针对目前电力系统中单柱钢管杆塔的对接主要依赖人工操作，风险系数高，耗时费力的问题，笔者研究了在特定技术条件和环境下，单柱钢管杆塔的自主对接技术，并提出了一种基于视觉导航的单柱钢管杆塔自主柔性对接系统。该系统利用内置的微控制器，实现了精准定位功能，并通过图像跟踪控制技术，自主完成对接任务。该微控制器通过其卓越的计算性能，极大地简化了技术人员的操作流程，提升了工作效率。并对单柱钢管塔在二维平面上的对接进行了数值模拟和硬件试验。研究结果表明，通过配备推进器与小型控制力矩陀螺仪，该系统能有效控制对接目标精确抵达对接端口，精准与高效实现对接。

针对传统图像处理算法对钢铁表面缺陷检测存在识别效率低、漏检误检率高等问题，提出了YOLOv8-DSG(Deformable Convolution Network Squeeze and Excitation Network Generalized Intersection over Union)钢铁表面缺陷检测算法。在传统YOLOv8算法的基础上，首先在Backbone网络的C2f(Convolution to Feature)模块中嵌入了可变形卷积网络DCN(Deformable Convolution Network),增强了模型在复杂背景条件下的特征提取能力；其次，在Neck网络中引入了SE(Squeeze and Excitation Network)注意力模块，突出钢铁表面重要特征信息，提升了特征融合的丰富性；最后，利用GIOU(Generalized Intersection Over Union)损失函数代替原有的CIOU(Complete Intersection Over Union),相比CIOU, GIOU引入了最小包围框面积比率，可更准确衡量框的重合面积。实验结果表明，YOLOv8-DSG算法在NEU-DET数据集上平均精度mAP达到80%,相较于原YOLOv8算法，提高了3.3%,且误检、漏检率低，具有更高的检测精度和运算效率，可在质量检测方面发挥重要作用。

为准确获取车辆的纵向速度，提出一种适用于四轮驱动车辆的纵向速度估计方法。该方法利用有限状态机识别出当前时刻车辆的状态和时域窗口内车辆的状态，进而有效切换自适应卡尔曼滤波法和积分法。针对车辆四轮非全部打滑状态，设计了一种实时更新测量噪声的自适应卡尔曼滤波方法，并引入时域窗口内的测量值和估计误差提升估计精度。对车辆四轮全部打滑状态，以四轮非全部打滑时自适应卡尔曼滤波的最后一个准确纵向速度估计值作为初值，积分车辆纵向加速度计算出纵向速度。通过Carsim与Simulink联合仿真实验和实车数据实验验证了算法的有效性。实验结果表明，相比于积分法和轮速法，提出的估计方法在冰雪等低附着路面上的估计精度分别至少提升了65%和75%。

针对传统试凑法选取的倒立摆PD(Proportion Differentiation)控制器参数具有主观性强，系统响应能力不佳等问题，采用遗传算法整定控制器参数，进行模型仿真分析并最终运行于QUBE-Servo2旋转倒立摆实验系统。实验表明，相比于试凑法，用遗传算法得到的PD控制器参数能使系统的响应性能进一步优化，且不受主观经验限制，摆杆和摆臂的稳态误差都在±0.01 rad以内。

随着互联网技术发展，AI(Artificial Intelligence)技术在教育中的应用已成为教育创新的发展趋势。为提高AI在课堂教学优化、学生评价、考试测评和师资培训等关键环节的作用，通过分析现有AI教育产品，总结AI在教育领域的应用现状，并对其发展趋势进行了展望。结果表明，AI技术能显著提升教学效率，实现对学生学习情况的智能分析，提供个性化教学支持。同时，AI在教育资源配置和学习者特征分析中表现出巨大潜力，有助于实现教育的个性化和精准化。虽然其面临应用范围、研发力度和应用模式等方面的挑战，但AI技术的深入应用有望推动教育事业的发展和进步。

针对局部线性嵌入(LLE:Locally Linear Embedding)算法邻域选择不精确及度量方法缺陷导致不能提取流形真实结构的问题，提出一种基于自适应邻域及重构权重的局部线性嵌入算法(AN-RWLLE:Locally Linear Embedding Algorithm Based on Adaptive Neighborhood and Reconstruction Weight)。首先，通过计算高维样本点的余弦相似性，筛选出每个样本点的局部邻域，再从该邻域中自适应选择最优邻域。其次，融合最优邻域内样本点的距离和结构特征，充分挖掘高维数据流形结构，实现权重重构。最后，利用支持矢量机对特征进行识别，在低维空间保持高维数据的本质特征。实验结果表明，AN-RWLLE算法具有很好的可视化和聚类效果，在两组轴承故障数据集上都具有很好的特征提取能力。

为满足地磁台站磁场总强度的观测需求，自主设计了一种台站专用磁力仪架构，并研制了JOM-5J台站监测型Overhauser磁力仪。分别在野外低噪声和嘈杂的高电磁干扰条件下采用单台直接测量法和双台同步法对仪器进行了灵敏度评估。实验结果表明，JOM-5J磁力仪在周期为1 s时的灵敏度可达0.02 nT。其可替代GSM-90F用于地震前兆观测和火山长期监测。

为提高遥感模糊图像对比度增强效果，增加清晰度，提出基于均值滤波的遥感模糊图像对比度增强方法。首先，采用快速中值自适应均值滤波算法对遥感模糊图像整体进行去噪处理；其次，结合遥感图像边缘的分形自相似特征以及灰度梯度变化实现对图像边缘点的提取，并将图像的整体区域划分为明亮和暗淡区域；最后，采用细节保留映射算法和感知对比度映射方法分别增强两个区域的对比度，完成对遥感模糊图像整体的对比度增强，实现对该图像的色彩还原。实验结果表明，该方法增强图像能有效去噪，绝对均值差小于0.85,在图像对比度和清晰度增强方面表现出良好的性能。

由于MCU(Microcontroller Unit)编程语言主要为C语言，以软逻辑实现，并通过顺序执行指令实现特定功能，因此存在低速的缺点。为得到高速同时仍然保留MCU优势的系统，研究了基于FPGA(Field-Programmable Gate Array)与ARM(Advanced RISC Machines)Cortex-M0的可重构MCU设计。针对ARM Cortex-M0内核以及AMBA(Advanced Microcontroller Bus Architecture)总线系统进行分析，设计MCU系统整体所需的每个单元，根据每个模块的特性设计其Verilog代码，并进行仿真验证。探究了基于FPGA平台设计特殊的外设，验证硬件算法等，并以定时器中断系统为例，结合软件和硬件，对整个MCU系统进行综合仿真，分析实际运行中ARM Cortex-M0内核的工作状态，总线系统对每个模块间数据的通讯与调度，验证FPGA平台开发MCU的可行性与高效性。结果表明，MCU基于重构平台设计，可实现外设功能根据需求的定制化，相比传统MCU具有更高的灵活度。

针对目前基于区块链技术的档案隐私保护算法存在保护效果不佳、操作时间长等问题，提出了基于区块链技术的数字化档案信息隐私保护算法。首先，将区块链技术应用于数字化档案信息隐私保护，数据拥有者使用对称加密算法对数字化档案信息实施加密，并将其上传至私有链；同时，生成数字化档案信息的安全索引，将其上传至联盟链；数据使用者生成待查询关键字查询门限，发送至私有链，在私有链上获取查询结果并发送至联盟链，联盟链与私有链合作，验证查询结果的正确性，若正确，则联盟链将转换后的加密数据发送给数据使用者。实验结果表明，所提方法的数字化档案信息隐私保护算法隐私保护效果佳、实际应用效果好。

针对已有无刷控制器存在控制方式不灵活，通用性差等问题，设计并开发了可编程无刷电机控制实验系统。该实验系统提供了一种可重复开发方案，只需使用其配套的上位机编程软件，就能在控制信号与电机输出之间建立自由映射，直接驱动霍尔无刷电机。其系统硬件部分基于ARM(Advanced RISC Machine)-Cortex M3 MCU(Multipoint Control Unit),可同时支持数字电平、模拟信号以及脉冲宽度调制信号(PWM:Pulse Width Modulation);上位机软件基于PyQt5开发，主要包括引导窗界面与主窗口。测试电机可根据自定义控制信号与外界设备进行通信且可达到程序预期设计转速，该系统可为电机控制教学提供新的实验方案。

由于井场偷油现象是影响油田的安全生产与稳定运营的重要问题，而目前行为识别方法较少关注井场偷油检测的需求，且在对井场偷油目标进行特征识别过程中通常存在局限。为此，提出一种基于3D注意力残差的井场偷油行为识别算法。该网络由多个三维注意力残差块组成，通过在每个残差块中嵌入通道和时空注意力模块，获取更多的特征判别信息，以增强模型对重要特征的关注。在井场偷油行为数据集上对算法的有效性进行验证，实验结果表明，相较同类算法，该方法具有更高的识别准确率，可为油田井场偷油行为自动检测的实际应用提供参考。

针对目前深度学习方法研究多依赖于从地震振幅等单一属性中提取断层特征，存在断层连续性差、断层漏检等问题，提出了一种并行属性输入的断层智能识别方法。该方法采用多层次融合策略构建了双属性并行融合网络(PE-Net:Parallel Elements Network)。首先，将蚂蚁体和振幅属性分别输入蚂蚁体和振幅特征提取网络，利用属性密集特征模块AIFM(Attribute Intensive Feature Module)捕捉两个路径不同角度的断层特征；其次，利用两种属性特征模块ANT(Ant Body Attribute Feature Extraction Module)和AMP(Amplitude Attribute Feature Extraction Module)对各分支的输出进行跨层特征整合，挖掘多尺度信息并缓解尺度变化；最后，采用特征融合模块(FFM:Feature Fusion Module)将两条并行支路的通道整合，减少单一属性的局限性。合成数据结果表明，PE-Net模型的准确率达到97.95%,相较于U-Net模型，精度提高1.33%。Kerry3D的断层识别结果以及消融实验表明，该方法能获取更多的上下文断层特征信息，减少断层漏检和误检情况，从而有效提高复杂断层识别的准确性，增强小断层的识别效果。

为降低MEC(Mobile Edge Computing)系统的总开销，将所有设备的延迟和能量消耗的加权总和设定为优化目标，解决了多用户多信道移动边缘计算系统中的任务卸载问题。该方案能使多个用户设备通过无线信道将计算负荷重的任务卸载到MEC服务器上。并考虑到多个智能设备间在剩余能量方面的差异，引入能量因子用于衡量智能设备在能耗和时延之间的偏重。同时利用基于Q-learning算法的强化学习方案共同优化卸载决策、计算资源的分配以及无线信道的选择。仿真结果表明，该算法能有效降低任务处理的时延和能耗，容纳更多用户。

针对传统的识别表结构方法难以充分学习多行多列合并、空白、嵌套单元格等复杂表结构以及提取特征过程中容易出现信息缺失的问题，提出了一种改进SLANet(Structure Location Alignment Network)的OCR(Optical Character Recognition)表结构识别方法。首先，利用轻量级CPU(Central Processing Unit)卷积神经网络并引入注意力机制，增强网络泛化和解释能力，将训练得到信息向量输入轻量级高低层特征融合模块中提取特征，并将输出特征通过特征解码模块对齐结构与位置信息，得到预测标签。实验表明，与EDD(Encoder-Dual-Decoder)、 TableMaster等模型相比，该方法准确率有显著提升，达到76.95%, TEDS(Tree-Edit-Distance-based Similarity)达到95.57%,显著增强了模型识别非常规复杂表结构能力，为识别表结构提供了一种优化策略。

针对数字视频图像采集过程中受外部环境噪声干扰及原始图像分辨率低的影响，在压缩过程中可能出现很多的失真和伪影，并且每次压缩和解压缩都会引入一定的误差，误差逐渐积累，导致最终的压缩效果较差的问题，提出基于稀疏编码的数字视频图像压缩方法研究。利用多阈值迭代方法对数字视频图像中的噪声实施去除，利于后续的图像压缩处理；通过稀疏编码方法获取去噪后的数字视频图像的正交基系数，对该系数进行冗余字典稀疏编码和压缩传输，建立多帧去压缩伪影网络，利用网络中的运动补偿模块对数字视频图像实施运动偏移估计以及像素补偿；将运动补偿帧输入去压缩伪影模块中完成压缩伪影的消除，实现数字视频图像压缩。实验结果验证该方法能有效去除压缩数字视频图像中的伪影，具有较高的压缩效率和信噪比。

基于高校以人才培养为重心的工作背景，对吉林省31所高校进行分析，以期为如何挖掘高校潜力，合理配置高校资源提供借鉴意义。以2017年数据为样本，从高校基本情况中的学生数量、师资水平、办学条件等方面选择了24个指标，运用描述性统计、因子、聚类、典型相关分析等方法，对高校发展状况进行了研究。研究表明，吉林大学在学生数量、师资力量、办学条件等方面都优于吉林省其他高校，其次教育部直属的东北师范大学和省属的12所高校，在办学条件方面优于地方直属的17所学院。并且学历高的老师的职称也普遍很高，学历偏低的老师的职称也普遍较低。

针对脑认知疾病的检测困难和识别准确率低等问题，将卷积神经网络的局部依赖建模能力和注意力机制的全局依赖建模能力相融合，提出了由多头注意力引导的卷积神经网络(MAGINet:Multi-Head Attention-Guided Convolutional Network),用于识别正常(NC:Normal Control)、早期轻度认知障碍(EMCI:Early Mild Cognitive Impairment)、晚期轻度认知障碍(LMCI:Late Mild Cognitive Impairment)和阿尔茨海默症(AD:Alzheimer's Disease),探索NC经MCI(EMCI和LMCI)到AD的完整演化过程。首先，将3种功能连接网络(FCN:Functional Connectivity Network)变体的互补信息进行整合，形成一个多视图学习框架。其次，在每个视图下的卷积神经网络模块中，设计了一种新的多头注意力模块，先后通过完成自注意力、通道注意力及空间注意力帮助建模全局依赖关系，弥补卷积神经网络的局部机制优化模型的性能，并证明了其有效的信息提取能力。最后，将该模型用于多个脑病分类，实验结果证明了模型的强大通用性和可重复性。

为确保大数据稳定传输，提出基于5G网络的设备大数据传输负载优化算法。分析大数据传输性能影响因素，包括数据时延、平均带宽利用率和吞吐量。采用形态学滤波算法对大数据进行低通滤波处理，消除数据中存在的噪声，降低数据传输时延。动态选择大数据传输信道，避免网络中出现数据拥塞现象，提高网络吞吐量。在信息传输矩阵映射的基础上提高数据传输精度，同时设计了容量扩充机制，以此提高网络带宽利用率，完成负载优化。实验结果表明，采用所提算法优化后，提高了带宽利用率，降低了网络能耗和数据传输时延。

由于单一传感器的质子磁力仪极易受地磁日变、环境干扰等影响，为提高质子磁力仪测量精度，对传感器设计和系统性能评估进行了分析研究。首先，基于MAXWELL电磁仿真软件建立螺线管、柱形、环形以及“8”形线圈等4种传感器的仿真模型，对4种线圈的方向性、抗干扰能力等进行分析，最终确定以“8”形线圈作为传感器，构建质子磁梯度仪。其次，基于4阶差分与均方差算法分别对单路测量结果与差分测量结果进行评估，以分析磁梯度仪性能。实验结果表明，“8”形线圈传感器的初始信号信噪比可达40/1,磁力仪单路模式灵敏度可达0.054 nT,双路差分模式的灵敏度即使在强干扰条件下仍可达0.071 nT,为单路模式的■倍。

随着人工智能(AI:Artificial Intelligence)技术的不断发展，尤其是在深度学习、图像识别和自然语言处理等领域的突破，AI在医学影像教学中正逐步显示出其独特的优势。为此，对AI在医学影像在教学中的应用现状进行了综合分析。结果表明，AI不仅可以帮助学生和医务人员快速识别疾病特征，还能提供自动化的影像分析结果，使学习者能更直观地了解不同疾病的影像表现，增强了学习的互动性和实践性。并且其还能提供个性化的学习路径，根据学生的学习进度和掌握情况，推荐相关的教学内容或练习，确保学习者得到量身定制的教学服务。同时，其高效性和精准性帮助学生能更好地理解复杂的医学影像内容，从而提高学习效果。随着技术的不断进步，人工智能将在医学影像教学中发挥更大的作用。未来的教学系统可能会更加智能化，结合虚拟现实、增强现实等技术，为学生提供更加沉浸式的学习体验。

针对为避免语言含义对英语口语翻译结果产生干扰，提高英语口语翻译准确性的问题，提出基于属性特征的英语口语准确翻译系统。该系统通过分析输入数据变量，提取口语语义特征参数，其可以捕捉到词汇和表达方式之间的差异，提高翻译的准确性。使用变分自编码器捕获特征的有效信息，从而获得英语口语语义匹配结果。对口语语义匹配进行编码和解码，并根据参数设置翻译规则，以识别口译歧义词参数，并利用CBOW(Continuous Bag-of-Words)模型识别评定参数。设立了句式复杂分组翻译规则，并根据规则进行语义翻译连接，从而形成准确的英语口语翻译结果。实验结果表明，设计的英语口语翻译系统具有较高的翻译准确率，能实现准确的英语口语翻译，说明所研究的翻译系统能满足英语口语翻译高精度翻译的要求。

针对无人机航拍具有多角度、大视角、大规模场景的特点，使无人机航拍图像存在小目标对象较多、背景复杂和特征提取困难的问题，提出了一种新的模型CA-NWD-YOLOv5(Coordinate Attention-Normalized Wasserstein Distance-You Only Look Once v5)。该模型以YOLOv5模型为基础，在头部网络添加了多尺度检测层以提取小目标特征，同时在骨干网络加入了CA注意力机制，避免模型忽略目标的位置信息。最后，使用归一化Wasserstein距离损失函数代替基于交并比的损失函数，加强了模型对微小目标的敏感程度。在VisDrone2019数据集上的实验表明，相比改进前的YOLOv5模型，CA-NWD-YOLOv5模型可有效提升无人机航拍图像中小目标的检测精度，改进后算法的mAP＿0.5达到了50%,可以有效应用于航拍小目标的检测。

为提升党的领导水平、增强党的执政能力、加强党的自身建设，进而推动中国特色社会主义事业的持续健康发展，开发了一种干部信息管理系统。系统引入了信息化技术，通过模型化、可视化、智能化的方式，提高了干部选拔任用的科学性和规范性，并能对干部的日常思想、工作、作风等进行监督，实现了全面考核、规范管理。改进后的系统提高了干部选拔任用的准确性和效率，加强了干部日常管理监督，实现了干部绩效考核的科学化和规范化。通过实际应用表明，使用干部信息管理系统，能进一步提升党的事业发展，推动组织工作向科学化、规范化、精细化方向迈进，实现党员干部队伍建设的新跨越。

为维护网络运行安全，保证网络信息安全存储，提出基于多源数据挖掘的网络安全态势评估系统。首先建立以应用层、控制层、数据转发层为核心的3层网络安全态势系统架构，为保证应用层与网络设备之间信息有效传输，利用OSGi(Open Service Gateway Initiative)设计模式对控制层的ONOS(Open Network Operating System)控制器实施5层平行建构，以保障网络安全态势的决策响应。利用流量探测模块内多探测器的部署，实现网络多源数据的深度挖掘；引入LEACH(Low Energy Adaptive Clustering Hierarchy)算法，在网络簇首实现多源数据融合。通过安全态势评估模块对网络入侵因子威胁等级进行分析后，结合权系数理论对网络态势威胁因子进行威胁度赋值，并结合网络层次划分法对运行网络服务层、主机层、网络层安全态势实施分层评估。实验表明，所提方法对网络数据运行状态分析能力较高，面对多类型网络威胁因子的攻击行为能做到精准识别，为网络安全运行提供重要保障。

针对Tate对的计算效率优于Weil对问题仍然存疑，有待进一步验证，以及Miller提出的二元群结构参数选择算法属于概率型算法，算法效率不高的问题，建立了Tate对和Weil对执行效率的分析模型，提出一种利用椭圆曲线的阶是扭曲值的平方关系查找扭曲值参数的新方法。研究表明，在扭曲值较小时，Tate对的计算效率优于Weil对，与已有研究结果一致，但当扭曲值很大时，Weil对的计算效率优于Tate对，同时扭曲值参数查找新方法的时间复杂度小于Miller方法的时间复杂度O(M),相对Miller的概率方法，新方法为确定型方法。分析和实例验证了分析模型的正确性，而且新方法极大地提高了参数选择的效率和准确性。

针对原始鱼鹰优化算法(OOA:Osprey Optimization Algorithm)易陷入局部最优和寻优速度慢等问题，提出了一种改进鱼鹰优化算法(L＿OOA:An Improved Osprey Optimization Algorithm)。首先，为保持种群多样性，采用了Tent混沌映射策略初始化种群个体位置。其次，通过引入Levy策略对鱼鹰的位置进行更新，提高了鱼鹰优化算法跳出局部最优值的能力，并在鱼鹰优化算法中引入了螺旋曲线策略，提升了算法计算精确度。最后，在CEC2021(Computational Experimental Competition 2021)测试函数集上与其他智能算法进行了对比实验。结果表明，L＿OOA具有更优的精度和更快的速度。

针对无人机集群空战效能评估准确性不高的问题，提出一种基于系统动力学(SD:System Dynamics)的空战效能评估方法。以红方编队执行侦察打击任务为背景，分析无人机空战系统内部各因素之间的相互作用关系，建立因果关系模型和存量流量模型。基于作战效果、战斗效率和作战代价3个方面构建作战效能评估指标：任务完成度、战斗效率和作战损失率。同时对空战系统的影响因素和不同装备方案下的作战效能进行研究，最后通过仿真验证所提方法的可行性和有效性，结果表明该方法较好地解决了评估过程中出现的复杂性和不确定性问题。

针对在寻解高维度复杂方程时，布谷鸟算法(CS:Cuckoo Search)存在陷入局部最优的问题，提出了一种改进的混合布谷鸟算法。首先，利用混沌映射和反向学习机制初始化种群；然后交替并行教与学算法(TLBO:Teaching Learning Based Optimization)和布谷鸟算法的搜索机制；最后动态化自适应发现概率并嵌入差分进化机制(DE:Differential Evolution),全面提升算法性能。6个基准函数和1个优化光栅耦合器设计的仿真实验测试对比结果表明，该算法在求解高维度方程时更具优势，可有效解决CS算法容易陷入局部最优的问题。

为降低目标钻孔轨迹与实际钻孔轨迹测量结果之间的误差，提出基于粒子群算法的钻孔轨迹测量误差校正方法，建立钻孔轨迹计算模型，确定钻孔倾角、面向角、方位角数值，采集钻孔轨迹数据。分析钻孔轨迹测量的误差来源，构建误差传递状态空间模型，合并历史误差完成钻孔轨迹测量误差的计算。以钻孔轨迹测量误差最小为目标构建误差校正目标函数，对粒子的速度与位置进行更新，并构建适应度函数。通过不断更新计算适应度函数对目标函数进行求解，完成钻孔轨迹测量误差的校正。实验结果表明，所提方法的各个方向的滚转角误差仅在0.3°～1.8°间，且钻孔轨迹与实际值曲线高度拟合，可有效校正轨迹测量误差，并能为地下工程的实际勘探工作提供有价值参考。

为解决大学校园网络信息化发展中的网络流量管理问题，结合新疆某高校校园网络管理中的实际问题及工作实践经验，提出并实现了基于CactiEz的网络流量监控平台。依据校园网实际环境，分析了校园网络现状，并且结合具体的软硬件设备进行流量监控。应用效果表明，该监控系统能实时监控网络流量变化，及时反映网络状况，并对网络流量进行统计和分析，为网络性能和安全提供数据支持。基于CactiEz的网络流量监控平台对提升校园网络管理效率具有显著作用，有助于优化网络管理工作。

针对当前交通流量的智能预测方法没有分析和考虑路网的时空关联性问题，在智能预测方法中增加了时空关联性信息，解决了时空信息缺失造成的预测精度降低的问题。首先结合交通路网的图连接和车辆通行延时特性，分析城市路网的时空关联性；考虑城市交通时空关联情况，基于图卷积神经网络(GCN:Graph Convolutional Neural)和长短期记忆网络(LSTM:Long Short-Term Memory)方法，研究了结合GCN、LSTM考虑时空信息的城市交通流量预测方法，应用开源的城市交通流量数据集优化训练了城市交通流量预测网络，并对比LSTM、双向长短期记忆网络(BiLSTM:Bidirectional Long Short-Term Memory)及不同网络节点数目在求解该交通流量预测问题的表现。研究结果表明，该方法可以有效预测城市交通流量，相对未考虑时空信息的预测方法准确度有所提升，该研究可为智慧交通系统中的交通预测提供理论参考。

针对滚动轴承信号含噪声导致诊断模型训练困难的问题，提出了一种基于变分模态分解(VMD:Variational Mode Decomposition)和深度学习相结合的轴承故障诊断模型。首先，该方法通过VMD对轴承信号进行模态分解，并且通过豪斯多夫距离(HD:Hausdorff Distance)完成去噪，尽可能保留原始信号的特征。其次，将选择的有效信号输入一维卷积神经网络(1DCNN:1D Convolutional Neural Networks)和门控循环单元(GRU:Gate Recurrent Unit)相结合的网络结构(1DCNN-GRU)中完成数据的分类，实现轴承的故障诊断。通过与常见的轴承故障诊断方法比较，所提VMD-1DCNN-GRU模型具有最高的准确性。实验结果验证了该模型对轴承故障有效分类的可行性，具有一定的研究意义。

针对现阶段D2D(Device-to-Device)通信信道分配效果不佳等问题，提出基于匈牙利(KM:Kuhn Munkras)算法的D2D通信信道分配最优化数学模型。在D2D通信系统模型构建的基础上，计算D2D通信信道传输速率，将系统中的各个变量表示在一个二维坐标系中，构建线性规划图，根据该图求解D2D用户的最佳发射功率；基于KM算法建立D2D通信信道分配最优化数学模型，实现D2D通信信道分配。实验结果表明，所提方法D2D通信信道分配最优化数学模型的实际应用效果更好，通信系统的吞吐量更大。

针对气调储粮室内气体浓度实时检测问题，设计了一款基于STC89C52单片机和氧传感器的便携式氮气浓度检测仪。依据大气中氮气和氧气浓度在忽略稀有气体的条件下几乎互补的原理，将检测气调储粮室内氮气浓度转化为检测氧气浓度，最终再换算出环境中氮气浓度百分比。当气调储粮室内氮气浓度百分比低于预设值97%时，检测仪能实现声光报警功能，同时可实时显示储粮室内氮气浓度百分比信息和温湿度信息。硬件系统包括氧传感器、温湿度传感器等信号采集电路、信号调理电路、模数转换电路、 STC89C52单片机和声光报警单元。软件设计选用C语言和Keil开发环境。实验测试结果表明，该检测仪可实时显示环境信息且在环境中氮气浓度低于预设值97%时能立即启动报警，实现了预期功能。

针对目前供应链隐私网络信息特征种类较多、数据密文难以被准确判定，导致加密难度较高的问题，提出一种基于混沌序列的信息加密算法。考虑到隐私信息存在被泄露或篡改等风险，将风险变化作为加密算法的参考特征，通过三元联和五元联函数求解隐私信息的相同、相异以及相反风险变化特性，获得风险指数。按照待加密信息的风险指数建立混沌序列，通过混沌序列生成密钥序列，计算不同种类信息对应的维数，最后通过信息与密钥序列的混沌映射实现信息加密。实验结果表明，所提算法对供应链隐私网络信息加密精准度高，数据丢包率小，能有效改善传输过程中的隐私信息泄露和丢失现象。

目前管道泄漏检测传感器向小型化和智能化发展，并且测量管道泄漏引起的物理量变化的技术也日益成熟。为便于管道泄漏检测技术的选择与优化，系统综述了当前管道泄漏检测中广泛应用的压电式、光纤式和激光式等典型传感器，重点分析了其在材料、结构及工作原理上的特点与差异。同时，探讨了这些传感器在实际应用中的表现及国内外研究现状，为管道泄漏检测技术的选择、优化与未来发展提供理论支持和技术参考。

针对残差网络存在特征冗余、有效感受野不足等问题，提出了特征融合模块。该模块可以在模型通道扩增过程中，实现不同尺度特征融合，从而构建出信息更丰富的多尺度特征，提高通道利用率。并且该模块还包含了少量大核卷积，其有助于扩大模型的有效感受野，实现性能和计算效率的平衡。同时还提出了轻量化的下采样和混排压缩模块，可充分降低模型的参数，使整个方法更高效。将特征融合、下采样以及混排压缩模块引入残差网络可以构建出特征融合网络(FFNet:Feature Fusion Network)。其具有更快的收敛速度、更大的有效感受野，以及更好的性能表现。经在CIFAR(Canadian Institute for Advanced Research)、 ImageNet以及COCO(Microsoft Common Objects in Context)数据集的大量实验结果证明了其能在仅增加少量参数和FLOPs(Floating Point Operations)的前提下，在分类、目标检测以及实例分割任务上使其性能显著提升。

针对飞行员在执行任务时需要同时处理多种信息源和任务，加重了脑力劳动负荷的问题，为提高飞行安全性和飞行员的工作效能，研究了基于随机森林算法的飞行员脑力负荷多维综合评估模型。利用线性有限脉冲响应带通滤波器处理脑电信号，剔除高频及低频噪音，计算失匹配负波，获得线性插值脑电信号采样点，根据脑电信号邻域重叠采样点，提取各节律的功率谱密度和能量特征。构建随机森林算法多维综合评估模型，确定各信号波动频率输出点，结合投票模式获得多维脑力负荷最佳的分类结果，实现飞行员脑力负荷综合评估。实验结果证明，所提方法具有较高的分类精度，能精准评估飞行员脑力负荷状态。

针对传统教学模式中存在的资源分配不均、教学效率低等问题，建设了“6i”数字教育应用与支持服务体系，包括教(iLearn)、学(iSocial)、评(iSense)、管(iEdu)、服(iHelp)、环(iMeta)6个方面。通过三化教室建设、数字化教学资源建设、教学模式改革、数字化教学质量管理以及新型数字技术教学应用探索等具体措施，实现了教学资源的数字化转型和教学模式的创新。结果表明，数字技术的应用显著提升了教学质量和学习效果，为学生提供了更多的自主学习和个性化学习机会。该研究成果对其他高校在推进教育数字化转型方面具有重要的借鉴意义，有助于构建更加开放、高效、智能化的教育体系，推动教育高质量发展。