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.

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.

针对人工驾驶车辆轨迹的预测难题及对自动驾驶决策的影响，建立基于时空图注意力网络的车辆多模态轨迹预测模型（STGAMT）. 模型基于车辆的历史信息，对车辆时间和空间维度的特征进行建模. 利用二维卷积神经网络识别车辆的横纵向的变道状态信息，将横纵向变道状态信息分别与时空动态交互模块输出信息桥连为横纵向运动特征，采用Softmax函数识别车辆的驾驶意图. 利用基于高斯条件分布的GRU网络对轨迹进行多模态轨迹输出. 实验结果表明，在短期预测范围内，STGAMT模型在HighD和NGSIM数据集上的RMSE较其他5个经典模型的平均RMSE降低了63.8%和41.0%；在长期预测范围内，STGAMT模型在HighD和NGSIM数据集上的RMSE较其他5个经典模型的平均RMSE降低了62.5%和19.1%. STGAMT模型可以有效提高人工驾驶车辆轨迹预测精度.

针对传统类车机器人路径跟踪控制方法在精确性和实时性之间的矛盾，提出基于多参考点线性模型预测控制的方法(MRP-LMPC). 该方法通过重新设定线性化展开点并修正差分模型，结合非线性与线性迭代预测获得非线性补偿量，再提取多个参考路径点，构建能够适应曲率突变的MRP-LMPC控制器. 联合仿真验证表明，所提出的MRP-LMPC在U形路径上的最大横向位移误差为0.097 1 m，在单车道变换路径上的最大横向位移误差为0.118 5 m. 在硬件在环实验中，在无定位误差的情况下，最大位移误差为0.189 7 m；在有定位误差的情况下，最大位移误差为0.248 6 m. 与相同条件下的非线性预测控制（NMPC）相比，MRP-LMPC的精度损失较小，最大误差增加小于0.094 9 m. 与单参考点线性模型预测控制（SRP-LMPC）和比例积分微分（PID）控制器相比，MRP-LMPC精度优势显著. 在实时性方面，所提方法在联合仿真中的最差工况下，平均求解时间为3.53 ms，在硬件在环测试中的最差工况下，平均求解时间为5.59 ms. 在所有测试中，最大计算时间占控制周期的比例为44.15%. 在相同工况下，相比NMPC，所提方法可将平均求解时间减少39.14%. 综上，联合仿真和硬件在环测试的结果表明，MRP-LMPC有效地平衡了精度和实时性能，计算速度比NMPC快，精度比PID和SRP-LMPC更高.

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.

针对现有服务推荐方法中高阶服务特征提取不够充分的问题，提出基于超图卷积神经网络的多行为感知服务推荐方法(MBSRHGNN). 该方法根据服务交互类型和服务组合信息构建多重超图，基于谱分解理论和多重超图的功能结构特性以设计双通道超图卷积网络. 利用切比雪夫多项式近似超图卷积核来降低计算复杂度；在超图卷积过程中，结合多行为推荐方法和自注意力机制度量多行为交互之间的重要性差异，提出HG-DiffPool超图池化方法来降低特征维度；通过融合服务嵌入向量和超图信号，学习不同服务的推荐概率分布；爬取真实服务数据，构造不同稀疏度的数据集进行实验. 实验结果表明，所提的MBSRHGNN服务推荐方法能够适应数据高度稀疏的推荐场景，并且在推荐精确度和相关性上的表现优于现有基线方法.

针对传统PID控制算法对共轴反桨无人机的欠驱动、强耦合非线性系统控制效果不理想的问题，提出基于微分跟踪器的串级TD-PID控制算法，以提高无人机飞行稳定性. 设计共轴反桨无人机飞行系统，针对无人机的姿态控制提出基于微分跟踪器的串级TD-PID控制算法：外环为传统PID算法，内环使用2个微分跟踪器，通过串级控制改善系统动态性能. 在Matlab/Simulink中搭建控制系统的仿真模型进行仿真试验. 仿真结果表明：相较于传统串级PID控制算法，所提控制算法超调量更小，系统稳定性有较大提高. 对比串级TD-PID控制算法与串级PID控制算法控制效果的飞行试验结果表明：所提控制算法能有效减少系统超调量，提升系统稳定性和抗干扰能力.

针对用户热负荷评估不精确导致的供热系统供热不均衡问题， 建立基于机理的供热负荷量化模型，基于用户热负荷的精确量化，提出供热二级网的运行优化方法. 根据建筑特性和气候条件分析不同用户的实际用热需求，结合管网水力和热力建模分析，采用粒子群优化算法，对用户和二次侧阀门开度进行寻优，得到匹配用户负荷的最佳阀门开度调节策略. 案例分析结果显示，优化后热用户的回水温度整体方差较优化前降低了12.16%，二级网循环水泵电耗减少了16.46%. 在保证供热系统水力平衡的基础上，满足了用户的个性化供热需求，有效提升了热用户舒适度，减少了能源消耗.

针对路面病害生成和恶化的预测问题，提出应用图卷积神经网络的路面病害态势预测方法. 通过聚类算法建立拓扑网络，选取目标病害在演化过程中的主要影响因素；为了增强图神经网络对病害信息的表达能力，采用图拓扑增强的方法，从静态和动态方面分别构造与病害信息相关的视图；采用图神经网络(GNN)架构增强的方法，在视图维度上应用注意力机制调整不同视图的影响力，并在时间维度上应用Transformer和GRU模块，增强模型在长时间序列中对病害状态的预测性能. 设计模型的内部调整测试，经消融试验、多样本测试和超参数对照组的验证，证明所提模型的适用性和稳定性. 针对大型稀疏的路面病害数据集，此模型的平均绝对误差均值收敛在4.0以内，综合性能优于传统预测算法.

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.

失效模式与影响分析（FMEA）方法在语言信息表达、语言建模、因子赋权上无法完全适应复杂情境下的风险评估活动，为此提出基于个性化语义的语言型FMEA风险评估方法. 一组专家采用分布式语言偏好关系对风险因子和评价专家的重要性进行评价，另一组专家采用分布式语言偏好关系对风险模式进行评价，利用数值刻度模型将语言评价结果转化为相应的数值偏好关系. 构建第一阶段的个性化语义模型，得到风险因素和评价专家的权重值，基于权重值构建第二阶段的个性化语义模型，算出失效模式的最终得分并完成优先级排序. 选取某型航空发动机研制过程中的风险评估问题，验证所提语言型FMEA方法的可行性与有效性. 实验结果表明，相比均匀分布方法，所提方法得到的个性化语义在获得高一致性水平风险评估结果方面具有优越性，有助于提升复杂实践背景中风险评估结果的可靠性与准确性.

基于阻变存储器（RRAM）电流饥饿型环形振荡器的真随机数发生器（TRNG）方案，提出交替读写的操作模式，优化熵源重构机制. 针对现有RRAM在多操作周期下跨导线性化问题，提出熵可配置电阻窗口钳位电路. 通过减小电阻窗口获得RRAM非线性的最大化，所提电路能够有效避免RRAM出现过度置位、过度复位的现象，保证熵源稳定性. 基于UMC 28 nm HKMG工艺对TRNG进行流片. 输出数据统计性测试结果通过了NIST SP800-22所有测试集的真随机数标准测试. 检测结果表明，在高斯分布的95%置信区间，所有统计数据的自相关函数值均落在?0.003~0.003，输出序列具有良好的随机性.

为了解决工业机器人打磨的作业柔顺性不足问题，设计了机器人柔顺浮动打磨力控末端执行器. 为了解决无先验模型曲面工件的机器人打磨轨迹自适应性较差的问题，提出无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法. 该方法根据打磨工具与工件的接触状态预测曲面法线方向，以有向进给平面与曲面切平面的截交线作为进给导向，自适应在线预测机器人打磨系统末端执行器的位姿，使末端执行器主轴轴线实时主动跟踪曲面法线，实现对无先验模型曲面工件的机器人打磨轨迹的主动自适应在线预测. 通过仿真分析和实验验证了所提出方法的有效性，最大综合位置预测误差与曲面法线跟踪误差分别为0.506 mm和4.912°. 所提出方法可以为无先验模型曲面工件的机器人打磨提供在线轨迹预测.

考虑圆锥滚子轴承的非等截面属性和脂润滑状态，基于润滑脂Power-law流变模型，结合脂膜能量方程和固体热传导方程，建立轴承滚子与滚道接触的非等温脂润滑模型，分析滚子修形、打滑、歪斜和倾斜等对接触副脂润滑热成膜性能和拖动性能的影响. 结果表明：在未发生倾斜或歪斜时，Lundberg对数母线修形滚子的最小膜厚略大于切交母线修形滚子，而压力峰值略小于切交母线修形滚子. 在考虑温度效应后，脂膜厚度减小，压力峰值增大. 倾斜运动导致滚子主要承载端的脂膜压力和颈缩量增加，膜厚减小，因此滚子修形应考虑倾斜运动的影响；歪斜运动对膜厚和压力分布的影响则相对较小. 滚子/滚道副的脂润滑拖动系数随打滑加剧呈现先增大后减小的趋势.

为了充分利用模板和搜索区域之间的位置信息以及提高融合特征的表征能力，提出使用动态位置编码和多域注意力特征增强的方法. 在注意力模块内部嵌入带有卷积操作的位置编码模块，随注意力计算更新位置编码，提高自身空间结构信息的利用率. 引入多域注意力增强模块，在空间维度上使用不同空洞率和步长的平行卷积进行采样，以应对不同大小的目标物，并聚合通道注意力增强后的特征. 在解码器中加入空间域注意力增强模块，为预测头提供更精确的分类回归特征. 本算法在GOT-10K数据集上的平均重叠度(AO)为73.9%；在TrackingNet、UAV123和OTB100数据集上分别取得了82.7%、69.3%和70.9%的曲线下面积(AUC). 与主流算法的对比结果表明，融合了动态位置编码和通道、空间注意力增强的跟踪模型可以有效提升模板和搜索区域间的信息交互，提高跟踪的精度.

针对三重移相协同控制（CTPS）加入桥臂死区后，会导致双有源桥（DAB）变换器回流功率发生及软开关失效的问题，提出针对CTPS控制的死区补偿策略. 通过分析CTPS控制不同模式下桥臂死区引起的变压器原副边电压及漏感电流的变化，基于回流功率产生的原理，更正了不同模式移相比之间的耦合关系，对功率传输模型及CTPS控制模式的切换条件进行修正，实现了死区对CTPS控制影响的有效控制. 利用所提的补偿方案，抑制了由死区引起的回流功率，恢复了CTPS控制的软开关性能，具有较补偿前更优的电流应力. 分别开展死区补偿前、后的实验，对死区影响的分析和所提出的补偿策略进行验证.

针对现有的遥感图像超分辨模型很少考虑噪声、模糊、JPEG压缩等因素对图像重建所带来的影响，以及Transformer模块构建高频信息能力受限的问题，提出多层退化模块. 设计基于CNN和Transformer聚合的网络，使用CNN识别图像的高频信息，Transformer提取全局信息. 利用基于注意力机制的聚合模块将2个模块聚合，在保持全局结构连贯性的同时，显著增强局部高频细节的重建精度. 利用所提模型，在AID数据集上随机选取6个场景进行实验，与MM-realSR模型在PSNR和SSIM指标上进行比较.结果表明，所提模型在PSNR指标上相比于MM-realSR模型平均提高1.61 dB，SSIM指标平均提升0.023.

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.