为实现仿人机器人对人类上肢动作的高相似模仿，提出了基于递归神经网络(RNN)的拟人机械臂实时控制算法．首先，将动作模仿转化为对腕部和肘部双演示轨迹的同步跟踪问题．为了协调双轨迹跟踪过程中的潜在冲突及关节极限，采用最优控制技术将该问题构造为一个时变凸二次规划(QP)问题．机械臂的关节位置极限和速度极限以不等式约束形式加入到优化问题中．然后，设计了递归神经网络SWET-RNN，对该QP问题进行实时化求解．理论证明了SWET-RNN的全局收敛性和稳定性，其能够在有限时间内收敛到所述QP问题的最优解．最后，真机实验表明：部署了SWET-RNN算法的动作模仿控制器对腕部目标轨迹的平均跟踪误差为6.5 mm，肘部平均跟踪误差为7.3 mm，单次调用平均耗时仅为0.126 ms；仿人机器人能够在不超越自身物理能力限制的前提下，对演示动作进行高精度、低延迟的模仿．

为确定螺栓组预紧工艺对重型越野车辆传动系统装配精度的影响，建立了传动系统预紧工艺仿真模型，分析了螺栓预紧工艺对装配误差的影响方式，设计并优化了螺栓组装配工艺方案．基于有限元仿真将不同装配工艺方案对装配误差的影响进行了对比，研究结果表明：当使用优化预紧顺序和三级预紧(30%，80%，100%)时的装配误差最小，本研究可为复杂零件装配工艺设计提供参考．

针对全闭环位置伺服驱动系统中机械弹性和间隙等因素引起的谐振问题，在传统“位置环-速度环-电流环”三环串级比例积分(PI)控制的基础上，提出一种基于速度差状态反馈补偿和陷波器前向抑振相结合的控制结构及设计方法．选用表征电机和负载速度及转角状态变量的速度差进行反馈补偿，采用极点半径及阻尼的自由配置，减少过多的参数设置；同时，考虑到全闭环位置控制引起的极限环振荡频率通常相对较低(不超过反谐振频率)，将陷波器处理置于位置控制器后，以减小极限环影响．在相同的电机和负载参数下，搭建了仿真模型和实验平台，并对比了串级PI控制、基于速度差的PI反馈补偿控制和本研究所提控制方法下的位置和速度响应性能．仿真和实验结果表明：所提出的控制方法能有效抑制谐振，进一步提升速度和位置增益，改善全闭环伺服控制性能．

针对目前绳驱动连续体机器人难以精确和平稳控制的问题，提出一种基于量子粒子群优化(QPSO)的模型预测控制(MPC)方法来实现约束条件下精确的轨迹跟踪．该控制器通过推导绳驱动连续体机器人驱动空间、关节空间与操作空间相互映射关系为连续体机器人建立运动学模型．通过机器人末端执行器坐标变换推导出机器人雅可比矩阵，并离散化得到机器人线性误差模型．在系统约束条件下，通过QPSO模型求解系统的动态控制量．实物平台实验结果表明：与传统MPC控制器相比，所设计的QPSO-MPC控制器平均误差减少了52.64%．

针对水下系缆机器人(ROV)在工作中易受水流及模型不确定干扰、控制输出频繁变化导致推进器机械磨损等问题，提出一种基于事件触发的无模型自适应悬停控制方法．首先根据系统输入及输出数据设计基于数据驱动的无模型自适应控制器；然后利用跟踪误差设计相对阈值的事件触发机制，将其引入无模型自适应控制器设计中，以实现相对阈值的事件触发无模型自适应控制，并通过理论证明了悬停控制系统的稳定性；最后通过仿真与对比实验验证了该方法的有效性及优越性．

针对在无历史数据、样本量小的情形下传统的竞争失效模型的参数估计效果较一般的问题，提出一种客观贝叶斯估计方法．首先，构建指数扩散过程及韦布尔分布的竞争失效模型；然后，推导出模型参数的两种无信息先验，即Jeffreys先验及Reference先验，并证明了后验分布的合理性及概率匹配性质；最后，基于Metropolis-Hastings方法及Gibbs抽样，将客观贝叶斯估计与极大似然估计、主观贝叶斯估计方法进行比较，说明了客观贝叶斯方法在小样本无历史数据情形下参数估计的优势．进一步将所构建的竞争失效模型及客观贝叶斯方法应用于一组实例中进行分析，研究结果表明了模型及估计方法的有效性．

为解决时滞反应扩散系统(DRDSs)的指数型稳定性问题，提出一种双侧间歇边界控制策略．首先，在系统状态信息完全已知的前提下，设计基于状态依赖的双侧间歇边界控制器，当系统状态不完全已知时，根据已知的边界状态信息和观测器获取的状态估计值设计双侧间歇边界控制器；然后，结合李雅普诺夫泛函和线性矩阵不等式(LMI)技巧，建立DRDSs指数型稳定的两个充分条件．相关结果是对已有单侧边界控制的推广，所给的结果更具一般性．最后，数值模拟验证结果表明：在双侧间歇边界控制作用下系统收敛到零解的速度更快，系统更易于实现稳定，说明双侧间歇边界策略明显优于单侧边界控制策略．

为高效利用处理器中的多核资源，解决计算任务在执行过程中存在的多核负载不均衡问题，提出一种基于象限分治思想进行任务动态迁移的负载均衡机制．当系统出现重载核时，根据优先级对核上任务排序并对方阵化的同构多核阵列进行象限划分，在考虑计算资源的前提下进行相应任务的象限迁移，依此迭代直至多核任务达到动态负载均衡．实验结果表明：相比于同类方法，该机制能够在不增加迁移距离的基础上，使多核任务的迁移次数降低约9.0%，总执行时间缩短约33.6%，更好地利用了多核处理器的计算资源，提升了系统整体的执行效率．

为提高对语音特征的保护及生物哈希构造过程的多样性，解决现有语音生物哈希检索算法哈希构造过程单一、不能对语音特征形成有效保护等问题，提出一种基于卢氏特征安全模板的语音生物哈希检索算法．首先，通过伽马通倒谱系数(GTCC)算法提取原始语音的音频特征，并利用Toeplitz和循环测量矩阵对音频特征进行降维处理；然后，将降维后特征向量差分处理并通过支持向量机(SVM)分类，根据分类结果产生一一对应的密钥，并将密钥作为卢氏混沌映射初始值进行多轮迭代构建对应密钥的卢氏特征安全模板；最后，降维后的特征向量通过对应卢氏特征安全模板量化得到生物哈希．实验结果表明：所提出的卢氏特征安全模板提高了生物哈希构造过程的安全性和多样性；同时，卢氏特征安全模板产生的生物哈希具有较好的区分性和鲁棒性，对音量调节、滤波、重采样及格式压缩等内容保持操作语音具有较好的检索性能．

针对目前主流方法在使用Transformer的自注意力基础单元或长短期记忆(LSTM)单元对序列词的依赖性进行建模中，忽略了句子中词与词之间的语义关系和训练与测试阶段的曝光偏差问题，提出混合训练与语义关联的视频描述算法(DC-RL)．在编码器部分，采用双向长短期记忆循环神经网络(LSTM1)融合经过预训练模型得到的外观特征和动作特征；在解码器阶段，使用注意力机制动态地为全局语义解码器和自学习解码器提取与当前生成单词对应的视觉特征，缓解了由传统的全局语义解码器中的训练和测试之间的差异引起的曝光偏差问题．全局语义解码器使用真实描述中上一个时间步的单词来驱动当前单词的生成，并通过全局语义提取器提取与当前单词对应的全局语义信息辅助当前单词的生成．自学习解码器使用上一个时间步生成的单词的语义信息来驱动当前单词的生成．混合训练的融合网络运用强化学习的方式直接优化融合网络模型，运用先前词的语义信息，生成更加准确的视频描述．研究结果表明：在数据集MSR-VTT上，融合网络模型较baseline在B4，M，R和C四个指标上分别提升2.3%，0.3%，1.0%和1.9%，而使用强化学习优化的融合网络模型分别提升2.0%，0.5%，1.9%和6.1%．

为解决当前单目图像深度估计方法中重复简单的上采样操作导致深度图物体边缘模糊、图像质量较差的问题，提出一种密集连接的单目图像深度估计方法．该方法采用端到端的编码器和解码器结构，从单个RGB图像进行深度估计．编码器引入性能优良的卷积神经网络EfficientNet-B5，可以高效地提取图像全局上下文特征．解码器设计为密集连接的上采样特征金字塔结构，将全局上下文特征从低分辨率转移到高分辨率，以获得更高质量的深度图．此外，通过设计一种全分辨率多尺度损失函数进一步提升物体边缘的深度估计精度．在NYU Depth V2室内场景深度数据集和KITTI室外场景深度数据集上的训练和测试结果表明：本方法可以产生高精度的深度估计结果，预测的深度图边缘清晰、轮廓分明，所设计的消融实验充分验证了所提出方法各模块的合理性．

针对基于低秩矩阵恢复的图像去噪算法存在难以分离低秩信息与噪声，以及存在经验超参数而导致性能差的问题，提出一种基于自适应加权低秩矩阵恢复的去噪算法．首先利用图像非局部相似先验构建低秩去噪模型，然后引入Gerschgorin理论从观测矩阵中准确估计出低秩矩阵的秩．在此基础上，结合秩估计方法提出自适应加权思想，通过奇异值分解(SVD)与加权软阈值算子对自适应加权低秩去噪模型进行求解，得到最终的去噪图像．实验结果表明：本算法与现有的多种经典去噪算法相比，获得了更高的平均峰值信噪比(PSNR)和结构相似性(SSIM)指标，对含有较高强度(方差为100)噪声的图像去噪平均PSNR和SSIM指标分别达到24.66 dB和0.726 7，对含有真实噪声的图像去噪也取得了更好的效果．

为解决传统蓝牙定位方法依赖多蓝牙基站部署从而造成实际应用困难的问题，提出一种基于单个蓝牙基站的定位方法．设计了一种蓝牙基站物理结构，以获得目标节点相较于蓝牙基站的水平距离和平面到达角(AoA)，进而计算出目标节点相较于蓝牙基站的位置．为准确估算目标节点与蓝牙基站的水平距离，将目标节点所处位置划分近场和远场，基于几何模型和蓝牙信号衰减模型进行近/远场的距离计算；同时，为增强蓝牙信号衰减模型的鲁棒性，提出基于近场距离的衰减模型参数自动更新的算法，由此完成对目标的位置计算．实验结果表明：本定位方法在仅部署单个蓝牙基站下可实现的目标定位平均精度为0.938 m．

针对传统的正交差分混沌移位键控(DCSK)通信系统传输率低和误码率(BER)高的问题，提出一种正交多用户差分混沌移位键控(OMU-DCSK)通信系统．通过设计一个正交混沌信号发生器，在时域上得到三个严格相互正交的混沌载波信号，消除了信号与信号间的干扰，同时引入M个预定义子载波以进一步提高传输速率．在接收端，滑动平均滤波器用来对参考信号做降噪处理，再进行相关解调．在加性高斯白噪声(AWGN)和多径瑞利衰落信道下推导出误码率公式，并进行蒙特卡罗仿真，且与其他几种正交系统的传输速率和误码率进行对比．结果表明：该系统具有较高的传输速率和较低的误码率，证明了该系统的优越性及实际工程应用的可行性．

为解决无线通信中的频谱资源稀缺问题，提出一种多无人机(UAV)辅助的非正交多址(NOMA)接入中继系统．以优化系统总通信速率为目标，综合考虑信息因果约束、无人机发射功率约束与最大服务能力约束，构建了用户分组、无人机轨迹规划与功率分配的联合优化问题．为解决这一高度耦合的非线性混合整数规划问题，提出一种两步优化策略．基于图论提出最大权匹配下的用户分组算法，根据分组结果，通过引入Sigmoid函数和辅助变量法，将功率分配和轨迹规划问题分别转化为几何规划与凸规划问题求解．仿真结果表明：所提出的两步优化算法能够有效提升系统的总通信速率．

针对基于低频电磁波的海底预置无人作战系统的远程激活与通信问题，开展了海底附近低频电磁波的传播建模与性能分析研究．采用矢量磁位方法，构建了海水-沉积层-地壳-地幔分层介质中电磁波传播模型，获得了海底上方的电偶极子在海水中辐射的电磁场表达式．采用数值方法对积分形式的电磁场表达式进行求解，获得了电磁场在100 km范围内的衰减曲线．研究结果表明：通过海底介质传播的侧面波路径是海底上方收发节点间电磁波传播的主要贡献者；当收发天线对准时，水平电偶极子的辐射场强高于垂直电偶极子；沉积层的厚度和地壳的电导率对电磁波传播具有较大的影响，而海底介质其他因素影响较小．

为了提高沥青路面内部病害的检测精度及效率，开展了路面探地雷达(GPR)图像的自动识别研究．采用三维探地雷达(3D-GPR)设备高效、无损地探测沥青路面内部结构，以获取海量3D-GPR图像数据；通过多维度GPR图像辨识内部病害(横向裂缝和层间不良)的回波特征，矩形框准确标注纵断面GPR图中病害特征，进而构建内部病害回波特征GPR图像数据集(训练集、验证集和测试集)；基于深度学习技术，引入YOLOv4(you only look once version 4)算法模型，首先利用训练集和验证集完成模型网络参数的迭代更新，然后利用测试集进行模型综合检测性能评估．研究结果表明：YOLOv4模型在测试集上测试的综合检测精度大于95%，并且其检测视频的每s帧数也超过30；而层间不良的回波特征相对内部横向裂缝识别更加准确；该模型可以实时、高精度自动识别出沥青路面GPR图像中病害回波特征．

为研究钢纤维体积掺量和加载龄期对轻质超高性能混凝土(LUHPC)徐变性能的影响，设计制作了钢纤维体积掺量分别为2.0%，2.5%和3.0%的LUHPC棱柱体试件，开展了7和28 d龄期的徐变试验．得到了钢纤维体积掺量和加载龄期对LUHPC徐变性能的影响规律，并得到了LUHPC徐变系数，同时建立了LUHPC徐变模型．研究结果表明：当纤维掺量为2.0%~3.0%时，LUHPC的徐变系数变化范围为0.6~0.9；与国内外规范混凝土徐变模型相比，LUHPC徐变模型计算值与试验值符合较好，计算平均误差为6.4%．研究结果可为LUHPC材料在桥梁工程中的应用提供试验与理论依据．

针对高寒、高盐地区混凝土材料损伤劣化的问题，开展不同质量分数硫酸盐溶液侵蚀和冻融循环作用下混凝土侵蚀及力学特性试验，分析混凝土试件表观形态及质量变化、抗压强度、劈裂抗拉强度和相对动弹性模量等的演化过程，揭示硫酸盐侵蚀和冻融循环作用下混凝土损伤演化规律．结果表明：在硫酸盐侵蚀初期，混凝土内部硫酸盐与水泥水化物生成侵蚀物，可填充混凝土初始缝隙，随侵蚀物积累，试件逐渐产生微裂缝和贯穿型裂缝，其基本力学性能呈先增长后下降的趋势；硫酸盐侵蚀与冻融循环交替作用下混凝土力学性能呈下降趋势，硫酸钠溶液在侵蚀初期对冻融损害起抑制作用，随侵蚀历时增加，硫酸盐侵蚀与冻融循环相互促进，混凝土损伤演化过程可分为加速损伤、缓慢损伤和快速损伤三个阶段；盐冻交替循环8次后的混凝土试件抗压和抗拉强度较单硫酸盐侵蚀情况降低约40%，混凝土在盐冻循环作用下的损伤程度较单一硫酸盐侵蚀作用更严重．

为提升旋流排沙渠道的性能，根据体型结构与排沙效果的相关性，在模型试验和数值模拟的基础上，结合正交试验设计，分别以渠道的4个关键体型参数和2个关键水力参数为设计变量和目标函数，采用径向基函数(RBF)代理模型和非支配排序遗传算法(NSGA-Ⅱ)对旋流排沙渠道的体型进行优化．结果表明：本优化方法减少了数值计算的时间，有效提升了旋流排沙渠道的体型优化效率；当上游来流量为30 L/s时，优化体型的排沙耗水量较原体型减少15.4%，排沙洞典型断面的平均流速较原体型增大18.9%，且流态、流速和湍动能特性均优于原体型；两种体型均具有较高的截沙率，但优化体型显著减少了排沙洞内的泥沙淤积，当上游来流量为14.02 L/s时，排沙洞内的泥沙淤积量较原体型减少43.4%，从而在排沙洞内形成更有利于泥沙运动的水力条件．本结果可为旋流排沙渠道的设计及应用提供参考．

为了发掘X舵潜艇的操纵优势和空间机动能力，建立某型X舵潜艇空间运动模型，构建具备全局指数稳定性的X舵模糊控制系统，重点在X舵模糊控制规则、模糊论域动态调节、模糊积分控制与智能判据等方面进行优化设计．通过潜浮运动仿真比较了变论域模糊控制(VUFC)、常规模糊控制(FC)和比例积分微分控制(PID)的效果，结果表明：VUFC控制变深机动过程用时较其他两种控制方法缩短了一半，且无超调，能更好发挥X舵的变深机动能力；从空间运动控制效果来看，VUFC控制通过论域在线调节来满足潜艇变深和定深的不同控制需求，能充分发挥X舵灵活的操纵特性，适应潜艇的运动特点．采用X舵自航模对VUFC控制系统进行了试验验证，证明了该控制系统有效且不依赖模型参数．

针对气液两相流中重叠气泡难以检测与分割的问题，基于深度学习框架，在YOLACT模型算法的基础上，将有效通道注意力机制(ECA)和空洞卷积引入特征提取网络，提出一种ECA-YOLACT气泡检测与分割算法，以增加重叠气泡的边缘提取能力．为获得气泡数据集，基于气泡生成对抗网络(BubGAN)生成数据集，同时开展气液两相流试验工作，采用数据增强的方式进行扩充，完成对网络模型训练．为验证算法的可行性，针对气泡的不同空隙率开展模型算法实验．实验结果表明：基于改进的YOLACT气泡检测与分割算法，在测试集上进行验证的准确率为89.49%，召回率为97.51%，平均准确率为96.80%．

为研究大气稳定性对风力机尾流速度分布和结构演化的影响，通过大涡模拟方法研究了不同大气稳定性下单台风力机的流场特性，采用本征正交分解方法对流场结构进行了分析．研究结果表明：大气稳定性对风力机尾迹平均统计特性和瞬时摆振均有显著影响，对流、中性和稳定大气条件下风力机的平均尾迹长度分别在7D，8D和16D左右(D为风轮直径)；对流条件下尾迹蜿蜒程度最强，尾迹中心偏移量最大，且偏移程度随尾流长度的增加而增大；对流条件下风力机下游5D处尾迹瞬时的偏移量可达27.80%，而中性和稳定条件下分别为18.75%和8.75%；大气稳定性对风电场大尺度结构也有显著影响，对流和中性条件下来流相干结构的尺度分别为稳定大气下的5倍和1.67倍，且近尾迹区漩涡含能也明显高于稳定大气条件．