综述直接空气捕集CO₂吸附剂的研究进展，对比碱/碱土金属基吸附剂、金属有机框架吸附剂、负载胺基吸附剂、变湿吸附剂的优缺点，从吸附容量与胺效率、动力学与载体选择、再生方式与能耗、热稳定性与抗降解等方面对吸附剂性能进行评估. 简要叙述相关工程示范项目和技术经济性；总结研究中存在的问题，展望未来的研究方向.

针对多智能体追逃问题，提出基于优先经验回放和解耦奖励函数的多智能体强化学习算法. 将多智能体深度确定性策略梯度算法（MADDPG）和双延迟-确定策略梯度算法（TD3）相结合，提出多智能体双延迟-确定策略梯度算法（MATD3）. 针对多智能体追逃问题中奖励函数存在大量稀疏奖励的问题，提出利用优先经验回放方法确定经验优先度以及采样高价值经验. 设计解耦奖励函数，将奖励函数分为个体奖励和联合奖励以最大化全局奖励和局部奖励，提出DEPER-MATD3算法. 基于此算法设计仿真实验，并与其他算法对比，实验结果表明，该算法有效解决了过估计问题，且耗时相比MATD3算法有所减少. 在解耦奖励函数环境下该算法训练的追击者的全局平均奖励升高，追击者有更大的概率追击到逃逸者.

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.

综合考虑公共充电设施与私人充电设施特性，根据行程时间、排队时间、等待时间、充电费用等计算车辆充电成本. 采用Logit模型刻画用户的充电设施选择行为，得到各交通小区到各公共充电站、私人充电桩的出行分布量. 以充电总成本最小化为目标，建立城市区域充电设施网络配置优化模型，设计充电设施的布局位置和容量；所得模型为非线性优化模型，可采用现有的求解器（如：Matlab优化工具箱中的相关函数）直接进行求解. 基于杭州市区内的局部路网构建2套算例，来验证提出的充电设施配置优化方法的可行性，并讨论研究区域内外公共充电设施与私人充电设施之间的交互影响. 算例结果显示：所建立的模型可为城市电动汽车充电设施的选址布局和容量设计提供定量决策参考.

针对地面三维扫描仪获取彩色点云时传感器外参数标定过程复杂的问题，提出直接建立点云与全景图像映射关系的方法. 提出基于一维最大熵的改进Zernike矩亚像素边缘提取算法，自全景图像中定位靶球，根据三维几何特点从点云中提取靶球. 将提取结果作为配准基元，在空间球坐标中构建基元三角形，通过最小角距差法完成基元配对，建立点云与全景图像的初始映射关系. 针对图像局部畸变导致的映射偏差，提出基于改进Levenberg-Marquardt算法和自由形变法组合的混合算法逐像素优化数据间的映射关系. 利用多种场景的实验数据验证所提方法的可行性. 结果表明，标靶自点云和图像中的提取率高，被点云和图像同时识别的标靶利用最小角距差法均能够成功配对. 改进Zernike矩相较于传统Zernike矩提取的标靶初始映射误差降低了61.1%；经混合算法优化后，点云与全景图像的映射误差约为1 pixel，数据映射结果稳定且不受测站位置和点云密度的影响.

在运动想象任务中，传统卷积神经网络难以准确表达大脑多区域协同神经活动；图卷积网络（GCN）能够在图数据中考虑节点（脑区）间的连接和关系，适于表示不同脑区的协同任务，为此提出融合注意力的滤波器组双视图GCN（AFB-DVGCN）. 由滤波器组构建双分支网络，提取不同频段的时域和空域信息；采用双视图图卷积空间特征提取方法实现信息互补；利用有效通道注意力机制增强特征和捕捉不同特征图的交互信息，以提高分类准确率. 在公开数据集BCI Competition IV-2a和OpenBMI上的验证结果表明，AFB-DVGCN的分类性能良好，其分类准确率显著高于对比网络的分类准确率.

为了提高热设计的设计效率，基于热传导、流体换热、流体力学理论，对典型强迫风冷散热系统进行精确建模，对精确模型进行简化方法的研究. 使用该简化热模型，可以对强迫风冷散热系统进行快速、准确的设计. 采用该简化热模型设计的380 V/50 kVar SiC-MOSFET静止无功补偿器（SVG）的工业化样机，散热器表面温升误差为4.1 ℃（满载条件），满足工程化设计的要求.

基于现有足式机器人触地检测方法的研究，综合论述了腿部结构设计、足端设计、传感器设计对触地检测的影响. 总结外部传感器直接检测的触地检测方法、基于运动学与动力学的触地检测方法以及基于学习的触地检测方法. 归纳地面湿滑、地面松软以及非足端触地这3种特殊场景中的触地检测方法. 分析触地检测技术的应用场景，具体包括运动控制的需要、导航中的应用、地形与地质的感知这三大应用场景. 指出硬件改进和集成、多模态触地检测、多传感器融合化触地检测以及智能化触地检测这四大触地检测方法相关的发展趋势，总结各触地检测算法之间的具体关联，为触地检测后续技术的发展及触地检测的具体应用提供指导.

针对当前区块链安全方面存在数据管理模式不合理、数据共享方案不可靠、智能合约漏洞不易修复和多类型数据隐私保护不完善等问题，分析并总结了国内外关于数据安全管理和隐私保护技术的文献. 从数据存储安全、数据隐私安全、数据访问安全和数据共享安全4个方面来概括目前区块链系统存在的各类安全问题及合理的解决方案，讨论区块链实现数据安全面临的挑战及未来的研究方向，为区块链安全领域相关人员未来的研究工作提供了一定的参考.

为了实现锂离子电池（LIB）内阻分量快速检测，提出通过直流内阻（DCR）测试及交流内阻测试，辨识各内阻分量的方法. 以磷酸铁锂电池为研究对象，分别采用Bulter-Volmer方程和二阶等效电路模型，模拟研究表征界面电荷转移、浓差极化过程等效电路的时间常数. 由于电荷转移速度足够快，采用直流脉冲测试获得的瞬时响应内阻通常由欧姆内阻和电化学极化内阻组成，结合交流内阻测试仪内阻检测结果，可以计算得到电化学极化内阻分量. 实验结果显示，该内阻分量测试方法不仅操作简便且具有较高的可靠性，电化学极化内阻辨识结果与电化学阻抗测试结果的最小误差小于5%.

为了满足Wi-Fi 6射频前端对高线性度、高发射功率的需求，基于GaAs HBT工艺设计工作于2.4~2.5 GHz的功率放大器. 利用有源自适应偏置、二次谐波阻抗控制和多级放大器失真互补实现所设计放大器的高线性输出功率，通过键合金线的高品质因子寄生电感降低输出匹配的插损，并将直流与射频功率检测集成. 测试结果表明，所设计放大器的小信号增益为30.6~30.7 dB，输入输出回波损耗均小于?10 dB，输出1 dB压缩功率为29.2 dBm，对应功率附加效率为26.4%. 在802.11ax标准、MCS7调制策略、40 MHz带宽的测试信号下，当误差矢量幅度小于?30 dB时，所设计放大器的最大输出功率为24.1 dBm. 在MCS9调制策略下，当误差矢量幅度小于?35 dB时，所设计放大器的最大输出功率为23.6 dBm；在MCS11调制策略下，当误差矢量幅度小于?40 dB时，所设计放大器的最大输出功率为22.4 dBm，对应最大功率附加效率为10.2%.

为了探索基于物理信息的神经网络（PINN）求解微分方程时，物理信息在训练神经网络中的作用，提出将物理信息分为规律信息和数值信息2类，以阐释PINN求解微分方程的逻辑，以及物理信息的数据驱动方式和神经网络可解释性.设计基于2类信息的神经网络综合损失函数，并从训练采样和训练强度2方面建立信息的训练平衡度，从而利用PINN求解Burgers-Fisher方程. 实验表明，PINN能够获得较好的方程求解精度和稳定性；在求解方程的神经网络训练中，Burgers-Fisher方程的数值信息比规律信息能更好地促进神经网络逼近方程解；随着训练采样和迭代次数的增加，以及2类信息的平衡，神经网络训练效果得到提高；增加神经网络规模可以提高方程求解精度，但也增加了网络训练迭代时间，在固定训练时间下并非神经网络规模越大效果越好.

采用离散单元法（DEM），通过数值模拟研究双螺旋锥形混合器的叶片结构对颗粒混合的影响. 研究主要考察螺径比（双螺旋叶片的螺距和螺旋直径的比例）以及螺旋直径比（较短螺杆和较长螺杆的螺旋叶片直径的比例）对混合器混合效率、设备功率、设备磨损等的影响. 结果表明，不同双螺旋锥形混合器的叶片结构对颗粒的混合、设备功率、设备磨损产生影响，但是总体而言，在不同叶片结构的混合器中，颗粒经过100 s的混合之后都能够达到完全混合状态. 当保持其他参数不变时，随着螺径比的增大，混合器混合效率基本一致，设备功率增大，而设备磨损减小；随着螺旋直径比的增大，混合器混合效率有所提升，设备功率增大，而设备磨损并没有显著的改变.

针对现有疲劳状态检测方法无法适用于疫情防控下的驾驶员，利用改进后的YOLOv5目标检测算法，对驾驶员的面部区域进行检测，建立多特征融合的疲劳状态检测方法. 针对公交驾驶特性，建立包含佩戴口罩和未佩戴口罩情况的图像标签数据. 通过增加YOLOv5模型的特征采样次数，提高眼、嘴、面部区域的检测精度. 利用BiFPN网络结构保留多尺度的特征信息，使得预测网络对不同大小的目标更敏感，提升整体模型的检测能力. 结合人脸关键点算法提出参数补偿机制，提高眨眼、打哈欠帧数的准确率. 将多种疲劳参数融合归一化处理，开展疲劳等级划分. 公开数据集NTHU和自制数据集的验证结果表明，该方法对佩戴口罩和未佩戴口罩情况均可以进行眨眼、打哈欠识别，可以准确地判断驾驶员的疲劳状态.

针对水质数据在时间和空间维度上的复杂依赖关系，提出基于图神经网络（GNN）的地表水水质预测模型. 该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系，使用长短时记忆网络（LSTM）建模水质指标序列在时间上的复杂依赖关系，将编码结果输入到解码器中得到预测输出. 实验结果表明，与时间序列分析方法、通用回归方法和一般深度学习方法相比，该模型能够实现23.3%、26.6%和14.8%的性能提升.

为了研究裂隙岩体中的渗流传热问题，研发岩石裂隙水-岩换热试验系统，采用控制变量法对花岗岩裂隙试样开展不同温度、体积流量、水力开度下的对流换热试验. 基于Forchheimer方程分析裂隙渗流流态，计算换热系数，定量研究温度、体积流量、水力开度的影响，并进行各影响因素的敏感性分析. 结果表明，在体积流量和水力开度不变的情况下，随着裂隙试样温度由70 ℃升高到100 ℃，出口水流温度和换热系数均提高；在裂隙试样温度与水力开度不变的情况下，体积流量从10 mL/min 增大到80 mL/min，出口水流温度线性降低，换热系数与体积流量增长关系为幂函数关系，且随着体积流量增大其增长速度减缓；裂隙试样温度与体积流量保持不变，裂隙水力开度增大，换热系数线性减小，裂隙粗糙度增大，换热系数增大. 利用敏感性函数对换热系数进行影响因素的敏感性分析，换热系数受裂隙试样温度的影响最大，其次是裂隙体积流量，影响最小的是水力开度.

提出将通用的插值补充格子Boltzmann方法（GILBM）应用于非均匀网格进行计算气动声学研究. 通过顶盖驱动方腔流、低雷诺数圆柱绕流算例验证GILBM数值模拟方法的正确性. 在此基础上，将该方法应用于高斯脉冲传播、周期性声源传播、二维圆柱绕流的气动噪声计算. 研究结果表明，GILBM方法可以在非均匀网格上较好地模拟高斯脉冲及周期性声源声波的传播过程，计算结果与解析解较吻合. GILBM方法能够模拟非均匀贴体网格下的圆柱曲面边界由于涡脱落造成的气动噪声的产生和传播过程，可以较好地捕捉到近场及远场的声压传播. 圆柱绕流声学特性呈现出偶极子现象，计算结果与参考文献较吻合，证明采用GILBM方法在非均匀网格中模拟声传播问题的正确性及求解气动声学问题的可行性.

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.

传统避障控制系统设计未考虑不同驾驶员的偏好，导致驾驶员对系统的接受度不高，为此提出融入驾驶风格量化的避障控制系统. 采集多名熟练驾驶员的驾驶数据进行风格聚类，训练出基于支持向量机的分类器，实现对驾驶风格的在线识别. 设计考虑驾驶风格的避障控制系统，将避障过程分为转向避障和恢复稳定2个阶段. 在转向避障阶段，控制器通过跟踪相应驾驶风格对应的最大侧向加速度进行避障；在恢复稳定阶段，控制器控制车辆进行相邻车道中心线跟踪. 综合考虑车辆的避障安全性和横摆稳定性，将直接横摆力矩控制子系统加入所提系统. 构建系统仿真模型，分析不同驾驶风格下控制器避障操作和车辆状态响应的异同. 开展驾驶员主观感受的问卷调查，结果表明，相较于传统避障控制系统，驾驶员对所提系统的接受度提升了16.58%.

基于经典桩侧摩阻力公式和圆孔扩张理论，优化考虑土压力系数、土塞增长率、扩孔塑性半径等问题，计算新增管桩的植入对在役桩承载性状的影响. 对比分析有限元的软件与理论计算结果，发现管型桩贯入引致的桩间土挤土效应，使在役桩侧摩阻力在一定深度范围内增加，且桩长越长、桩间距越小，贡献越明显. 新增桩与在役桩的距离小于3倍桩径，会形成局部群桩效应，使群桩协同工作时的桩顶沉降增加；距离大于6倍桩径，管型桩压入对既有桩侧摩阻力、群桩协同工作效应的影响较小.