对近年来的相关工作进行全面分析、横向比较，梳理出基于深度学习的EEG数据分析闭环流程. 对EEG数据进行介绍，从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开，梳理深度学习算法在相应阶段提供的研究思路和解决方案，包括各阶段所存在的难点与问题. 全方位总结出不同算法的主要贡献和局限性，讨论深度学习技术在各个阶段处理EEG数据时所面临的挑战及未来的发展方向.

为了检测复杂环境下枸杞的虫害情况，提出基于改进YOLOv5m的模型. 以下一代视觉转换器 （Next-ViT）作为骨干网络，提高模型的特征提取能力，使模型更加关注关键目标特征. 在模型颈部增加自适应融合的上下文增强模块，增强模型对上下文信息的理解与处理能力，提高模型对小目标（蚜虫）的检测精度. 将颈部网络中的C3模块替换为C3_Faster模块，减少模型占用量并进一步提高模型检测精度. 实验结果表明，所提模型的准确率和召回率分别为97.0%、92.1%，平均精度均值为94.7%；相比于YOLOv5m，所提模型的平均精度均值提高了1.9个百分点，蚜虫的检测平均精度提高了9.4个百分点. 对比不同模型的平均精度均值，所提模型比主流模型YOLOv7、YOLOX、DETR、EfficientDet-D1、Cascade R-CNN分别高1.6、1.6、2.8、3.5、1.0个百分点. 所提模型在提高检测性能的同时，模型占用量也保持在合理范围内.

为了解决时序数据间分布不一致的问题，使模式分析更容易应用于其他数据,提出基于迁移学习的交互式时序数据可视化生成方法, 将迁移成分分析应用于时序数据提取的特征. 将用户在其中一个时序数据上的分析作为标签, 在该源域上训练分类器并应用到多个目标域, 对多个不同目标域的时序数据的模式进行批量推荐. 通过真实的天气数据和轴承信号数据的2个案例分析和专家访谈, 验证了利用该方法能够提高时序数据探索的效率，减少数据分布不一致问题带来的影响, 体现该方法的有效性和实用性.

农业机器人采用深度强化学习算法进行路径规划时存在难以找到目标点、稀疏奖励、收敛缓慢等问题，为此提出基于多目标点导航融合改进深度Q网络算法（MPN-DQN）的路径规划方法. 利用激光同步定位与建图（SLAM）扫描全局环境以构建先验地图，划分行走行和作物行区域；对地图边界进行膨胀拟合处理，形成前向弓字形作业走廊. 利用中间目标点分割全局环境，将复杂环境划分为多阶段短程导航环境以简化目标点搜索过程. 从动作空间、探索策略和奖励函数3个方面改进深度Q网络算法以改善奖励稀疏问题，加快算法收敛速度，提高导航成功率. 实验结果表明，搭载MPN-DQN的农业机器人自主行驶的总碰撞次数为1，平均导航时间为104.27 s，平均导航路程为16.58 m，平均导航成功率为95%.

基于改进遗传算法研究倾转旋翼无人机（TRUAV）在多障碍物约束下的区域覆盖路径规划问题. 运用最小跨度算法和往返路径生成算法进行任务区域内的覆盖路径初规划，将区域覆盖问题转化为旅行商问题以优化覆盖路径顺序. 为了避开区域内的障碍物，提出鱼尾形避障策略. 引入最近邻算法，生成比传统遗传算法质量更高的初始种群，设计三点式交叉算子和动态区间变异算子进行遗传操作以提高所提算法的全局搜索能力，避免算法陷入局部最优. 在含多个障碍物的多边形区域算例内仿真验证所提算法的性能. 结果表明，相比于逐行路径覆盖算法和传统遗传算法，所提算法的覆盖路径长度减少了7.80%，TRUAV的任务区域覆盖效率显著提升.

为了促进区域配电网新能源电力的就地消纳、解决传统储能形式难以满足由新能源间断性发电带来的长时存储需求，考虑氢储能的多能联产联储特性，提出计及共享交易机制的多类型微网共享氢储能系统容量规划方法. 考虑异质性微网的多种调节需求，设计由微电网群运营商配置氢储能的多微网能源交易基本框架. 考虑氢储能在共享运营时与多微网间复杂的利益交互关系，计及微网内部的电热需求响应，提出基于主从博弈的共享氢储能交易定价机制，以保证共享模式的可持续发展. 对共享氢储能的容量规划进行研究，降低微电网群运营商的投资成本，保证微电网群运营商的共享收益. 算例分析结果表明，利用所提的容量规划方法，能够缩短微电网群运营商的氢储能投资回收年限2.36 a.

针对机器人对形状、大小、种类变化不一的未知物体的抓取，提出轻量化的抓取位姿实时检测算法RTGN，以进一步提升抓取检测准确率及检测速度. 设计多尺度空洞卷积模块，以构建轻量化的特征提取主干网络；设计混合注意力模块，以加强网络对重要抓取特征的关注；引入金字塔池化模块融合多层级特征，以提升网络对物体的抓取感知能力. 在Cornell抓取数据集上进行测试，RTGN检测速度为142帧/s，在图像拆分和对象拆分上的检测准确率分别为98. 26%和97. 65%；在实际抓取环境下进行抓取实验，机器人对20类未知物体进行400次抓取，抓取成功率为96. 0%. 实验结果表明，RTGN的检测准确率和检测速度较现有方法有明显提升，对物体的位置和姿态变化具有较强的适应性，并且能够有效地泛化到形状、大小、种类等变化不一的未知物体的抓取检测中.

针对无人机图像中背景复杂、小目标数量多且分布密集的特点，提出基于YOLOv5s的无人机密集小目标检测算法LSA_YOLO. 构造多尺度特征提取模块LM-fem，增强网络的特征提取能力. 为了抑制复杂背景的干扰，使算法关注目标信息，提出依靠多尺度上下文信息的、新的混合域注意力模块S-ECA. 设计自适应权重动态融合结构AFF，为浅层特征和深层特征合理分配融合权重. 将S-ECA、AFF应用于PANet结构，提高算法在复杂背景下的密集小目标检测能力. 使用损失函数Focal-EIOU代替损失函数CIOU，增强模型检测性能. 在公开数据集VisDrone2021上的实验结果表明，当设置输入分辨率为1 504 $ \times $1 504时，对所有目标类别的平均检测精度从YOLOv5s的51.5%提高到LSA_YOLO的57.6%.

针对现有折纸机器人组成结构单一，运动不够灵活的问题，将折纸结构与多足机器人设计相结合，耦合三浦折纸和六折痕折纸，提出新型的仿螃蟹六足折纸机器人设计方案，扩展了折纸机器人的运动构型，提升了折纸机器人的运动灵活性. 在面对称假设下，该机器人单足具有2个自由度，此时将机器人腿部顶点等效为关节，轴线折痕等效为连杆，建立机器人腿部的平面连杆等效模型，并以折面夹角为运动变量，通过仿真计算得出机器人足端的理论运动范围. 利用楔形面板技术对折面增厚并避免相邻折面发生物理干涉，建模得到折纸仿螃蟹六足机器人的三维模型. 基于平面连杆的等效模型，分析折面夹角与足端运动之间的联系，设计确定机器人的足端运动轨迹与运动步态. 利用3D打印技术设计并制作折纸仿生六足机器人试验样机，基于STM32单片机控制实现了机器人三横向角步态运动. 结果表明，该折纸仿生机器人可以实现平面构型到仿螃蟹构型的转换，在6条腿的协同运动下，机器人可以平稳地左右横向移动.

受不同像素级视觉任务间的特征信息能够相互指导和优化的思路启发，基于多任务学习理论提出联合语义分割和深度估计的交通场景感知算法. 提出双向跨任务注意力机制，实现任务间的全局相关性显式建模，引导网络充分挖掘和利用任务间互补模式信息. 构建多任务Transformer，增强特定任务特征的空间全局表示，实现跨任务全局上下文关系的隐式建模，促进任务间互补模式信息的融合. 设计编-解码融合上采样模块来有效融合编码器蕴含的空间细节信息，生成精细的高分辨率特定任务特征. 在Cityscapes数据集上的实验结果表明，所提算法的语义分割平均交并比达到79.2%，深度估计均方根误差为4.485，针对5类典型交通参与者的距离估计平均相对误差为6.1%，能够以比现有主流算法更低的计算复杂度获得更优的综合性能.

采摘机器人在不稳定光照、果实多样性和树叶遮挡等复杂自然环境下识别苹果时，检测模型难以捕获关键特征，导致采摘效率和准确性较低. 提出基于YOLOv7模型的针对复杂场景下苹果目标检测的改进算法. 通过限制对比度自适应直方图均衡化算法增强苹果图像对比度，以减少背景干扰，增强目标轮廓清晰度；提出多尺度混合自适应注意力机制，通过特征解构与重构，协同整合空间和通道维度的注意力导向，优化多层次特征的长短距离建模，增强模型对苹果特征的提取能力与抗背景干扰能力；引入全维度动态卷积，通过精细化的注意力机制优化特征选择过程；增加检测头个数，解决小目标检测问题；采用Meta-ACON激活函数，优化特征提取过程中的关注度分配. 结果表明，改进后的YOLOv7模型对苹果的平均检测准确率和召回率分别为85.7%、87.0%，相比于Faster R-CNN、SSD、YOLOv5、YOLOv7，平均检测精度分别提高了15.2、7.5、4.5、2.5个百分比，平均召回率分别提高了13.7、6.5、3.6、1.3个百分比. 模型效果表现优异，为苹果生长监测及机械摘果研究提供了坚实的技术支撑.

新能源发电设备接入发电侧会导致发电侧呈现“弱惯量”特征，影响系统的安全稳定运行. 利用同步相量测量单元(PMU)测量机电振荡响应，提出基于小扰动下机电振荡参数的发电侧惯量评估方法. 根据惯量响应过程的特点，推导与各发电机惯量有关的不平衡功率分配公式. 根据多机系统小信号状态方程与特征根的关系，推导多机系统发电侧惯量计算公式. 介绍单机系统发电侧惯量的计算方法，阐述惯量计算公式中的惯量比与固有振荡频率的测量方法. 通过单机系统、双机互联系统、WSCC3机9节点系统、10机39节点系统仿真算例验证所提方法的正确性. 结果表明，所提方法在多个系统中的发电侧惯量评估值与实际值接近，具有良好的适应性，可用于电力系统的发电侧惯量评估.

为了制订自动驾驶车辆(AV)停车需求管理方案，搭建多智能体停车模拟框架，提出2种空载行驶收费策略：基于行驶距离的静态收费和基于道路拥堵水平的动态收费，研究费率计算方法. 建立空载行驶收费策略下停车场停车、居住地停车及持续空载巡航3种停车模式的成本函数，使用logit模型描述不同停车模式下的选择行为. 利用Simulation of urban mobility (SUMO)，以南宁市主城区为例开展大规模路网下的仿真实验，研究2种策略下的AV停车行为及路网运行状态变化. 仿真结果表明，静态收费策略和动态收费策略下的AV空载行驶里程分别减少了20.16%和10.85%，车辆总延误分别降低了39.80%和43.52%；动态收费策略能够灵活地根据路况变化进行实时调整，路网运行效率提升更显著.

针对推荐系统存在的数据稀疏、冷启动、推荐可解释性低、个性化不足等问题，分析知识图谱在推荐系统中的融入情况.从推荐系统的需求、知识图谱的相关概念、推荐系统与知识图谱的融合方式3个方面，对当前推荐系统存在的问题及推荐系统融合知识图谱后的解决方案进行概括. 总结近年来通过结合注意力机制、神经网络、强化学习方法，采用取舍节点、整合节点、探索路径等原理充分利用知识图谱中复杂结构信息，从而提升推荐系统满意度. 提出融合知识图谱的推荐系统所面临的知识图谱完备性、动态性、高阶关系可利用度以及推荐性能方面的挑战及未来可能的发展方向.

三维空间环境复杂，多无人机的低空突防航迹规划计算量大，现有多目标秃鹰搜索算法存在求解易趋于中心点及精度低的缺陷，为此提出基于改进多目标秃鹰搜索算法(IMBES)的三维多无人机低空突防方法. 构建三维环境模型、威胁源模型、无人机物理约束模型、多无人机协同约束模型以及路径平滑度约束模型，确定多目标代价函数. 设计耦合混沌映射初始化，有效提高初始化种群质量；设计基于“侦察鹰”的自适应高斯游走策略，平衡开发与搜索能力；引入快速非支配排序，进一步提高算法效率. 利用秃鹰位置与无人机速度、转弯角度、爬升角度的对应关系，采用IMBES高效搜索无人机构型空间，找到最优的帕累托前沿. 实验结果表明，IMBES的成功率为70.5%. 与现有路径规划方法相比，所提方法的优化能力强、能耗低，适用于多无人机协同低空突防.

丘陵地区果园植保无人机作业时人工操控难度大，自动作业缺少三维路径规划，为此提出山地果园植保无人机全覆盖三维作业路径规划方法. 利用实景三维模型获取作业区域三维坐标，基于往复牛耕法和丘陵果园实景三维模型，进行植保无人机全覆盖三维路径规划. 考虑植保无人机运动状况及自身载重变化，构建植保无人机能量消耗模型，进而对作业航向角（1°~180°）进行寻优，获得最小能耗的作业路径. 田间试验表明，最小能耗的作业路径（航向角为91°）相比于最大能耗的作业路径（航向角为147°）降低了完成植保作业所需总能耗（能耗降低率为20.88%），缩短了完成植保作业所需时间（时间降低率为16.31%），且作业区域内各采样点的冠层雾滴沉积量波动较小，在优化能耗、提高作业效率的同时实现了对作业区域的全覆盖植保作业.

针对含多园区的综合能源系统(IES)所面临的灵活性和低碳性不足的问题，提出考虑多种灵活性资源的综合能源分布式低碳经济调度模型. 分析系统的灵活性需求，提出IES灵活性裕度约束，并构建包含碳捕集电厂在内的多种灵活性资源模型，充分利用碳捕集电厂的灵活运行模式. 引入阶梯式碳交易，建立综合能源系统双层调度模型. 模型上层以能源供应商供能成本最小为目标，下层以由能量枢纽(EH)组成的能源运营商运行成本最小为目标. 针对多主体运营特性，利用目标级联分析法进行求解，实现能源供应商和能源服务商上下层协同调度. 通过由IEEE30节点电网、比利时20节点气网和多个能量枢纽组成的算例，验证所提模型对提升系统灵活性和低碳性的积极作用.

为了兼顾无信号交叉口处智能网联车辆通行效率和舒适性要求，提出基于深度强化学习的车辆运动规划算法. 结合时间卷积网络(TCN)和Transformer算法构建周围车辆行驶意图预测模型，通过多层卷积和自注意力机制提高车辆运动特征捕捉能力；利用双延迟深度确定性策略梯度 (TD3)强化学习算法构建车辆运动规划模型，综合考虑周围车辆行驶意图、驾驶风格、交互风险以及自车舒适性等因素设计状态空间和奖励函数以增强对动态环境的理解；通过延迟策略更新和平滑目标策略提高算法稳定性，实时输出期望加速度. 实验结果表明，所提运动规划算法能够根据周围车辆的行驶意图实时感知潜在的交互风险，生成的运动规划策略满足通行效率、安全性和舒适性要求，且对不同风格的周围车辆和密集交互场景均有良好的适应能力，不同场景下成功率均高于92.1%.

针对单模态特征提取存在的模态特征异质性难以保留问题和跨模态特征融合存在的特征冗余问题，基于跨模态Transformer，提出新的多模态情感分析模型（MTSA）. 使用长短时记忆(LSTM)与多任务学习框架提取单模态上下文语义信息，通过累加辅助模态任务损失以筛除噪声并保留模态特征异质性. 使用多任务门控机制调整跨模态特征融合，通过层叠Transformer结构融合文本、音频与视觉模态特征，提升融合深度，避免融合特征冗余. 在2个公开数据集MOSEI和SIMS上的实验结果表明，相较于其他先进模型，MTSA的整体性能表现更好，二分类准确率分别达到83.51%和84.18%.

针对踝关节康复训练的需求，分析踝关节的运动机理，运用模块化驱动单元与鲍登线，设计轻量化、易穿戴的柔性踝关节外骨骼机器人，实现踝关节跖屈/背屈、内/外翻的运动辅助. 柔性外骨骼在背屈和跖屈阶段分别采用位置控制和力矩控制. 位置控制以传统PID为主；力矩控制以力为反馈信号，建立交互力差值与鲍登线内芯位移补偿之间的导纳模型. 通过Sigmoid变形函数实现导纳参数的动态调控，满足辅助力矩输出和人机交互柔顺性的需求. 实验结果表明，位置跟踪误差不超过0.46 cm，力输出误差为?1.5~1.5 N，能够满足人体康复训练的需求.