传统、新型岩土工程问题诸如压缩空气含水层储能、充气截排水技术、二氧化碳地质封存、油气地下储备工程等均涉及气水两相流与应力耦合. 针对这一工程实际，根据非饱和土气水两相渗流-应力弱耦合理论，开发了基于TOUGH2与FLAC3D的气水两相渗流-应力耦合计算搭接程序. 该计算程序能够较为真实地模拟气水两相渗流问题，能够探讨流动过程中气水的相互作用及其对过程的影响. 程序考虑了气水两相渗流与土体骨架变形直接的相互作用，反映了这一过程中孔隙度、渗透率、毛管压力和土体物理力学参数的变化，实现了更为完善的气水两相渗流与应力弱耦合分析. 通过与经典的排水试验和模型试验对比，验证了该程序可以较为准确地模拟气水两相流-应力之间的相互作用.

为了改善六水氯化钙的蓄放热性能，以六水氯化钙为相变材料（PCM）、膨胀石墨（EG）为载体、六水氯化锶为成核剂，采用物理吸附法制备六水氯化钙/膨胀石墨复合相变材料，研究复合相变材料的热物理特性. 采用步冷曲线法，研究复合相变材料的过冷度、蓄/放热性能和热循环稳定性；采用扫描电镜、差示扫描量热法、热流计导热仪，对复合相变材料的显微形貌、相变潜热、相变温度、比热容和导热系数进行测定. 结果表明：在六水氯化钙中添加质量分数为10%的膨胀石墨和质量分数为2%的六水氯化锶，复合相变材料的相变潜热为151.6 J/g，导热系数提升至3.328 W/(m·K)，过冷度保持在2 °C以内. 相变材料的导热系数及过冷度得到显著改善.

为了推动工业信息安全防御模式从静态的被动防御向主动防御转变，缓解安全专家严重不足与陡增的信息安全需求之间的矛盾，从仿生视角搭建数字孪生系统的信息安全主动防御体系框架，以数字孪生安全大脑为核心，提出以主动防御为目的的5类关键技术：基于云边协同的安全数据交互及协同防御技术、仿生的平行数字孪生系统主动防御技术、仿生的平行数字孪生系统安全态势感知技术、基于免疫系统的数字孪生系统主动防控技术、基于AI的数字孪生系统的反攻击智能识别技术. 给出数字孪生车间信息安全建设的应用案例，验证了数字孪生信息安全在智能制造中的适应性.

为了提升自动驾驶汽车对周边环境的感知能力，提出优化DeepSort的前方多车辆目标跟踪算法. 采用Gaussian YOLO v3作为前端目标检测器，基于DarkNet-53骨干网络训练，获得专门针对车辆的检测器Gaussian YOLO v3-vehicle，使车辆检测准确率提升3%. 为了克服传统预训练模型没有针对车辆类别的缺点，提出采用扩增后的VeRi数据集进行重识别预训练. 提出结合中心损失函数与交叉熵损失函数的新损失函数，使网络提取的目标特征有更好的类内聚合以及类间分辨能力. 试验部分采集不同环境的实际道路视频，采用CLEAR MOT评价指标进行性能评估. 结果表明，与基准DeepSort YOLO v3相比，跟踪准确度提升1%，身份切换次数减少4%.

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.

为了提高垃圾分类过程中前端收集的工作效率，基于机器视觉技术设计垃圾自动分类系统. 设计制作垃圾分类的硬件设备，主要包括可回收和不可回收2个箱体；针对垃圾数据集较少的问题，提出基于Inception v3网络特征提取模型和迁移学习相结合的垃圾种类识别方法，在自建的垃圾数据集上进行训练和测试. 结果显示，利用该方法可以准确地对垃圾种类进行识别，平均准确率达到0.99；将训练好的模型部署在树莓派3B+上，在制作的实物垃圾桶上进行测试，系统稳定后，平均完成一次分类回收的时间为0.95 s. 实验表明，该系统能够有效地进行垃圾种类的识别和完成垃圾的分类回收.

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.

类脑研究是世界各大国间竞争博弈的战略重点，正进一步促成脑科学与计算机等多种学科的交叉融合，带动新一轮的科技革命，以信息手段加速人类对大脑的认知、模拟及融合，有望为人类构建能力强大的“超级大脑”.

为了解决水下图像的雾模糊和偏色问题，针对水下图像成像模型提出基于生成式对抗网络（GAN）和改进卷积神经网络（CNN）的水下图像增强算法. 利用生成式对抗网络合成水下图像，以对配对式水下图像数据集进行有效扩充. 利用多级小波变换，以不丢失特征分辨率的方式对水下图像进行多尺度分解，然后结合卷积神经网络利用紧凑式学习方式对多尺度图像进行特征提取，并利用跳跃连接以防止梯度弥散，克服水下图像的雾模糊效应. 利用风格代价函数学习彩色图像各通道间的相关性，提高模型的色彩校正能力，克服水下图像色彩失真的问题. 实验结果表明，相较对比算法，在主观视觉和客观指标上，本研究所提算法拥有更优秀的综合性能及鲁棒性.

考虑航天器交会模型不确定性的问题，提出基于一般非线性相对运动方程的自适应控制策略. 针对复杂非线性系统中由外部扰动及目标星轨道参数引起的线性与非线性不确定性问题，通过自适应神经网络对模型结构进行参数化近似. 结合自适应反推技术和李雅普诺夫稳定方法进行自适应控制器设计，能够实现控制目标，保证所得闭环系统的渐近稳定性. 为了探究同时存在模型不确定性和输入约束的情况下航天器相对运动的自适应控制设计，提出辅助控制系统来分析和解决输入约束的影响. 针对相对运动提出的自适应控制策略保证了闭环系统的稳定性，使得模型未知参数的自适应估计满足最终一致有界性. 对不同案例分析比较的数值仿真结果验证了提出控制方法的有效性.

针对传统车联网（IoV）数据易被篡改、访问控制不够灵活的问题，提出基于区块链和带权密文策略属性基加密的车联网数据安全共享方案. 该方案由路侧单元共同维护区块的生成、验证和存储，实现分布式数据存储，保证数据不可篡改；基于属性对链上数据进行访问控制，保证只有授权的访问者才能访问数据内容；针对车联网场景下多实体、多角色的数据共享需求，通过挖掘车联网数据访问角色间属性权限的关联关系，构造基于多属性的层级访问策略制定方法，简化访问控制策略的复杂度. 实验分析表明，该方案能够实现对车联网数据的安全存储与灵活访问控制，所构建的层级访问策略制定方法能够有效降低车辆的计算和传输开销，满足车联网场景下多实体、多角色的访问需求.

设计一种主要针对智能手机双焦镜头的连续数字变焦方案. 该方案基于卷积神经网络特征层提取和特征块匹配，充分利用2个不同焦距镜头的拍摄信息，将长焦镜头图像的高分辨信息迁移到短焦图像的可修复区域，并以修复后的短焦图像为基础进行数字变焦. 仿真和实验结果表明，相比基于传统插值放大的变焦方案和基于单图像超分辨的变焦方案，所提方案的处理结果拥有更高的主观分辨率和视觉清晰度；当用户给定的变焦倍数在长、短焦镜头倍数之间时，所提方案可以显著提升变焦图像的质量；对于处于长焦相机视场外、短焦相机视场内的纹理，修复效果比现有方法更好；该方法的处理结果对长焦、短焦图像的双目视差大小有着很好的鲁棒性.

为了引导和促进局部干法水下焊接的发展，完善局部干法水下焊接技术在海洋资源开发以及核电站建设和维修中的应用，探讨局部干法水下焊接的研究内容，评述相关应用背景、水下环境特点及各种工艺方法，以利于局部干法水下焊接工艺技术研究“标准化”和“科学化”的实现. 针对局部干法水下焊接自动化的发展问题，列举和分析水下自动化移动平台、双目立体视觉、排水装置、熔池模拟和焊接质量预测等关键技术存在的主要问题以及研究现状，总结了局部干法水下焊接技术未来的发展趋势和重点研究方向.

为了研究仿生肌肉绳索驱动下肢康复机器人使用安全性的评价方法和指标，基于Hill肌肉模型，给出仿生肌肉绳索模型，介绍仿生肌肉绳索驱动下肢康复机器人（BM?CDLR）. 在康复机器人的刚性运动支链的运动规划和力学分析的基础上，定义了安全性能因子. 考虑不同患者的运动承受能力和刚性运动支链滑块运动速度的波动性，提出康复机器人的使用安全性评价指标. 通过实例分析验证了使用安全性评价方法的合理性.

针对高功率、高比能的动力电池散热问题，提出结构紧凑、换热高效的制冷剂直接热传输的电池热管理系统（简称直冷式系统）. 以整车系统为背景，利用AMESim搭建空调制冷与电池热管理的耦合模型，从系统的温度响应和能耗角度，分析电池组及电池单体平均温降、温均、系统COP以及?效率. 结果表明，直冷式系统具有较快的温度响应特性，在高温高速的稳态和动态工况下都可以对电池进行快速降温，实现了较好的温均性. 在针对某一稳定工况进行能耗分析时，得出COP为4.19的较高的系统能效比，但系统的?效率为46.17%，存在进一步提升系统?效率的空间.

针对粒子群算法在解决复杂多目标问题时存在过早收敛和多样性不足的问题，提出多角色多策略多目标粒子群优化算法(MOPSO_RS). 该算法根据粒子的角色划分指标,给不同性能的粒子赋予不同角色；提出多策略的学习参数调整方法和多策略的全局最优粒子选取方法，帮助种群执行各种搜索策略. 不同的学习参数使各角色粒子获得不同的搜索策略，以调整粒子的探索和开发能力. 不同的全局最优粒子使各角色粒子搜索不同区域，提高种群的搜索效率. 为了避免算法陷入局部最优，引入带有高斯函数的变异算子，使粒子根据其角色朝向不同的全局最优粒子变异，提高算法的求解精度. 实验结果表明，对比其他改进多目标算法，MOPSO_RS具有良好的收敛性和多样性，并验证了所提策略的有效性.

针对文本分类问题，提出新的基于知识增强的图卷积神经网络（KEGCN）分类模型. KEGCN模型在整个文本集上构建了一个包含单词节点、文档节点、外部实体节点的文本图，不同类型节点之间使用不同的相似性计算方法；在文本图构建完成后将其输入到2层图卷积网络中学习节点的表示并进行分类. KEGCN模型引入外部知识进行构图，捕获长距离不连续的全局语义信息，是第1个将知识信息引入图卷积网络进行分类任务的工作. 在4个大规模真实数据集20NG、OHSUMED、R52、R8上进行文本分类实验，结果表明，KEGCN模型的分类准确率优于所有的基线模型. 将知识信息融入图卷积神经网络有利于学习到更精准的文本表示，提高文本分类的准确率.

为了提高图像分类效果，针对卷积神经网络中常用激活函数relu在x负半轴的导数恒为零，导致训练过程中容易造成神经元“坏死”以及现有组合激活函数relu-softplus在模型收敛情况下学习率过小导致收敛速度慢的问题，提出新的组合激活函数relu-softsign. 分析激活函数在训练过程中的作用，给出激活函数在设计时需要考虑的要点；根据这些要点，将relu和softsign函数于x轴正、负半轴进行分段组合，使其x负半轴导数不再恒为零；分别在MNIST、PI100、CIFAR-100和Caltech256数据集上，与单一的激活函数和relu-softplus组合激活函数进行对比实验. 实验结果表明，使用relu-softsign组合激活函数提高了模型分类准确率，简单有效地缓解了神经元不可逆“坏死”现象；加快了模型的收敛速度，在复杂数据集上该组合函数的收敛性能更好.

研究用于检测气体绝缘金属封闭开关（GIS）内部的负压吸附管道内壁四足爬壁机器人. 分别对机器人的腿部和机身进行运动学分析，采用改进的牛顿迭代法解决机身正运动学求解困难的问题. 对机器人沿管道轴向和圆周方向的爬壁运动进行步态规划，提出运动过程零冲击的轨迹规划方法. 使用Adams进行运动仿真，并在四足爬壁机器人样机上进行水平和垂直管道的全方位爬壁实验. 结果表明：机器人的运动轨迹与所规划的步态一致，运动过程中速度与加速度无突变，运动平稳，无明显冲击，运动学模型的正确性和所规划步态的合理性得到验证. 在GIS管道的实际检测应用中，实现机器人在不同工况下的平稳爬壁运动与检测.