为了对撞壁喷雾的发展及蒸发过程进行主动控制，采用不同方法制备了具有不同微观结构和润湿性的金属壁面。基于高速摄影平台对不同壁面润湿性、壁面温度和环境背压下柴油和正丁醇喷雾撞壁后的形态发展过程进行了研究。结果表明：增加亲油表面的粗糙度可增强表面的亲油性。采用表面能修饰方法可显著减弱表面亲油性。随着表面亲油性的减弱，燃料喷雾撞壁后的铺展半径和卷吸高度均升高。与柴油液滴相比，正丁醇液滴对表面的浸润性更强，导致正丁醇喷雾撞击不同表面后的铺展范围均较小。与正丁醇相比，壁面温度对柴油喷雾的铺展半径影响较小，柴油喷雾撞击不同温度壁面后期的铺展半径均高于40 mm。环境背压的升高对喷雾的扩散有抑制作用。

针对悬置车身端存在的窄带及宽带振动问题，采用前馈-反馈混合FxLMS算法对振荡线圈作动器式主动液阻悬置进行控制。在前期主动悬置力学模型、数学模型及全参数识别的基础上，使用MATLAB/Simulink进行主动悬置控制系统离线仿真。结果表明，相较于前馈FxLMS算法，混合算法能够更好地抑制车身端的振动。开发了控制器原理样机，并进行了全实物台架实验，测试混合算法的振动控制性能。结果表明，混合算法能够将车身端的振动总体降低11~23 dB。混合算法融合了前馈与反馈FxLMS算法的优点，能有效减小振动造成的不利影响。

为了探索非平整路面环境对被动行走机器人的步态演化影响，采用正弦函数模型刻画路面的凹凸特性，并通过引入随机变化的路面幅度和频率来模拟真实行走环境下道路的起伏状态。通过运用分岔图和李雅普诺夫指数等数值分析工具，对比不同路面不平度对机器人步态稳定性的影响，并深入探讨全局分岔中的边界激变事件引发的机器人跌倒行为。此外，搭建机器人样机并进行ADAMS动力学仿真，验证了模型的行走能力。研究表明，在正弦波形的非平整路面上，机器人的步态为拟周期运动，并随系统参数的改变经环面倍化分岔逐渐演变为混沌；而在随机非平整路面上，路面对机器人步态的激励效应导致其偏离极限环轨迹，系统的稳定性下降；在上述行走环境中，产生于鞍结分岔的不稳定轨道引发的双边界激变事件是步态吸引子最终消失的重要原因。

为提高风机叶片故障检测时故障分类精度，提出了一种基于机器学习的风机叶片故障检测和分类方法。首先，将岭回归与蜂群优化算法（BSO）相结合提出了R-BSO特征选择算法，该算法用于筛选出最优特征子集。然后，将由R-BSO算法提取出的最佳特征组合输入基于Stacking策略的分类模型中得出分类结果，完成叶片故障检测RBVS算法的构建。最后，提出了一种基于卷积注意力机制（CBAM）的卷积神经网络（CNN）叶片故障分类算法CBCNN。实验结果表明：本文算法在风机叶片故障检测和分类上具有较好的性能。

针对当前下肢外骨骼结构冗余及人机匹配性差的问题，设计了一种多自由度尺寸可调的下肢助力外骨骼机器人，并在关节处设置了限位装置；采用有限元方法模拟了外骨骼结构在行走过程中的受力、变形、应力和共振情况；利用足底压力传感器系统采集和分析了人体足底的受力及变化规律；采用拉格朗日方程建立了外骨骼关节机械腿的动力学模型，并求解了各关节的受力情况；将实验和求解结果作为关节驱动函数的参数，对外骨骼进行动力学仿真，获得了外骨骼运动的样条数据。所得结果为后续机器人的驱动控制提供了依据，同时验证了下肢助力外骨骼机器人的人机协调性和合理性。

针对驱动桥的啸叫这一系统性问题，提出了通过调整锥轴承游隙进行减振降噪的分析流程。该流程基于包含齿-轴系统、轴承、壳体在内的中桥总成动力学仿真模型，模型的正确性通过锥齿轮的传递误差试验进行验证。以支承输入轴、小齿轮轴与差速器壳等5个锥轴承的游隙为设计变量，使用响应曲面方法分别为桥壳表面的振动响应以及小齿轮轴球轴承的疲劳寿命建立了代理模型，并通过多目标优化得到了考虑轴承寿命的驱动桥啸叫问题改进方案。结果表明，流程具有较好的效果和适应性。

针对当前集中式协同控制方法存在计算效率低和无安全保障的问题，本文首先提出了一种基于强化学习的群体协同算法，将单智能体近端策略优化扩展到多智能体协同合作的复杂交互环境中，以解决多智能体系统的复杂合作问题。其次，将无信号交叉口车辆集中式协同控制形式化为多智能体强化学习问题，并提出一种安全增强的交叉口集中式协同控制方法——行为规约近端策略优化。该方法将形式化安全验证及行为规约融入群体协同算法，以指导策略安全迭代优化和避免非安全驾驶行为，进一步保障未知场景下的通行安全。最后，通过仿真软件Carla进行模拟实验。仿真结果表明：行为规约的纳入牺牲了8.06%的通行效率，获得了100%的安全提升；相较典型的模型预测控制方法，本文方法将计算时间缩短到1/326倍，交通效率提高了67.0%，碰撞率从63.5%降低到0，舒适性提升了26.5%。

采用电场辅助下的快速热压烧结工艺，制备了Ni掺杂的3 mol%氧化钇稳定氧化锆（3YSZ）固态电解质，讨论了Ni的掺杂量在3%~8%范围内对烧结产物相组成、微观形貌、致密度及离子电导率的影响规律。研究结果表明，当Ni掺杂量为5%时，在恒压20 MPa、升温速率60 ℃/min升至1 200 ℃、保温10 min的工艺参数下，Ni/3YSZ晶粒排列紧密，相对密度可达98%，在300 ℃测试温度下离子电导率达6.24 μS/cm。通过利用多物理场耦合软件COMSOL建立了三维多通道错流稳态单电池模型，以多通道平板式阳极支撑固体氧化物燃料电池（SOFC）为研究对象，评价所制备的不同Ni含量3YSZ/Ni固态电解质的导电性能，其功率密度可达22 W/m²，为提高SOFC电解质的低温性能提供新的途径。

针对现阶段强化学习方法在自动驾驶应用中存在的数据效率低、场景适应性差问题，提出了一种基于环境表征的强化学习自动驾驶策略。首先，设计驾驶环境表征模型，结合多头注意力、卷积神经网络和长短期记忆网络从连续视觉输入中提取时空特征，并采用变分自编码器对鸟瞰图输入进行降维处理。其次，融合测量信息构成驾驶环境的综合表征。最后，将表征模型与多种经典的强化学习方法结合，并在Carla中进行仿真实验。结果表明，本文表征模型能够显著提升驾驶策略的学习效率，完成多种动静态驾驶任务，提升了智能体决策的准确性和不同场景的适应性。

为满足自动驾驶车辆安全、高效地与行人进行交互，保护行人安全，本文使用多智能体深度确定性策略梯度算法建立自动驾驶车辆和人工驾驶车辆混行下的人车交互模型并求解交互策略，使自动驾驶车辆能够在不依赖通信的前提下避免事故发生。将本文算法与其他基线算法对比，在训练效果、碰撞率和通行效率方面均有显著提高，同时将本文模型在不同风险等级的场景中进行实验，结果表明：随着行人行为噪声强度的增加，两种车辆的通行效率降低，而自动驾驶车辆的碰撞率出现先增加后降低的趋势，在高噪声强度下自动驾驶车辆的避碰能力比人工驾驶车辆强，更好地保护了行人的安全。

为量化评估声屏障设计对驾驶员驾驶行为及驾驶感受的影响，依托四川天府新区至邛崃高速公路，提出不同复杂度及不同样式的声屏障设计方案，通过构建5个实验场景，招募25名驾驶员进行驾驶模拟实验，分析不同设计方案下驾驶员的驾驶行为及生理、心理变化特性；选取具有代表性的车辆运行指标及驾驶员生理、心理指标，构建基于博弈论组合赋权-Topsis综合评价模型。结果表明：声屏障图案连续性、信息负荷度等指标对驾驶员的驾驶行为、生理及心理产生显著性影响，降低信息负荷度、提高声屏障图案连续性可以有效降低横向加速度标准差、速度标准差，提高行车稳定性及安全性的同时，驾驶员的驾驶舒适性也得到明显提升。

为探究网联自动驾驶车辆（Connected automated vehicle，CAV）引入后道路网络级联失效机理，建立了考虑新型混合交通流道路临界密度的路网级联失效模型。该方法考虑失效后流量重分配的方式，并捕捉混合交通流对道路抵抗拥堵能力的影响。本文以西安市城市道路网络为例，研究了混合交通流级联失效的规律特征。结果表明：CAV渗透率达到0.6（临界值）时，最外层节点开始抵御失效，级联失效的传播速度会显著放缓；渗透率超过0.6后，最外层节点成功抵御失效，失效总规模下降91%左右；攻击流量最大节点时的失效传播速度最快且规模最大，管控流量最大节点是级联失效管控的重点。

为提高网联自主车辆换道汇入的效率和安全性，刻画车辆换道行为的博弈交互过程。采用德国ExiD高精轨迹数据集，深入分析车辆换道汇入的动态交互博弈特性，从博弈决策和代价成本视角解析并定义轨迹数据中主线车辆的换道切出行为。在面对匝道车辆存在明确的汇入意图时，部分主线车辆为降低行驶效率代价选择加速向内侧换道切出且同时为匝道车辆提供汇入间隙。当车辆速度越高时主线车辆越倾向于换道切出降低损失，基于轨迹数据的车辆博弈切出及汇入模型能够刻画车辆博弈决策过程并有效缩短换道汇入距离，换道汇入距离平均缩短11.51 m，车辆碰撞风险时间平均提高6.77 s。

为了保证结构在遭受风荷载、地震等水平力作用时具有足够的承载能力，研究了不同截面冷弯薄壁型钢组合墙受剪性能。确定制备冷弯薄壁型钢组合墙各材料的基本参数，制备矩形截面、U型截面和Z型截面3种冷弯薄壁型钢组合墙试验样品，分别测试各个试验样品在加载的剪切荷载下的位移、裂缝变化，监测试验样品的极限荷载与破坏荷载，验证各个试验样品的承载力退化变化，分析螺钉间距、型钢厚度与间距对样品的抗剪性影响。试验结果显示：相比于另两种截面，Z型截面冷弯薄壁型钢组合墙受荷载影响位移变化最小，裂缝出现较短；当螺钉间距为150 mm、型钢厚度为50 mm、立柱间距为60 mm时，组合墙的受剪性能最佳。

在现行灌缝胶评价指标基础上，通过短期和长期老化试验，提出增设锥入度比、压缩弹性恢复率、低温拉伸等评价指标，并采用熵权-TOPSIS组合方法，构建了适用于季冻区沥青路面灌缝胶工作性能的指标评价模型。试验结果表明：短期老化后锥入度比和压缩弹性恢复率控制标准分别为90%、30%，长期老化后的锥入度比和压缩弹性恢复率控制标准分别为50%和20%；灌缝胶黏度的评价标准为190 ℃时的1~3 Pa·s，灌入深度评价标准为5 cm，浸水后灌缝胶的低温拉伸应力评价标准为0.06 MPa（-30 ℃）和0.03 MPa（-20 ℃），而冻融循环后的灌缝胶黏附力评价标准为0.03 MPa（-30 ℃）和0.025 MPa（-20 ℃）；采用熵权-TOPSIS法不仅可以判断样本合格与否，还可以根据各个指标的评价结果全面综合地判断样本的优劣。本文研究有助于提高灌缝材料应用效果和耐久性评价水平，为寒区灌缝胶性能评价及规范修订提供补充与参考数据。

以钢壳内填超高性能混凝土（UHPC）并设置开孔钢板连接件（PBL）加劲肋为基本构成单元，提出了一种新型超大跨径连续刚构桥——超高性能钢壳混凝土（UHP-SSC）箱梁连续刚构桥。UHP-SSC箱梁采用UHPC受压、钢壳受拉，可作为UHPC浇筑免拆模板，能够充分发挥钢材与UHPC轻质高强的特性。对主跨400 m级UHP-SSC箱梁连续刚构桥开展概念设计研究，结果表明：新型UHP-SSC箱梁的顶板、底板和腹板厚度均显著减薄。新型连续刚构桥的合理边中跨比为0.5~0.65，桥墩处和跨中的合理梁高比为2.59~3.59，桥墩处梁高应占主跨跨径的1/26~1/32。该新型箱梁的强度及刚度都满足规范中关于预应力混凝土主梁的受力要求。对比同等跨径的混合梁连续刚构桥、拱桥、斜拉桥和悬索桥，UHP-SSC连续刚构桥上部结构自质量分别减少了约132.8%、76.8%、324.4%和338.3%，碳排放量分别降低了约28.5%、57.1%、14.1%和55.7%。新型UHP-SSC连续刚构桥的上部结构造价与混合梁连续刚构桥、拱桥相比分别提高约3.1%、1.3%，与斜拉桥、悬索桥相比分别降低约26%、46.1%。新型UHP-SSC连续刚构桥具有显著的结构轻量化特征和优越的经济、环保性能，在大跨径梁桥方面具有极强的竞争力和较好的工程推广应用前景。

针对开裂薄壁钢圆管在拉-扭复合疲劳加载作用下的寿命评估问题，本文进行了裂纹扩展机理的研究。首先，基于最大周向应力准则和Paris公式，建立拉-扭双轴比例同相循环荷载下预裂薄壁钢圆管的裂纹扩展分析模型；其次，基于既有疲劳试验，联合采用有限元软件ANSYS和FRANC3D的交互技术，模拟钢圆管裂纹扩展行为，验证本文复合型裂纹扩展分析模型；最后，基于有限元模型，对剪-拉应力比、径厚比、初始损伤尺寸等因素进行参数分析。结果表明：本文所提分析模型可准确预测拉-扭复合疲劳加载作用下薄壁钢圆管（径厚比超过10）的裂纹扩展行为；在拉-扭同相比例疲劳加载情况下，薄壁钢管复合型裂纹很快退化为张开型（Ⅰ型）裂纹，且裂纹扩展角度由最大名义剪-拉应力比决定；在最大主拉应力、应力比相同及小范围屈服条件下，剪-拉应力比和初始损伤长度是影响钢管复合型裂纹扩展行为的主要因素。

为获得不同地基条件下预制综合管廊接头的剪切变形规律及破坏特征，本文综合考虑管廊接头构造特征与地基的影响，通过模型试验，揭示地基条件对管廊接头抗剪性能的影响规律。研究结果表明：在砾砂、粉质黏土、黏土地基下，管廊承受剪切荷载时，带连接件预制综合管廊的承插式接头均具有较好的延性，能够满足使用要求；当管廊承受相同荷载时，随着地基刚度的增大，管节的错台量会减小，但接头的破坏范围扩大，破坏更严重，最终接头损伤区域约占管廊整体的15%；接头的承口端比插口端破坏严重，倒角位置、螺栓孔附近及顶板与底板处的裂缝最为集中，建议对这些位置进行局部加强；随着错台量的增大，纵向连接件逐渐成为接头抵抗剪切变形的主要受力构件，在提高接头抗剪能力及接头整体性方面发挥了重要作用。

针对传统肢体康复训练方法存在重复性高、个性化不足、训练数据不可视等问题，提出了一种基于虚拟现实技术的肢体康复训练评估系统。该系统以提高患者参与度、实现个性化康复方案、实时反馈和监控、保障安全性和数据分析为设计原则。本文对10名患者进行了实验，通过虚拟仿真环境，患者可以参与更具吸引力和交互性的康复训练，同时系统可根据患者的状况动态调整康复方案。此外，系统还能收集大量康复数据，为医护人员提供详细的信息，以支持治疗过程的优化和个性化调整。

高自由度的肢体常构成各种复杂的姿态，极易产生关键点被遮挡的现象，定位遮挡关键点是人体姿态估计的难点之一，针对上述难点，提出了一种图结构引导并强化关键点位置信息的人体姿态估计方法。首先该方法在高分辨率网络中融入位置信息强化模块，用于提升可见关键点空间位置信息的表征精度。然后，在主干网络并行支路中引入视觉图神经模块，引导网络提取包含人体关键点的相关特征，在像素坐标空间中挖掘关键点之间局部和全局的拓扑连接关系，以便推测被遮挡关键点的位置信息。最后，结合关键点热图聚合单元和语义图卷积网络，在语义空间中更新各关键点间的亲和力权重，表示躯干结构约束下关键点之间的拓扑依赖关系，进一步优化被遮挡关键点的估计。本文模型在COCO2017测试集上的平均精度达到78.1%，能够精准估计复杂姿态中易被遮挡的关键点。

针对目前去雾算法依赖有雾、无雾图像对的局限，以及监督学习导致的成本消耗等问题，提出了一种基于对比学习和循环一致性生成对抗网络的图像去雾算法。首先，通过非成对的有雾图像和清晰图像训练循环一致性生成对抗网络，提高图像去雾算法在真实场景中的应用价值，缓解去雾算法的域偏移问题；其次，设计对比指导分支学习图像的潜在特征分布，隐式约束不同样本在深度特征空间中的嵌入信息，深入挖掘有雾图像和清晰图像的相似特征，拉近图像相似特征的距离，保留两类图像间的互信息，维持图像内容的一致性，提高网络去雾性能；然后，引入频率损失函数，约束生成器的输出，降低频域信息损失，进一步保留图像的内容和结构信息，减少去雾图像的模糊和失真，提高生成图像的质量和清晰度。实验结果表明，本文模型相比目前主流的基于深度学习的传统去雾算法，信息熵和平均梯度均有所提高，细节信息更丰富，是一种有效的图像去雾算法。

针对在阴天、雨天、夜晚等复杂天气情况下，车辆目标检测受到光照、雨雪、沙尘等因素影响，出现错检、漏检等问题，提出了一种YOLOv10-vehicle目标检测算法。首先，设计了一种新的注意力机制模块WT-PSA，在复杂天气下提高模型对车辆目标的关注度；其次，改进了SPPF模块，通过引入平均池化操作，改善因最大池化操作导致的特征信息提取不足问题；然后，设计了改进的C2f-OD模块，提升主干网络提取图片特征信息的能力；最后，将模型损失函数替换为Focal EIoU，以加快收敛速度并降低损失值；在车辆数据集UA-DETRAC上进行对比实验，改进后的算法平均准确率（mAP@0.5）相较原算法提升了5.1%，证明了YOLOv10-vehicle算法在复杂天气、恶劣天气下车辆检测方面的优越性。同时，在VOC公共数据集上进行实验验证，YOLOv10-vehicle算法在检测车辆目标时检测精度提高了2.8%，证明了本文改进算法的泛化性。

针对现有的基于学习的图像去噪算法不能很好地保留图像边缘和纹理信息的不足，本文提出了一种基于多方向梯度网络的自适应边缘信息图像去噪模型，能够分别捕获不同类别的图像信息。首先，采用多方向梯度算子过滤干净目标图像以获取无噪声梯度图，引导多方向梯度网络学习无噪声梯度图。其次，提出自适应梯度融合模块，自适应地融合梯度信息与噪声图像，提高去噪网络对边缘和纹理信息的关注度。实验结果表明，本文模型在PSNR和SSIM指标方面具有良好性能。此外，去噪后的图像始终具有更好的视觉质量，从而展示了其在图像去噪中的应用潜力。

在实景图像中，当目标物体受其他物体或环境元素的遮挡时，在遮挡区域附近噪声会使得背景与目标物体的轮廓特征混淆，仅能分析可见部分的轮廓特征，推断出具有连续性和平滑性的被遮挡区域轮廓变得尤为困难，导致提取的前景目标全轮廓与原始目标边界之间出现偏差。为此，提出背景噪声影响下实景图像局部遮挡目标全轮廓提取算法。通过混合高斯背景差分方法构建实景图像背景模型，用于区分实景图像内的背景图像与前景目标图像，剔除背景噪声信息，获取前景目标图像。结合多分辨率方法与主动轮廓模型，并引入梯度矢量流外力场，提取前景目标图像中目标的轮廓；利用双弧插值算法，针对前景目标轮廓中被遮挡区域，通过平滑轮廓修复和角点轮廓修复，获取连续且平滑地前景目标全轮廓，确保修复后的轮廓与原始轮廓在视觉上保持一致，最小化与原始目标边界之间的差异。实验结果显示：本文算法对非背景元素的误判率始终保持在0.1%以下；轮廓提取过程中生成的轮廓曲线与目标边界高度吻合，且轮廓线条流畅连续；轮廓修复效果极其自然且逼真，误差值仅为0.02%。

针对联邦学习中各客户端存在资源异构性和数据异构性的关键问题，提出了一种资源高效的聚类协同联邦学习客户端选择方法。首先，根据各客户端的计算能力将其分组，在每轮训练中，以每组客户端的平均准确率作为间接度量选择同组客户端；其次，在每组内根据各客户端的模型相似性对客户端进行聚类，选择每组内不同聚类的客户端；最后在真实数据集上评估本文方法的性能。实验结果表明：该方法可以减少全局训练时间，获得更快速、更平滑的收敛，实现训练效率和全局模型准确率之间的良好平衡。

在图像视觉显著目标快速识别中，受到光照条件变化、背景复杂性等因素干扰，图像中存在大量噪声干扰显著目标的检测，导致识别鲁棒性差。为此，本文引入机器视觉技术，利用傅里叶变换滤波技术对原始图像进行增强处理，增强对光照变化、背景复杂性等因素的鲁棒性，提升对噪声的抵抗力，提升目标识别的鲁棒性。采用机器视觉中的傅里叶变换滤波技术对原始图像展开处理，生成梯度图，完成原始图像增强。通过多个邻近像素的线性模型计算斜率差的变化趋势，根据斜率差分布的测量值确定最优阈值，引入形态学迭代腐蚀方法有效区分目标区域与噪声区域，实现图像的高清晰度分割。采用多尺度分析策略将图像划分为多个数量不等的超像素区域，计算各超像素内像素的颜色均值，实现图像抽象化表示。基于显著特征的特性，分别对各个尺度下超像素的显著度均值展开计算，并对其展开融合处理，得到图像视觉显著目标识别结果。结果表明：本文算法的区域对比度可达0.597 7，区域一致性可达0.913 2，在不同类型的噪声下目标识别召回率可达99%，本文算法具有较好的一致性，表明本文方法能够有效提升识别结果鲁棒性。

针对脑皮层下组织部分结构（如纹状体）在医学影像中目标小、对比度低，图像分割难度大，在自动医学诊断中应用比较困难的问题，本文基于深度学习的方法提出了一种医学图像分割网络，在磁共振成像中分割组成纹状体的苍白球、尾状核、壳核3部分。本文提出的网络模型具有捕获全局和局部特征的能力，并建立了全局与局部信息的相关性，在深度不退化的同时有效融合不同尺度的深层语义特征和浅层细节特征，实现对纹状体的精确分割。模型在公开的脑部数据集上进行了验证，并与其他先进的方法进行对比，结果表明本文的戴斯相似系数、平均交并比、95%豪斯多夫距离分别为94.26%、90.94%、3.82，均优于其他几种方法，达到了先进水平，这表明本文模型可以提高对纹状体的分割精度，为相关疾病的研究提供依据。

针对遥感图像分类任务中土地覆盖物尺寸和空间组合多种多样、类间相似性高和类内差异性大的问题，从特征的有效提取和多尺度特征的充分融合出发，设计了一种频率和空间特征融合的轻量级多尺度遥感图像场景分类网络（FS-LMFFNet）。首先，为了结合卷积神经网络（CNN）和Transformer的优点，实现局部和全局特征的充分提取，提出了一种频率和空间多层感知机模块（FS-MLP），该模块通过引入频域分析，补充了传统空间操作在提取全局高频纹理特征方面的不足。其次，针对遥感场景图像的多尺度特性，提出了一种轻量级多层特征融合模块（LMFF），该模块采用轻量级卷积块对前3个阶段的多尺度特征进行有效的融合。最后，基于FS-MLP和LMFF模块构建的FS-LMFFNet在3个公开数据集UC_Merced、RSSCN7和AID上进行实验，准确率分别达到99.10%、96.60%和95.48%。实验结果表明，本文提出的FS-LMFFNet能更好地提取和融合多尺度特征，从而取得优于其他先进模型的性能。

针对现有实例分割存在的难以识别被遮挡对象、对噪声和视角变化鲁棒性不够等问题，提出了一种融合多源时空信息的场景细粒度鸟瞰图生成方法（MSTFB）。该方法首先基于栅格化场景鸟瞰图，采用自注意力机制融合时序鸟瞰图特征，通过时空跨域卷积网络捕获实例间相对位置并聚合多尺度特征，得到场景细粒度鸟瞰图。在此基础上，又提出了一种融合时序编码和样本特征的鸟瞰图实例分割预测方法（ESF-BISP），采用ConvGRU对历史帧进行时序语义编码得到时序特征，通过条件变分自编码器生成当前帧细粒度鸟瞰图的状态特征分布并采样鸟瞰图的样本特征，再利用高斯混合模型融合鸟瞰图时序特征和样本特征，经解码得到未来帧场景细粒度鸟瞰图。在公开数据集nuScenes上的实验结果表明，MSTFB方法和基准算法LSS相比，车辆分割IoU指标提升了7.09%，能有效分割远端车辆和被遮挡车辆；ESF-BISP能更好地捕获场景中动态实例的变化，无论是用于实例分割，还是用于未来实例分割预测，其性能都显著优于基准算法。

针对密集行人场景下多目标跟踪存在的目标错检、漏检、关联不准确、重识别错误等问题，提出了一种基于Transformer的多行人跟踪网络。算法包含检测、数据关联和追踪3个模块，其中检测模块采用选择性查询收集方法增强解码器对关键特征的收集，提高模型对目标的表征能力，有效减少目标错检漏检问题；数据关联模块采用双线性长短期记忆网络（BLSTM）与二次数据关联的融合策略，解决密集行人由于相似外观导致关联不准确的问题；最后在追踪模块上将注意力金字塔嵌入金字塔时空聚合模块以捕获不同尺度特征图的时空信息，提高了目标重识别的准确性。本文网络在公开数据集MOT16、MOT17上进行了性能测试，实验结果表明：相较于其他方法，本文方法能够实现更准确的多行人追踪。

针对无线通信链路状态随时间变化的情况，为实现链路可靠性预测的实时更新和调整，提出了基于GA-Elman的无线通信链路可靠性置信区间预测算法。基于无线通信链路质量特征分析，构建了对数距离路径损耗模型，将无线通信链路可靠性研究转化为对无线通信链路信噪比的研究。通过小波分解将无线通信链路信噪比信号分解为平稳序列和噪声序列，并分别输入Elman神经网络进行预测。利用遗传算法（GA）迭代优化Elman神经网络权重和偏置参数，以提升预测模型的准确性。结合预测值与置信水平，实现无线通信链路可靠性置信区间预测。通过实验验证发现，当遗传算法迭代60次时，能够获得最优的Elman神经网络参数，有效提升预测准确性。本文算法在无线通信链路领域具有较高的准确性和可靠性，能够提供较为准确的预测信息，可为无线通信链路可靠性评估和优化提供有力支持。

针对通信设备数量增多及无人机协作通信过程中存在共道干扰的问题，本文搭建了存在多路共道干扰的多无人机协作通信系统。该系统中，源节点与目的节点间存在直接链路，目的节点采用选择合并或最大比合并技术合并源节点与最佳无人机中继传输的信号。考虑由多路共道干扰引起的信干噪比之间的相关性，在Nakagami-m衰落信道下，分别推导了选择合并策略与最大比合并策略的系统中断概率精确表达式。为进一步讨论共道干扰对无人机协作通信系统性能的影响，推导出高信噪比下的系统渐近中断概率并进行具体分析。结果表明：受共道干扰的影响，系统中断概率在高信噪比区域存在饱和值；随着Nakagami-m衰落参数m的增大，系统中断性能显著提升；随着无人机数量的增多，在达到饱和值之前，系统中断概率会获得更多的分集增益。

为了准确地展开目标识别与跟踪，提出了非平衡状态下机载激光合成孔径雷达图像目标识别方法。首先，在卡尔曼滤波原理的基础上建立图像校正模型，校正非平衡状态下图像产生的畸变现象；其次，计算色彩补偿率，对SAR图像的色彩通道展开补偿，提高图像清晰度；最后，将处理后的SAR图像输入扩展卷积胶囊网络中通过多尺度特征融合与特征学习实现图像目标识别。实验结果表明：本文方法具有良好图像处理效果和较高的目标识别精度。

针对未经许可的拒止无人机在限飞区域内的安全风险以及其难以被反制的问题，提出了利用一架无人机对无证无报备无人机进行高速拦截的算法。本文算法使用导航、控制架构来解决这个问题。导航方面，通过相机与激光雷达的结合，实现了低成本的全向感知，并通过对高精度低频率的激光雷达数据与高频率低精度的视觉数据进行融合，得到精确的目标位置估计与追踪。控制方面，采用基于轨迹预测的动态权限分配控制方法，以实现对大机动无人机的有效反制。最终，通过实验及仿真验证了本文算法的有效性，结果表明：对不小于12 m/s的拒止无人机的锁定成功率大于90%，拦截成功率高于85%。

本文选用聚四氟乙烯、聚氨酯、聚丙烯、聚甲基丙烯酸甲酯4种非金属材料作为黏附基底，研究不同非金属基底材料对切向结冰黏附强度的影响。首先，测量不同非金属基底表面的静态接触角及表面硬度；其次，利用自制试验装置，在-20 ℃环境下，测量5 mL附着水冻结1 h后的切向结冰黏附强度。试验结果表明：覆冰在4种非金属基底表面的切向结冰黏附强度分别为82.89、45.26、99.53、151.27 kPa。4种非金属材料表面的切向结冰黏附强度与表面润湿性不存在线性关系，但与材料硬度呈正线性相关。分析认为，水在材料表面冻结过程中发生相变膨胀现象；在低温环境下，低硬度材料遇冷易收缩。在冰-固黏附系统中，与覆冰接触的材料表面产生微变形，该变形会干扰冰与基底之间黏附界面的稳定性，降低冰在非金属基底表面的切向结冰黏附强度。本文可为工程领域中防/除冰技术开发与优化提供理论支持，尤其为待防/除冰部件中非金属材料的选择提供参考。