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.

为了打破传统3D打印的静止约束，增加打印结构的可变形性和可设计性，4D打印的相关研究逐渐兴起. 综述了4D打印技术的发展和原理，总结了熔融沉积技术、立体光固化成型技术、聚合物喷射技术和直写技术这4种常见的打印方式的工作方式以及它们对材料的不同需求. 从外界不同激励的角度，对形状记忆聚合物的变形方式、机理及回复程度等进行分析与总结，对形状记忆聚合物目前存在的关键科学难点和未来的发展方向进行总结. 使用形状记忆聚合物的4D打印形状记忆智能结构在微创生物医学、机器人、柔性电子制造等研究领域已经有了应用，并表现出良好前景.

为了制备高效、低成本的析氢反应电催化剂，采用一步水热法制备镍掺杂二硫化钼/石墨烯复合材料(Ni_x-MoS₂/G，x=0.03，0.05，0.10)，并用X-射线衍射（XRD）、扫描电镜（SEM）、高分辨透射电镜（HRTEM）和X-射线光电子能谱（XPS）对其进行表征，讨论镍掺杂对复合材料的微观结构和电催化析氢性能的影响. 结果表明，与MoS₂/G催化剂相比，镍掺杂的MoS₂/G催化剂显示了更高的电催化析氢性能，尤其当水热反应体系中的Ni和Mo的摩尔比为1∶20时，制备的Ni_0.05-MoS₂/G显示了最强的电催化析氢性能，其塔菲尔斜率为50.8 mV/dec. 电催化活性的增强主要是由于少量镍的掺杂改变了复合催化剂的形貌，使MoS₂纳米片更好地负载在石墨烯表面，暴露出更多的催化活性位点，同时镍掺杂提高了MoS₂边缘活性位的固有催化活性.

基于自主研制的搭载于浙江大学皮星三号（ZDPS-3）任务的星载GPS/北斗双模接收机，在北斗B3频点上开展低轨卫星实时定轨仿真试验，对基于北斗（特别是B3频点）的实时定轨性能进行评估. 结果表明：B3频点的测距伪码码速率高，其抗噪声性能优于B1频点，有利于提升北斗导航系统下的低轨卫星定轨精度. 在建立观测模型和定轨算法模型并检验接收机实测数据质量的基础上，利用导航信号模拟器建立半物理仿真实验平台. 实验结果表明，在仅使用北斗二号14颗导航卫星的条件下，利用B3频点能获得明显优于B1频点的实时定轨精度，并且与基于处于完全运行状态的GPS的定轨精度相当.

为了提升钢纤维-砂浆界面的黏结性能，采用9种基于硅烷的表面处理剂对钢纤维进行浸渍处理并高温固化成膜；埋置于水泥砂浆圆柱体试块中，开展单根纤维拉拔试验，获得拉拔荷载-位移曲线. 试验结果表明，采用不同的硅烷涂层对钢纤维进行表面改性，可以不同程度地改善钢纤维-砂浆界面的黏结性能；拉拔峰值荷载最高增加5.75倍，拉拔能耗最多增加2.48倍. 硅烷Z6011和Z6020及复合涂层能够较大幅度地提升界面黏结强度，主要增加钢纤维与砂浆界面的化学黏结力；硅烷Z6030和Z6040及复合涂层对界面黏结强度的提升幅度相对较小，主要增加界面滑移摩擦力. 采用扫描电子显微镜（SEM）研究界面黏结性能的提升机理，发现硅烷涂层使得界面过渡区的微观结构更致密，显著提升了钢纤维-砂浆之间的黏结性能.

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%.

自动驾驶仿真平台在自动驾驶系统的研发、测试与验证过程中发挥着至关重要的作用. 系统综述了当前主流自动驾驶仿真平台的分类与关键技术路径, 包括环境建模、传感器模拟、车辆动力学建模、感知算法测试、V2X通信、云仿真等方面, 重点分析合成数据生成、低成本算法训练、跨域迁移能力、平台可扩展性等核心挑战与研究进展, 分析具体的基于计算机视觉和人工智能的自动驾驶仿真技术，展望了该技术的发展趋势. 随着生成式AI、神经渲染、多模态学习等新兴技术的发展, 仿真平台正向高真实感、可交互、闭环式验证方向演进, 逐步形成数据生成、算法训练、性能评估的全流程闭环. 未来, 仿真平台将在提升自动驾驶系统的泛化能力、加速产品部署进程以及构建标准化测试验证体系等方面持续发挥支撑作用.

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.

针对葡萄叶片病害检测任务中存在的复杂背景干扰、小目标漏检及模型部署资源受限等问题，提出基于改进RT-DETR的轻量化检测算法SCGI-DETR. 引入高效轻量级的StarNet架构作为特征提取网络，减少模型的参数量和计算量，实现模型的轻量化. 设计CGSFR-FPN特征金字塔网络，通过空间特征重建和多尺度特征融合策略，增强模型对全局上下文信息的感知能力，提升复杂背景下多尺度病斑的定位精度. 构建Inner-PowerIoU v2损失函数，利用全局收敛加速与局部区域对齐机制，加速边界框回归，提高小目标检测性能. 实验结果表明，SCGI-DETR在葡萄叶片病害数据集上的精确率、召回率和mAP@0.5分别为91.6%、89.8%和93.4%，较原模型分别提升了2.6%、2.4%和2.3%，参数量与计算量分别减少了46.2%和64%. 该结果表明，改进算法在实现轻量化的同时，具备更优的检测性能，满足移动端和嵌入式设备的部署需求.

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.

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.

针对由散射、吸收和色偏等多种因素导致的水下图像模糊、对比度低、图像失真辨识困难的问题，提出基于改进CycleGAN的多失真类型水下图像增强算法. 为了提高图像增强效果，在CycleGAN的生成器中采用Auto-Encoder+Skip-connection的网络结构，添加全局色彩校正结构，从像素方面以及颜色方面进行全局增强，从而更好地捕捉水下图像中的色彩信息. 设计多维感知判别器来学习图像的全局特征和局部特征，此设计更加注重图像局部细节部分，有效针对散斑和色彩噪声，从多维空间上感知图像，提取特征能力更强，从而能提高图像判别的精度. 在EUVP、UIEB和U45数据集上的实验结果表明，所提出的方法取得了较好的结果，相较其他算法，在处理多种水下失真类型的图像方面，该算法的SSIM指标平均比第2名高出1.57%、PSNR指标高出1.836%、UIQM指标高出1.324%、UCIQE指标高出1.086%，在处理颜色和噪声细节方面表现出色.

为了准确、方便地识别多类型眼底病变，提出光学相干断层扫描技术（OCT）图像的轻量化分类模型MB-CNN. 降低卷积核的使用个数，调节每个阶段卷积块的使用比例，设计轻量化主干网络L-Resnet，通过加深网络深度增强对深层语义信息的提取. 使用深度可分离卷积设计多尺度卷积块MultiBlock，利用MultiBloc深度挖掘病灶区域的特征，使用不同的卷积核提取不同尺寸病变的特征，提高网络对病变OCT图像的识别能力. 构建特征融合模块FFM，融合浅层信息和深层信息，充分提取病变特征的纹理和语义信息，提高对小目标病变的识别能力. 实验结果显示，MB-CNN在UCSD、Duke和NEH3个数据集上的总体分类精度分别达到97.2%、99.92%和94.37%，模型参数量明显降低，所提模型能够针对眼底的多种病变进行分类.

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.

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.

基于65 nm CMOS 工艺，设计适用于高速SerDes串行链路的低抖动高速电荷泵锁相环(CPPLL)电路. 通过优化环路带宽以及压控振荡器（VCO）、电荷泵和鉴频鉴相器的电路结构, 抑制电压纹波和内部噪声引起的抖动, 以在满足SerDes链路需要的宽频范围和高速要求的同时, 电荷泵锁相环能够获得较小的抖动偏差和稳定的时钟信号. 包括整个焊盘在内的芯片面积为0.309 mm². 测试结果表明, 电荷泵锁相环能够实现10.9~12 GHz的输出时钟信号, 其在10 MHz频偏处的相位噪声、参考杂散和品质因数(FoM)分别为?111.47 dBc/Hz、?25.14 dBc和?223.5 dB. 当输入参考频率为706.25 MHz 时, CPPLL能够在600 μs后输出稳定的11.3 GHz时钟信号, 且RMS抖动为973.9 fs, 约为0.065 UI. 在电源电压为1.2 V下, 电路的功耗为47.3 mW. 所设计的锁相环（PLL）电路能够适用于20 Gb/s及以上的高速通信链路系统.

针对现有的源代码漏洞检测模型对异构特征和底层信息提取不足导致的检测准确率不高的问题，提出基于异构图表征的源代码漏洞检测方法. 从中间代码表示（IR）中提取8种指令级特征作为程序依赖图的节点嵌入，解决底层信息提取不足的问题. 在节点层和依赖层分别构建基于注意力机制的聚合模块来提取图表征数据中的异构性特征，通过调整注意力系数捕获关键节点信息. 对图数据的聚合结果进行分类，预测是否存在漏洞. 在合成数据集和2个真实项目数据集上的实验表明，相比于现有方法，本文方法具有更强的异构特征提取能力和更高的漏洞检测综合性能.

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.