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.
某轴重25 t运煤重载铁路半径580~1000 m的曲线入/出缓和段钢轨存在明显的滚动接触疲劳（RCF）差异现象，出缓和段的疲劳更严重. 在轮轨现场观测和列车参数调研的基础上，使用Simpack建立包含2节内重联机车与108节货车的重载列车动力学模型，利用损伤函数模型数值分析入/出缓和段RCF差异的机理和主要影响因素. 结果表明，RCF差异由货车曲线通过行为主导，货车中转向架导向轮对的贡献最显著，非导向轮对与机车的贡献相对轻微. 在标准轮轨廓形匹配工况下，RCF差异不显著；待货车车轮磨耗失形后，钢轨磨耗失形对RCF差异的影响并不显著，轮轨蠕滑率/力在出缓和段比在入缓和段高是导致RCF差异的根本原因. 磨耗后的货车转向架导向轮对与磨耗轨在小半径曲线上频繁地相互作用，是导致入/出缓和段钢轨RCF差异的主要原因.
为了深入理解推进泵流致噪声激励源机理，为推进泵低噪声设计提供支撑，以某双级推进泵为对象，基于其多工况下的辐射噪声实测结果，围绕推进泵流致噪声的调制机理及流致噪声源的提取方法展开研究. 在空泡水洞中测量该双级推进泵的辐射噪声，采用循环平稳分析方法，进行噪声解调分析与流致噪声源特征频率提取；开展该双级推进泵内流场的非定常数值模拟，分析其瞬态内流场分布特性与三向激振力特性. 联合信号处理结果与内流场模拟结果，研究推进泵流致噪声源的关键特性与形成原理. 结果表明，导叶是影响双级推进泵辐射噪声特性的关键因素，导叶调制线谱的强度与推进泵的来流条件、运行工况密切相关，叶轮与导叶的匹配性设计对推进泵振动噪声控制起关键作用.
由于知识载体形式的多样性和描述知识资源信息的异构性，不利于企业知识资源的共享、转移和利用,通过对企业工艺设计知识资源的现状分析,给出工艺设计知识网络的形式化定义,利用元数据技术,提出工艺设计知识资源网络(PPKRN)的元数据模型.该模型有助于实现企业知识资源的统一、透明、规范表示,促进工艺设计知识资源网络的有序化,并能够有效的构建知识之间的动态关联性.以国内某汽车发动机制造企业开发的工艺设计知识资源网络原型系统为例,进一步说明了所提出模型的可行性和有效性.
针对传统目标检测算法（SSD）检测小目标精度低的问题，提出基于注意力机制与多尺度信息融合方法并将其运用于车辆检测任务. 结合浅层特征图与深层特征图的优势，小目标检测分支和大中型目标检测分支的特征图采用5支路和2支路融合. 在基础网络层之间加入注意力机制模块，模型会关注包含更多信息量的通道. 实验结果表明，在自建车辆数据集上的均值平均精度（mAP）达到90.2%，比传统SSD算法提高了10.0%，其中小目标检测精度提高了17.9%；在PASCAL VOC 2012数据集上的类别平均精度mAP为83.1%，比主流的YOLOv5算法提高了6.4%. 此外，提出算法在GTX1 660 Ti PC端的检测速度可以达到25 帧/s，能够满足实时性的需求.
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%.
为了探究空间异质性对建成环境与共享单车出行量之间非线性关系的影响，构建考虑空间异质性的GW-XGBoost模型，采用SHAP模型解释建成环境因素的作用程度和空间差异. 相较于地理加权回归和极端梯度提升树模型，模型GW-XGBoost通过引入地理空间加权和自适应带宽显著提升了模型解释力和预测力，整体拟合优度平均提高15.59%，同时能够揭示建成环境对单车出行量非线性影响的强度方向和局部差异. 结果显示，建成环境因素对单车出行量呈现非线性影响. 在人口密度增加到20 000 人/km2后，影响由负转正；离CBD的距离位于15~20 km时，由中心向外围影响效应由正转负随后趋于平稳；在容积率增加到1.8后，影响效应由负转正. 研究结果为城市共享单车系统的资源优化提供科学依据和方法支撑.
现有时序数据异常检测方法侧重于提取时序数据的时间变化特征，忽略了多变量之间的空间依赖特征，为此提出基于时空图注意力网络的检测方法. 将多变量时序数据转换为具有时空依赖关系的时序图结构数据，设计时空图注意力网络分别提取时序图结构数据的时间变化特征和空间依赖特征. 通过多层感知机学习时空特征的周期性模式，根据时序数据的预测值与观测值的异常分数进行异常检测. 在公开数据集上的实验结果表明，所提方法在异常检测精准度和鲁棒性方面显著优于现有先进的基线方法.
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.
供热机组经过改造后可以在高背压、抽凝、纯凝等多种模式下运行，显著提升热电厂在供暖期的运行灵活性与经济性. 为了在供暖期来临之前选定热电厂内各台供热机组的运行模式，以最大化供暖期的整体运行效益，分析供热机组在不同模式下的运行特性，构建计及容量收益、深度调峰市场收益、燃料成本以及高背压机组更换转子成本的供暖期全厂综合收益比较模型，用于评价与比较不同的热电厂运行方案. 以我国东北地区某实际热电厂为例，应用上述模型对2种典型运行方案进行收益计算与对比分析. 算例结果验证了模型的有效性与实用性，表明高背压模式与抽凝模式在运行中具有良好的互补特性. 机组最优运行模式的选择高度依赖于热电厂的供热负荷水平.
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.
针对航拍图像小目标检测中存在的检测精度低和模型参数量大的问题，提出兼顾性能与资源消耗的航拍小目标检测算法. 以YOLOv8s为基准网络，通过降低通道维数和加强对高频特征的关注，提出自适应细节增强模块（ADEM），在减少冗余信息的同时加强对小目标细粒度特征的捕获；基于PAN-FPN 架构调整特征融合网络，增加对浅层特征的关注，同时引入多尺度卷积核增强对目标上下文信息的关注，以适应小目标检测场景；针对传统IoU灵活性、泛化性不强的问题，构建参数可调的Nin-IoU，通过引入可调参数，实现对IoU的针对性调整，以适应不同检测任务的需求；提出轻量化检测头，在增强多尺度特征信息交融的同时减少冗余信息的传递. 结果表明，在VisDrone2019数据集上，所提算法以8.08×106的参数量实现了mAP0.5=50.3%的检测精度；相较于基准算法YOLOv8s，参数量降低了27.4%，精度提升了11.5个百分点. 在DOTA与DIOR数据集上的实验结果表明，所提算法具有较强的泛化能力.
为了实现城市高架桥或高速公路改扩建工程超大规模盖梁的装配化、快速化施工，提出由钢板和超高性能混凝土（UHPC）制作的外壳及现浇核心混凝土（NC）组成的新型UHPC-NC组合盖梁.为了探究外壳UHPC和钢模板厚度对受力性能的影响，对不同UHPC和钢板厚度进行参数分析. 分析结果表明，在自重作用下，外壳的刚度受UHPC和钢板厚度及其比例的共同影响. 当张拉预应力和浇筑混凝土时，UHPC和钢板越厚，外壳的受力性能越好，但是经济性会降低，建议采用UHPC厚70 mm，钢板厚6 mm的方案. 为了验证该方案的可行性和安全性，设计1∶2.5的缩尺模型，开展静力加载试验. 结果表明，新型UHPC-NC组合盖梁的受力性能好，安全储备较高，可以为盖梁的装配化施工提供参考.
为了研究工业园区综合能源系统的多能互补新路线，提出基于高低温相变材料的新型蒸汽卡诺电池. 建立计及设备性能与质量流量的热力学循环计算模型，分析设计参数、多级压缩结构对系统热泵系数、循环效率、储电损失与供热?效率的影响. 通过探究发现，低温相变材料的相变温度和高温相变材料的相变温度是影响蒸汽卡诺电池性能的主要因素，得到蒸汽卡诺电池的高循环性能区. 优化蒸汽卡诺电池的参数与结构，结果表明，循环效率可达56.96%，热泵系数可达2.55，供热?效率可达68.74%.
为了引入电池表面原位膨胀力拓展电池荷电状态(SOC)估计的输入数据维度从而提高估计精度，开展磷酸铁锂电池在不同温度和电场下的机械特性与电化学特性研究，包括设计并搭建电池多物理场信号采集台架，开展不同温度下的开路电压(OCV)测试、混合功率脉冲测试(HPPC)、表面原位膨胀力测试，分析电池的机械与电化学特性及其在不同工况下的多物理场行为. 结果表明，电池表面原位膨胀力随着SOC增加先增大后减小再增大，较开路电压对SOC的灵敏度更高. 膨胀力曲线的极值点位置受温度的影响较小，随温度升高有微小延后；受电流的影响较大，随电流增大明显提前并逐渐消失. 电池内阻随温度升高而明显下降，开路电压曲线在不同温度下具有较高的一致性. 实验研究展示了膨胀力信号在电池SOC估计应用中的潜力，为基于膨胀力信号的电池SOC估计提供理论基础和数据支持.
利用分布在世界各地的闲置算力对大语言模型进行训练，有望提供全新的算力供应模式和削减训练成本. 针对此方法存在的隐私风险、恶意攻击和信任缺失问题，提出基于区块链的大模型微调算力共享平台CompuDEX. 充分利用区块链技术去信任、匿名的特性，提供无需信任中介且保护用户隐私的交易平台. 利用智能合约和密码学工具促使算力提供者公平竞争，以进一步降低训练成本. 基于零知识证明设计“红气球”激励机制与安全性方案，用于识别算力提供者的恶意行为并追责. 通过对微调方法LoRA的结构进行拆分，在不增加额外计算开销的前提下保护训练过程中的数据隐私. 实验结果表明，在微调的前向传播阶段，计算成本仅为国内主流云服务提供商的8%~14%. 通过增加并行节点的数量，运行时间可以从本地训练所需时间的175%显著减少到20%，甚至更低.
现有方法偏重用户行为的全局建模，对评论信息挖掘不足，为此提出双通道图神经网络方法用于电商平台用户级欺诈检测任务. 通过实体交互图和评论语义图对用户的多维行为建模，实体交互图基于购买与评分行为捕捉整体交互模式，评论语义图利用时间敏感性建模评论之间的语义关联以刻画细粒度行为特性. 利用图神经网络对双图并行建模，通过注意力机制实现双通道特征的动态交互优化，生成包含多跳邻居信息的高阶节点特征. 通过多头加性注意力机制自适应融合不同邻域范围和特征空间，生成用户级的综合行为表示. 在公开数据集上的实验结果表明，所提方法在多个指标上显著优于传统方法，验证了方法在用户级欺诈检测中的有效性.
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.
