针对当前区块链安全方面存在数据管理模式不合理、数据共享方案不可靠、智能合约漏洞不易修复和多类型数据隐私保护不完善等问题，分析并总结了国内外关于数据安全管理和隐私保护技术的文献. 从数据存储安全、数据隐私安全、数据访问安全和数据共享安全4个方面来概括目前区块链系统存在的各类安全问题及合理的解决方案，讨论区块链实现数据安全面临的挑战及未来的研究方向，为区块链安全领域相关人员未来的研究工作提供了一定的参考.
为了提升自动驾驶汽车对周边环境的感知能力，提出优化DeepSort的前方多车辆目标跟踪算法. 采用Gaussian YOLO v3作为前端目标检测器，基于DarkNet-53骨干网络训练，获得专门针对车辆的检测器Gaussian YOLO v3-vehicle，使车辆检测准确率提升3%. 为了克服传统预训练模型没有针对车辆类别的缺点，提出采用扩增后的VeRi数据集进行重识别预训练. 提出结合中心损失函数与交叉熵损失函数的新损失函数，使网络提取的目标特征有更好的类内聚合以及类间分辨能力. 试验部分采集不同环境的实际道路视频，采用CLEAR MOT评价指标进行性能评估. 结果表明，与基准DeepSort YOLO v3相比，跟踪准确度提升1%，身份切换次数减少4%.
大多复合故障诊断方法视复合故障为一种新的单一故障类型，忽视了内部单一故障的相互作用、故障分析粒度含糊和解释性差. 为了解决复合故障难解耦的问题，针对工业环境中复合故障数据极少的情况，提出一种基于改进Transformer的复合故障解耦诊断方法. 诊断流程分为预处理、特征提取和故障解耦3个步骤. 故障解耦引入Transformer的解码器，利用交叉注意力机制使得每个单一故障标签可以在提取的特征层中，自适应地关注到与故障特征相对应的判别特征区域，进一步预测每个单一故障标签的输出概率以实现复合故障解耦. 设计多组复合故障试验与业界先进算法进行对比，以验证方法的有效性. 结果表明，所提方法在少量单一故障训练样本和极少量复合故障训练样本情况下，有较高的诊断准确度. 当训练集中复合故障样本数仅为5时，复合故障诊断准确度达到88.29%，与其他方法比较更具有显著优势.
针对现有的垃圾图像分类模型实时性能差和分类精度低的问题，提出基于改进MobileNet v2的垃圾图像分类方法，构建以MobileNet v2为核心的轻量级特征提取网络. 通过调整宽度因子降低模型的参数量；在模型中嵌入通道和空间注意力模块，增强网络对特征的细化能力；设计多尺度特征融合结构，增强网络对尺度的适应性；利用迁移学习的方式优化模型参数，进一步提高模型精度. 实验结果表明，算法在自建数据集上的平均准确率为94.6%，分别高于MobileNet v2、VGG16、GoogleNet、ResNet50、ResNet101模型2.0%、3.4%、3.2%、2.3%、1.2%；所提算法在2种公共图像分类数据集CIFAR-100和tiny-ImageNet中均取得不错表现；模型参数量仅为0.83 M，体积约为基础模型的2/5，在边缘设备JETSON TX2上的单次推理耗时68 ms，实现了推理速度和预测准确率的提升.
概述工业锅炉设计的特点和引入数字孪生技术的必要性. 通过对工业锅炉数字化设计技术的发展和研究现状的综述，提出以设计过程优化为核心、以数字孪生为基础的新一代工业锅炉数字化设计技术是提升工业锅炉设计能力和综合性能的关键. 分析数字孪生技术在工业锅炉设计中的应用特点，总结数字孪生驱动的工业锅炉数字化设计的三大关键技术问题：面向设计过程多元信息表达的工业锅炉数字孪生建模技术；基于人机交互与虚拟现实智能验证的设计过程优化技术；面向全生命周期的工业锅炉数字孪生数据管理技术. 在此基础上，提出数字孪生驱动的工业锅炉数字化设计技术框架，以期为面向高性能工业锅炉的数字化设计技术研究和应用提供思路和有价值的参考.
根据中文字体风格转换研究发展的不同阶段进行方法分类，简要回顾传统方法，梳理分析深度学习方法. 介绍常用的公开数据集和评价标准. 分别从提高生成质量、增强个性化差异、减少训练样本数量和学习书法字体风格共4个方面展望未来研究.
针对与日俱增的隧道养护需求，为了节约时间与人力成本，提出基于卷积神经网络的公路隧道衬砌病害检测方法. 利用自主研制的隧道智能快速检测车采集24条隧道衬砌的图像，构建超过20 000张病害图像的高质量数据集. 结合隧道衬砌病害的成因及特点，分别构建单阶段SSD模型和两阶段R-FCN模型在自制的数据集上训练，对检测结果进行对比分析，提出离线式隧道衬砌病害检测方案. 试验结果表明，SSD模型的识别准确率为98%，总的平均精度均值（mAP）为72%，检测速度较快，适用于隧道的快速诊断. R-FCN模型的识别准确率为85%，总的mAP达到91%，检测精度较高，适用于隧道病害的后期处理. 利用这2种检测模型均可以提升检测效率和精度.
壳聚糖气凝胶具有生物相容性好、无毒易降解以及其他的优异性能，可作为理想的绿色石油吸附剂有效解决石油泄漏与污染的重大问题. 综述了基于壳聚糖气凝胶的新型石油吸附剂的研究进展. 对比传统石油处理方式及传统吸附剂的优缺点；分析总结壳聚糖气凝胶的合成、改性方法及其作为石油吸附剂的优势；总结目前研究中存在的问题，展望未来的研究方向.
综述直接空气捕集CO2吸附剂的研究进展，对比碱/碱土金属基吸附剂、金属有机框架吸附剂、负载胺基吸附剂、变湿吸附剂的优缺点，从吸附容量与胺效率、动力学与载体选择、再生方式与能耗、热稳定性与抗降解等方面对吸附剂性能进行评估. 简要叙述相关工程示范项目和技术经济性；总结研究中存在的问题，展望未来的研究方向.
为了解决洪涝灾害环境下设备难布设、流速难测量、河流难监控等问题，结合河流管控领域近10年研究情况，基于非侵入式、低成本、高效的测量手段，概述从粒子图像测速技术（PIV）到深度学习方法的一系列图像测速技术. 从图像采集、图像分析、图像后处理等方面探讨河流表面测速机理及存在的问题. 通过比对与总结各方法差异性，提出对现有方法的改进需求，旨在提升河流流速的测量效率.
为了在多模态图像检索任务中建立文本特征与图像特征的相关性，提出基于语义增强特征融合的多模态图像检索模型（SEFM）. 该模型通过文本语义增强模块、图像语义增强模块2部分在特征融合时对组合特征进行语义增强. 在文本语义增强模块建立多模态双重注意力机制，利用双重注意力建立文本与图像之间的关联以增强文本语义；在图像语义增强模块引入保留强度和更新强度，控制组合特征中查询图像特征的保留和更新程度. 基于以上2个模块可以优化组合特征使其更接近目标图像特征. 在MIT-States和Fashion IQ这2个数据集上对该模型进行评估，实验结果表明在多模态图像检索任务上该模型与现有方法相比在召回率和准确率上都有所提升.
针对传统相似性方法在提取健康指标和相似性匹配上存在的不足，提出结合自编码器神经网络的基于多时间尺度健康指标相似性的预测方法（AE MTS-HI）. 采用自编码器从状态监测数据中提取表征发动机退化状态的健康指标，降低提取过程非线性信息的损失. 将测试退化轨迹长度的波动纳入考量，针对性地设计多时间尺度的健康指标进行相似性匹配. 这不仅可以克服单一时间尺度匹配导致的精度限制，而且可以提高预测的鲁棒性. 在涡扇发动机的公开数据集上验证所提方法的性能. 结果表明，利用该方法能够显著提升剩余使用寿命（RUL）的预测精度，为预知维护提供有力支撑.
采用焓降法和表面热流法，分别对实际运行的蒸汽热网特性进行现场测试，分析得到热网散热损失特性和组成特征. 结果表明，运行工况和蒸汽状态对焓降法在评估供热管道散热损失中的准确性具有重要的影响. 所测热网的实际散热热流密度达到135.66 W/m2，其中管道保温散热为67.67 W/m2，约占49.88%；蒸汽流动阻力损失占14.98%，支架、弯头、疏水器等局部散热占35.14%. 基于实际管损与热网冷凝散热损失的关系，定义热网冷凝损失系数. 建立基于热网散热损失的管损模型，结合实际测量数据，得到该热网的冷凝损失系数为0.16.
为了实现更高效的P300信号特征提取，提出融合Inception网络和注意力机制模块的卷积网络模型，即IncepA-EEGNet. 该模型使用不同感受野的卷积层进行并行连接，增强网络提取和表达脑电信号的能力. 引入注意力机制实现不同过滤器特征的权重分配，提取P300信号中的重要信息. 模型在BCI Competition III数据集II的2个受试者数据上进行验证. 与其他深度学习模型相比，IncepA-EEGNet的字符识别率在5个实验轮次后达到平均75.5%，在3个轮次后受试者B的信息传输速率达到33.44 bit/min. 实验结果表明，IncepA-EEGNet有效提高了P300信号的识别精度，减少了重复试验的时间，改善了P300拼写器的实用性.
目标检测模型在电子元件生产环境中的实时检测能力不佳，为此采用GhostNet替换YOLOv5的主干网络. 针对电子元件表面缺陷存在小目标及尺度变化较大的目标的情况，在YOLOv5主干网络中加入坐标注意力机制，在避免大量计算资源消耗的前提下增强感受野，将坐标信息嵌入通道注意力中以提升模型对目标的定位. 使用加权双向特征金字塔网络结构替换YOLOv5特征融合模块中的特征金字塔网络(FPN)结构，提升多尺度加权特征的融合能力. 在自制缺陷电子元件数据集上的实验结果表明，改进的GCB-YOLOv5模型平均精度达到93%，平均检测时间为33.2 ms，相比于原始YOLOv5模型，平均精度提高了15.0%，平均时间提升了7 ms，可以同时满足电子元件表面缺陷检测精度与速度的需求.
传统、新型岩土工程问题诸如压缩空气含水层储能、充气截排水技术、二氧化碳地质封存、油气地下储备工程等均涉及气水两相流与应力耦合. 针对这一工程实际，根据非饱和土气水两相渗流-应力弱耦合理论，开发了基于TOUGH2与FLAC3D的气水两相渗流-应力耦合计算搭接程序. 该计算程序能够较为真实地模拟气水两相渗流问题，能够探讨流动过程中气水的相互作用及其对过程的影响. 程序考虑了气水两相渗流与土体骨架变形直接的相互作用，反映了这一过程中孔隙度、渗透率、毛管压力和土体物理力学参数的变化，实现了更为完善的气水两相渗流与应力弱耦合分析. 通过与经典的排水试验和模型试验对比，验证了该程序可以较为准确地模拟气水两相流-应力之间的相互作用.
为了研究高压纳秒脉冲电场(nsPEF)消融恶性肿瘤的关键影响参数，基于火花开关和传输线变压器(TLT)技术，自主研制重频高压纳秒脉冲电场(RnsPEF)发生系统，可以稳定输出纳秒级脉宽的指数脉冲，证实了高压纳秒脉冲电场杀伤肿瘤细胞的效果和可控性. 以贴壁生长于六孔板中B16黑色素瘤细胞为对象，研究脉冲次数、峰值电压、重复频率和电极针对间距对肿瘤细胞消融效果的影响. 以电极杯中B16肿瘤细胞悬液为研究对象，结合CCK-8检测法开展脉冲处理后细胞活性的研究. 结果发现，高压脉冲电场和脉冲能量注入密度是影响纳秒脉冲电场消融肿瘤细胞的关键因素，重复频率对消融效果的影响不大. 结果显示，自制RnsPEF系统消融B16肿瘤细胞的阈值电场强度为6.8 kV/cm，注入能量密度的阈值为11.4 J/cm3和最佳消融次数为500次脉冲.
为了解决水下图像的雾模糊和偏色问题，针对水下图像成像模型提出基于生成式对抗网络（GAN）和改进卷积神经网络（CNN）的水下图像增强算法. 利用生成式对抗网络合成水下图像，以对配对式水下图像数据集进行有效扩充. 利用多级小波变换，以不丢失特征分辨率的方式对水下图像进行多尺度分解，然后结合卷积神经网络利用紧凑式学习方式对多尺度图像进行特征提取，并利用跳跃连接以防止梯度弥散，克服水下图像的雾模糊效应. 利用风格代价函数学习彩色图像各通道间的相关性，提高模型的色彩校正能力，克服水下图像色彩失真的问题. 实验结果表明，相较对比算法，在主观视觉和客观指标上，本研究所提算法拥有更优秀的综合性能及鲁棒性.
为了推动工业信息安全防御模式从静态的被动防御向主动防御转变，缓解安全专家严重不足与陡增的信息安全需求之间的矛盾，从仿生视角搭建数字孪生系统的信息安全主动防御体系框架，以数字孪生安全大脑为核心，提出以主动防御为目的的5类关键技术：基于云边协同的安全数据交互及协同防御技术、仿生的平行数字孪生系统主动防御技术、仿生的平行数字孪生系统安全态势感知技术、基于免疫系统的数字孪生系统主动防控技术、基于AI的数字孪生系统的反攻击智能识别技术. 给出数字孪生车间信息安全建设的应用案例，验证了数字孪生信息安全在智能制造中的适应性.
针对射频前端收发系统中衰减结构宽带性能不稳定的问题，提出具有双重电容补偿的新型开关内嵌式衰减结构。该结构基于容性校正网络，在节约核心电路面积的同时通过调节零、极点对频率响应的影响，达到拓展衰减单元工作频带的目的，以满足跨频段、宽频域射频通信收发前端的设计需求. 基于HHNEC 0.18 μm SiGe BiCMOS工艺，采用新型电容补偿结构设计6位步进式数字衰减电路，该衰减器通过6位数控开关实现64种衰减状态，衰减步进0.5 dB，衰减范围0~31.5 dB. 仿真结果表明，在0~21 GHz工作频带内衰减误差均方根小于0.23 dB，附加相移均方根小于4.38°，插入损耗最大为?11.05 dB，最小为?4 dB，中心频率处1 dB压缩点17.3 dBm，核心电路版图面积0.86 mm×0.2 mm.
