为提高物体在机器人双臂之间的传接效率，从优化传接操作过程角度出发，提出了一种传接位置选取和双臂移动路径规划方法．通过对传接过程进行分析建立双臂机器人传接位置优化模型，将传接位置选取问题转变为一个非线性约束优化问题．使用改进的遗传算法进行求解，为机器人双臂传接过程选择基于时间最佳的传接位置．在Moveit!规划框架下，采用双向快速扩展随机树(RRT-Connect)算法完成传接过程中的双臂路径规划，使得双臂免于碰撞．利用保存的历史规划信息对随机采样算法存在的不可重复性问题进行优化，找到耗时最短的双臂移动路径．仿真和实验结果表明：提出的方法可以为机器人双臂之间的传接操作找到基于时间最佳的传接位置，并且为双臂规划到达目标传接位置的近似耗时最短路径，提高双臂传接的效率．

针对常规磁矩测量技术或仪器中存在的测量设备昂贵和耗时等缺点，提出了一种新型的磁纳米粒子磁矩分布信息测量方法．依据郎之万顺磁理论研究一次谐波、三次谐波幅值信息与磁矩分布信息之间的耦合关系，构建测量模型并建立矩阵方程组，然后采用奇异值分解法求解矩阵方程反演得到磁纳米粒子的磁矩分布信息．仿真分析了磁矩分布测量方法，并通过搭建的磁矩分布测量实验系统，测量了磁纳米粒子样品的磁矩分布信息．仿真和实验结果表明：该方法能够快速准确获取磁纳米粒子的磁矩分布信息．

针对传统方法在解决化工参数辨识问题中易陷入局部最优、导致求解精度不足的问题，提出了一种组合三角变异差分进化(CTMDE)算法，融入了组合三角高斯变异策略和DE/current-to-pbest/1变异策略．其中，组合三角高斯变异策略引入了组合权重来适应性利用较优个体、一般个体、当前个体的信息，维持种群多样性；而DE/current-to-pbest/1变异策略能够利用种群中的较优个体来指导搜索，对解空间的开采能力较强．两者结合使得算法在加快收敛速度的同时降低陷入局部最优的可能性．在12个基准测试函数上，将CTMDE算法与其他新近DE算法进行比较，并将CTMDE算法应用于甲醇转化为烃类物质的参数辨识问题．实验结果表明：CTMDE算法具有较好的寻优性能，且在化工参数辨识问题上具有较好的求解效果．

针对模型不确定性多智能体系统的分布式鲁棒一致问题，提出了鲁棒部分变元稳定性方法，将连续时间多智能体不确定系统的状态一致性问题转化为相应线性系统的鲁棒部分变元渐近稳定性问题．首先根据有向图生成树建立关联矩阵，对原来的不确定系统进行线性变换，实现结构分解．其次根据得到的降阶系统设计鲁棒二次镇定控制器，推导出所有智能体状态达到渐近一致的充分条件，将控制协议的设计最终转化成求解线性矩阵不等式可行解的问题，使得所有的智能体能够在所设计的控制协议下不仅能保证不确定性闭环系统是渐进稳定的，而且实现了多智能体系统状态的一致性．最后通过数值仿真验证了所提出的一致性协议的可行性和有效性．

针对稀疏点云地图用于自主导航任务的信息不充分问题，融合情景经验实现环境认知，提出一种基于情景经验与稀疏点云的移动机器人导航系统，获取全局最优路径，提高机器人导航精度．构建点云地图来保存环境显著路标．受人类基于情景经验方式导航启发，模拟经验积累过程，构建封装了场景感知、位姿信息和事件转移集的情景经验地图，实现机器人对环境在拓扑关系上的理解．结合环境稀疏点云地图定位机器人，根据情景经验地图规划路径与控制机器人行为．实验结果表明：该导航系统能够根据不同的导航任务规划出全局最优路径，并且具有较高的导航精度．

针对战役级目标态势数据量大、信息源数量多、采样频率各异、探测误差差异大、目标属性特征存在误判等问题，基于多尺度航迹聚类提出了一种面向战役级目标态势生成的航迹关联算法．首先利用等距滑动窗口均值滤波剔除目标异常数据点、降低传感器误差引起的数据抖动，重新估计目标航速和航向；然后综合目标量测数据的多维特征提出了一种轨迹相似性距离；最后基于该距离，分阶段进行基于多粒度网格聚类的粗聚类和基于密度聚类的精聚类完成目标数据关联判断，综合聚类结果和离群点得到关联结果．实验表明：提出的方法在战役级目标数据环境下，数据处理容量、关联正确率、身份异常稳定性等方面较现有航迹关联算法有一定的提升，适用于战役级目标态势生成应用．

提出一种自适应权重的融合卷积特征和方向梯度直方图(HOG)特征的目标分类方法，实现快速精准分类目的．首先，利用ResNet网络框架提取图像卷积特征，增加OpenCV接口以提取图像HOG特征，对HOG特征图扩维处理至与卷积特征同维；然后，在ResNet网络框架中嵌入SENet模块，计算卷积特征和HOG特征的权重向量，将卷积特征、HOG特征及相应的权重向量加以变权值叠加，实现多特征的自适应同步融合，以此构建二分类网络模块；其次，将二分类网络模块嵌入Faster Rcnn网络，构成Faster Rcnn-HOG新型网络，通过基于变阈值的粗检测策略和先验知识的区域关注策略得到图像中目标预处理检测框，利用二分类网络模块精确判定，实现目标分类．将Faster Rcnn-HOG与传统Faster Rcnn网络及另一特征融合网络Net-BB-HOG进行对比试验，三种方法在目标大类识别方面性能基本相当，但是Faster Rcnn-HOG在目标小类识别方面效果更佳，证明了提出的多特征融合自适应目标分类方法的有效性和正确性．

针对由源域训练的行人再识别模型通常在目标域的泛化能力不强的问题，提出基于图卷积神经网络的跨域行人再识别方法，将源域数据学习到的整合邻居样本信息的能力迁移至目标域数据．首先，为经过特征提取后的源域数据建立亲属子图，并将源域数据特征和亲属子图作为所设计的图卷积神经网络模块的输入，以基于源域的监督信息训练图卷积神经网络模块；然后，对经过特征提取后的目标域数据建立亲属子图，将训练过的图卷积神经网络模块应用于目标域数据，为目标域数据赋伪标签；最后，联合源域数据和目标域数据训练得到一个泛化能力强的行人再识别模型．分别在两个大规模公开数据集Market-1501和DukeMTMC-reID上对所提出方法进行实验验证，结果表明所提出的方法与所选择的基准模型相比使得Market-1501的rank-1准确率和平均准确率均值(mAP)分别提高了7.4%和9.2%，而DukeMTMC-reID的rank-1准确率和mAP分别提高了14.2%和14.9%．

针对命名数据网中内容存储池须要快速检索差异化名称数据、高效存储数据信息和有效支持缓存替换策略的设计需求，提出了一种基于双向跳表的命名数据网内容存储池的存储结构学习树-双向跳表(LT-DSL)．该存储结构由部署于片上的学习树和部署于片下的双向跳表(DSL)两种数据结构组成．LT-DSL通过重新设计索引数据结构来学习索引内容在存储器中的分布情况，实现了数据的均匀映射，提升了存储效率，降低了存储开销；同时，通过采用全新的名称数据检索算法来快速检索名称数据，LT-DSL有效支持了缓存替换策略，加速了数据处理过程．实验结果表明：相比其他基于跳表的内容存储池方案，LT-DSL在有效支持缓存替换策略和满足网络丢包率低于1%的前提下，进一步提升了数据检索速度，降低了整体存储开销．

针对关系型数据中多维敏感属性隐私差异所引起的隐私保护效用降低问题，提出了一种能有效表达多维敏感属性隐私差异的隐私保护数据发布方法．基于一种多维桶分组技术(MSB)对数据集的多维敏感属性隐私差异以及记录价值进行量化区分，给出记录分组优先级参数的计算方法，进而可实现基于记录分组优先级参数多维桶记录分组(TPSB)算法的隐私保护数据发布．实验结果表明：在权重参数合理赋值条件下，该方法在保证数据发布效率的同时可有效提升数据发布的质量．

为了对径流式小水电出力不确定及其配电网负荷变化等情形带来的电能质量问题进行综合治理，分析了小水电接入配电网的运行特性，提出了一种基于电感-电容-电感(LCL)型静止同步补偿装置(D-STATCOM)的准比例谐振(QPR)分相控制策略．利用频率特性分析证明了QPR相对比例积分(PI)、比例谐振(PR)控制方法可以实现对各个频段的无静差调节，研究了QPR控制器参数对系统稳定性的影响，优化设计了控制器谐振带系数、比例系数和谐振增益系数等参数．最后，在Matlab/Simulink建立了含有小水电并网系统的仿真模型，同时将本系统与传统并补装置下的补偿电流谐波进行分析．结果表明：所提控制策略和参数优化不仅能够快速有效地抑制电压波动，总畸变抑制率为1.11%，而且能降低并联补偿设备向系统注入的谐波，动态地保证配电网的电能质量，能较好地适应小水电的运行特性．

基于深度学习的方法，运用单次多框检测器(SSD)目标检测框架和自注意力机制，针对施工人员佩戴安全帽数据集进行神经网络训练．通过调整原始SSD目标检测框架中的参数，并向SSD目标检测框架中添加自注意力模块来计算特征图中像素点之间相互影响，以提高算法对目标检测的关注度，扩大卷积神经网络的感受野，从而提高目标检测的准确率．实验结果表明：改进算法在应对小目标检测以及目标之间的遮挡方面有很好的适应性，同时与其他检测算法相比，检测成功率有明显提高．

针对肝脏分割影像中模糊的肝脏边界，提出了一种新颖的用于腹部CT肝脏分割的边界监督模型．该模型包括肝脏区域分割模块和边界分割模块，其中边界分割模块使用肝脏边界进行监督训练，输出精准的肝脏边界．模型将肝脏区域分割输出与边界分割输出融合在一起，得到最终的肝脏分割预测．肝脏区域分割模块与边界分割模块分别设置了相应的损失函数进行监督训练．模型使用腹部器官分割挑战提供的数据集进行了消融实验并与先进模型进行了评估．结果证明该方法的有效性和优异性，提出的边界分割模块有助于保留肝脏的边缘信息，提高了肝脏分割的性能．

提出了一种基于噪声消除与衬底交叉耦合技术的宽带低噪声放大器(LNA)架构，在共栅(CG)与并联反馈组合的噪声消除结构基础上，采用了衬底偏置和衬底交叉耦合技术使输入级的等效跨导增大，提高了噪声消除路径中的消除率，降低了电路的噪声指数．基于噪声消除原理，通过在输入级金属氧化物晶体管(MOS)的衬底上采用无源增益增强的方式，增加了输入级跨导的自由度，改善了原结构输入匹配与噪声指数之间相互制约的问题．根据LNA架构中节点的基尔霍夫电流公式，分析了新架构的增益、输入匹配和噪声指数．与现有噪声消除结构相比，采用衬底交叉耦合技术使这个LNA架构的噪声指数降低了13.3%．

针对实际主动控制系统中，次级通道随着传感器位置、作动器输出特性变化而实时改变这一问题，将小波变换思想引入到在线辨识算法结构中，改进在线辨识算法．通过小波变换将误差信号中控制信号相关分量与随机噪声相关分量分离开来，极大程度削弱甚至消除了辨识环节和控制环节之间相互影响，提高了算法的收敛性能和控制精度．基于Matlab/Similink进行控制仿真，搭建试验台架进行控制试验．仿真和试验结果表明：改进后算法辨识精度高，收敛速度快，控制效果好．

针对目前多数表情识别算法都是基于浅层特征的，很难达到良好的识别效果，并且核主成分分析网络(PCANet)网络存在提取到的表情特征维数比较高致使识别时间较长和分类效率较低的问题，受到深度学习模型PCANet的启发，提出了一种结合核主成分分析网络(KPCANet)和线性判别分析(LDA)的表情识别算法．首先，利用基于KPCANet模型获取训练样本及测试样本的深层特征；然后，用LDA监督层对KPCANet模型获取的深层特征对表情图像特征进行监督投影，从而使表情特征具有类别区分性；最后，将经LDA投影的特征矩阵输入支持向量机(SVM)中对表情特征进行训练和分类．提出的KPCANet-LDA算法模型在人脸表情数据库CK+和JAFFE上进行实验，实验结果表明提出的算法具有良好的鲁棒性且识别率高于其他对比算法．

参考国际船模拖曳水池会议(ITTC，2017)推荐规程以及国家相关标准，对船模拖曳水池的自航试验进行不确定度分析．首先对船模自航试验流程进行了梳理，确定其不确定度来源；然后根据自航试验原理，提出了不同温度时试验数据换算的方法，对ITTC关于自航试验不确定度分析规程进行补充；其次在试验数据进行温度换算之后，计算了船模自航试验中桨模转速、推力、扭矩和强制力的不确定度，并进一步计算了相关自航因子的不确定度．分析结果表明：当名义温度15℃时，按照95%的置信水平，各自航点的转速的扩展不确定度小于0.4%，推力和扭矩的扩展不确定度均低于1.0%，推力减额的扩展不确定度低于5.5%，伴流分数的扩展不确定度低于1.1%．本试验的船模自航试验不确定度分析的方法和步骤可以作为其他水池试验的参考．

针对涡旋型线齿头的参数优化选取，以双圆弧修正和双圆弧加直线修正两种涡旋型线齿头修正为例，推导了两种修正的几何模型，建立了修正齿齿形参数和修正齿面积的数学模型，分析了实现两种修正所需要的初始参数，并讨论了修正齿参数和修正齿面积随各初始参数变化时的变化趋势；以修正齿面积和修正面积系数为优化目标，采用多目标遗传算法对两种修正中各参数不同组合时的选取进行了优化，得到了各参数的一组非劣解集．结果表明该模型可为双圆弧修正和双圆弧加直线修正的初始参数的选取提供参考．

为了研究离心泵仿生叶片的减阻降噪特性，获得叶片壁面剪应力与减阻率、效率和噪声变化情况的关系，提取出了鲨鱼皮肤的表面特征，建立了具有V型槽表面叶片的离心泵模型．通过剪切应力传输(SST) 湍流模型对离心泵内部流场进行数值模拟，基于Proudman方法和声类比方程对泵内部声场进行了预测计算．研究结果表明：仿生表面能够有效控制叶片近壁面边界层的流体流动，在出口处的壁面剪应力梯度变小，工作面叶片的平均剪应力最大降幅达29%；仿生表面可以降低的最大减阻率为3.1%，离心泵的水力效率最大提高2.06%；仿生叶片沟槽表面能够改变叶轮流道内的涡结构，降低离心泵叶轮内部的湍动程度，减小流道内的声功率；与光滑叶片相比，仿生叶片的总声压级的降幅最大为2.68%；随着流量的增大，壁面平均剪应力的变化率、效率、总声压级及减阻率等都随之增大．

针对电力系统抗震可靠性评估中蒙特卡罗方法误差收敛相对较慢的特点，将以低偏差序列抽样的拟蒙特卡罗方法应用于可靠性评估中，并结合了在求解传递闭包中能够减少计算量的三角形算法，建立了结合低偏差序列抽样与三角形算法的抗震可靠性计算模型．基于川北地区110 kV发电站与变电站的可靠性分析，分别进行了三种算法下的标准蒙特卡罗方法模拟和Sobol序列拟蒙特卡罗方法模拟．模拟结果表明：在电力系统抗震可靠性求解中，与伪随机数序列相比，Sobol序列的解算结果具有更高的收敛速度．当抽样次数为5 000次时，拟蒙特卡罗(QMC)方法的计算结果为0.668 9，误差不超过0.1%，而蒙特卡罗(MC)方法的计算结果为0.665 9，误差为0.389%；在相同抽样次数下，三角型算法相对于其他算法具有更高的运算效率，将三角形算法与拟蒙特卡罗方法结合既提高了精确度又提高了运算速度．

为揭示层状岩石在单轴压缩条件下的损伤演化机理，将横观各向同性体的柯西转轴方程和随机损伤理论结合，建立考虑荷载损伤的层状岩石损伤本构模型；通过不同层理倾角炭质千枚岩的单轴压缩试验，验证模型的合理性和准确性，并从细观图像、力学参数、破坏模式和损伤演化等角度讨论炭质千枚岩的各向异性特征．研究结果表明：所建模型的理论曲线与试验数据曲线基本相符，能够较好地反映和预测单轴加载条件下层状岩石的非线性力学行为；炭质千枚岩的各向异性显著，在层理倾角从0°～90°变化的过程中，强度、峰值应变和泊松比先减小后增大，弹性模量逐渐增大，并依次产生张剪复合破坏、剪切滑移破坏和劈裂张拉破坏等三种破坏类型；不同层理倾角岩样的损伤演化规律基本相同，损伤演化曲线均经历了缓慢上升、快速上升和趋于稳定等3个阶段，损伤演化率曲线均服从正态分布，但损伤发展速率各不相同，进而改变了材料的力学性能．这将为层状岩体受荷损伤计算、各向异性研究、围岩稳定性分析和岩层掘进施工等提供理论依据和技术参考．