间窗口约束下流式多层网络异常数据深度挖掘算法。利用滑动窗口将流式多层网络数据流划分成多个时间窗口，在各时间窗口内，结合局部异常因子（LOF）挖掘疑似异常数据；针对多层网络数据异常模式的跨层耦合特性，引入马尔科夫链模型，构建时间维度的状态转移概率矩阵和空间维度的交叉状态转移概率矩阵，有效捕捉异常数据的动态时空耦合效应特征，将该特征输入至C-LSTM混合模型，实现异常数据深度挖掘。实验结果显示：该算法可以利用动态时间窗口挖掘疑似异常数据，异常数据深度挖掘结果可匹配实际标签结果；在多种异常类型数据挖掘中的DBI数值低于0.2，能更精准地实现多种类别异常数据与正常数据的区分。

为深入探究壁面润湿性对附壁油膜铺展行为及蒸发过程的作用机理，进而改善压燃式发动机燃油喷雾湿壁问题，使用表面润湿性改性技术制备了具有不同润湿性的实验表面，利用激光诱导荧光技术拍摄了正丁醇燃料液滴撞击壁面后液膜的铺展行为及蒸发过程。研究结果显示，经激光刻蚀处理的壁面亲油性大幅提升，使得附壁液膜铺展面积增大，铺展厚度减小；而经低表面能修饰的化学刻蚀壁面疏油特性显著增强，削弱了液滴铺展能力，从而缩小了铺展面积，增加了铺展厚度。此外，在相同实验条件下，激光刻蚀壁面的液膜蒸发速率最快，而光滑壁面和低表面能修饰的化学刻蚀壁面的液膜蒸发时间依次递增。本文研究结果可为内燃机燃烧室材料表面优化设计提供关键数据支持。