基于定容燃烧弹，研究了NH₃/空气混合气中放电脉冲间隔和放电脉冲数对纳秒脉冲沿面介质阻挡放电（nSDBD）的放电特性和点火特性的影响规律。放电特性测试表明：nSDBD可以产生多个独立分布的放电丝，扩大了等离子体的范围；放电脉冲间隔为50 μs时，30个放电脉冲能激发约12个放电丝，其长度约14 mm。点火特性测试表明：nSDBD实现了空间多点点火效果；脉冲间隔为50 μs时，180个放电脉冲产生了6个环绕顶部电极的初始火核；NH₃/空气混合气中，初始火核出现了消散的现象，使初始火核数量与稳定燃烧的火核数量不一致；随着脉冲间隔或脉冲数的增加，初始火核面积增大，并且稳定火核的数量从1个逐渐增加至6个，这有效缩短了NH₃/空气混合气的着火延迟，缩短量可达30 ms，约55%；脉冲间隔和脉冲数的调整可以有效控制NH₃/空气混合气的燃烧相位。

采用遗传算法与递推最小二乘法相结合的方法估计半挂车的稳定性参数，从而解决轮胎侧偏刚度、车辆侧倾刚度、车身侧倾阻尼等参数难以通过传感器直接测量的问题。该方法有效弥补了传统离线辨识方法在工况适应能力方面的不足。相较于一般商用车，半挂车的结构更加复杂且使用工况多样，因此在确保车辆安全性和品质的过程中，必须更加关注半挂车的稳定性控制。实现这一目标的前提是建立高精度、高置信度的半挂车动力学理论模型。在此基础上，理论模型可作为跟随目标，以实车或商用软件车辆模型与理论模型的输出状态差值作为控制量进行调节。本文通过Trucksim与Simulink的联合仿真，在特定输入和工况条件下，对比Trucksim软件模型与理论模型的输出重合情况。结果表明，基于本文方法识别的侧倾刚度等参数所建立的理论模型，在工况适应性和精度方面均优于传统离线辨识方法，估计误差降低约6%。该成果为后续基于该理论模型开展的半挂车稳定性控制研究奠定了基础。

基于1台排量2.2 L且配置主动预燃室的氨燃料内燃机，以氢气作为引燃燃料，采用数值模拟方法分析了不同氢气喷射参数对燃烧性能的影响。结果表明：与喷射脉宽相比，氢气喷射压力和喷射结束时刻对燃烧性能的影响更大，尤其是在燃烧持续期的CA10-CA50阶段。本文研究成果可为氨氢内燃机喷射策略的设计提供参考。

为提高燃料电池膜电极各处电流密度的大小及分布均匀性，采用多项式函数近似模拟催化剂载量的分布规律，并构建燃料电池平均电流密度和电流密度均匀性的加权目标函数。通过数值仿真求解多项式系数与加权目标函数的映射关系，进而优化分布函数。结果表明，与催化剂载量均匀分布的燃料电池相比，采用优化的非均匀催化剂载量分布的燃料电池虽然平均电流密度略有下降，但电流密度均匀性提升显著。综合考虑电流密度和均匀性，非均匀分布优于均匀分布，且一阶非均匀分布函数优势更加明显。

针对传统电机输出端口单一的问题，提出一种新型多端口盘式永磁电机（MDPMM）。首先，介绍了该电机结构及工作原理；其次，针对该电机环形弧线定子定位力对推力的影响，对定位力进行了分析计算。由于影响定位力的电磁结构参数较多，设计了一种广义回归神经网络（GRNN）来建立MDPMM快速计算模型，通过建立环形弧线定子区域有限元模型得到参数样本库作为GRNN输入参数，并与支持向量机（SVM）进行对比，验证了GRNN的优越性；以“不降低推力密度，推力的最小波动”为优化目标，采用粒子群优化（PSO）算法对环形弧线定子区域的各结构参数进行优化。最后，通过对比优化前后仿真分析验证了混合GRNN-PSO算法的有效性。

针对传统信号分离算法难以高效、准确分析具体故障的问题，提出了一种结合变分模态分解（VMD）、拉普拉斯能量指标（LE）和变分模态提取（VME）的信号提取方法，并采用多分类相关向量机（mRVM）及DS证据理论进行智能故障诊断，该方法专注于小样本数据情境。首先，采用VMD-LE-VME方法从故障信号中提取有效故障信息，并获得多域特征。其次，将多域特征输入mRVM进行故障识别。最后，通过DS证据理论融合分类结果，得到最终的诊断结果。实验结果验证了本文方法在处理小样本数据时的有效性和优越性。

为解决深浅层特征直接融合易导致的特征腐蚀和淹没问题，实现复杂环境车道线精准检测，提出了双分支特征自适应融合的车道线检测方法。首先，设计了双分支特征提取网络，提升复杂环境车道线特征提取能力，减少空间细节信息损失；其次，构建了特征自适应融合模块，利用通道注意力与自注意力引导特征选择和融合，自适应地调整融合过程，优化特征图的通道和空间语义信息；此外，改进的并行混合金字塔池化模块更符合道路细长、大跨度特性，多方向捕获远程上下文关系；最后，本文方法在TuSimple、CULane和Curvelanes数据集进行了实验测试，F₁分别达到了96.93%、76.48%和83.21%，实验结果表明：本文方法能有效应对遮挡、阴影等复杂场景车道线检测任务，其性能相对于主流分割类车道线检测方法有显著提升。

单全球导航卫星系统（GNSS）环境下车辆速度检测存在显著噪声干扰，且数据采样的稀疏性会加剧速度计算的不稳定性。为此，将单GNSS下车辆速度估计构建为基于时空相关性的速度期望优化问题，并提出一种自监督双向长短时记忆（LSTM）算法求解。首先，该算法构建稀疏数据时空特征提取LSTM网络，引入时间门和空间门控函数来分析稀疏、不等间距的车辆检测数据中速度时空关联的变化，提取速度时空特征嵌入向量；其次，噪声双向抑制的车辆速度估计LSTM网络分别从前向、后向来分析车辆速度变化趋势，准确实现噪声清除与速度估计；最后，以GPS信号为例对算法的车辆速度估计性能进行了实验验证，结果表明：提出的算法在采样间隔为1~10 min的稀疏数据下，去除速度数据中的噪声平均值为26.73 dB PSNR，与LWR、EnKF、Noise2Void算法相比平均高28.93%，估计速度的准确度平均高2.02%。

针对现阶段交叉口自适应控制算法存在控制迭代效率低、模型复杂度高的问题，基于相位内队列消散情况提出了一种自适应控制算法。首先，建立参数预测模型实现配时参数优化，并基于车流波动理论计算得到车辆在交叉口处的停车延误；其次，基于速度变化曲线计算得到车辆进入和驶出交叉口时的加、减速延误；最后，提出状态转移矩阵用于延误最小化动态优化模型的构建，进而实现交叉口信号控制的全阶段优化。将固定配时控制和感应控制作为对照组，发现超高负荷交通流场景下本文方法相较于两个对照组，车均延误分别减少了55%和27.8%，平均停车次数减少了58.5%和10.1%；高负荷交通流场景下车均延误分别减少了36.1%和14.6%，平均停车次数减少了23.4%和8.7%；中负荷交通流场景下车均延误分别减少了22.8%和10.5%，平均停车次数减少了3.3%和2.6%。结果表明：在不同的交通流负荷条件下，本文算法均能有效提高交叉口的运行效率。

针对人驾车（HV）与自动驾驶车辆（AV）混合交通流场景下车辆变道决策不准确的问题，提出了一种车辆变道决策模型。该模型基于博弈论，针对相邻车辆连续协同变道情形构建多重博弈函数，通过海萨尼变换消除通信不确定性的影响，并结合K-means++聚类区分车辆的驾驶风格，利用风险因子进一步调整博弈收益。运用SUMO仿真平台对变道模型进行验证，实验结果表明：在固定AV渗透率下，应用联合博弈论与驾驶风格的变道模型，车辆平均通过数量得到有效提高，且平均通过时间降低，同时测试中未发生事故，证明了变道模型的稳定性和安全性；在不同AV渗透率下，随着渗透率的升高，车辆的平均通过时间显著降低，表明AV能够有效利用车道。

为改善高速公路隧道交通安全，提出了运用线条形视线诱导设施，提高隧道局部亮度和对比度，形成勾勒隧道轮廓及道路线形走向的线性诱导系统的建议。首先，搭建隧道模拟场景，开展驾驶模拟实验和问卷调查，分析各线性诱导设施/系统对驾驶人视觉、心理与驾驶任务的影响；然后，探究各诱导设施的尺寸、方向、连续性以及组合方式对视觉参照系优化与空间路权感知的作用效果。结果表明，线性诱导系统能够提升隧道环境的显著度，降低视觉信息的获取难度，降低驾驶人的紧张心理。这是因为纵向诱导设施有利于明确道路边界和前进方向，增强驾驶人对位置的感知；竖向和横向诱导设施有利于明确隧道轮廓，增强驾驶人对速度的管控。现将不同类型诱导设施合理组合，以期能够取长补短，发挥各设施的共同优势，实现隧道交通安全的综合提升。

针对隧道内空间狭小、照明不足及视线受限导致驾驶人压抑紧张情绪，进而出现“逢隧必降速”，影响通行效率的问题，提出了一种隧道车速与照明协同控制方法。该方法首先分析了隧道环境下驾驶人对灯光强度的视觉适应特性，建立了不同行车速度下隧道最佳照明强度和范围计算模型，通过优化隧道内照明变化控制方案，降低黑白洞效应对驾驶人的干扰；然后，结合隧道内实际速度、车流密度等指标及突发事件等级，设计了隧道实际运行安全速度确定方法，并调节隧道灯光照度以适配驾驶人的安全行驶需求。最后，采用山东省域隧道实际运行数据进行模拟验证，结果表明，该方法通过隧道车速与照明协同控制，提升了隧道平均运行速度和安全效率。目前，该方法已在山东济潍高速部分隧道开展实际应用。

为了提高现有停车资源利用效率，减少出行者无效停车泊位搜索行为所带来的交通拥堵、尾气排放等问题，提出了一种优化停车资源配置的多目标非线性整数规划模型。首先，在综合考虑用户步行距离、停车费用、区域内各停车场利用率均衡性以及停车附加的路网交通压力基础上，建立停车分配的个人成本和社会成本函数；其次，以系统综合成本最小为优化目标，构建区域内多停车场的停车分配模型，同时，考虑到模型求解的复杂性，设计了一种融合多策略的改进开普勒优化算法进行模型求解。最后，为了检验本文模型的有效性，设计了不同停车供需情况下的数值实验，并将本文模型和算法与经典分配模型以及传统求解算法进行对比分析，结果表明：本文模型使个人成本平均降低了4.4%，各停车场利用率的均衡性得到了显著提高；同时，本文模型在减少停车群体附加的路网交通压力方面有着明显优势，最高降低了33.6%的路段阻抗增长率；与传统的遗传算法以及模拟退火算法对比，本文提出的改进开普勒优化算法有着更快的收敛速度以及更好的寻优能力。

针对传统自动驾驶系统安全性能不足、学习效率低等问题，提出了一种可持续学习和理解语言信息的自动驾驶安全决策模型。该模型参考人类驾驶的推理决策和经验积累过程，以大型语言模型（LLM）作为决策智能体，将思维链推理、两阶段注意力机制和认知记忆存储与检索整合到驾驶过程的上下文安全学习中；同时，采用运动学模块将LLM决策转化为可操作的驾驶命令，实现安全驾驶经验的持续学习。实验结果表明，本文决策模型相较于基于规则、强化学习和知识的方法，在安全、效率方面有显著提升，并具备持续学习和根据人类指令调整驾驶行为的能力，可为类人自动驾驶提供参考。

针对超高性能混凝土（UHPC）平湿接缝及键齿湿接缝直剪承载力的计算方法进行了研究，结合UHPC湿接缝的构造及受力特点，提出了包括界面黏聚力、摩擦力、键齿骨料黏结力及纤维贡献等关键项的UHPC湿接缝直剪强度模型。基于已有接缝试件直剪推出试验结果和有限元模拟结果，经过线性回归分析，确定界面黏结应力系数及摩擦因数，通过对键齿骨料粘结力的推导和针对纤维贡献项的探讨，给出了UHPC湿接缝的抗剪承载力计算公式。总结9种已有的UHPC湿接缝抗剪承载力计算公式，将本文建议的直剪承载力计算模型、已有9种公式的预测承载力与试验值对比验证。结果表明：随着侧向约束应力的增加，平接缝的破坏荷载呈现非线性关系；本文公式与试验值比值的平均值为1.04，与已有的9种公式相比更接近于1，由此可见，本文公式的预测精度优于已有公式；通过不同试验对UHPC湿接缝的抗剪承载力计算方法进行验证，本文提出的直剪承载力计算方法的预测值与试验值吻合较好，从而证明了计算方法的普适性，并且可为UHPC键齿湿接缝界面的直剪承载力预测提供参考。

为深化研究地基与浸水作用机制，通过模型试验探讨了浸水对黄土地区长短桩基础承载特性的影响。试验使用16根组合桩（8长8短），在竖向荷载和浸水条件下，全面分析湿陷变形、桩身承载力和变形特性。结果表明，长短桩基础在竖向荷载和浸水作用下的Q-s曲线呈典型的缓变型曲线，随着浸水和荷载的增加，桩端沉降逐渐增大。水浸入使桩周湿陷土层变形加剧，湿陷变形先缓后急再减缓，湿陷深度增大导致桩侧摩阻力发展，中性点下移。浸水10 d后，长桩负摩阻力最大值为61.27 kPa，短桩为53.85 kPa。浸水时，从负摩阻力减小速度和中性点深度变化范围来看，都是边桩最显著，中心桩和角桩接近；最大负摩阻力出现在角桩，中心桩次之、边桩最后。土体全部饱和后，长桩（边桩）中性点深度比为0.55，角桩、中心桩中性点深度比为0.64，短桩为0.62~0.64，试验结果与桩基规范推荐值较接近。最后，有限元模拟实验通过水力等效原理模拟浸水试验，结果与室内试验一致，表明试验可靠。

为了揭示沥青混凝土的开裂特性，基于有限元软件ABAQUS，采用双线形黏聚区模型对沥青混凝土半圆弯曲试验进行模拟，将模拟得到的荷载-线位移曲线与试验结果进行对比以验证黏聚区模型在开裂分析中的适用性，进一步分析半圆弯曲试件在开裂过程中的内部应力分布、系统能量平衡和断裂性能参数，以及黏聚区模型参数对试件荷载-线位移的影响。结果表明：双线形黏聚区模型在沥青混凝土开裂分析中具有良好适用性；在加载过程中半圆弯曲试件经历了弹性、损伤和断裂阶段，裂纹失稳扩展点并非对应峰值载荷，采用峰值载荷计算断裂韧度结果将会偏大，少部分断裂功会转换为试件未开裂区域的弹性应变能，采用断裂功计算断裂能结果也将会偏大；半圆弯曲试件开裂过程中所能承受的峰值载荷主要取决于沥青混凝土抗拉强度而非断裂能。

针对磷石膏填充沥青路面遇水后的溶融软化现象，提出了一种路用磷石膏的疏水降溶处置方法，并对其填充沥青路面的水稳特性和疏水降溶机理进行了研究。结果表明，未改性磷石膏沥青路面浸水残留稳定度以及冻融劈裂强度比均不满足路用水稳要求，其浸水600 h后，磷石膏填料颗粒数量减少了52.60%。经疏水降溶改性处理后，磷石膏的表面极性分量降低了72.46%，与沥青的黏附功提高了11.15%，界面过渡区厚度提高了546%。其作用机理在于，硅烷偶联剂可在磷石膏表面发生脱水缩合反应，接枝形成硅醇基团覆膜，通过覆膜改变磷石膏的表面亲水特性，有效阻止水分的入侵以及水分对沥青膜的置换，进而提高水稳性能。本文研究成果可为拓展磷石膏的路用场景提供理论指导。

为研究超高性能混凝土（UHPC）与普通混凝土（NC）植筋界面的抗剪性能，通过Z型直剪试验探究了不同基体混凝土强度、界面植筋率以及钢筋在UHPC侧埋深对界面抗剪强度的影响，建立了UHPC-NC植筋界面抗剪承载力计算公式。结果表明：基体混凝土强度等级为C30、C40时，界面植筋率建议为1.22%，基体混凝土强度等级为C50时，界面植筋率建议为1.59%；为保证界面抗剪性能，钢筋在UHPC侧的埋深应大于8D；最后，提出了UHPC-NC植筋界面抗剪承载力的计算公式。

针对传统物联网入侵检测方法大多依赖复杂的特征预处理技术且对全局特征的建模能力不强，难以有效表示高维序列的抽象特征，从而对类不平衡数据的泛化性能较差的问题，提出了一种基于FATIDS的物联网入侵检测方法，通过自注意力机制实现了端到端的特征选择和特征提取，动态调整对序列特征的注意力权值，提高了针对高维序列特征的全局建模能力。为解决物联网入侵检测面临的样本类不平衡问题，利用Focal Loss动态缩放模型梯度，自适应降低简单样本的权重，并聚焦于分类困难的类别。最后，在公开的物联网入侵检测数据集ToN_IoT和DS2OS上验证了本文方法的有效性，实验结果表明：FATIDS在ToN_IoT的准确率、精确率、召回率和F₁分数4项指标分别为99.60%、97.51%、96.59%和97.02%，在DS2OS四项指标分别为99.47%、99.93%、95.77%和97.42%，本文方法相较其他先进方法实现了更强的检测性能。此外，还进一步验证了重要超参数对本文方法性能的影响。

为了保证水印嵌入的区域在剪切时以较大的概率被保留，提出了基于显著性检测的抗剪切攻击的图像数字水印方法。首先，使用显著性检测网络确定嵌入区域；其次，使用Transformer网络将变换后的水印嵌入该区域中；再次，为了保证水印的鲁棒性，在提取水印之前，使用噪声层攻击嵌入水印的图像；最后，使用全卷积网络提取显著性区域中的水印。实验结果表明：在常见的9种攻击方法下，本文方法具有更好的鲁棒性；在基于显著性目标检测的剪切攻击时，本文方法依然可以准确地提取出水印。

针对现有多数去雾算法存在复原图像细节模糊及噪声放大的问题，提出了一种基于金字塔结构的多尺度细节增强与分层抑噪的图像去雾算法。首先，设计了一种多尺度细节增强算法，将有雾图像通过伽马矫正生成的多幅不同曝光图像加权融合，得到一幅细节增强后的有雾图像以及对应的细节层与模糊层图像，以增强复原图像的细节。其次，构建了一种非局部加权平均算法优化暗直接衰减先验估计的初始透射率，以减少形态学伪影，并利用小半径加权引导滤波（WGIF）进一步细化，求得最终的透射率。最后，根据本文提出的多尺度分层抑噪去雾算法复原无雾图像并抑制噪声放大。实验结果表明，本文算法能更好地抑制噪声放大，得到的无雾图像细节清晰、色彩自然，天空区域复原质量更高，多项客观评价指标相较于当前主流算法显著提升。

为了更全面地捕获隐写操作对图像统计特征的改变，提高空域隐写分析的检测精度，本文结合隐写算法的嵌入特点，采用导数和Gabor双重滤波器对图像进行预处理，并对滤波器提取进行增强，产生多种残差图像，有效增加隐写分析特征的多样性。将优化的CBAM模块嵌入残差块中，引导网络有效聚焦于具有丰富隐写信号的区域，从而提高网络的判别学习能力和训练效果。将本模型与经典模型在BOSSbase v1.01和BOWS2两个公开数据集上进行比较，实验结果表明：该方法的检测精度优于现有主流模型Ye-Net、SRNet和ZhuNet。

针对遥感图像地物复杂，道路存在细长、连续分布且易受遮挡的问题，提出了一种结合注意力与上下文融合的遥感图像道路提取模型（ACFD-LinkNet）。该模型以D-LinkNet网络为基础，首先在D-LinkNet网络编码器最后卷积层后采用条带注意力模块增强不同尺度道路的特征提取能力，更好地捕捉道路的全局特征，捕获道路的长距离信息；其次，提出了一种上下文融合模块（CFM），并添加至网络编解码的特征传递部分预测相邻像素之间的道路连接，融合上下文不同层级之间的道路信息，解决障碍物遮挡干扰道路连接的问题；最后，对改进模型的交叉熵损失函数和Dice损失函数设置多损失函数超参数权重分配，解决数据集正负样本不均的问题，通过调整权重比值获取最佳分割精度。在DeepGlobe和CHN6-CUG数据集上进行实验，综合指标F₁值分别达到86.76%、92.12%，相比D-LinkNet模型分别提高了3.96%、1.13%。此外，相较于Unet、Deeplabv3+、A²-FPN等网络，本文模型有最优的性能表现。

针对传统实体关系抽取方法依赖距离度量或简单跨度识别，难以捕捉实体间潜在关系，且模型计算复杂度高、易引发误差传递的问题，提出了一种基于跨度和语义特征的端到端实体关系抽取模型。首先，将文本向量随机分割成跨度序列，以便模型能够学习更广泛的语义特征信息。其次，对语义关系进行判定，以筛选出候选关系子集，从而减少信息冗余。最后，将候选关系转换为包含重要关系语义的关系-跨度组合，并利用Transformer解码器实现实体关系联合抽取。实验结果表明，相较于其他基线模型，该模型在NYT数据集和WebNLG数据集上的F₁值均有显著提升，证明了其有效性。

针对基于生成对抗网络的对抗样本生成方法（AdvGAN）所存在的扰动偏离关键区域且可控性不强，导致对抗样本攻击效果欠佳、真实性较低的问题，提出了Diff-AdvGAN对抗样本生成方法。首先，利用自适应空间特征融合模块（ASFF）融合图像的不同尺度特征图。其次，将融合后的特征图输入生成器生成扰动，并使用随机微分引导模块（SDGM）增强扰动的可控性，生成对抗样本。最后，将对抗样本输入判别器和目标模型，迭代计算损失值并反馈至生成器，以生成攻击性能较强的扰动。实验结果表明，Diff-AdvGAN方法在MNIST数据集上对LeNet C、VGG11和C&Wmodel模型的攻击成功率均大于99%，在CIFAR-10数据集上对ResNet18和ResNet32模型的攻击成功率分别为96.17%和95.82%；同时生成的扰动处于图像关键区域，稀疏性高、幅度小，均优于对比方法。

针对目前图像篡改定位方法提取特征尺度单一、小篡改区域易与背景混淆造成误检漏检、预测结果不确定性高等问题，提出了基于边界不确定性学习的图像篡改定位方法。首先，使用金字塔视觉变压器提取篡改图像基础特征。其次，利用多级交互粗定位分支生成粗定位图。再次，利用小目标感知细化分支提高小篡改区域感知定位能力。随后，利用多尺度特征融合模块实现多尺度特征的充分交互与融合。最后，提出基于熵的边界不确定性感知损失进行辅助监督，极大地降低了预测结果的不确定性。在5个常用公开图像篡改数据集上分别进行域内和跨域实验，结果表明，本文方法可精准定位篡改区域，并优于其他方法。

为抑制无线传感器网络（WSN）能量空洞的形成和发展，均衡能量消耗和空洞分布，系统分析了空洞边缘存活区内节点密度、节点剩余能量和数据传输量以及多能量空洞距离等参数对能量空洞产生和发展的影响；为客观描述能量空洞特性，提出了能量空洞、融合能量空洞、空洞边缘域、空洞距离等一系列定义，借鉴多组分液体混合物扩散理论，通过计算能量空洞的扩散角度和扩散速度，构建了能量空洞演化模型。在此基础上，从基于能量空洞扩散系数的WSN分簇方法、抑制能量空洞的WSN数据传输优化方法和能量空洞边缘域内节点休眠调度策略三方面进行了研究。仿真结果表明：与LEACH、UCDTS和EHSRA等算法相比，本文算法在网络寿命、数据传输量、能耗均衡和空洞分布等方面均有显著提升。

针对偏远地区或灾害场景中基础设施不完善、无法提供可靠通信的问题，提出了一种多无人机辅助用户的非正交多址接入中继系统。该系统综合考虑了信息因果、发射功率以及回传时延等约束，联合优化了卸载策略、发射功率、资源分配和轨迹以实现最小化系统能耗这一目标。针对优化问题的非凸性和复杂性，设计了一种两阶段在线资源分配方案进行求解。第一阶段，为消除复杂场景下对不确定信息的依赖，运用李雅普诺夫优化理论将优化问题分解为3个子问题。第二阶段，提出了一种交替迭代优化算法：首先，基于最大权匹配算法获得了用户卸载决策；其次，利用辅助变量法、连续凸逼近和拉格朗日对偶得到了传输功率和频率分配的闭式解；最后，将轨迹规划问题转化为凸问题，并使用凸优化工具进行求解。仿真结果表明：相较于基准算法，本文方案在满足系统长期稳定性约束的前提下，显著降低了系统能耗。