为解决机械臂的单物体抓取检测问题，提出了一种基于注意力机制（CBAM）的SqueezeNet网络模型。首先，对深度视觉抓取系统进行阐述，完成了抓取系统的手眼标定。采用随机裁剪、翻转、调节对比度和增加噪声等方式有效扩充了物体抓取检测数据集。其次，引入轻量化SqueezeNet模型，采用五参数法表征二维抓取框，在不加大网络设计难度的前提下即可完成对目标的抓取。再次，引入“即插即用”的带有注意力机制的网络在通道维度上和空间维度上对传进来的特征图进行加权处理，对SqueezeNet模型抓取网络进行优化改进。最后，将改进后的CBAM-SqueezeNet算法在公开的数据集Cornell grasping dataset和Jacquard dataset上进行验证，抓取检测准确率分别为94.8%和96.4%，比SqueezeNet的准确率提升了2%。CBAM-SqueezeNet网络抓取方法的推理速度为15 ms，达到了抓取精度和运行速度的平衡。将本文方法在Kinova和新松手臂上进行了试验，网络抓取的成功率为93%，速度更快、效率更高。

针对列车虚拟编组运行过程中，紧急停车时各列车单元通常采用统一的制动减速度，受实际工况影响在易发生因间距控制不均匀增大行车安全风险的问题，本文开展了基于多车协同的制动控制算法设计及优化分析。首先，分析了虚拟编组列车单元的紧急停车场景，并定义了总风险系数以评价安全风险；然后，以总风险系数最小为目标，设计了制动率计算方法。仿真结果显示，该算法具备更低的总风险系数和更少的碰撞次数，证明了其正确性和有效性。

乘务计划是城市轨道交通运营计划的重要组成部分，其优化编制方法已成为交通运输领域的研究热点。为推动城市轨道交通乘务计划优化编制的研究进程，本文对国内外相关文献进行了全面梳理。针对数学模型，系统总结了基于“集合关系”和基于“网络构建”这两类典型的建模方法；针对求解算法，分为传统整数规划算法、基于列生成的数学规划方法、图与网络相关算法和智能启发式算法进行了详细评述。最后，针对现存不足和挑战，提出该领域未来的研究方向。

针对现代藏语文本表征形式复杂多样且不规范，影响语音合成系统的性能问题，提出了具有易于维护及可扩展性特点的藏语文本标准化方法。首先，对藏文标记符号和来自其他语言的非藏文特殊符号在藏语文本中的不同表现形式进行了深度解析，并通过不同特征对特殊符号进行了分类；其次，根据归纳的不同类型，分别建立起了15种特殊符号转化为藏语的书写规则；最后，以13 490个句子作为实验数据，通过藏语字音转换测试识别并检测文本中特殊符号和藏文音节的有效性，采用规则匹配的方法对含有特殊符号的句子进行标准化处理。实验结果表明：标准化之前藏语音素转写的遗漏率高达4.69%，而经过标准化之后音素转写的遗漏率降低到0.01%，其藏语文本标准化准确率达99%。

针对大规模深度神经网络模型并行面临的内存消耗大、设备利用率低、训练时间长、模型难以收敛的问题，提出了一种面向深度神经网络模型并行的计算任务自适应调度方法。通过建立模型并行计算任务的多迭代异步并行管理机制，控制微批量单元具体调度过程，实现模型合理分区和计算资源合理分配，解决异步迭代时产生的梯度延迟更新问题；基于拓扑感知设计计算资源的分配机制，实现模型训练任务和计算资源的合理匹配；设计计算资源和模型任务的运行时调度策略，实现深度学习模型训练过程中计算与通信重叠的最大化，提高计算资源利用率。实验结果表明：与已有的模型并行方法相比，本文方法可以充分利用各GPU计算资源，在保证模型训练精度的同时，可以将大规模深度神经网络模型训练速度平均提高2.8倍。

为提升交通监控视频违章车辆检测效果，提出一种YOLOv5网络算法下交通监控视频违章车辆多目标检测方法。交通监控视频图像融合处理中对灰度图直方图均衡化操作，通过窗口函数计算曝光不同图像的灰度偏差值，利用图像腐蚀将融合图像全部鬼影去除，通过图像像素归一化处理和拉普拉斯金字塔获得高质量图像融合结果；以YOLOv5网络算法作为依托，在Transformer模块利用驱动图编码器构建多头自注意力学习机制，对图像违章车辆目标特征语义信息展开增强处理；在连续扩张卷积基础上利用密集连接结构，将特征图卷积展开单一像素加操作，加强特征语义信息；利用Softmax函数进行特征多尺度融合，实现交通监控视频违章车辆多目标检测。实验结果表明：本文方法可有效提升交通监控视频图像质量，使用的YOLOV5网络算法计算强度较高，违章车辆多目标检测效果较为准确。

针对有雾的场景中图像采集系统采集到的图像会出现细节缺失、色彩暗淡、亮度降低的问题，在一体化去雾网络（AOD）理论的基础上提出一种多尺度编码-解码神经网络（MSAOD）模型进行图像去雾。本文网络模型分为3个模块：(1)预处理模块，将输入图像分为2部分进行预处理；(2)主干模块，通过多尺度编码器-解码器对第1部分的输出进行特征提取；(3)后处理模块，对特征图进行映射操作。通过训练得到去雾图像，实验结果表明，本文方法要优于主流的深度学习和传统方法的图像去雾效果，去雾后的图像在细节、色彩和亮度等方面都有所优化。

在研究人体运动过程中，为进一步解决现阶段采集方法存在的采集效果差、采集精度低和采集执行时间长等问题，提出了一种基于数字画像的人体运动信息特征采集方法。首先，利用数字画像技术获取人体运动视频图像的标志点，并以标志点为中心，采用改进背景差分算法提取人体运动轮廓。其次，采用外极线约束法与灰度互相关算法处理运动轮廓，得到人体运动轨迹。最后，采用动态时间变形算法得到轨迹的运动类型、速度等相关信息，完成人体运动信息特征的采集。随机选取一组人体运动图像数据对本文方法进行验证，实验结果表明，本文方法的信息特征采集效果好、采集精度高、采集执行时间少。基于数字画像的人体运动信息特征采集方法可以有效获取人体运动信息，实现人体运动信息特征采集，对提高人体运动信息特征的采集质量具有重要意义。

惯性导航系统在实际环境中会遇到各种干扰，如振动、温度变化和外界磁场等，且长时间运行下容易积累较大的误差，使导航系统的稳定性和精度较低。为此，本文研究一种周期性振荡抑制约束下长航时惯性导航三阶无静差阻尼算法。采用卡尔曼滤波估计周期性振荡误差，通过引入误差补偿机制，抑制周期性振荡误差，利用模糊控制实现阻尼控制，修正导航参数，完成惯性导航三阶无静差阻尼算法研究。通过实验验证表明：该算法应用下导航参数的误差都相对更小，且随着时间的推移，算法对误差的抑制效果逐渐增强，误差越来越小，位置误差降至0.15 m，速度误差降至0.10 m/s、姿态误差降至0.06°。该算法为长航时惯性导航系统的精度提高和稳定性增强提供了有效的解决方案，为航空航天领域以及机器人领域的导航系统提供了更精确、稳定的导航性能。

针对物联网应用场景下，依照最大容忍时延等标量信息划分任务卸载优先级的方式难以满足紧急任务处理需求的问题，为确保关键程度最高的紧急任务优先处理，本文提出基于任务关键程度划分优先级的方法。针对优先级任务卸载决策问题展开了研究，考虑了边缘服务器任务处理程序缓存，以最小化综合时延、社会损失率、负载失衡度为优化目标，建立了多目标优化任务卸载决策问题模型，提出了一种改进的多目标灰狼优化算法求解问题。该算法引入了灰狼个体尽力而为进化策略、基于改进差分进化算子的外部存档生成策略、加权最值法最优解保存策略以提升算法性能。仿真实验表明：本文提出的方法能有效降低综合时延和社会损失率，优化边缘服务器间负载均衡，确保紧急任务优先处理，且其性能均较其他方法表现优异。

连续测试场景是自动驾驶汽车测试体系的重要内容，其测试公平性一直受到较多的争议。为此，本文提出一种自动驾驶汽车连续测试场景复杂度评估方法，以期解决测试场景公平性难题。基于六层场景模型建立场景要素重要性评估体系；分析场景要素与感知、决策、执行系统间的复杂度映射关系，建立自动驾驶系统层级的场景复杂度量化评价方法；建立系统影响传递权重系数，实现场景复杂度综合计算。搭建仿真交通环境对两种自动驾驶系统行驶过程复杂度进行计算，两车场景复杂度对比结果分别为1和0.765，与测试过程被测算法遭遇的场景难度趋势一致，证明了本文方法的有效性。

从影响机理和提升方法两个层面总结了驾驶人接管行为领域的研究现状。在接管行为影响机理层面，将影响驾驶人接管行为的因素系统地分为自动驾驶系统因素、交通因素和驾驶人因素，并且更加细致地总结了驾驶人因素的影响机理；在接管行为提升方法层面，结合接管行为影响机理研究结论，从人机交互优化设计、接管行为建模预测、驾驶人接管培训等方面总结了改善驾驶人接管行为的一系列方法；最后，从研究机理和提升方法两个层面，提出了当前存在的问题和未来研究方向。

提出了一种变速换道轨迹跟踪动态控制策略，针对变速换道轨迹构建了双PID纵向速度控制器和以横向误差、横摆角速度和质心侧偏角为综合评价指标的模型预测横向控制器，该动态控制算法利用估计得到的路面附着系数和预测的车辆状态信息自动调整算法中各个评价指标的权重系数，实现轨迹跟踪精度和横向稳定性之间的动态控制。据此设计高低附着对开路面的变速换道工况，利用CarSim与Simulink联合仿真对比验证算法的有效性。仿真结果表明：本文提出的动态控制策略实现了不同路面附着系数下的权重因子动态调节，在变速换道时仍可以确保控制量平滑输出，同步提升了无人驾驶汽车轨迹跟踪控制精度和横向稳定性，具有良好的协调控制效果。

针对汽车动力传动系统多个挡位存在扭转共振的问题，本文提出了一种多级并联动力吸振器的参数设计方法。首先，建立四自由度动力传动系统扭振模型并进行模态分析，基于共振模态的等效系统推导了n级并联动力吸振器的频响函数；然后，以4级并联动力吸振器为例，将传动系统3个挡位的振动角位移和振动角加速度作为优化目标，采用改进的非支配排序遗传算法对吸振器组的定调比和阻尼比进行优化，利用熵值法联合逼近理想解的排序法对Pareto解进行排序；最后，通过与3种传统的动力吸振器优化方法进行对比，并进行时域和频域仿真分析，验证了本文设计方案的有效性。本文方法可为固有频率可变振动系统的动力吸振器优化设计提供参考。

提出采用子空间追踪稀疏混沌多项式法（SP-PCE）实现EV-WPT系统传输效率的不确定性量化。首先，通过建立EV-WPT系统三维电磁学仿真模型，并合理设置相关变量的分布类型，利用SP-PCE法计算得到表征EV-WPT系统传输效率不确定性的均值、方差和概率密度曲线等统计特征参数；然后，结合SP-PCE法和Sobol法进行全局灵敏度分析，获得随机输入变量对系统传输效率影响程度的量化指标。最后，通过数值仿真实验验证了本文方法的准确性和高效性，为保证EV-WPT系统高传输效率及系统结构优化提供理论依据。

为加强对小目标的感知，在F-PointNet网络的基础上，结合密集连接方法和高斯距离特征，提出了FDG-PointNet三维目标检测模型，融合高斯距离特征作为附加注意力特征，有效改善了F-PointNet网络实例分割准确率不高的问题，增强了对点云视锥体中的噪声的过滤；基于密集连接可以加强特征提取的特点，改进主干特征提取PointNet++网络，加强点云特征重用，缓解特征提取过程中对小目标的特征提取程度过低与梯度消失问题，提高三维目标边界框回归的准确性。研究结果表明：本文算法在简单、中等、困难三个难度等级下对汽车、行人、骑行人3种类别的检测整体优于基准方法 F-PointNet，在中等难度下对汽车、行人、骑行人的检测分别取得71.12%、61.23%、55.71%的平均检测精度，其中对行人检测提升最明显，在简单和中等难度下提升幅度分别达5.5%和3.1%。综上所述，本文的FDG-PointNet算法有效解决了F-PointNet中小物体检测的低准确性问题，具有较强的适用性。

通过实验研究了紧凑固体氧化物燃料电池外围热管理系统中催化燃烧器和换热器的耦合器（CHE）的换热性能以及甲烷催化转化效果。测试、比较和分析了CHE只进行催化燃烧或热交换时的性能与正常工作时的性能。结果表明：正常工作时CHE的换热效率比只进行热交换时高10%，而甲烷的催化转化率比只进行催化反应时降低了4%。虽然CHE降低了部分催化转化性能，但提高了燃料利用率，因此，使用CHE替代系统中的燃烧器和换热器，可以提高换热性能，加速系统的启动或在相同的启动时间内更节省燃料，节约制造成本和系统空间，并降低其余热部件的热负荷。在紧凑型SOFC系统中具有潜在的应用性和广阔的前景。

将冷弯薄壁型钢与胶合木通过不同连接方式组合成新型箱形截面组合梁，以钢木连接方式和钢材卷边尺寸为变量，对4根组合梁进行了三分点弯曲试验，探究组合梁的破坏机理及力学性能。试验结果表明：组合梁整体工作性能好、变形协调，组合梁最终以纯弯段下翼缘胶合木断裂而破坏；不同连接方式下，胶粘连接的组合梁相较于螺栓连接和自攻螺钉连接的组合梁极限抗弯承载力分别提高了61.5%和23.0%；同为胶粘连接的组合梁，增大钢材卷边尺寸后其极限抗弯承载力只提升了9.0%。在试验基础上建立组合梁有限元模型进行分析，模拟结果与试验结果吻合良好；有限元模拟结果表明：钢材强度、钢材厚度以及胶合木厚度均对组合梁的抗弯承载力有一定的影响，其中胶合木厚度的影响最大。结合试验结果和模拟分析提出了冷弯薄壁型钢-胶合木组合梁跨中挠度和抗弯承载力计算公式，结果表明理论值与模拟值吻合良好，可为工程实践提供一定参考。

为扩大空中可操作范围，提高机构的灵活性，开发了一种带旋转伸缩动力装置的剪叉式高空作业平台。在完成基本尺寸初步设计的基础上，对作业平台抗倾覆稳定性进行了分析。当作业平台旋转至与底板夹角为90°时，通过建立力学模型，以稳定系数法验证了其载荷稳定性，以直角坐标法和瞬时速度中心法计算出作业平台速度和加速度。通过虚功原理得到液压缸推力，并采用遗传算法对下液压缸的铰点位置进行了优化。最后，采用ADAMS软件进行动力学仿真对比分析，并结合作业平台实物加速度和速度测量结果验证了理论计算和仿真结果的正确性。

针对急陡弯中各类驾驶员的行车特征区分问题，提出了基于车辆行驶参数的驾驶员行为分类方法。通过分析实车驾驶数据，筛选出车型、入弯前速度、出弯后速度、入弯前减速行为、是否跟驰行驶以及入/出弯间速度差6项变量，构建了潜在类别模型，并基于该模型确定了各类驾驶员的特征。结果表明：该模型可将急陡弯中的驾驶员分为平稳型、受限型和自由型3类。平稳型驾驶员各项特征参数均居于3类驾驶员的中位，倾向于匀速入、出弯；受限型驾驶员在入弯时有最明显的减速或跟驰行驶特征，而自由型驾驶员则拥有最高的入、出弯速度，且出弯后的减速行为最为明显。

为评估短视频传播对交通拥堵的疏导效果，本文首先对短视频特征要素进行挖掘，选取5个要素、13个维度对短视频特征构建指标体系；在此基础上，采用一种机器学习的随机森林模型对交通短视频传播的有效概率进行预测，并与传统预测模型进行比较。特别指出，文中首次提出了交通疏导有效性指数概念，定量化评估短视频对交通拥堵疏导的效果。以天津市五大道区域道路作为实例验证，结果显示：交通短视频的来源、主题、素材、用途、传播力和评论内容指南6个维度对其有效传播概率具有强相关性，平均有效传播概率在0.19～0.28；最终计算得到线路一和线路二的平均交通疏导有效性指数分别为0.008 pcu/人次和0.011 pcu/人次，总体上认为交通拥堵疏导效果明显。本研究为新媒体时代下道路交通管控提供了新思路。

由于半结构化数据具有很高的数据异构性，并且数据量巨大，不同来源的数据结构不一致，导致数据抽取的准确性和完整性较低。为此，本文将机器学习和深度学习深度融合，提出一种针对大容量半结构化数据的抽取算法。利用机器学习的主成分分析法，降低大容量半结构化数据的维度。基于深度学习的转换器网络结构，分别改进嵌入层、编码层-解码层和编码层等部分，得到用于识别数据命名实体和抽取数据实体关系的两种数据抽取算法，实现大容量半结构化数据的抽取。经测试结果验证，所提算法的正确抽取成效显著，无效数据项的最小抽取量仅有4个，且抽取复杂度较低，时效价值较高，F值和抽取时间的消融实验结果充分证明，两种技术的融合对数据抽取研究意义重大，F值始终保持在92以上，抽取时间缩短至125ms内，具备较强的可行性，为提升运营效率、优化资源配置提供重要手段。

为了提高汽车复合电源综合工作效率和供能稳定性，本文提出了怠速启停混合动力汽车复合电源需求功率控制方法。通过复合电源构成，分析了复合电源控制需求，明确了蓄电池和超级电容等状态。根据动力学计算混合动力汽车最大速度与超级电容的关系，输入状态补偿量与实际超级电容，得到最大限制输出功率。通过离散序列多尺度分解的递归法，逐步分解尺度空间，算出分解与重构系数，实现混合动力汽车复合电源需求功率控制。实验结果表明，使用本文方法控制后，电容曲线保持在0.60 F左右，电流波动幅度为-50～50 A，功率的波动幅度较为平缓，电压为200～220 V，表明本文方法能够稳定控制怠速启停混合动力汽车复合电源需求功率，减少整车的能量消耗，保证资源利用最大化。

采用Gleeble-1500D热模拟试验机，通过热压缩实验研究了2.25Cr-lMo-0.25V钢在温度为950～1 200℃，应变速率为0.005～0.1 s-1时的热变形及动态再结晶行为。结果表明：流动应力及动态再结晶都具有显著的温度、应变速率敏感性。通过回归分析确定了临界应变、稳态应变与Zener-Hollomon参数共同表征的动态再结晶状态图，建立了动态再结晶动力学方程和动态再结晶晶粒尺寸模型。本文研究成果为2.25Cr-lMo-0.25V钢热成形工艺参数的合理制订提供了参考数据。

为了解决汽车控制中的安全问题，提高四轮轮毂电动汽车紧急制动时的纵向稳定性，本文提出一种基于模型预测控制的滑移率控制方法。首先，基于扩展卡尔曼滤波的车辆纵向速度估计器对车辆纵向速度进行准确估计，再利用基于限定记忆的递推最小二乘法辨识得到紧急制动工况下车辆的最佳滑移率。其次，上层模型预测控制器跟踪最佳滑移率，在满足安全约束条件下优化求解前后轮在不同路面附着条件下所需的制动力矩，下层转矩分配控制器在电机转矩和电池荷电状态约束条件下分配液压和再生制动力矩，提高能量回收效率。最后，在不同工况下进行仿真实验，实验结果表明本文控制系统能保证紧急制动过程中车辆的安全性和可靠性。

为提高玉米中耕施肥的肥料利用率及撒肥均匀性，设计一种基于无急回特性曲柄摇杆机构控制的摆管撒肥装置，通过理论分析分别确定了四杆机构尺寸及影响撒肥均匀性的主要参数。利用离散元软件EDEM模拟了摆管的摆动撒肥过程，并设计了二因素五水平二次通用旋转组合试验，分析摆管摆频、摆管倾角变化对横、纵撒肥均匀性变异系数的影响。对试验结果优化得出摆管摆频在1.21～1.5 Hz范围内，摆管倾角在36°～59°范围内时，横、纵向均匀性变异系数小于20%。在最优参数组合下进行样机试制及台架试验验证，台架试验与仿真试验的相对误差分别为1.44%、3.13%，试验结果与仿真结果一致，证明摆管撒肥装置可实现精控均匀撒肥，该研究可为摆管撒肥装置的设计提供理论参考。

针对滚动轴承的故障诊断问题，提出一种基于小波包对数能量图的诊断方法。首先，改进并提出新的小波包节点对数能量公式，以克服传统小波包能量公式中参数确定烦琐且主观性强的缺点，提高对高频故障的辨识度和对低频故障类别的区分度，以实现对初始时频域特征的充分提取；其次，利用格拉姆角和场思想实现由一维特征到二维图像特征的转换，以此构造出基于小波包的对数能量图特征，其进一步考虑相邻特征之间的空间信息，从而实现对初始时频域特征的优化，提高了所得特征的显著性。在此基础上，通过残差网络改善故障诊断分类结果的精度；最后，通过凯斯西储大学的标准滚动轴承数据集仿真验证可知，本文方法构建的故障诊断模型具有较高的诊断精度，并且泛化能力较强。

为改善智能网联车与人工驾驶汽车的混行交通流运行状态，本文提出了一种智能网联车借用公交专用道通行的轨迹与信号的协同优化方法。先在信号和轨迹双层优化模型中，为轨迹变量与信号变量建立线性数学关系，并对整体模型进行时空上的分段求解。然后应用于实际数值案例，对模型进行可行性分析，对比协同优化与非协同优化的数值结果，证明了协同优化相比于非协同优化对于智能网联车的运行效率平均有7.7%的提升。

针对深基坑在不同施工阶段支护结构的材料参数、连接刚度及边界条件等均随着施工进度的变化而发生改变，导致采用传统确定性的有限元建模参数方法效率低、速度慢、难收敛的问题，提出了利用概率有限元进行参数修正的基准模型概念，即建立了表征地铁深基坑在不同施工阶段物理参数变化规律的有限元模型。首先，针对深基坑不同施工阶段存在“深度效应”最大水平位移的区域，采用高斯混合模型将围护墙最大水平位移分为不同的簇，并提取均值和方差。然后，建立ANSYS有限元深基坑模型，对深基坑的内支撑和围护墙参数进行有限元修正。最后，在随机有限元修正过程中，利用Kriging预测模型代替解析有限元得到聚类分析的深基坑有限元模型的概率基线。结果表明：基准模型进行参数修正后计算速率和精度得到明显提高，可以为后续数值模拟提供理论基础。

利用大众普遍使用的智能手环设计了驾驶人愤怒驾驶行为检测方法，为愤怒驾驶行为有效监测提供了新的途径和方法。本文招聘50名驾驶人开展模拟驾驶实验，设计了引发愤怒的模拟驾驶场景，利用手环采集数据获取心率指标HR和RR.mean、SDNN、RMSSD、PNN50、SDSD、HF、LF、LF/HF八个心率变异性（HRV）指标，对采集指标与愤怒驾驶行为进行关联研究，筛选显著性影响指标，利用支持向量机（SVM）、K-近邻（KNN）和线性判别分析（LDA）3种方法建立愤怒驾驶行为检测模型，并对其进行验证。结果表明：KNN算法的模型愤怒识别效果最好，对愤怒强度识别的准确率能达到75%，对愤怒状态识别的准确率为86%。结果表明：可穿戴式设备（智能手环）可以合理地检测驾驶人的愤怒情绪状态及愤怒情绪强度。

运用ABAQUS有限元软件建立150个不同角度、板厚比、长厚比的斜交T形焊接接头有限元模型，分析得到关键点最大热点应力集中系数。基于麦夸特法+通用全局优化法对数据进行拟合，给出最大热点应力集中系数简化公式和精细化公式。结果表明：钝角侧焊趾热点应力集中系数总是大于锐角侧，当角度差距减小时，两侧热点应力集中系数差值相应减小；斜交T形接头焊趾处热点应力集中系数与角度、板厚比、长厚比均呈正相关关系，角度为80°、板厚比为2、长厚比为18时达到最大值；本文所提出的最大热点应力集中系数计算公式与有限元数值结果吻合较好，精细化公式相关系数R2达到了99.97%。

针对现有网络在道路交通场景下的远处目标识别效果欠佳、目标特征表达不充分及目标定位不准确等目标检测问题，提出一种基于改进YOLOv5算法的道路目标检测方法。首先，总结了YOLOv5算法的特征提取结构，分析出原网络结构的不足之处；其次，在原网络基础上增加小目标检测层，通过补充融合特征层及引入额外检测头，提高网络对远处目标的识别能力；再次，对原检测头进行解耦，通过将边框回归和目标分类过程改为两个分支进行，提升网络对目标特征的表达能力；然后，对先验框进行重聚类，通过K-means++算法调整先验框的高宽比例，增强网络对目标的定位能力；最后，以AP、mAP和FPS为评价指标进行消融、对比和可视化验证实验。结果表明：本文算法在BDD100K数据集上检测速度为95.2帧/s，平均精度达到55.6%，较YOLOv5算法提高6.7%。可见，改进YOLOv5算法在满足检测实时性要求的同时，具备较高的目标检测精度，适用于复杂交通环境下的道路目标检测任务，对提升自动驾驶汽车的视觉感知能力具有指导意义。

为研究小汽车、常规公交、定制公交混合交通流中出行者的逐日路径选择行为及其对路网的影响，本文首先对3种出行方式的特征进行分析，同时考虑到公交专用道这一公交优先方式，将路段分为无公交专用道的路段和有公交专用道的路段，从而构建混合交通流下的道路阻抗函数，并基于此进一步运用交通网络理论建立混合逐日均衡模型。选取含有多OD对出行需求的路网进行了数值模拟，仿真结果表明：经验依赖程度对定制公交出行者的影响大于小汽车出行者；为路径设置公交专用道会提升定制公交的路径流量，但效果的显著性具有差距；常规公交出行者比例过大时可能会增加总出行时间，而定制公交所吸引的小汽车出行者比例越大越能降低总出行时间，且设置公交专用道是否能降低总出行时间与这两项比例的大小密切相关。

采用“型面滑动导引+多点锁定”的思想设计对接机构的方案，依据捕获域理论和动力学仿真进行对接过程的静态/动态分析，建立缩比试验平台并进行多科目的对接锁定试验，验证了分体式飞行汽车对接的可靠性、稳定性和快速性。通过控制通信系统与机械导引，分体式飞行汽车能够完成水平偏差±100 mm、航向偏差±5°条件下的位姿校正并实现可靠的多点对接锁紧，试验结果表明：该对接系统能够准确、稳定和快速地进行模态切换。

研究了高速铁路列车的到达状态对铁路乘客选择行为的具体影响因素。首先，构建高速列车到达状态与铁路乘客选择行为演化博弈模型。其次，分析博弈双方的演化行为，获得复制动态系统的演化均衡策略。最后，进行仿真验证，结果表明：演化博弈行为最终有两个演化稳定状态，当高速列车晚点时间在30 min以内，高速列车趋于准时到达策略，乘客趋于选择乘车策略；当晚点时间大于30 min，列车趋于准时到达策略，乘客趋于选择退票策略。改变博弈参数的值可以定向调整博弈双方的演化方向，能有效提高高速列车晚点时的铁路乘客乘车比例。

利用试验与仿真结果结合神经网络和遗传算法的方法，对DP980激光焊接接头的力学性能不均匀特性进行了研究，得到了剪切修正Gurson-Tvergaard-Needleman模型优化焊接接头的损伤参数，将优化结果代入有限元模型和试验结果进行对比以验证拟合参数的准确性，并通过孔洞体积分数变化分析杯突试样横向裂纹扩展的原因。通过以上方法获得了准确的焊接接头力学性能，可应对复杂应力状态下的焊接接头断裂损伤的分析预测。

本文基于线性二次型调节器，集成四轮转向和直接横摆力矩控制设计了一种车辆稳定控制器，实现协同控制策略的创新。该控制系统采用分层结构，上层为基于线性二次型调节器的横摆力矩决策层，下层为驱动力分配层。上层控制器采用迭代法实时求解黎卡提方程得到后轮转角与附加横摆力矩，以完成对质心侧偏角、横摆角速度的优化；下层控制器采用平均分配与序列二次规划两种分配方法，对求得的纵向力与附加横摆力矩进行四轮转矩分配。为了验证控制器的有效性，采用前轮转角阶跃、正弦两种工况对其进行仿真及实车试验。结果表明：该控制器能够使车辆质心侧偏角、横摆角速度较好地追踪理想值，车辆稳定性得到了提高；同时，序列二次规划法更好地降低了轮胎负荷率并延长了电机控制器的使用寿命。

针对在小样本下加权最大似然方法（WMLE）估计形状参数存在偏差的问题，本文研究了在小样本情形下（样本量为3～15）加权极大似然估计形状参数（β> 1）的偏差修正方法，提出了关于样本量的两个偏差修正函数，易于使用。通过蒙特卡洛（Monte Carlo）仿真，在不同的威布尔模型、不同小样本量下，验证了本文偏差修正方法估计的形状参数的准确性和有效性。最后通过实例分析，表明本文偏差修正方法具有可行性。

为提高道路交通安全领域中的道路目标检测的精度，本文借鉴图像融合技术中多尺度特征图像融合思想，融合和GPNet中Ghost瓶颈模块，实现了融合质量和较小算法复杂度的平衡，建立了一种红外和可见光融合及目标检测网络。网络分为选择性图像融合模块、轻量化目标检测模块和融合质量及检测精度判别网络3个部分。在白天、夜间和特殊天气（雨、雾等）下，平均车速30～40 km/h的城市工况下进行3组试验作为数据集，实验结果表明：平均梯度最高提升5.648 81、交叉熵提升了0.936 68、边缘强度提升了56.945 7、信息熵提升了0.925 208 781、互信息提升了1.000 548 571、峰值信噪比提升了3.053 893 252、Qab提升了0.342 882 208、Qcb提升了0.208 983 81以及均方误差降低0.08。轻量化目标检测网络输出的AP、mAP和Recall均为最优水平，验证了红外和可见光技术应用在道路障碍物检测方面的优势。

为使两足步行机器人在运行过程中保持稳定的动姿态，以较高的效率完成工作任务，提出了基于运动微分方程的两足步行机器人动姿态稳定控制方法。首先，建立两足步行机器人模型，确定其在世界坐标系和刚体坐标系中的坐标，并用齐次坐标的形式表示。其次，构建两足步行机器人动姿态稳定控制器，引入运动微分方程约束机器人的动姿态，使其在任何约束曲面中都能保持稳定。最后，将本文方法与另外两种算法展开对比实验测试，验证了本文方法具有极高的可行性和合理性。相较于其他算法，本文方法取得了更优秀的自平衡能力、抗干扰能力和动姿态稳定控制能力。