为了提升建筑冷热电联供（CCHP）微网灵活性并减少负荷波动，开展建筑湿负荷参与日前需求响应的效果和日内预测时域的自适应调节方法研究. 在日前阶段，构建包含建筑湿负荷的冷负荷需求响应模型；在日内阶段，提出基于预测负荷方差的自适应预测时域模型预测控制（MPC）方法. 在日前阶段，分析分时电价下包含湿负荷的冷负荷需求响应对总经济成本和蓄能水罐蓄冷量的影响；在日内阶段，分析采用自适应预测时域MPC方法对计算时间、成本和各类设备工作状态的影响. 结果表明，考虑湿负荷的冷负荷需求响应降低了日前阶段成本7.75%；在日内阶段，自适应预测时域MPC方法不仅能够平衡计算时间和成本，还能够增加蓄能量和平滑燃气内燃机出力.

变换器在老化不均或者布局偏差的情况下，容易出现同一桥臂上管与下管热应力不一致的问题，为此提出基于死区移位调整的上、下桥臂热均衡新方法. 在线监测绝缘栅双极型晶体管（IGBT）导通电压，基于IGBT导通电压与结温之间的映射关系推算IGBT的实时结温，并判断同一桥臂上下管的温度差异. 当上下桥臂热应力差异超过阈值时，通过微调死区的位置来调节上桥臂和下桥臂的有效导通时间，主动调控上下桥臂的功率损耗分布，从而在不影响系统总损耗的情况下，使温度较低的桥臂损耗增加，温度较高的桥臂损耗减少，从而提高变换器中功率器件热应力一致性，提升系统可靠性. 理论分析和实验结果表明，所提方法不会影响系统效率，对输出性能也没有显著负面影响. 在典型工况下，调整后上管与下管之间的平均温度差降低了约14%，有效提升了上下桥臂热应力一致性.

为了准确预测周围车辆的换道意图，提高自动驾驶车辆的安全性与可靠性，提出基于Transformer和图注意力神经网络（GATv2）的时空联合换道意图预测模型. 采用对称指数平均滤波对NGSIM原始数据进行平滑处理，利用差分方法重新计算速度和加速度并去除异常值，通过建立车辆八邻域，对目标车辆及周围车辆的数据进行统一化处理，为模型训练验证提供基础. 使用Transformer多头注意力挖掘时序依赖关系，利用GATv2进行每个时间步车辆间的交互关系量化，构建基于时空特征与多车交互关系的Transformer-GATv2换道预测模型. 实验表明，相较于其他基准模型，所提出的模型在准确率、召回率和F₁分数等指标上均具有明显优势，达到98.04%的预测精度，证明模型具有较好的换道意图预测精度和提前预测能力. 将该模型部署于六自由度驾驶模拟器与CARLA联合仿真平台，开展模型在环测试，验证了模型在实际场景下的可用性.

针对输电塔的扭转效应，提出顺线路方向扭转响应和扭转等效风荷载的理论计算方法，分析扭转模态和相干函数对扭转响应的影响，进行气弹模型风洞试验以验证计算结果的准确性，给出同时考虑扭转与平动的风振系数计算公式. 结果表明：所提出顺线路方向扭转响应计算方法与风洞试验结果非常接近，计算方法的准确性得以验证；扭转响应计算中应同时考虑水平向与竖直向的相干函数；顺横担方向来流时的扭转响应理论计算结果小于风洞试验值，原因是此时杆件间的遮挡效应产生特征湍流；塔身的扭转放大系数可忽略，横担的扭转放大系数不可忽略，最大值为1.1.

为了解决由于近邻选择不恰当导致的推荐性能下降问题，提出基于自然近邻与协同过滤的API推荐方法——N-APIRec. 该方法利用BM25算法将项目转换成向量，以自然近邻算法筛选数据集中的相似项目以减少搜索范围，从相似项目中筛选相似的方法声明，通过协同过滤的方式推荐API. 将N-APIRec在MV、SH数据集上与前沿方法进行实验对比，结果验证了N-APIRec的有效性，在MV、SH数据集上的推荐成功率分别为77.38%、30.00%，优于现有方法.

针对基于深度强化学习的交通信号控制方法存在难以及时更新交叉口信号控制策略的问题，提出基于改进深度强化学习的单交叉口交通信号控制方法. 构建新的基于相邻采样时间步实时车辆数变化量的奖励函数，以及时跟踪并利用交叉口交通状态动态的变化过程. 采用双网络结构提高算法学习效率，利用经验回放改善算法收敛性. 基于SUMO的仿真测试结果表明，相比传统控制方法和深度强化学习方法，所提方法能明显缩短交叉口车辆平均等待时间和平均排队长度，提高交叉口通行效率.

初期隧道火灾受光照及结构环境影响，检测效率低且精度差，进而易引发火情处置延误、处置资源错配的问题. 为此，提出融合可见光与红外图像优势的烟火异质视觉检测方法. 针对红外图像，引入融合差分进化的灰狼优化算法优化OTSU阈值分割，并结合最大熵算法提升火焰区域分割精度. 结合隧道场景特征适配YOLO11，引入基于神经注意力机制改造的Swin-Transformer优化主干网络以提升弱特征提取能力. 在特征融合阶段采用轻量化BiFPN适配多尺度烟火特征，引入自适应WIoU损失函数提升模糊边界下的定位精度. 决策层采用加权融合、冲突消解的方式实现双模态协同决策. 实验结果表明：相较于单模态检测，本研究方法平均定位误差至少降低23.55%；与证据理论之类的9种融合算法对比，本研究方法召回率、F1、mAP值分别为92.52%、90.83%、93.47%，效果最优，定位误差波动幅度最小；模型推理速度平均提升14.61%. 研究成果有助于隧道火灾防控，还能提升隧道整体安全管理和应急响应能力.

针对相关滤波方法容易受到背景干扰导致跟踪漂移的问题，提出自适应上下文感知图像跟踪方法. 为了减少背景干扰，选取离目标位置远的高响应区域为自适应上下文区域，赋予该区域自适应的低响应值. 根据上下文区域与目标区域响应的相对差值，给上下文区域自适应的惩罚因子，使得该算法具有更好的鲁棒性. 该算法在OTB2013、OTB2015及Temple-Color128标准数据集上都展现了优秀的跟踪性能，OTB2015的重叠率精度达到61.53%，超过大部分已有的优秀算法，特别是在背景混叠及部分遮挡的情况下有着更卓越的表现. 该算法的平均跟踪速度为24.5帧/s，实时性较好.

针对光伏电站传统巡检技术的高成本、低效率以及准确率不高等问题，提出二阶段式的航拍红外图像热斑检测方法，实现对红外图像中热斑缺陷的组件级定位及精细化分类诊断. 该方法将传统图像处理技术与深度学习方法融合，进一步提升缺陷诊断的准确率与效率. 基于航拍红外图像前、后景灰度值的差异，提出基于边缘检测的组件分割方法来提取光伏组件轮廓以实现组件级定位，该方法以相对较小的硬件需求实现光伏组件有效检出率可达99.3%. 考虑到热斑成因、危害及对应处理方式的差异性，提出基于EfficientNet的红外缺陷分类模型对热斑进行精细的四分类，为电站运维人员提供更为精准的决策支撑，该模型在空间占用20.17 MB的情况下获得97.0%的热斑分类准确率. 经过实验对比分析，论证了本研究所提出的方法在缺陷诊断的效率以及准确率上都较高.

针对多节线驱连续型空间机械臂系统，在考虑存在外界时变干扰与参数不确定的情况下，提出基于模糊补偿的预定时间姿态控制方法. 设计模糊估计器估计系统切换增益，补偿未知有界总干扰. 基于预定时间稳定性理论，结合滑模控制，提出预定时间控制方法，使机械臂系统在预先设定时间内到达稳定状态. 与基于有限时间理论的控制方法相比，所提基于预定时间控制方法的稳定时间与系统初始状态无关，可以根据实际系统需求预先设置，并且所提方法在系统收敛速度与精度上具有更优的控制性能. 基于Lyapunov稳定性理论证明闭环系统的稳定性. 仿真结果表明，所提控制方法使系统姿态角误差快速收敛，并且预定时间稳定.

为了经济高效地回收超临界CO₂布雷顿循环（SCBC）的余热，分别采用卡琳娜循环（KC）和有机朗肯循环（ORC）作为底循环，设计了SCBC/KC及SCBC/ORC这2种系统方案. 对2种方案系统进行参数分析并利用NSGA-Ⅱ多目标遗传算法对联合循环系统进行多目标优化计算，将优化结果与SCBC系统性能进行比较，突出联合循环系统的性能优势. 参数分析结果表明：2种联合循环系统热力性能均存在最佳压比；升高底循环膨胀比有助于提升系统热力性能；提高底循环涡轮机进口温度有助于改善系统?经济性能. 对比结果表明：优化后的SCBC/KC系统热效率和?效率较优化前SCBC系统分别升高了9.27%和8.69%，?经济成本仅升高了0.92%；SCBC/ORC系统热效率和?效率较优化前SCBC系统分别升高10.73%和10.08%，?经济成本升高了1.87%. 通过比较分析可知，SCBC/KC系统更经济，而SCBC/ORC系统更节能.

为了提高有源箝位反激(ACF)变换器的转换效率，提出基于自适应死区时间控制(ADTC)的数字控制ACF变换器设计技术. 通过副边采样检测2个原边功率管的零电压开关(ZVS)信息，实现对死区时间的自适应控制和功率管的ZVS，副边采样使采样器件的耐压要求降低. 基于CoolMOS功率管，开发ACF变换器的45 W (20 V/2.25 A)样机验证系统设计，用现场可编程门阵列(FPGA)实现数字控制. 测试结果表明，变换器在300 kHz开关频率下正常工作，在155 V直流电压输入和不同负载条件下自适应控制死区时间，实现原边功率管的ZVS，系统最高和最低效率分别为97.48%和92.86%.

针对文本分类问题，提出新的基于知识增强的图卷积神经网络（KEGCN）分类模型. KEGCN模型在整个文本集上构建了一个包含单词节点、文档节点、外部实体节点的文本图，不同类型节点之间使用不同的相似性计算方法；在文本图构建完成后将其输入到2层图卷积网络中学习节点的表示并进行分类. KEGCN模型引入外部知识进行构图，捕获长距离不连续的全局语义信息，是第1个将知识信息引入图卷积网络进行分类任务的工作. 在4个大规模真实数据集20NG、OHSUMED、R52、R8上进行文本分类实验，结果表明，KEGCN模型的分类准确率优于所有的基线模型. 将知识信息融入图卷积神经网络有利于学习到更精准的文本表示，提高文本分类的准确率.

为了探究涡轮叶片内部肋通道的流场特性与换热机理，设计不同角度的带肋通道实验模型. 采用流动显示实验与粒子图像测速实验，对通道的典型截面流场进行统计平均特性分析与非定常分析. 结果表明，当扰流肋与流向的夹角为60°~90°时，减小夹角能够降低扰流肋对流体的阻挡作用，增大扰流肋后方旋涡的纵向范围与强度. 减小夹角使第1个肋区间的回流强度先增大后减小，第2个肋区间流体的纵向冲击强度增大. 斜肋结构能够提高主流流体与肋间流体的雷诺应力峰值，增强肋间扰动强度，提升通道的换热特性. 减小夹角可以提升流场的速度振荡幅值与振荡频率，提高通道的换热效率. 减小夹角可以增大流体沿肋向流动的能量与能量波动频率，使得旋涡在向后脱落的过程中更易于与靶面进行能量交换.

为了解决搜索和跟踪（SAT）资源分配（RA）实时性的问题，提出博弈论视角下的资源分配策略. 建立搜索与跟踪的系统模型，将SATRA建模为非合作博弈问题，将模型中搜索子空域和跟踪多目标间的资源分配问题看作合作博弈关系，利用Shapley值完成相应资源的分配，给出纳什均衡求解的双目标优化模型；为了快速找到符合决策者偏好的分配解，将双目标优化模型通过动态加权的理想点法转化为单目标优化问题，提出并行混合遗传粒子群优化（PHGAPSO）算法求解上述优化问题最优分配方案，仿真验证了博弈分配策略的有效性和先进性以及混合算法性能的优越性. 在相同的条件下，与帕累托双目标优化方法进行对比. 实验结果表明，博弈论的方法具有更高的灵活性，平均搜索信噪比提高了1.02%，平均跟踪目标误差降低了1.55%.

针对无人机视角路面病害检测中上下文信息丢失、多尺度病害共存以及细节还原不足等问题，构建基于动态核感知的路面病害检测模型，DKP-YOLO. 为了缓解复杂场景裂缝形态多变与上下文信息易丢失的问题，提出轻量化裂缝上下文模块，该模块通过异构并行深度可分离卷积与动态特征融合机制增强特征区分度. 针对复杂背景与多尺度病害的挑战，设计路面病害感知模块，利用并行多尺度卷积与双重注意力机制提升多尺度病害感知能力. 为了克服传统卷积难以建模长程依赖和对微小目标响应不足的局限，提出大核感知特征融合模块，通过整合超大感受野卷积与通道-空间注意力捕捉全局上下文关系. 为了减少上采样过程中细节丢失与语义模糊，在颈部网络引入轻量级动态上采样算子. 在UAV-PDD2023数据集上的实验表明，本研究模型在显著提升检测精度的同时，实现了模型复杂度的有效降低. 与基线模型相比，本研究模型在轻量化和检测性能上取得更好的平衡，更适合无人机视角路面病害目标检测.

通过模型试验探究高承台桩埋藏段存在不同尺寸缺陷时的桩身质点水平速度响应，结合有限元(FEA)分析试验结果. 结果表明，基于桩的水平振动特性的低应变检测方法可以用于识别高承台桩桩身缺陷，且缺陷处截面直径越小，桩身质点水平速度响应曲线中缺陷处反射越明显. 随着缺陷高度的变化，缺陷处顶、底面反射信号可能会产生叠加或分离现象，导致不同缺陷高度下缺陷反射的波形不一致. 在数值模拟中，当采用柔性剪切梁单元模拟高承台桩时，数值模拟结果和试验结果吻合较好. 在实际工程中，当应用水平低应变法检测桩身完整性时，推荐采取近承台处激振、近承台处速度采集，可以根据缺陷处反射起振时间较精确地计算桩身缺陷埋深.

针对高速无人驾驶车辆运动控制过程中轨迹跟踪精度和稳定性难以同时保障的问题，提出综合前馈-反馈及自抗扰控制(ADRC)补偿相结合的横向控制算法. 通过车速和道路曲率信息计算前馈稳态前轮转向角，将质心侧偏角引入航向偏差，以车辆航向角偏差和侧向偏差作为参考量进行反馈控制，通过前馈-反馈控制提升瞬态轨迹跟踪性能. 设计自抗扰控制器，通过扩张状态观测器对未建模动态和内外界干扰进行估计，通过将后轮侧偏角控制在参考值附近来补偿前轮转角，提升无人驾驶车辆的转向稳定性和控制器的鲁棒性. 不同工况下的仿真结果表明，利用该方法可以保证高速无人驾驶车辆稳定地跟踪期望路径行驶，轨迹跟踪偏差较小，对车辆参数变化和外界干扰具有较强的鲁棒性.

旨在系统阐述卤化物钙钛矿前驱体溶液在成膜过程中的流体动力学行为，构建可用于调控溶质输运、蒸发动态与结晶演化的统一理论框架. 通过流变测试、动力学分析与典型涂布工艺的数值模拟相结合的方法，表征溶液在黏性流动、界面铺展与蒸发固化阶段的速度分布和浓度迁移特征，并借助粒子成像测速及界面追踪技术，实现对流场结构、蒸发前沿位置与晶体取向的协同观察. 结果表明，溶剂体系、剪切条件与界面性质是决定溶质分布与结晶路径的关键变量；适度调控蒸发梯度和界面能有效抑制咖啡环效应. 综上，建立了贯穿溶液工程、工艺调控、界面调节与结构表征的系统化机制框架，能为实现高均匀性、低缺陷的钙钛矿薄膜提供可预测、可设计的调控路径，并为溶液法加工钙钛矿光电材料的可调控制造奠定理论基础.

为了解决UNet模型在医学图像分割任务中的复杂特征提取与泛化能力不足的问题，提出基于Kolmogorov-Arnold网络（KAN）和卷积KAN（CKAN）的优化模型KUNet，增强UNet模型的性能. 通过用CKAN替换传统卷积层，引入KAN特征增强模块，优化跳跃连接，结合自适应基函数学习机制，在保留结构信息的同时提高特征提取的多样性与精度. 在4个不同的多模态数据集LiTS、CORN、DRIVE和Lungs上，与UNet基线模型、nnUNet模型和Swin-UNet模型进行对比实验. 结果表明，UNet基线模型与KUNet模型在4个数据集上Dice系数和IoU系数的平均最大性能差异指标（MAPG）分别为0.6799和0.6203，且KUNet模型相较于最优或次优模型在4个数据集上的平均提升指标为0.3213和0.2625. 利用KUNet模型，能够在短周期内有效提取到更多的特征，提升图像分割的准确度.