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.

为了提高欠采样并行磁共振成像的图像重建质量，提出基于变分模型和Transformer的多尺度并行磁共振成像重建模型(VNTM). 该模型利用欠采样多线圈k空间数据来估计灵敏度图，并利用中期增强策略以提高灵敏度图的准确性. 将欠采样多线圈k空间数据和估计的灵敏度图输入变分模型进行重建，在变分模型中，通过前处理模块对图像数据进行降分辨率处理，以减少计算负担. 通过具有Transformer的多尺度U型网络，实现多尺度特征的有效融合. 使用后处理模块恢复分辨率，并对输出数据进行数据一致性操作以确保保真度. 在公开数据集进行大量定量和定性实验以验证所提方法的有效性. 结果表明，在峰值信噪比、结构相似度和视觉效果方面，所提出的重建模型均表现出更优的重建质量和更稳定的重建性能. 多组消融实验和不同自校准信号(ACS)区域大小的鲁棒性实验，验证了VNTM在不同条件下均能保持良好的重建性能.

为了解决在传统番茄叶片病害检测中出现的误检和漏检现象，提出基于改进CenterNet算法的番茄叶片病害检测模型. 构建融合注意力机制的特征融合模块，增强模型的跨尺度特征融合能力. 在骨干网络中加入多分支卷积模块RFB，扩大感受野，加强对目标特征的提取能力. 在骨干网络中引入金字塔卷积PyConv，通过计算不同尺度的感受野来强化多尺度特征的提取，减少信息损失. 设计剪枝优化策略，减少引入模块给模型参数量和计算量带来的影响. 试验结果显示，改进后模型的准确率、召回率、mAP₅₀和mAP_50:95达到96.3%、80.2%、91.4%和78.7%. 利用提出的模型，能够有效地提升番茄叶片病害检测的准确性，模型具有良好的泛化性.

传统室内疏散地图忽视个体的应急寻路行为和地图认知特点，难以满足当前商业建筑室内紧急疏散的需要. 为此，以地震应急疏散为例，分析个体在商业建筑室内空间中的应急寻路行为；梳理应急寻路过程中始终存在的地图认知压力源；基于空间信息供需视角，提出疏散地图认知模型；确定室内应急疏散地图的设计原则和设计方法. 以兰州市某大型城市综合体为例，针对不同性别群体计算候选地标的显著度，实现地标分层提取，依据地图学相关理论，设计地震应急疏散地图；开展虚拟地理试验，评价地震应急疏散地图的可用性. 试验结果表明，疏散地图认知模型对制图者的地图设计具有指导作用，本研究所采用的地标显著度计算方法适用性较好，顾及地标显著度的商业建筑应急疏散地图能够有效缓解个体的状态焦虑，提高地图认知效能和疏散效率.

针对高性能并联机器人优化设计的难题，提出考虑多源不确定混合扰动的并联机器人降敏设计方法. 利用一阶摄动方法进行误差建模，建立概率误差模型. 在分析工作子区域所对应的高价值靶目标后，采用多靶分域元启发式迭代获取最优的尺寸设计参数. 构建性能敏感度指标，对机器人设计公差进行优化分配. 通过建立在役精度性能敏感性模型，计算获取维保效果对于预防性维保策略参数的敏感性，制定得到低敏预防性维保策略. 以增材制造并联机器人为例进行分析，结果表明，利用降敏设计方法，能够有效地提高静态设计性能及动态在役精度保持能力.

针对共享单车短期借还量预测中存在的空间范围小、模型时空信息捕捉能力不足及准确性有限等问题，提出基于多通道图聚合注意力机制的预测方法. 根据共享单车在不同区域的流量，采用基于流量调整的虚拟站点划分方法，将城市划分为多个共享单车虚拟站点，并以站点间的借还量矩阵构建动态邻接矩阵，形成共享单车图网络结构. 通过多通道图聚合模块捕捉不同时间段的站点空间信息，并结合多头自注意力模块捕捉时间相关性. 引入交叉注意力机制模块，结合外生变量，获取不同变量之间的潜在联系. 在深圳市和纽约市进行实验，结果表明，与其他深度学习方法相比，该模型在不同时间段和地区均表现出显著优势，保持了稳定且较低的预测误差，证明了动态邻接矩阵以及融合外部特征的交叉注意力机制模块能够有效提高共享单车借还量的预测准确率.

针对疲劳驾驶检测方法泛化能力差、特征提取模式单一、模型不可解释等问题，提出多模态特征融合模型nsNMF-PCNN-GRU-MSA，通过分析驾驶员脑电图（EEG）信号实现疲劳程度的检测. 在网络浅层设计通道加权模块，引入非平滑非负矩阵分解（nsNMF）算法计算电极通道的贡献度；在网络中层设计多模态特征融合模块，引入格拉姆角场成像方法将一维EEG数据映射成二维图像，并采用PCNN-GRU并行方式融合不同模态的时空特征；在网络深层融合多头自注意力机制（MSA），完成疲劳驾驶状态分类任务. 实验结果表明，该模型在数据集SEED-VIG和SAD的混合样本上的疲劳检测准确率分别为93.37%、90.78%，单个被试数据准确率最低分别为86.60%、85.59%，高于近年先进模型. 将特征激活值映射到大脑拓扑图上的分析方法不仅提高了模型的可解释性，而且为疲劳驾驶检测提供了新视角.

为了确保施工过程中的安全和效率，提出施工现场动态三维重建技术. 部署双目摄像头对重建现场进行三维扫描获取模型基底和目标活动轨迹，基于YOLOv8模型引入注意力量表序列融合(ASF)模块形成YOLOv8-ASF框架，提高预测模型精度和性能，解决如目标遮挡、目标丢失的痛点. 融合改进的半全局立体匹配 (SGBM)算法，与YOLOv8-ASF集成YOLOv8-ASF-SGBM算法，实现基于二维图像的目标近实时识别和定位. 利用获取的深度信息，将动态要素行为轨迹三维动态投影至模型基底中，实现对真实施工现场的近实时、全视角监控. 实验结果表明：所提技术高精度三维复现了施工动态要素的运动轨迹，且与动态要素真实运动轨迹的相对误差小于5%，实现了基于二维图像视频信息的高精度全视角三维立体化监控，具有良好的应用场景和工程价值.

针对飞机装配中工业机器人孤立作业、通用性不足、自主化智能化程度低的问题，研究飞机装配机器人任务表达与规划方法，提出基于任务驱动的飞机装配机器人加工系统框架，建立飞机装配机器人任务管理与规划集成系统. 针对飞机装配现场常见的加工任务，设计任务的层次化表达，建立基于分层任务网络的飞机装配机器人任务表达方法. 根据加工任务特点，提出面向工艺约束的任务规划流程. 考虑到现场可能出现的外部扰动，根据扰动作用范围分层设计系统的重规划方案. 测试结果表明，利用提出的方法，有效地实现了装配机器人的任务规划与重规划求解，提高了飞机装配机器人的通用性和加工系统的自主化智能化水平.

针对传统位姿估计方法中依赖CAD模型的问题，提出基于多视图几何的双目数据集制作方法及基于3D关键点的物体6D位姿估计网络StereoNet. 通过3D关键点估计网络获取物体的3D关键点，在网络中引入视差注意模块，提高关键点预测的精度. 采用运动恢复结构（SfM）方法重建物体的稀疏点云模型，将查询图像的3D点与SfM模型中的3D点输入图注意力网络（GATs）中进行匹配，通过RANSAC和PnP算法计算得到物体的6D位姿. 实验结果表明，当对3D关键点估计时，StereoNet的MAE评价指标较KeypointNet、KeyPose高1.2~1.6倍. 在6D位姿估计方面，StereoNet的5 cm 5°和3 cm 3°评价指标均优于HLoc、OnePose、Gen6D，平均精确度达到82.1%，证明该网络具有良好的泛化性和准确性.

针对丝杠旋铣加工参数与各指标之间的高度非线性问题，提出融合改进麻雀搜索算法优化反向传播（ISSA-BP）和非支配排序遗传算法（NSGA-III）的自适应动态优化混合模型. 对比5种改良策略、种群规模及搜索者与警戒者比例对麻雀搜索算法的影响，确定适宜的网络结构，建立4个指标的ISSA-BP预测模型. 通过与其他4种算法的预测性能对比可知，提出的ISSA-BP模型对4个指标的预测相对误差均低于2%，验证了模型的优越性. 将ISSA-BP模型封装嵌入NSGA-III作为适应度预测函数，求解得到帕累托最优解集，为丝杠旋铣加工在提升加工稳定性、保障加工质量方面提供指导.

为了解决合成孔径雷达（SAR）图像中部分船舶目标体积小、目标尺寸变化大及背景噪声复杂等问题，提出基于YOLOv8的船舶目标检测算法DD-YOLO. 其中，在骨干网络中采用改进的C2f模块增强多尺度特征提取与融合能力，结合新设计的SPA模块优化梯度流信息传递，显著提升多尺度目标检测的效果. 颈部使用更轻量的动态上采样，在降低计算开销和模型复杂性的同时优化复杂背景中小型船舶的识别. 检测部分设计加入多维度注意力机制，开展轻量化处理，增强模型对复杂背景中关键特征的敏感性，提高检测准确性. 在HRSID和SSDD 2个公开数据集上进行实验，DD-YOLO的mAP₅₀分别达到92.2%和98.5%，比基线分别提高了2%和2.2%，模型复杂度显著低于主流算法，实现了精度与效率的平衡.

针对车用动力铝-空气燃料电池的产热行为表征问题，提出面向该型电池的原位热表征理论模型和方法. 研究工作温度、电解液浓度和电流密度对电池放电升温、热量损失、产热率和放电效率的影响机制. 结果表明，铝-空气电池的升温幅度、热损和发热率随着工作温度的降低和电解液浓度的增大而增大. 电池的发热率随着放电时间的增加而逐渐降低，放电效率随着工作温度、电流密度的增大而提升. 电解液浓度对电池的放电效率影响较大，当浓度为3.0 mol/L时电池的工作效率接近78%，当浓度为1.0和6.0 mol/L时工作效率低于60%，浓度过高和过低都会影响电池的放电效率.

为了解决传统全球导航卫星系统在应对大气变化和故意信号干扰时定位可靠性不足的问题，构造紧凑的轻量级零知识证明算法CZKP-1t，结合区块链技术，提出海上位置数据共享方案CZKP-1t-MPS. 该方案实现了传统定位船舶与配置高精度传感器的动态定位船舶之间的位置数据共享，有效提高了海运船舶网络的整体定位精度. 利用构造的位置共享方法，可以断开位置共享双方，并断开位置数据与其请求者的链接关系，保证了位置共享过程中的强隐私保护. 与现有的海上位置共享方法相比，CZKP-1t-MPS降低了数据共享过程中约78%的计算开销，保证了船舶配备异质环境下海上位置共享的实时性.

针对高铁轨枕运行年限增加导致裂纹缺陷增多的安全隐患，以及高铁轨枕表面裂纹漏检与误检问题，提出改进的YOLOv5s轨枕裂纹目标检测算法. 在YOLOv5s算法主干网络中使用基于多维注意力机制的全维动态卷积代替传统卷积，提升网络整体的特征提取能力以提高细小裂纹的检测精度；根据ConvNeXt模块和深度可分离卷积提出改进的轻量化C3结构，压缩模型体积和加速网络的收敛以提高检测效率；使用尺度优化的加权GFPN特征融合网络，解决小目标多尺度下采样过程中细节特征丢失的问题，改进的YOLOv5s轨枕裂纹目标检测算法能够有效改善轨枕表面细小裂纹漏检问题. 实验结果表明：改进后的算法模型参数量减少了19.7%，精确率、召回率、平均精度均值分别提高了1.8、2.4和4.2个百分点，检测速度达96帧/s. 结果表明，提出的轻量化YOLOv5s-OCG算法模型为轨枕表面裂纹的实时性检测提供了一种有效解决方案.

为了实现高效地将任务分配给每个智能体，为智能体规划出尽可能短且不与其他智能体发生碰撞的路径，提出多目标多智能体路径规划方法. 针对传统路径规划算法使用离散时间导致成功率低的问题，该算法定义连续时间下智能体间的冲突定义与解冲突方式，在A*算法的基础上引入安全间隔与标签的概念，使得A*算法可以规划出满足连续时间约束的最优路径. 针对多智能体路径规划问题中因碰撞检测、冲突避免造成的较大计算量，提出冲突分级策略，减少了算法求解过程中扩展的节点数量. 实验结果表明，利用所提出的算法能够求解得到更优的解决方案，且该算法具有更好的适用性；在智能体分布密集的场景下，该算法表现出更低的路径总成本和更高的求解成功率.

针对难以精确建模且具有允许速度约束及安全间距约束的非线性列车控制问题，提出列车自动运行无模型控制方法. 构建跟踪性能函数，将允许速度约束及安全间距约束转换为具有允许演化范围的速度误差或距离误差控制问题，设计仅基于速度和距离的无模型反馈控制算法，无需列车模型的非线性项. 考虑到所提出的速度/距离控制器构建的闭环系统会导致非凸解，构建基于Carathéodory函数的闭环系统，解析闭环系统解的存在性、控制目标的可实现性以及控制输入的有界性和连续性，实现控制系统的稳定性证明. 将所设计的算法应用于CRH2-A，设定随机和紧急2种情况. 仿真结果表明，利用所设计的控制方法，可以在距离前方列车较远时实现期望速度性能的控制，在接近前方列车或目标点时实现安全距离的精准控制.

针对视听语音增强模型复杂度高且性能不佳的问题，提出基于卷积和门控注意的两阶段视听语音增强算法. 采用分块混合的门控注意单元（GAU）为特征融合网络主干，使用简化的单头注意力机制及应用块内二次-块间线性注意力，降低复杂度并捕获音视频序列的全局依赖关系. 在GAU中融入卷积模块，利用逐深度卷积和点卷积对音视频块内-块间局部特征进行提取，捕获音视频序列的局部依赖关系. 卷积与注意力相结合，可以显著提升模型在处理音视频序列时的性能. 为了利用2种模态包含的语音信息，采用两阶段算法，第1阶段音频作为主导模态，视频作为条件模态. 第2阶段视频作为主导模态，第1阶段提取的音频作为条件模态. 实验结果表明，提出的模型较现有模型在PESQ和SNR指标上均有显著提高，有效降低了复杂度.

针对配备电子机械制动(EMB)系统的车辆在弯道发生制动失效时易发生失稳跑偏的问题，提出结合制动力重构和路径跟踪的控制策略. 针对黏菌优化算法(SMA)的缺陷，引入高斯扰动和分阶段寻优改进算法的不足. 使用改进的黏菌算法，对线性二次调节器(LQR)的权重矩阵进行寻优. 当检测到EMB系统出现单轮失效时，利用改进的LQR算法计算车辆的横摆力矩，对制动力进行重构以维持车辆稳定. 对纯跟踪算法进行改进，通过转移跟踪控制点，提高算法的响应速度. 引入自适应模糊算法以考虑路面、速度各动态因素的影响，提高算法的适应性. 当检测到EMB系统出现双轮失效时，利用路径跟踪的方法，使车辆沿既定路线行驶直至安全停止. 试验结果表明，相较于传统方法，单轮失效下的横向偏差最大下降了59.15%，双轮失效的横向偏差最大下降了41.95%. 利用该控制策略，可以更有效地保证弯道制动失效时的行车安全.

为了深入理解柔性生物质颗粒的运动混合行为，选取纤维状烟丝颗粒为代表，开展旋转滚筒内烟丝颗粒的运动混合的实验研究. 采用图像处理的方法，确定动态休止角(AOR)和莱西混合指数，分别量化标定颗粒运动形态和混合程度. 开展关键参数的分析，发现颗粒填充度的增加会引起动态休止角和混合速率降低. 在当前考察的参数值范围内，滚筒内壁摩擦系数和滚筒转速的增加虽然对动态休止角的影响不大，但是会引起颗粒混合速率的显著增加. 在滚筒内壁安装耙钉，会显著增大动态休止角；采用适当的耙钉数量和长度，可以实现较大的颗粒混合速率.