本文对游离磨料加工的影响因素及材料去除率预测模型进行综述。首先，对游离磨料加工的典型方法及原理进行了介绍，其次分析了加工参数对加工效率与表面质量的影响规律；最后总结了材料去除模型的建模方法，并对未来研究方向进行了初步展望。

首先，概述了自动驾驶车辆安全性验证和确认的流程以及标准法规，基于人-车-路系统理论进一步提出一个新的分类方法，分类综述当前自动驾驶车辆安全性的验证和确认技术与评估标准。其次，对基于真实场景的验证和确认方法、基于虚拟场景的验证和确认方法，以及基于真实场景和虚拟场景相结合的验证和确认方法进行了归纳总结与对比解析，从8个特性维度对16种验证和确认方法的局限性和优缺点进行比较和评估。最后，对自动驾驶车辆安全验证和确认方案研究所面临的挑战和未来机遇进行简短的引申。

阐述了侧扫声呐、合成孔径声呐和前视声呐在图像分类、检测以及分割任务中的目标识别算法及其解决的主要问题。通过结合不同声呐的成像特点与应用场景，分析总结上述成像声呐对应图像处理任务下的目标识别算法的优劣及仍需解决的关键问题，并展望其未来发展方向。

为改善传统等效氢耗最小化策略（ECMS）工况适应性差的缺陷，同时进一步提升混合储能系统燃料经济性，提出了一种考虑锂电池荷电状态（SoC）预测的自适应能量管理策略。首先，以国内有轨电车线路及行驶数据为基础，利用马尔科夫链构建半独立路权下有轨电车典型行驶工况。其次，通过自适应卡尔曼滤波法预测锂电池SoC，优化锂电池充、放电过程，增强锂电池可靠性，并以混合储能系统等效能耗最小为优化目标，同时结合粒子群算法优化传统ECMS等效因子，实现负载功率在燃料电池和锂电池间的合理有效分配。最后，在所构建半独立路权下有轨电车典型工况中进行对比分析。结果表明：在所构建典型工况中，本文策略相较于固定阈值策略氢气消耗降低0.63 kg，燃料电池峰值电流降低57.2 A；相较于状态机策略氢气消耗降低1.21 kg，燃料电池峰值电流降低24.6 A，且母线电压及锂电池SoC波动范围均有所改善。

为研究悬索桥索夹螺杆紧固力损失的影响因素及敏感度，建立了广西某大桥索夹局部有限元模型，并利用蠕变试验结果对有限元模型进行验证。在此基础上，分别考虑螺杆的应力松弛速率、主缆蠕变速率、主缆空隙率、吊索力大小、螺杆的初始紧固力、索夹倾角和主缆与索夹温差等因素，利用正交试验法设计27种索夹螺杆紧固力损失的有限元分析工况，研究它们对螺杆紧固力的影响。研究结果表明：索夹螺杆紧固力损失随螺杆自身应力松弛速率的增大而增大；主缆蠕变速率对索夹螺杆紧固力损失的影响极其显著，索夹螺杆紧固力损失随主缆蠕变速率的增大而显著增大；索夹与主缆的温差对索夹螺杆紧固力损失的影响显著，螺杆紧固力损失随主缆与索夹温差的增大而减小；常见的主缆空隙率对索夹螺杆紧固力损失的影响相对较小；吊索力大小对索夹螺杆紧固力损失的影响可以忽略不计；螺杆紧固力损失随螺杆初始紧固力增大呈现先增大后减小的规律；索夹倾角对同一索夹不同位置的螺杆紧固力损失的影响有所差异；本文研究结论可为悬索桥的设计及养护提供参考。

建立了基于焓的二维格子玻尔兹曼模型（LBM），研究了不同边界条件以及不同颗粒粒径下微米级铝颗粒氧化层在熔化过程中的温度分布、平均液相分数和熔化结束时间。结果表明：自然对流浮升力对熔化特性有着显著影响；在单个加热壁加热时，自然对流的浮升力使下壁面加热时的熔化进程最快，上壁面时的最慢；当两个加热壁共同作用时，上下加热壁条件下的熔化最快，与左右加热壁的条件相比，熔化时间缩短了18.05%；随着加热壁的数量增多，熔化效率的提升效果减弱。通过计算发现，与单加热壁相比，双加热壁、三加热壁和四加热壁的熔化效率分别提升了21%、73%和75%。冷壁面的存在使熔化进程变慢，但影响仅存在于熔化进程的后半段。此外，颗粒粒径的增大可以加速熔化，但这一特征也会随着粒径的增大逐渐减弱。

为了增强面齿轮在各种结构紧凑设备的适用性，进一步扩大其传动优势，研究了非正交偏置变位一体化的斜齿面齿轮及其齿宽设计。建立了非正交偏置变位斜齿面齿轮的三维模型，根据非正交偏置变位斜齿面齿轮根切和齿顶变尖的限制条件，对轮齿的内半径及外半径进行设计，得出了面齿轮的有效齿宽，并分析了轴交角、变位系数、偏置距和螺旋角对内径、外径和齿宽的影响。研究结果表明：轴交角不断增加时，面齿轮的有效齿宽先减小后增加；面齿轮的有效齿宽随着变位系数的增加而增大；偏置距对有效齿宽的影响会因为轴交角的大小而产生不同的结果；螺旋角的增大会使有效齿宽以较小幅度的趋势减小。

针对混合动力车辆挡位优化所形成的混合整数非线性最优控制难以求解的问题，本文提出了一种实时滚动优化控制方法。首先，以车辆动力性能、等效燃油消耗最小和驾驶性能为目标函数，并结合模型预测控制滚动优化的思想构建实时控制方法。其次，基于车辆动力系统的二次拟合，利用极小值原理得到能量分配的解析解，并在每一时刻采用枚举法优化挡位。最后，滚动向前优化。标准工况下的仿真结果表明：①本文方法可以提高计算效率，计算时间在50 ms以内，具有在线应用的潜力；②与动态规划方法相比，可以实现接近全局最优的燃油经济性。

针对变路径线控机器人微米级精度微创过程，进行温度因素对穿刺精度的影响规律研究。采用热分析和结构力学分析融合的方法，获得了关键穿刺针部件非均匀温度场和结构形变特性。结合正交实验分析方法，分析了瞬态和稳态温度变化对穿刺针部件变动的影响。结果表明：23~40 ℃的瞬态和稳态温度对微米级穿刺精度影响显著，两种温度条件的精度影响指标一致：工艺参数40 ℃-3.1 mm-3 mm/s的穿刺针热变形量最大为0.012 mm，对应的系统影响量达到0.1 mm左右；另外，基于临床穿刺工艺特点，通过3因素5水平的方差分析和回归分析，揭示了钛镍合金穿刺针热因素导致的非均匀热变形规律及影响穿刺精度的温度T大于穿刺针直径D和进针速度V的影响。

为了测算城市公共汽车生命周期中各阶段的碳排放量，将公共汽车的生命周期划分为工艺周期与能源周期。考虑各系统生产制造、组装、运输、报废回收阶段，调研获取城市公共汽车的结构参数，综合公交企业提供的运营数据，使用GREET内部数据和Gabi软件对工艺周期CO₂排放量进行测算。构建包含能源开采、生产加工、运输、使用阶段的CO₂排放测算模型，分别对纯电动公共汽车和柴油公共汽车的能源周期CO₂排放量进行测算。结果表明：在工艺周期，纯电动公共汽车CO₂排放量比柴油公共汽车高39.2%；在能源周期，纯电动公共汽车CO₂排放量比柴油公共汽车低14.2%；综合全生命周期，纯电动公共汽车CO₂排放比柴油公共汽车低9.73%。

针对雾天环境高速公路车辆跟驰安全进行了研究，并提出了基于车车通信（Vehicle-to-vehicle，V2V）环境的雾天跟驰安全提升策略。首先，选取雾天跟驰模型描述雾天车辆跟驰行为，设计数值仿真实验，分析不同雾天浓度和限速条件对车辆追尾碰撞风险的影响。然后，对仿真实验中的碰撞时间阈值TTC ^*，车队初始速度v和头车刚观测到事故发生点时头车与事故点的距离L进行参数敏感性分析。最后，基于雾天V2V环境，考虑速度差对跟驰行为的影响作用，提出雾天场景下的高速公路跟驰安全控制策略。研究结果表明：轻雾场景和浓雾场景分别在限速60 km/h和100 km/h时车辆追尾碰撞风险最高，轻雾场景在限速40 km/h和80 km/h时车辆追尾碰撞风险最低，浓雾场景在限速60 km/h时车辆追尾碰撞风险最低。车辆追尾碰撞风险与车队初始速度v和碰撞时间阈值TTC^*呈正相关，与头车刚观测到事故发生点时头车与事故点的距离L呈负相关。本文控制策略能有效降低雾天高速公路车辆追尾碰撞风险，在置信水平为95%的情况下，车辆追尾碰撞风险降低幅度显著，在不同雾天浓度和限速条件下，车辆追尾碰撞风险可降低36.70%~45.14%。

为评估内涝对城市交通运行的影响，并量化城市中缺陷路段在内涝影响下的失效程度，本文综合考虑路段在内涝条件下通行能力的下降和路网的交通供需变化过程，首先，以路段畅通可靠度为指标定量表征路段的失效程度；其次，构建评估路网畅通可靠度的贝叶斯网络模型，并分析路段与路网间的影响关系；最后，结合路段畅通可靠度和对路网的影响程度，识别关键路段。选取深圳市某一区域路网及道路积水数据进行实例分析，对模型进行敏感性分析，验证了模型的可行性。研究结果为城市路网在内涝条件下关键路段的识别提供了新思路。

在高峰时段，地铁车厢的客流量剧增，人群密集和目标遮挡等复杂场景导致传统方法难以准确识别每一个乘客，容易导致漏检或误检。针对此问题，提出了基于改进YOLO算法的地铁车厢客流检测方法。分析YOLOv8模型结构后，将ASF-YOLO中的TFE模块加入YOLOv8n中，结合时空模型，考虑到站时乘客流动大和行驶时乘客活动少的特点，及车门和车厢内乘客的不同流动特性，将多帧检测结果相融合，实现了对地铁车厢内乘客流量的精准检测。经实验比较：原始YOLOv8n模型平均精度为57.0%，改进后的模型为69.1%，多帧融合处理后为76.6%。基于该模型所得到的客流信息可用于乘客出行引导、应急救援、铁路运营管控等场景。

针对多车型定制公交线路优化研究中考虑因素不够贴近实际情况的问题，本文引入车辆窗来研究定制公交的线路优化问题。首先，引入车辆窗概念，以描述不同公交车辆的发车成本、行驶成本、车辆容量和行驶速度。其次，构建引入车辆窗的整数线性规划模型，以乘客时空窗和车辆窗为输入，以企业运营成本和乘客出行成本最小化为目标。最后，针对大多采取混合编码所导致站点服务顺序混乱与寻优效率低的问题，结合模型特点，设计了包括公交车辆、上车点和下车点的三段式混合编码的遗传算法对模型进行求解，并在Sioux Falls网络开展算例分析。结果表明：引入车辆窗后能够得到更贴合实际的线路方案，且车辆的车速比差值越大对方案的影响也越大。

针对传统排队尾车驶离状态预测模型难以适应排队消散的不确定性问题，提出了一种轨迹数据驱动的排队尾车驶离状态预测模型。首先，分析排队消散轨迹形态及潜在影响因素，以揭示排队尾车驶离状态的不确定性。然后，从排队等待和车辆启动两个阶段入手，提出排队尾车驶离状态影响特征集。最后，基于极端梯度提升（XGBoost）算法构建排队尾车驶离状态预测模型，引入SHAP（SHapley Additive exPlanations）可解释机器学习框架解析所有特征的贡献度，并确定最优特征组合及模型参数。研究结果表明：本文基于XGBoost的尾车驶离时间预测模型平均绝对百分比误差（MAPE）为5.74%，比运动学模型预测精度提升约10%；尾车驶离速度预测模型MAPE为9.98%，比运动学模型预测精度提升约6%，且预测性能均优于随机森林、决策树和多层感知机神经网络3种常用机器学习方法。研究成果可为车路协同环境下交叉口信号相位最小绿灯时间调节与网联车辆生态驾驶提供技术支撑。

为提高停车资源利用率以缓解停车供需失衡问题，考虑停车分配过程中用户利益与系统效益间的博弈关系，建立了预约模式下停车泊位利用率最大和用户成本最小的联合优化目标函数；构建了融合用户偏好特性的最优停车分配整数规划模型（OPA），并设计了增广拉格朗日-交替乘子算法进行预约泊位分配方案求解。为检验模型的有效性，在不同停车供需情况下将本文模型与多种经典停车分配模型对比，结果表明：本文OPA模型在泊位利用率、用户平均成本和请求接收率3个评价指标上的表现均明显优于经典分配模型，本文研究成果可为停车预约平台的决策管理提供理论参考。

为提升交通事故预测模型的精度并减少鲁棒性，利用Stacking集成策略构建事故预测模型。首先，构建基于决策树、极端随机树等8种机器学习模型的单一事故预测模型，利用MIC检验与图着色法度量各事故预测模型的相似度，选取相似度低、多样性强的模型参与集成；其次，对单一事故预测模型结果进行Box-Cox变换，并利用特征加权法为各单一模型分别赋予不同的权重；最后，选用BP神经网络、Logistic回归等模型作为元学习器进行Stacking集成。研究结果表明：元学习器选用BP神经网络的集成模型预测精度高于其他集成模型，相较于预测精度最高的单一事故预测模型，集成模型的MAE、RMSE分别降低24%和14%，R²提高6%。

针对无人机航拍视角下对小目标的检测仍存在漏检现象严重、检测精度低等问题，提出一种改进的YOLOX网络，用于无人机航拍图像的检测。为了增强网络的特征学习能力，在特征融合部分引入自适应空间特征融合（ASFF）模块，并在网络的颈部（Neck）嵌入坐标注意力机制（CA）。为了加强网络对正样本的学习，将二元交叉熵损失函数替换为变焦距损失函数。实验结果表明：改进后的YOLOX网络具有更好的检测效能，其mAP_@50和mAP_{@50_95}分别达到了91.50%和79.65%。在多种交通场景下的可视化结果表明：相较于其他算法，优化后的网络具有更低的漏检率以及更高的检测精度，能够胜任小目标车辆的检测任务，可为高空视角下的车辆多目标跟踪应用提供参考。

针对多模式交通系统的拥堵收费问题，本文构建了双层规划模型。上层是以最小化系统总出行成本为目标的优化模型，决策各路段的拥堵收费价格；下层是基于路径的多模式双动态演化模型，包含逐日和日内动态演化。采用遗传算法对模型进行求解。本文对比了无拥堵收费（NCP）、对私家车收费（CPC）以及对私家车和共享汽车均收费（CPCS）下的系统特征。结果表明，相比NCP，CPC和CPCS中私家车出行减少17.44%和14.89%，车辆平均出行时间降低7.54%和30.18%；在CPC中，共享汽车系统能够获得最大的收入，并成为系统中承担出行量最大（39.97%）的出行模式。

针对部分城市客运交通布局不合理、规模不适当等情况造成的交通拥堵、资源浪费等问题，提出基于区位势能和多源数据的城市客运交通规划算法。首先，在原始数据层次、特征数据层次和交通理论层次融合中选取合适方式融合城市客运交通多源数据。然后，基于交通分布概率模型和Furness模型构建交通分布预测模型，引入区位势能，预测交通分析小区之间的客运交通出行分布量。最后，构建城市客运交通双层规划模型，并采用改进后量子粒子群优化算法对其进行求解，以实现城市客运交通规划。实验结果表明：本文方法在各项评价指标中的得分均高于对比方法，最高分值达到了50.492分。车辆拥挤度最高仅为29%，具有实用性。

为了及时发现、评估与应对高速公路隧道交通风险隐患，确保隧道运行安全通畅，本文构建了基于时空Transformer网络的隧道运行风险状态动态辨识方法。以隧道交通流全域检测数据与关键断面集计数据为输入，通过空间CNN卷积与时序LSTM对隧道车流不同运行状态的时空分布特征进行无监督提取；利用大样本训练Transformer网络层参数，以捕获隧道交通运行状态在高维风险特征空间的分布与差异，实现隧道交通状态的风险划分与评估。采用真实隧道交通检测数据验证了本文方法的有效性，对隧道运行风险评估精度约为96%。

为确定超声处置石油沥青的流变学响应规律，本文采用系列流变学测试手段，分析了3种典型石油沥青经历超声处置前后的指标变化。研究发现，超声使沥青高温实时黏度降低50%以上，并具有不可恢复的残留影响；中温时处置沥青略变软，触变界限提高；低温时处置沥青的蠕变能力降低。化学和微观分析表明，沥青中重质组分含量明显减少，沥青质聚集体均化分散。超声作用时的选择性不均匀加压加热引起沥青的裂化反应，是化学和流变性质变化的原因。功率超声对石油沥青的这种显著理化影响有用于温拌、再生、改性加工等道路工程技术的可能。

为深入探究预应力钢板带加固技术在提升墙体承载力和降低变形程度方面的应用效果，探讨了支撑失效状态下预应力钢板带-砖砌体组合墙在施加荷载时的变形特性。在试验中，设计7个试件，均利用预应力钢板带实施加固，各自的加固情况不同。在试件制作中，实施底梁的浇筑后制作砖砌体墙，浇筑顶梁后对表面实施抹平处理，与底梁和砖砌体墙形成整体结构。将养护后的试件运至实验室中实施预应力钢板带加固。纵向钢板带的下料长度与墙体的高度保持一致。若需施加竖向预压应力，则下料长度会相应增加2或4 mm。横向钢板带与墙体的实际宽度相匹配。布设试验仪器与应变片并开始加载，直至组合墙体的支撑功能失效，停止试验加载。结果表明，墙体预应力钢板带的加固性能与墙体承载能力之间存在正相关关系；在墙体支撑失效前，曲线出现降低趋势，随后墙体支撑失效；较强加固性能的预应力钢板带可以降低墙体自身的应变值，即降低墙体自身的变形程度。预应力钢板带的应用能够显著增强墙体的整体刚度和稳定性。

为了解决传统生成对抗网络（GAN）在去雨问题中因网络容量不均衡而表现不佳的问题，提出了一种基于渐进递归的生成对抗单幅图像去雨算法。该方法采用了渐进递归模块生成器和多尺度特征模块鉴别器，旨在提高生成器效率并增强鉴别能力。渐进递归模块通过融合多尺度特征并构建渐进递归结构，不仅减轻了网络参数的负担，也提高了生成器的效率。与此同时，多尺度特征模块有助于鉴别器从局部和全局两个层面提取特征，从而增强了其鉴别能力。实验结果表明：相较于现有算法，本文算法在Rain100L数据集上峰值信噪比（PSNR）和结构相似性（SSIM）指标提高了1.11%和1.16%；在Rain100H数据集上将指标分别提高了3.28%和1.01%；在真实数据集上，本文算法在去雨任务中表现出色，成功地保留了大部分细节特征。这些实验结果充分验证了本文算法的有效性和鲁棒性。

集群环境中容器资源分配不均衡是当前亟待解决的问题，针对容器负载预测及资源分配策略，本文设计了基于经验模态分解-长短期记忆网络的天文数据处理容器负载分组预测算法，提出了基于预测负载信息的自适应推荐值生成算法，可根据负载波动程度自动分配容器计算资源。利用模拟数据及真实天文观测数据进行了负载预测准确度验证，实验结果表明本文提出的算法相较于三重指数方法和单一长短期记忆网络模型具有更高的预测准确度。在天文数据实时预处理测试中，相较于默认策略，本文提出的推荐值生成算法可有效提升计算资源的使用效率。

针对DeepLabv3+网络中的多尺度目标分割错误、多尺度特征图及不同阶段特征图之间关联性差的问题，提出在DeepLabv3+基础上引入全局上下文注意力模块、级联自适应尺度感知模块及注意力优化融合模块。将全局上下文注意力模块嵌入骨干网络特征提取的初始阶段，获取丰富的上下文信息；级联自适应尺度感知模块可建模多尺度特征之间的依赖性，使其更加关注目标特征；注意力优化融合模块通过多条支路融合多层特征，以此提高解码时像素的连续性。改进网络在Cityscapes数据集以及PASCAL VOC2012增强数据集上进行验证测试，实验结果表明：该网络能弥补DeepLabv3+的不足，且平均交并比分别达到76.2%、78.7%。

针对工业网络的安全问题，提出了一种新的入侵检测方法，方法的具体创新之处分为两点。首先，在处理数据特征过程中，针对原始数据维度较高的问题，提出一种参数动态调整的粒子群优化-遗传混合算法，用于特征提取，成功筛选出了对模型训练有意义的特征子集，加快了模型训练速度。其次，在构建机器学习模型时，使用了堆叠集成学习框架对多个模型的输出结果进行泛化，以获得整体预测精度的提升。共在两个数据集上验证了本文方法的检测性能，试验结果表明：在公开的入侵检测数据集CICDS-2017上的检测精确度达到了95%，在由美国密西西比州立大学的Lan Turnipseed从天然气管道控制系统收集到的真实工业数据集上也达到了93%的精确度。

针对设备在通信传输过程中产生的大量数据信息容易成为黑客和恶意用户的攻击目标，从而产生异常流量，以及流量数据的稀疏性导致难以捕捉到全局特征之间的关联性，进而影响异常流量检测效果的问题，提出了基于均方误差（MSE）改进双向长短时记忆（BiLSTM）神经网络算法的工业互联网异常流量时空融合检测方法。首先，通过One-Hot编码将工业互联网流量数据转换为数值型数据，利用MSE中的挤压激励（SE）机制调整流量特征的权重，捕捉全局特征之间的关联性。其次，采用BiLSTM神经网络的正向与反向LSTM提取网络流量的时空融合特征。最后，将时空融合特征输入Softmax分类器中，对流量进行识别，实现异常检测。实验结果表明，当迭代次数达到30次时，本文方法的损失值可以降至0.4以下，当迭代次数达到60次时，F₁与马修斯相关系数均可达到60，证明该方法具有良好的整体性能。

针对分布式光纤声波传感信号在实际应用中受环境噪声干扰、光纤传输限制及多任务处理需求影响，导致低信噪比问题，提出了基于全波形反演的自适应任务调度方法，旨在提高信号信噪比，优化多任务调度，从而提升传感系统的整体性能。利用基于改进伴随状态源方程的全波形反演方法，对分布式光纤声波传感信号直接实施全波形反演。采用构建的神经网络，学习变量关系，根据变量关系给出当前迁移阶段选择主体任务各自子任务的解剩余数量，更新迁移任务被择选的概率，自适应地动态选择迁移任务，实现多任务调度。在基准测试函数上进行多任务调度效果检验，适应度与离散度评估结果的发展态势均相对积极，适应度超过8，离散度低于0.3。可见，该方法能够有效处理传感信号的低信噪比问题，提高分布式光纤声波传感系统的多任务调度质量，对于低信噪比信号的系统多任务调度具有强助力作用。

在复杂野外环境下，无人机降落过程中目标可能因暂时被遮挡或离开视野而导致跟踪失效。为增强无人机姿态控制精度和稳定性，本文提出了基于跟踪-学习-检测（Tracking-learning-detection，TLD）算法的四旋翼无人机自主降落姿态控制方法。通过结合扩展卡尔曼滤波和TLD算法检测特定目标，并利用多个中值流实现目标跟踪。通过精确捕捉目标位置信息，结合附加惯性项的人群搜索算法和自抗扰控制技术，优化搜索步长以及方向惯性系数的选取方式，从而改善四旋翼无人机的飞行姿态，提升降落过程的稳定性与安全性。实验结果表明，本文方法的平均中心偏移量在1.98像素以内，横滚角、俯仰角以及偏航角偏差均＜0.02°，符合期望，运行平稳，性能更优，可以确保四旋翼无人机安全降落。

针对多种类型激光焊缝识别计算复杂度高、分类准确度低的问题，提出了一种基于改进北方苍鹰算法（UNGO）的激光焊缝图像识别分类算法，在传统支持向量机算法（SVM）的基础上与改进北方苍鹰算法（UNGO-SVM）结合，并通过混沌优化与莱维飞行中贪婪学习策略增加算法搜索能力，同时帮助算法克服陷入局部最优情况，提高算法的收敛精度和图像分类准确度。实验结果表明，UNGO-SVM在保证算法收敛度的同时分类准确率提升至99.15%，相比较SVM、NGO-SVM、DOA-SVM、GOA-SVM分别提升了21%、5%、10%和11%，证明了该方法的可行性和较强的利用价值。

传统的单像素压缩成像系统在获取测量值时，要求目标与成像系统保持相对静止状态；否则，重构出的图像存在模糊或完全失真。针对这一问题，本文提出了一种基于推扫式的动态互补压缩成像方法。该方法利用单列数字微镜器件来调制前景图像，采用2个独立的单像素传感器分别获取数字微镜装置反射的两路光信号，按列获取前景目标图像的压缩测量值，并给出动态压缩成像的恢复模型；然后，基于该模型，采用传统的算法重构出目标图像。与传统的重构结果不同的是，每条光路能够同时重构出2个目标图像。为提高重构图像质量，本文给出了一种基于多通道图像融合的质量增强方法。实验仿真与结果分析表明：本文提出的动态互补压缩成像系统不仅能有效地重构出前景图像，而且系统移动速度在一定范围内变化时，并不影响输出的图像质量，具有良好的鲁棒性。

针对移动装弹机械臂逆运动学求解性能需要提升的问题，提出了一种基于多种群灰狼算法的逆运动学求解方法。首先，将机械臂的逆运动学问题转化成了一个等效最优问题，并依据优化目标建立了适应度函数。其次，基于灰狼算法拓展了灰狼种群数量，引入了粒子群算法及最优个体反向指导的位置更新方式，并且设置了随机重组阈值淘汰机制。然后，应用多种群灰狼算法循环迭代求逆，当适应度函数值趋近于0即可得到逆解。最后，通过与其他算法求解仿真对比表明：本文所提出的逆运动学求解方法具有更好的收敛性、求解精度及重复精度。

针对海上被动无人搜救任务中目标区域难以确定、搜索范围广泛、搜救区域航路规划速度慢等问题，提出了一种面向被动无人搜救任务的海上搜救区域规划流程及航路规划模型。根据海上搜救任务预案与航路规划需求，并结合海上搜救区域规划方法构建航路优选模型，利用搜救区域覆盖效率和搜救航路消耗成本等约束进行目标函数构建，采用鲸鱼优化算法求解，设计想定实验进行分析验证。研究表明：本文提出的海上被动无人搜救航路规划模型能够快速确定搜救范围，较好地搜索到代价更低的搜救路线。

为提高星点质心提取的实时性与准确性，提出了一种基于现场可编程逻辑门阵列（FPGA）的改进游程编码算法来实现快速星点提取。该算法结合星点目标特点和FPGA的并行处理结构，改进了传统游程编码算法在提取时需要设置等价表进行标号合并以及多次轮询游程编码的不足，只需扫描一次图像后延迟若干个时钟周期便可提取星点质心坐标。将本文算法在星敏感器的FPGA上进行测试验证，在时钟频率为50 MHz、输入图像分辨率为1 280×1 024像素的情况下，本文算法星点质心提取时间仅需2 μs左右，提取星点质心位置完全正确。与用RISC微处理器（ARM）进行星点质心提取时消耗时间近19 ms相比，本文算法优势明显，具有显著的工程应用价值。

受螳螂虾虾螯微观Bouligand结构启发，本文以六边形、圆形、负泊松比、四边形4种胞元作为层间基础结构，建立了4种仿生螺旋结构以及4种对比结构。以热塑性聚氨酯材料为基材，运用3D打印技术进行结构制备。基于准静态压缩试验和数值模拟探究了上述8种结构的吸能性能。结果表明：4种仿生螺旋结构的吸能特性较好，其中仿生六边形螺旋结构比吸能可达531.65 mJ/g。与对应对比结构相比，4种仿生螺旋结构比吸能分别提升64.72%、32.39%、55.84%、25.14%，这表明层间螺旋堆叠分布有效增强了结构的吸能特性，结构变形破坏将会吸收更多的能量。