以CAVs为领航车的混合编队有助于实现更顺畅和安全的道路交通，但当前研究较少关注于具有多车道分布特征的混合编队形成问题。对此，本文提出了一种面向混合编队领航CAVs的博弈换道决策模型。该模型建立数学优化与博弈论相结合的换道决策机制，建立以最小化CAVs换道次数为目标的领航CAVs目标车道初始化流程，并依据CAVs博弈换道收益，更新领航CAVs目标车道，实现混合编队多车道分布。同时，基于博弈论建立CAVs与HDVs非合作博弈矩阵，综合考虑换道效率和安全性，分别设计时间和安全收益函数，量化CAVs换道风险，并使用交通软件SUMO建立微观仿真。实验结果表明，与基准模型相比，本文提出的博弈换道策略在不同混合交通量下混合编队完成率维持在97%以上，每组领航CAVs换道时间平均缩短约40%，每组领航CAV换道次数保持较低水平。

现有高级辅助驾驶系统(Advanced Driver Assistance Systems, ADAS)功能不断增多且系统复杂性不断提高，不可避免带来了预期功能安全(Safety of the Intended Functionality, SOTIF)问题。触发条件的识别与生成是预期功能安全活动中重要的一环，然而现有对触发条件识别仅借助系统过程理论分析方法(System Theoretic Process Analysis, STPA)进行分析，未充分考虑系统功能状态转换中存在的问题。本文以知识驱动的方式构建触发条件识别机制，将STPA及有限状态机(Finite State Machine, FSM)理论融合构建拓展型系统控制结构，针对拓展型控制架构及功能状态转换进行安全分析，根据系统存在的功能局限及人为误用，完成触发条件的识别、生成、规范化描述、分类及标签化。最后将本文提出的触发条件生成机制应用于集成式巡航辅助系统(Integrated Cruise Assistance, ICA)，得到了该系统的触发条件及其分类，并将本文所提出的生成机制与现有相关触发条件生成方法进行对比分析，证明了本机制的实用性、可行性及有效性。

深度学习技术在压缩感知重构中的应用显著提高了重构的速度和精度。然而现有的深度压缩感知算法通常采用相同的采样率来处理不同的块，忽视了不同图像块具有不同重构难度的事实。本文提出了一种自适应采样与记忆增强的压缩感知算法。首先，本文基于测量域的重构误差估计不同块的重构难度，然后设计规则来自适应分配采样率，采样矩阵则通过掩码实现在特定采样率下的图像块采样。进一步地，在重构网络中增加双支路融合模块来增强上下文记忆的交互，通过调整不同记忆支路的通道权重，提高了网络的重构能力。实验结果表明：与其他方法相比，所提出的算法在几个常用数据集上的平均结构相似性(Structural Similarity, SSIM) 提高了0.0269，平均峰值信噪比(Peak Signal-to-Noise Ratio, PSNR) 提高了1.66 dB。

针对无人机航拍视角下图像目标特征尺寸小且存在背景复杂、分布密集的问题，提出了一种基于YOLOv5的轻量化无人机航拍小目标检测改进算法GA-YOLO。该算法改进了Mosaic数据增强方法和网络整体结构，并增加了微小物体检测头，同时设计了轻量化的全局注意力模块和并行结构的空间通道注意力机制模块，提高了网络的全局特征提取能力和训练过程中卷积通道之间的竞争和合作关系。以4.0版本的YOLOv5s为基准，在公开无人机航拍数据集VisDrone2019-DET上实验，结果表明，改进后的模型相较于原模型，参数量下降了48%，计算量下降了26%，而mAP@0.5提高了4.9个百分点，mAP@0.5:0.95提高了3.3个百分点，有效地提高了无人机空中视角下对密集型小目标的检测能力。

本文系统综述了磁驱动胶囊机器人的设计、控制机制和多样化应用，旨在通过系统文献检索和分析，为从事胶囊机器人开发和利用的研究人员、工程师和从业者提供有价值的见解。本文从尺寸形状、材料和运动机制方面总结了磁驱动胶囊机器人的设计原则，分析了精确控制方法和定位导航策略，探讨了磁驱动胶囊机器人在胃肠道疾病检查、靶向药物输送和微创手术方面的多样化应用。根据系统综述的范围和目标，概括了该领域存在的技术挑战和潜在的研究方向。通过对定位精度、控制策略、材料性能等问题的不断研究和创新，磁驱动胶囊机器人系统将为医学治疗和生物学研究领域带来重大突破和进步。

合成了树枝状介孔二氧化硅纳米颗粒(Dendritic Mesoporous Silica Nanoparticles, DMSNs) ，随后通过化学还原法在其孔道中装载纳米银(Ag) ，最终得到Ag@DMSNs复合物。由于纳米银被固定在DMSNs孔道中，因此不易发生团聚，且纳米银的等离激元耦合效应使Ag@DMSNs在太阳辐射范围内具有强的广谱吸收。更重要的是，等离激元弛豫过程中的热效应可以将太阳能高效转化成热，例如，Ag@DMSNs在一个模拟太阳光照射下5 min内(1 kW·m ^-2, 420~2500 nm) 即可使其表面温度从26 ℃升温至70 ℃。将Ag@DMSNs负载于多孔的聚氨酯泡沫材料上，其在一个太阳辐照下的水蒸发速率可达到1.10 kg·m ^-2·h ^-1，且在模拟海水中也能保持较好的稳定性能。此外，在Ag@DMSNs复合物中纳米银等离激元的弛豫过程中产生的热电子可以有效去除水中污染物，如降解亚甲基蓝。这些结果表明，合理构筑等离激元耦合模式，并利用等离激元弛豫过程中的热效应和热电子效应是实现太阳能驱动的清洁水生产的有效途径，这将为解决日益严峻的淡水稀缺问题提供新思路和新材料。

吸附/吸收式空气取水技术操作简易、取水能耗低，是缓解淡水资源短缺的有效措施。本文对吸附/吸收式空气取水技术近年来的研究进展进行了系统综述，介绍了吸附/吸收式空气取水技术的基本原理和主要材料类别，总结了吸附/吸收设备的材料放置结构、设备运行方式和应用场景。吸附/吸收材料包括传统的多孔结构材料、吸湿盐和新型有机空气取水材料。目前，各类研究已在提高材料的吸附性能、拓宽材料应用范围以及减少吸水-释水所需能耗方面取得重大进展。然而，吸附/吸收材料仍存在机械性能较差和无法型材化等问题，亟待后续更加深入的研究。吸附/吸收设备中的材料可通过平铺放置、中心轴放置、褶皱放置等多种结构形式进行空气取水应用，设备可采用一天一循环或一天多循环的模式运行。除了直接收集液态水以外，吸附/吸收式空气取水设备还可用于培育生态农场，为缓解地区淡水资源匮乏和食物短缺等问题提供了思路。

基于微生物诱导碳酸钙沉淀(Microbially Induced Calcium carbonate Precipitation，MICP) 技术的土体胶结固化技术是21世纪以来岩土工程、地质工程领域研究的热点之一。本文系统阐述了MICP技术的加固机理，从MICP加固效果和应用实践的角度出发，对MICP技术工程应用的研究现状进行评述。结果表明：MICP固化后的场地强度呈现出不均匀性明显、碳酸钙含量分布随深度递减的趋势；沙漠环境中，原位提取的菌种诱导生成的碳酸钙覆膜较传统的巴氏芽孢杆菌，具有更好的强度表现和稳定性；新型MICP技术应用(如微生物水泥、微生物砖) 在强度、耐久性上表现出良好的应用前景，有望为实现我国双碳目标注入新的活力。基于MICP技术碳酸钙沉淀特质的影响因素，现场尺度下如何提高碳酸钙分布的均匀性以及在季节性变化下的碳酸钙骨架的耐久性、不同环境下的固化效率改进方案应该成为日后研究的重中之重。

标准卷积的单图像超分辨率重建性能受限于堆叠网络层的冗余性，算法难以实施，特征提取层单一的残差结构也无法高效地利用卷积得到的特征信息。为改善上述问题，本文改进残差蒸馏结构，提出残差蒸馏复用模块，以减少残差蒸馏过程中图像高频信息的损失；此外，将基础残差块替换为蓝图可分离卷积，解耦特征图的空间相关性，以降低高相关性特征的权重，提高卷积的效率，降低参数量。为验证算法的性能，在Set5等标准数据集中对算法进行验证。实验结果表明，该算法模型的峰值信噪比(Peak Signal-To-Noise Ratio, PSNR)和结构相似度(Structural Similarity, SSIM)相比于基于残差蒸馏网络的轻量级图像超分辨率重建网络分别有0.06~0.25 dB与0.004~0.012的提升。

肿瘤转移是肿瘤发展过程中的重要环节，也是导致癌症恶化和治疗失败的主要原因之一。以肿瘤转移为背景，本文研究基于肿瘤与细胞外基质(Extracellular Matrix，ECM)相互作用的肿瘤淋巴管生成模型。首先用数学语言梳理肿瘤淋巴管生成的生物原理，其次做出假设，建立数学模型并进行定性分析。主要通过逼近方法、偏微分方程定性理论和Banach不动点定理证明模型局部解的存在唯一性，以及借助局部解的正则性估计和嵌入不等式证明模型整体解的存在唯一性。最后利用差分数值方法进行数值模拟来说明模型的可靠性与准确性。本文对深入理解肿瘤转移机制、指导癌症治疗以及推动相关研究具有重要意义。

识别药物潜在的不良反应，有助于辅助医生进行临床用药决策。针对以往研究的特征高维稀疏、需要为每种不良反应构建独立预测模型且预测精度较低的问题，本文开发一种基于知识图谱嵌入和深度学习的药物不良反应预测模型，能够对实验所覆盖的不良反应进行统一预测。一方面，知识图谱及其嵌入技术能够融合药物之间的关联信息，缓解特征矩阵高维稀疏的不足；另一方面，深度学习的高效训练能力能够提升模型的预测精度。本文使用药物特征数据构建药物不良反应知识图谱；通过分析不同嵌入策略下知识图谱的嵌入效果，选择最佳嵌入策略以获得样本向量；然后构建卷积神经网络模型对不良反应进行预测。结果表明，在DistMult嵌入模型和400维嵌入策略下，卷积神经网络模型预测效果最佳；重复实验的准确率、 F ₁分数、召回率和曲线下面积的平均值分别为0.887、0.890、0.913和0.957，优于文献报道中的方法。所得预测模型具有较好的预测精度和稳定性，可以为安全用药提供有效参考。

慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease, COPD) 是一种常见的全球呼吸系统疾病，需要耗费医生大量的时间和精力对CT图像进行初步评估诊断。为了提高阅片效率，提出一种基于CT图像切片关联信息的深度网络，辅助诊断慢性阻塞性肺疾病。提出一种分组方式将网络分成若干个网络分支，每个网络分支能够提取局部CT图像切片内部关联信息，结合双向LSTM技术整合各网络分支信息以提取CT图像全局切片关联信息。为了进一步提升网络分支的局部特征提取能力，融入ConvNeXt提出增强的多头卷积注意力模块。对比实验结果表明，所提出的深度网络能够更好地对CT图像进行分类，辅助COPD诊断，其准确率达到92.15%，敏感度达到94.17%，特异性达到91.17%，AUC达到95.33%。

高速高精切削加工对切削刀具提出了愈加严苛的性能要求，表面硬质涂层可以显著提升切削刀具的耐磨性和使用寿命，已成为高性能切削刀具研发的关键。本文首先介绍了表面硬质涂层在切削过程中所起到的重要作用，然后综述了目前常用硬质涂层(氮化物、硼化物、氧化物等)及相关物理气相沉积技术的发展脉络和研究现状，最后分析了物理气相沉积刀具涂层存在的研究和应用问题。

锂硫电池具有理论能量密度高、成本低、环境友好等优点，被认为是最有前景的下一代高能量密度电池之一。多硫化物的“穿梭效应”是阻碍锂硫电池商业化的关键问题。采用“催化”策略增强硫物种之间的氧化还原反应动力学已被证明是缓解“穿梭效应”的有效方法。单原子催化剂由于其均匀的金属活性中心、独特的电子特性和理论上100 %的金属原子利用效率，在催化领域得到了广泛关注。近年来，单原子催化剂被引入到锂硫电池体系中，以实现硫物种之间转化反应的快速动力学。本文以影响单原子催化剂活性的几个关键因素为主线，综述了单原子催化剂在锂硫电池领域应用的主要进展，并对锂硫电池用单原子催化剂的前景进行了展望。本文对未来设计制备高活性的锂硫电池用单原子催化剂提供了思路。

新污染物(Emerging Contaminants, ECs)具有结构稳定且浓度低的特点,传统污水处理工艺难以完全去除，这对水生态环境和人类健康构成潜在威胁。高级氧化技术(Advanced Oxidation Process, AOPs)可以快速有效地降解持久性污染物，但对于真实水体环境中的微量ECs，AOPs需要过量的氧化剂或消耗更多的能源，使水处理成本大幅提升，甚至导致二次污染。因此，开发高效且低能耗的选择性氧化工艺对处理水中ECs具有现实意义。靶向吸附-转化技术能够有效提高自由基的利用率，高效去除微量、难降解新污染物。本文首先系统性地阐述了水清洁技术中选择性氧化策略的理念，着重介绍了电吸附-转化高效能选择性去除复杂水体中全氟和多氟烷基物质(Per-and Polyfluoroalkyl Substances, PFAS)的技术特点与发展现状，最后对未来的研究方向与趋势进行了展望。

为解决医院在有限医疗资源条件下多部门协作治疗病人的调度问题，提出了一种基于智能优化的协作治疗调度算法。该算法将医生、护士和病人在不同场景下的协作治疗调度问题视为多角色的协同控制问题，为了优化角色的访问行为，提出了用于指导角色作出最优访问行为的决策模型，并引入智能优化算法优化决策模型。针对协作治疗病人、医生探查病房、病人体检的案例场景，实验对比基于随机、最短距离、最大空闲空间、决策模型的4种调度策略，并对比分析使用遗传算法、粒子群算法、模拟退火和差分演化在优化决策模型的性能表现。实验结论证明，基于差分演化算法对决策模型优化的性能表现最优，且其优化得出的决策模型在案例场景中均能找到可行解且调度结果更优。

主动脉缩窄(Coarctation of Aorta，CoA) 是主动脉弓部的先天性畸形，自然预后差，需要早期干预甚至急诊手术治疗，同时术后主动脉再缩窄仍是可能面临的问题。目前主动脉再缩窄的预测主要由医生基于病人的临床特征并结合超声心动图(Ultra Sound Cardiogram) 数据展开风险因素分析，结果往往依赖于超声心动图片拍摄质量以及医生诊断经验，诊断误诊较多。本文以患者心脏部位电子计算机断层扫描(Computed Tomography，CT) 的图像结合患者的临床数据为研究对象，提出了一种基于Swin-Unet网络的多模态数据检测框架，框架结合了Swin-Unet网络模型与机器学习模型，展开多模态特征融合分析，实现主动脉再缩窄的早期检测。临床数据集实验结果显示，与传统的仅使用临床数据的预测方法相比，本文方法有效提升了主动脉再缩窄预测的效果，并验证了与再缩窄有关的风险因素，可为临床医学提供参考。

肝胆管结石是常见的肝脏疾病，已成为我国非肿瘤性胆道疾病死亡的主要原因，实现对肝胆管层间插值分割重建具有重要意义。针对肝胆管等此类树状型组织器官在分割重建过程中出现断层、不连续等现象，本文提出一种基于深度关联机制的肝胆管CT(Computed Tomography)层间超分辨率分割的端到端级联框架，将层间插值网络和分割网络级联起来进行端到端训练，引入ConvLSTM来加强切片间肝胆管的高维特征信息提取，提出一种新损失函数联合插值网络和分割网络进行整个框架的优化训练。实验结果表明，相比于其他现有深度学习方法，本文方法取得了更好的肝胆管分割性能，更有利于肝胆管三维重建。

交通流预测是智能交通系统中的一类重要问题。尽管当前交通流预测方法取得了较好的进展，但还面临2个关键挑战：(1) 交通流的变化模式不仅依赖于时间维度上的历史信息，还依赖于空间维度上相邻区域的信息，如何兼顾两个维度上的变化模式；(2) 时间本身具有小时、天及周等多粒度特性，如何实现多粒度下时序模式的捕捉。本文针对交通流预测的上述挑战，设计了一个多粒度时空深度回归模型(Spatial-temporal Deep Regression Model for Multi-granularity, MGSTDR)，其基本思想是在多粒度时空交通流信息的基础上，对典型的差分整合移动平均自回归模型(Autoregressive Integrated Moving Average model, ARIMA)进行深度拓展，该模型在有效利用自身历史信息的同时，能兼顾相邻区域的信息，从而能够实现多粒度的时序交通流量预测。多个数据集上的实验结果表明，该模型在多粒度预测任务上优于现有的多个基准模型，尤其在小时这一粒度的预测结果上有5.66%的提升。

作为任务型对话系统中的关键一环，对话策略可以通过判别式深度Dyna-Q框架训练得到。然而，该框架在直接强化学习阶段采用原始的深度Q网络方法学习对话策略，在世界模型方面采用多层感知机作为模型的基本结构，导致对话策略的训练效率、性能和稳定性降低。本文提出了一种改进判别式深度Dyna-Q的任务对话策略学习方法。在改进后的直接强化学习阶段，利用噪声网络改进了智能体的探索方式，同时将竞争网络的双流架构、双Q网络与$ n $步自举法三者相结合，优化了$ Q $值的计算过程。在世界模型方面，设计了一种基于软注意力的模型替代多层感知机结构。实验结果表明，本文提出的方法在对话成功率、平均对话轮数以及平均奖励3个指标上均优于现有的最佳结果，最后本文通过消融分析和鲁棒性分析，进一步验证了方法的有效性。

针对现有安全帽佩戴检测算法在检测小目标和密集目标时出现漏检、检测准确度低下等问题，本文提出一种基于改进YOLOv5和迁移学习的安全帽佩戴检测新方法。使用K-means算法聚类出更适合检测任务的先验框尺寸以解决默认先验框不适应任务的问题；在特征提取网络后段引入空间通道混合注意力模块，使模型加强对目标权重的学习，抑制无关背景的权重；改进YOLOv5后处理阶段的非极大值抑制(Non-Maximum-Suppression，NMS) 算法的判断度量，减少预测框误删和缺失的现象；采用迁移学习的策略对网络进行训练，克服现有数据集不足的缺陷并提升模型泛化能力；最后提出一种适用于视觉传感网络的安全帽佩戴级联判断框架。实验结果表明改进模型的平均准确率(IOU=0.5)达到了93.6%，与原始模型相比提高了5%，性能优于其他同类算法，提高了施工场景下对安全帽佩戴检测的准确率。

针对现有粮食储备监管集中化体系存在信息不对称和不透明导致数据可信性降低，以及粮食储备监管各业务环节间各自为政带来的信息孤岛问题，结合区块链技术特性，提出构建模块化、可插拔、可配置的粮食储备多链监管模型。模型结合区块链去中心化、加密、不可篡改等优势特点，增加Hyperledger Fabric联盟链中的通道技术来隔离公开可追溯数据以及隐私数据；设置监管授权；设计智能合约对授权信息认证和数据格式判断以便安全上链等。通过构建监管模型和实验测试结果表明，系统能够在功能完备的情况下保证数据上传查询和安全存储，实现上链数据全程可监管，问题事件高效处理可追溯，增强粮食储备监管数据的可信性，保障粮食储备安全。

为满足第5代移动通信技术越来越高的性能需求，设计了一种基于基片集成波导(Substrate Integrated Waveguide，SIW)谐振腔的高增益大带宽的可重构天线。通过矩形贴片和谐振腔的耦合，并在主单元两侧布置寄生单元，使天线的回波损耗 S ₁₁≤-10 dB的工作带宽达到10.7%(3.36～3.74 GHz)。工作区间内最大增益达到7.78 dBi。与其他同类天线产品相比，该天线可以减少使用2/3的移相器，并且其使用FR-4材料，具有较大的成本优势。

时变去相干等因素导致矿区形变干涉图中存在大量的噪声，采用四叉树滤波方法能滤除InSAR解缠相位中的离散噪声点，从而获得干净的形变结果。本文以云南某露天开采的矿区为例，探讨了最小划分窗口与粗差阈值对四叉树滤波效果的影响，并采用2019~2021年间的Sentinel-1卫星数据计算了该矿区的地表形变时间序列。结果表明，该矿区在监测期间存在显著的地表形变，大致集中在3个区域，形变特征在时域上既有抬升也有沉降，总体呈波浪状，最大沉降量达到67.3 mm，最大抬升量达79.3 mm。InSAR监测结果与32个地面测量机器人41个时段的结果差异为±10.9 mm。

提出一种以专利群为对象，功能需求为规避依据，可拓理论为理论工具的规避设计方法。以产品在线评论为需求获取资源，利用自然语言处理技术与可拓基元模型将其转化为若干功能需求；利用在线评论关键词与IPC(International Patent Classification)分类号一同检索目标专利，分析各专利文本后将其整合构建专利群功能模型；将所得功能需求与专利群功能模型进行功能匹配，从而确认待规避内容。然后，以功能需求为导向，可拓分析为路径进行规避分析，利用可拓变换进行规避求解操作，并对所得新方案进行技术特征侵权判定。最后，以一药品收纳盒专利群为案例，验证上述流程对于专利群规避设计的可行性。将功能需求作为规避依据，有助于在专利群规避过程中降低确认待规避内容时的主观判断影响，同时保证后续规避方案求解朝着满足用户的功能需求的方向开展。

针对输电线路绝缘子爆裂缺陷检测中缺陷目标小、背景复杂多样导致检测精度低的问题，提出了一种基于YOLOv4改进的检测算法YOLOv4-MP。首先，为减少复杂背景的干扰，在特征提取网络中嵌入Shuffle Attention注意力模块，使模型能够提取到更加有效的特征信息。其次，为增强特征融合的效果，在空间金字塔池化中引入带空洞的池化层，能够有效增大感受野。最后，为减少低层信息的丢失，采用Mish函数作为路径增强网络的激活函数。实验结果表明，YOLOv4-MP的平均精度均值(Mean Average Precision, mAP) 达到了93.60%，比YOLOv4算法提升了6.37%。与常用的检测算法相比，YOLOv4-MP具有更好的检测性能，对于绝缘子爆裂缺陷检测具有较大应用价值。

提出了一种基于自监督深度学习和通道注意力的深度估计方法。虽然以往的方法已经能够生成高精度的深度图，但是它们忽略了图像中的通道信息。对通道之间的依赖关系进行显式建模，并根据建模结果重新校准通道权重能有效地提高网络性能，从而提高深度估计的精度。本文从两个方面引入通道注意力机制以增强网络模型的能力：在网络中插入SE (Suqeeze-and-Excitation) 模块以提高网络模型获得特征图中通道间关系的能力；设计了一个多尺度融合通道注意力模块，实现融合多尺度像素特征和重新校准通道权重的功能。通过在KITTI数据集上的实验验证，所提方法在精准度、误差和深度图的具体效果上都优于现有的基于自监督深度学习的深度估计方法。

DNA-N6甲基腺嘌呤 (6-mA) 甲基化修饰是重要的表观遗传修饰标记之一。异常的6-mA位点会影响基因表达，进而引发多种重大疾病，因此预测6-mA位点对理解治病机理和治疗疾病具有重要意义。提出一种基于K-mer方法和One-hot方法复合特征编码的长短期记忆 (Long Short-Term Memory，LSTM) 神经网络用于基因甲基化位点预测，通过K-mer编码方法增加基因序列字符信息量，再使用One-hot编码方法对编码后的字符序列进行扩展，形成复合编码矩阵。改进后的序列编码矩阵可增加LSTM模型从基因序列数据中可提取的特征维度和种类，以提高LSTM模型对基因序列的处理性能。通过交叉验证实验表明本方法在公共数据集上的准确率可达93.7%，敏感度、特异性和马氏相关系数分别为93.0%、94.5%、0.875，均优于现有方法。进一步，在其他6个不同物种的基因数据集上，受试者工作特征曲线线下面积 (Area Under the Curve，AUC) 值介于0.9055~0.9262，表明本方法可适用于动物、植物和微生物的甲基化位点预测。本方法对水稻NC_029258.1基因序列进行全碱基位点的预测，经4种不同的在线工具校验，本方法预测出的86%~96%的潜在甲基化位点在其他工具中也获得相似结论，预测结论可靠，可应用于基因序列甲基化位点的预测分析工作。

针对传统基于图像处理技术的结霜检测方法难以对处于复杂生产环境的冷链制冷机组进行灵活且准确的检测，还易受光照、起雾等环境因素的影响而误判的问题，设计了一种基于脉冲神经网络的冷链制冷机结霜检测方法。该方法以制冷机图像为输入，自动检测制冷机蒸发器结霜区域的动态变化情况，修正因光照、起雾等干扰因素引起的异常，并以脉冲发放率累积值划分双阈值作为结霜程度的判断依据。在多个投入至生产环境的冷链制冷机上进行实验，结果表明所设计的脉冲神经网络能够在实际生产环境下自适应地对制冷机蒸发器的结霜区进行动态区域检测、划分的双阈值可准确判断蒸发器的结霜程度，检测效果良好，稳定性强，可为制定冷链制冷机组除霜策略提供可靠的除霜时刻依据。

脑瘤是影响国民健康状况的重大难题。为了确定脑瘤的发展程度，以确定下一步治疗方案，通常需要对脑瘤组织进行穿刺活检手术。由于核磁共振成像(Magnetic Resonance Imaging, MRI)对软组织有更好的分辨率，常用来检测脑部肿瘤。因此，针对MRI兼容的机器人的相关研究是非常必要的。本文基于一种核磁共振兼容的液压驱动穿刺手术机器人，根据液压连通器的原理，推导了该机器人的运动学模型，并基于流体力学的相关理论，得到了该机器人的动力学模型。为了精确控制所设计的机器人系统，根据 H _∞控制理论设计了该液压驱动系统的状态反馈 H _∞控制率，使机器人可以快速、稳定地跟踪目标信号。最后，通过实验研究，该机器人系统的综合定位精度为0.56 mm，在 x轴、 y轴、 z轴、俯仰轴和横滚轴上的平均定位精度分别为0.41 mm、0.6 mm、0.67 mm、0.886°和1.17°。研究结果验证了机器人辅助定位穿刺针的性能，所建立的动力学模型和控制方法对穿刺机器人的控制算法研究有一定的参考价值。

识别线上消费者群体评论的情感倾向，有助于优化平台推荐算法及提升服务质量，如何有效识别消费者情感倾向，是一个热门的研究选题。本文基于多头自注意力机制的双向长短期机制提出MABM(Multi-head self-Attention and Bidirectional long-short term Memory neural network)情感倾向识别模型，采用知名电影点评网站豆瓣点评在线评论数据作为语料，使用文本挖掘工具对数据进行预处理，以10个机器学习模型和4个深度学习模型为对照组，按照8:2划分训练集和测试集来验证对比评估MABM模型的有效性和稳健性。两组对比实验结果发现，深度神经网络模型预测效果整体优于机器学习模型，并且以MABM模型的分类效果最佳。MABM模型能够有效识别消费者评论的情感倾向，使推荐算法能有效结合消费者的心理行为，以获得更显著的营销效果。

为了提高下肢外骨骼机器人步态轨迹跟踪的精度，对于下肢外骨骼二连杆动力学模型，提出一种静态与动态结合的参数辨识的实验方法，并结合穿戴者人体参数，得到人机协同系统精确的动力学模型。采用基于模型上界的滑模控制，并引入低通滤波器，进行MATLAB步态跟踪仿真。经仿真表明，髋关节和膝关节转矩的实验测量值与理论计算值的波形基本一致，动力学参数辨识结果正确；基于滑模控制的人机协同系统能够实现髋关节和膝关节对参考步态轨迹的精准跟踪，低通滤波器能够有效减小滑模控制引起的高频抖振。这为下肢外骨骼动力学参数辨识提供了一种解决方案，为基于模型的控制方法提供了一种参考模型，为下肢外骨骼人机协同系统的步态轨迹精准跟踪提供了一种参考方法。

在化妆品交易量飞速增长、大量包装垃圾不断蔓延的背景下，为解决化妆瓶塑料回收体系中回收物处理的高成本和低回收价值构成的矛盾问题，需要将回收处理成本降低至目标成本范围内并提升回收效率，以达到促进化妆瓶循环利用的目的。本文将可拓学中的第一创造法应用于化妆瓶塑料回收处理系统的设计创意生成，先分析回收方未被满足的需要，建立矛盾冲突问题的可拓模型，确定回收系统的功能事元、性质特征元、实义特征元；然后对共轭部进行拓展分析与可拓变换，通过基元变换后获得多个设计创意并判断矛盾问题是否解决；最后用优度评价法筛选最优解，并将最优创意具体化。用优度评价法计算得出创意 S ₃的优度最高，经企业评估后，创意 S ₃的回收处理实际成本低于目标成本，矛盾问题被化解，该方案已被企业采纳。该研究也验证了第一创造法在化妆瓶塑料回收处理系统设计中应用的有效性。

深度学习目前依靠大数据和强算力取得了较大进展，但在样本受限情况下的表现差强人意，主要问题在于函数空间(簇)的建构和在数据集受限情况下算法的设计。据此，本文对受限样本下的深度学习进行了分类综述。另外，从目前对大脑的研究来看，人的认知过程在大脑中是分区域的，每个区域担负的功能是不同的，对每个区域功能的学习过程也应该是有差异的。因此，提出了“功能进阶”式的深度学习的设想，试图构建分区分层多种功能模块组成的网络结构，研究“进阶”式的功能模块训练方法，以期探求“仿人学习”的新路径。

随着机械臂技术的不断发展，传统刚性机械臂逐渐难以满足一些新式机械臂系统在轻质化、运动灵活性、大空间范围等方面的需求，如空间机械臂、手术机械臂、人机交互式机械臂等。越来越多的研究人员将目光投向柔性机械臂及其高精度运动控制方法的研究中。针对此类系统，目前已经有一些有效的运动控制方法被提出。然而，当机械臂的某一驱动器发生故障后，常规的控制方法难以保证原有的控制性能，甚至可能导致系统不稳定。研究驱动器故障影响下的柔性机械臂运动控制方法具有重要的理论意义和应用前景。本文首先概述柔性机械臂已有的运动控制方法。然后，从驱动器故障的类型出发，分析并综述驱动器性能故障、驱动器完全损坏故障以及驱动器突发故障对系统的影响及其克服方法的研究现状。最后，本文讨论了当前驱动器故障影响下柔性机械臂运动控制还需进一步解决的关键问题，总结了三点前景方向，对柔性机械臂运动控制的进一步研究具有一定的参考价值。

自适应动态规划 (Adaptive Dynamic Programming, ADP) 作为最优控制领域的研究热点，其在能量管理系统 (Energy Management System, EMS)领域中有着广泛的应用。ADP算法是通过系统输入输出数据自适应调整控制策略实现优化控制, 尤其在解决复杂非线性系统最优控制问题方面具有强大优势。本文介绍了ADP算法的研究进展及其在EMS领域的应用，分析了该算法在离散EMS和连续EMS的研究现状和算法实现方式，并介绍了实时自适应动态规划 (Real-time Adaptive Dynamic Programming, RT-ADP)算法及其应用的可行性。

在基于可再生能量收集技术的移动边缘计算(Mobile Edge Computing, MEC)系统中，可再生能量到达和计算卸载无线信道呈现较强的时空变化特性，因此该系统的无线及计算资源管理与用户任务计算之间存在着动态适配的挑战。针对此类问题，本文研究多时隙多用户的能量采集边缘计算系统，建立可再生能量随机到达和无线信道模型以及预测误差模型，以系统总计算吞吐量最大化为准则，通过逐时隙联合优化用户本地计算和计算卸载模块，提出了一种在线滑动窗设计方案, 需要通过调整滑动窗长度 M来实现。该方案逐时隙求解凸优化问题，基于离线资源动态管控的最优结构，实时制定资源管理策略，具有较低的计算复杂度。仿真实验结果表明，提出的在线滑动窗设计方案在系统计算吞吐量性能方面优于已有的基准方案，并在对抗信道/能量状态信息预测误差方面有较好的鲁棒性能。

高铁因每天清晨需要6h的空窗期维修时间而无法通行，社会的发展需要减少空窗期时间来提高高铁运转效率。传统的基于北斗卫星导航系统(BeiDou Navigation Satellite System, BDS)的高铁铁轨路基的形变监测系统需要一天的观测时长对路基进行精确的监测，这远超高铁空窗期的观测时长无法对提高高铁运转效率起到作用。针对这种情况，在原形变监测解算算法上加入粒子滤波算法，尝试将观测时长缩减到高铁空窗期内；同时，在采样数据大幅度下降的情况下确保解算的监测点坐标值满足高铁路基的定位精度要求。本文利用广汕高铁的BDS形变监测系统的实测采样数据进行实验仿真，验证了粒子滤波算法加入后的有效性。实验结果表明，在粒子滤波算法加持下，观测时长缩减到15 min可确保监测点解算坐标值的$ A,B,H $ 3个方向精度均满足高铁路基定位的±5 mm精度要求，为减少高铁空窗期时间，提升高铁运转效率提供了有效的方法和思路。

空心球材料具有超轻、高比强度、缓冲性能好等优点，在航空航天、汽车安全等领域具有诸多需求，其力学性能主要受微观结构的影响。利用实验和有限元数值模拟研究3D打印开孔空心球结构的准静态压缩力学行为，主要分析胞元个数、开孔孔径以及空心球排列方式对两种连接方式空心球结构力学性能的影响。研究结果证实，开孔空心球结构的准静态压溃过程主要分为弹性变形阶段、塑性大变形阶段以及密实化阶段；当试件中胞元个数达到3×3×3以上时，其力学性能基本与胞元个数无关；总体上，有连接颈结构的比模量和比强度高于无连接颈结构，而无连接颈结构的比吸能高于有连接颈结构；面心立方排列结构的压缩力学性能优越，其次是体心立方排列结构，简单立方排列结构力学性能最弱；简单立方和体心立方结构的比模量、比强度以及比吸能与孔径之间是线性关系，而对于面心立方结构是非线性关系。为3D打印空心球材料的设计与应用提供一定参考。

针对共享单车停靠点供需时空失衡、潮汐效应明显、优化选择水平低的问题，本文把区域编码与分类学习方法相结合，提出一种基于GeoHash与K最近邻模型(K Nearest Neighbor model，KNN)的共享单车停靠点优化选择方法。首先，在分析现有共享单车停靠问题的基础上，利用GeoHash算法的区域编码分割，得到停靠点空间分布；然后，在停靠点可供选择数量和可容纳车辆数量的双重约束条件下，利用KNN聚类算法进行二次划分，完成共享单车停靠点的优化选择；最后，利用厦门市思明区和湖里区共享单车数据进行综合评价。研究结果表明，该方法具有一定的合理性，能够为缓解共享单车停靠点潮汐现象提供有益借鉴。