提出基于改进RT-DETR的复杂天气下铁路异物检测算法FRP-DETR. 引入特征互补映射模块（FCM）与Pzconv单元，通过构建浅层空间细节与深层语义信息弥补单一尺度特征表达的局限性，两者协同增强小目标和边缘目标的感知能力；引入铁路感知调制融合模块（RMFM），基于自适应通道注意力与空间调制机制，增强模型对铁路场景关键语义信息的响应能力；以风车状卷积（PSConv）替代原始下采样模块，通过多方向非对称填充与分离卷积强化边缘纹理提取. 基于SaMam风格迁移方法，将晴天铁路异物图像迁移至雨天、雾天、雪天等场景，构建了包含4种天气条件的铁路异物检测数据集. 实验结果表明，相比原RT-DETR-R18模型，所提方法在mAP@0.5和mAP@0.5:0.95上分别提升了1.65个百分点和3.4个百分点，参数量降低63.5%，推理速度达到88 帧/s，实验结果验证了FRP-DETR在复杂天气下的铁路异物检测任务中兼具高精度、轻量化与实时性优势.

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.

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.

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.

针对自动驾驶汽车轨迹跟踪过程中模型预测控制器跟踪精度不足和实时性差的问题，提出考虑主客观因素的模型预测控制参数优化方法. 针对非支配排序鲸鱼优化算法（NSWOA）得到的最优解相对集中和超出边界的问题，提出基于改进Sinusoidal映射和莱维飞行策略的改进NSWOA. 将模型预测控制器的参数优化问题转化为多目标优化问题，以预测时域、控制时域和采样时间作为优化变量，以横向轨迹误差平方和与总计算时间作为优化目标，利用改进NSWOA求解多目标优化问题，获得Pareto最优解集. 采用专家打分法、连续有序加权平均算子法、博弈论组合赋权法和逼近理想解排序法，确定最佳的控制器参数组合. 所提方法的跟踪精度平均提高了56.27%，计算时间平均减少了21.54%，为模型预测控制参数的整定策略提供了兼顾高跟踪精度和高实时性的新思路.

针对人工划分空域扇区耗时长且难以比较不同扇区划分方案优劣的问题，提出改进的快速非支配排序遗传算法(NSGA-II）. 以均衡管制员扇区内工作负荷和减少管制员扇区间工作负荷为目标，基于网格-区域块-扇区层级提出三维扇区划分多目标优化模型. 为了提高种群的可行解数量、多样性及算法的解算速度，在NSGA-II算法中引入适应度评估算子、变概率组合交叉算子和动态变异算子. 对西安高空空域进行三维扇区自动划设的仿真模拟. 结果表明，与实际划分构型相比，优化后的方案将扇区内工作负荷均衡性提高了37%，扇区间工作负荷减少了24%；与传统的加权多目标优化算法相比，基于改进的NSGA-II算法得到的扇区划分方案可以为不同偏好的决策者提供更广泛的选择.

从驱动方式的角度综述水下机械手的发展现状，讨论动力学建模、运动控制及自主智能化在水下机械手作业中的关键作用，分析末端执行器从刚性向柔性演化的趋势，总结现有水下机械手在结构设计、动力学模型、自主智能控制等方面存在的问题. 动力学建模、运动控制及自主智能技术作为实现水下机械手作业的关键技术，旨在应对作业环境的复杂性和不确定性. 具有自主作业与精确运动控制能力的智能水下机械手在现代海洋工程、深海探索以及海洋资源开发中展现出广阔的应用前景.

随着多模态大语言模型（MLLMs）在视觉问答、视觉理解和推理任务中取得显著进展，其在网络边缘侧资源受限设备中的应用潜力也日益凸显. 然而，庞大的模型规模和高昂的部署与推理成本仍然是制约其广泛应用的主要瓶颈. 针对边缘侧设备优化的多模态大语言模型已成为该领域的重要研究方向. 本研究综述该领域的最新进展，并分析面临的挑战与发展趋势. 回顾多模态大语言模型在边缘侧设备上的研究历程，重点讨论模型架构优化和推理调度策略. 在模型架构优化方面，特别分析了视觉信息压缩、稀疏注意力机制以及混合专家模型等优化方法. 在系统级优化方面，探讨计算调度、硬件适配、编译优化和云边协同等技术，以提升推理效率和能效. 此外，还讨论了这些模型在实际应用中的关键挑战，并以自治能力为划分视角，覆盖从辅助型到协作型再到自主型的多类任务场景. 最后，总结当前研究的局限性，并展望了未来研究方向，特别是在标准化部署、高效计算与存储以及多模态融合优化方面的潜力.

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.

针对机电装备结构复杂、故障耦合度高导致基于人工经验的运维方案方法效率低、故障追溯性差的问题，提出思维链增强的机电装备运维方案智能生成方法. 利用大语言模型的多源知识融合和知识推理的能力，设计机电装备多源异构运维领域知识的预处理流程，建立思维链增强的机电装备运维领域知识本体模型，通过思维链增强的故障知识注入和大模型微调，构建具备因果链式推理能力的思维链增强领域模型，实现机电装备的“故障现象-原因排序-方案生成”故障溯源推理. 引入图检索增强生成技术，构建具有社区划分的零部件知识图谱，深度融合推理多部件维修知识，提高运维方案的生成质量，实现故障溯源到运维方案生成的智能运维闭环. 对思维链增强领域模型进行性能评估和应用验证，结果表明，所提方法在故障溯源、运维方案生成的任务中表现出优异性能，显著提升了机电装备故障溯源的准确性和运维方案的合理性.

现阶段的交警手势识别方法难以在保持高识别准确率的同时实现轻量化部署，且交警手势具有变化细微、使用场景复杂的特点，为此提出面向自动驾驶的轻量化交警手势识别方法. 基于YOLOv8n算法，设计高效自适应权重下采样模块，取代主干网络部分标准卷积，捕捉位置差异，减少参数量与计算量. 设计C2f-G模块，充分利用局部和上下文特征，提高复杂背景下的识别准确率. 在颈部网络引入三重注意力机制，全面捕捉细粒度特征信息. 在中国交警手势数据集上进行验证，与基线模型相比，所提方法的参数量减少44.0%，平均精度均值提升3个百分点，检测速度达294帧/s. 所提方法有效解决了复杂环境下交警手势动态识别的问题，在快速、高精度识别的同时，实现模型轻量化，显著减小了部署难度.

边缘计算环境中存在如边缘服务器和虚拟机故障的风险因素，导致系统可靠性与服务质量降低，为此基于故障感知与可靠性均衡原理，提出时延-可靠性协同优化的任务部署策略. 建立可靠性增强移动边缘计算（MEC）系统模型以及基于服务器负载感知的故障率变化模型. 在减少时延与提高系统可靠性水平之间权衡，找到合适的计算节点部署任务，在能耗约束的条件下实现低时延、高可靠性的任务部署方案. 针对服务器故障率变化的情况，提出可靠性均衡的概念，通过限制边缘服务器的最大资源使用率来保证系统的可靠性，使用可靠性均衡评价指标（DRI）来衡量算法的性能. 仿真实验结果表明，与其他相关算法相比，2种所提算法在系统可靠性上分别平均提升了0.57%和1.09%，在时延上分别平均减少了30.06%和16.86%.

为了提高重载与时变速及强噪声工况下电液伺服阀泄漏和阻塞隐蔽故障的诊断精度与鲁棒性，开展基于多源信号融合与混合注意力机制的电液伺服阀故障诊断方法研究，以增强模型对弱故障特征的表征与识别能力. 面向工程应用场景，构建压力与控制信号的双通道多尺度 Transformer 融合网络(DC-MTF-Net)，通过卷积注意力模块增强多尺度时序特征提取，引入交叉注意力门控融合实现多源特征的自适应加权. 采用自编码预训练与分类微调的两阶段学习框架，提升复杂生产环境下的特征表征与泛化能力. 基于重载与时变速的电液伺服阀试验平台多故障实验表明，与对比模型相比，所提方法的诊断准确率至少提高6%，在单通道诊断及多种噪声干扰对比实验下均表现出更高的稳定性和鲁棒性，验证了该方法在工程应用中的有效性.

为了探究冲击载荷下岩石破碎机理及其碎片统计特性，采用离散元法（DEM）与Tavares破碎模型，系统模拟不同长径比（1.0~2.0）和尺寸（直径30~50 mm）石灰岩试样的落锤冲击破碎过程，并采用Image J图像处理技术定量统计碎片数量、粒度分布及形状指数. 研究发现，增大长径比与尺寸显著提高了破碎能阈值，导致法向力峰值延迟、幅值降低，并延缓整体破碎进程；碎片等效粒径与筛分粒径分布曲线重合度低，表明碎片普遍呈片状、棒状等非规则几何构型；低长径比（1.0）与小尺寸（直径30 mm）试样产生的碎片圆度更低、棱角更突出，表面粗糙度更大. “几何参数-破碎响应-碎片形貌”定量关联模型可为冲击防护结构设计、爆破参数优化及堆石料级配形貌控制提供理论依据与调控路径.

通过直接数值模拟研究不同韦伯数下马蹄涡与自由界面之间的相互作用. 采用分段线性界面重构方法结合体积分数法，求解不可压Navier-Stokes方程，并引入连续表面力模型，对韦伯数0.24~0.84范围内的流动过程进行模拟. 通过对流场中总动能、耗散率、总螺旋度及表面能的演化进行定量分析，揭示了韦伯数对涡环与自由界面相互作用的影响. 在低韦伯数情况下，表面张力占主导地位，相界面保持紧凑的环状结构，涡量场稳定且螺旋度几乎不变；在高韦伯数下，惯性力主导，界面经历显著的拉伸、断裂和重联过程，涡结构发生破碎，动能衰减加速，出现明显的能量耗散峰值，螺旋度持续减小. 研究结果揭示了韦伯数在涡环与界面作用的能量传递与耗散机制中具有重要作用，可为多相流界面动力学特性提供理论支撑，并为跨界面航行器设计这类工程应用提供指导.

针对无人艇集群在复杂海洋环境中的围捕与博弈对抗问题，提出基于自适应课程学习和多智能体近端策略优化(MAPPO)算法的围捕决策方法. 针对海上围捕与防御任务，构建包含动态目标与多岛礁的作战仿真环境，确定围捕成功及任务终止的判定条件. 为了提升复杂对抗环境下的决策效率，设计表征敌我双方运动态势的归一化状态空间、多尺度奖励函数以及连续动作空间. 在集中式训练、分散式执行的训练框架中引入自适应课程调度器，动态调整训练环境复杂度和动作探索的噪声强度. 多组对抗仿真实验的结果表明，相较于基准方法（如无课程学习和传统课程学习方法），所提方法能够有效提升围捕成功率，缩短平均任务完成时间和平均围捕路径长度，降低碰撞次数，并展现出良好的泛化能力与对抗适应性.

针对小目标水漂垃圾所含信息有限、在特征提取时容易丢失细节特征而造成漏检、错检的问题，提出基于边缘感知和跨尺度特征增强的小目标水漂垃圾检测方法. 在分析小目标特征提取的局限性后，提出边缘增强的特征提取网络，协同利用空间特征和高频特征，有效增强小目标复杂边缘、细节和高频信息；设计三分支跨尺度特征自适应融合模块，通过局部细节感知、全局上下文建模和大感受野解析小目标特征，提升网络对多维小目标特征的表征能力；构建基于自适应稀疏注意力的尺度内特征交互模块，利用稀疏性动态调整交互特征，强化小目标与背景的区分程度. 实验结果表明，相较于基准模型RT-DETR，所提方法的mAP、mmAP和召回率R在黄河兰州段水漂垃圾数据集上分别提升了4.93、2.46和3.18个百分点，在FloW-Img数据集上分别提升了3.39、1.45和2.23个百分点，表明所提方法能够有效提升对小目标水漂垃圾的检测性能，助力水漂垃圾的高效监测与治理.

优化微通道肋片结构，提高散热器的散热性、均温性并改善流场均匀性. 利用可实现的k-ε湍流模型，比较并讨论封闭通道与4组非封闭不同肋高通道的冷却性能，通过实验验证模型准确性. 研究结果表明：采用非封闭结构能够有效改善流场均匀性，使流场速度分布均匀；当通道由封闭式向肋高逐渐降低的非封闭式转变时，存在肋高最优值，使散热器的均温性能和散热性能达到最优. 在相同条件下，5组模型中肋高为1.8 mm的微通道散热器的散热性能和均温性能最佳，与封闭式通道相比，平均温度降低了4.22%，最大温差降低了7.4%；与肋高为1.2 mm的非封闭式通道相比，平均温度降低了14.95%，最大温差降低了15.43%.

针对矿用车在崎岖路面工况下质心侧偏角估计困难的问题，提出基于扩展卡尔曼滤波(EKF)方法和积分方法加权融合的质心侧偏角估计方法. 为了准确描述车辆运动状态，建立包含非独立悬架和平衡悬架的矿用车十七自由度动力学模型. 利用基于轮速的车辆纵向速度估计器获取车辆纵向速度初步估计值，构建基于EKF的车辆纵、横向速度估计器和车辆横向速度积分估计器. 根据EKF方法和积分方法的特点，提出比例-微分融合权重系数计算方法，借此对2种方法进行加权融合. 仿真实验结果表明，所提方法能够结合EKF方法和积分方法的优点，实现车辆质心侧偏角的准确估计，具有较好的崎岖路面工况适应能力.