为解决车载毫米波雷达目标检测过程中在相邻多目标情况下会提高检测门限值，从而导致目标遮蔽现象，引发传统恒虚警(constant false alarm rate, CFAR)检测在多目标环境下产生漏检的问题，提出一种等分剔除恒虚警检测算法(equipartition deletion CFAR,ED-CFAR)。通过将目标两侧的参考单元等分取平均值得到子参考单元，对大于所有参考单元平均值的部分进行处理后排序，剔除部分较大子参考单元，计算得到门限值，与目标的信号幅度进行比较判断目标是否存在。仿真结果表明，在多目标检测的仿真场景下，信噪比为10 dB时，ED-CFAR算法的检测概率比单元平均恒虚警(CA-CFAR)算法提高0.39,比筛选平均恒虚警(CMLD-CFAR)算法提高了0.08,有效解决了传统均值类恒虚警检测在相邻多目标条件下的遮蔽问题。

示功图的精准测量在有杆抽油系统故障诊断中非常重要，针对载荷传感器直接测量法维护成本高、稳定性差，电参数间接测量法精度低、应用性不强的问题，提出一种基于条件生成对抗网络(CGAN)的电参数反演示功图混合模型。首先建立将电参数和机构参数转化光杆位移和负载的机理模型，生成粗糙的示功图样本数据；然后利用CGAN在图像转换领域的应用，建立粗糙示功图数据细化器，实现粗糙示功图与实测示功图之间的图像转化，使粗糙示功图与实测示功图更加相似；此外，为了使CGAN能更好地提取示功图轮廓，在生成器中加入自注意力机制进行改进。通过现场实测的电参数和示功图历史数据进行验证，结果表明该方法对比纯机理模型反演示功图的精度有显著提高。

为了明确Ag元素的添加对Al-Cu-Mg系铝合金拉伸性能的影响，针对T6态(固溶+时效处理)的热挤压Al-5Cu-0.8Mg-0.15Zr-0.2Sc(-0.5Ag)合金进行了室温和高温拉伸实验。结果表明，添加0.5%Ag元素可显著提高T6态Al-5Cu-0.8Mg-0.15Zr-0.2Sc合金的室温抗拉强度、屈服强度、峰时效态及该合金在150～300℃范围的抗拉强度和屈服强度，但会降低该合金的室温和高温塑性。断口形貌的扫描电子显微镜观察与分析结果表明，在室温及高温拉伸加载条件下，T6态Al-5Cu-0.8Mg-0.15Zr-0.2Sc(-0.5Ag)合金的拉伸断口上大部分存在韧窝和撕裂棱，表现出明显的韧性断裂特点。

针对移动机器人在楼梯环境中的运动稳定性问题，通过分析双摆臂移动机器人的运动学特性，建立相应的运动学模型。在此基础上，提出一种基于稳定锥模型和梯度搜索法相结合的重心自调整策略，能够根据机器人当前的姿态和环境条件实时优化质心位置，从而增强其在不同构型和复杂地形中的稳定性。Matlab与ROS联合仿真结果表明，在运动过程中重心调整策略能有效地调整质心位置，显著提高了机器人在楼梯环境中的稳定性，降低了倾覆风险。

针对水下环境存在的色偏、细节模糊以及水下目标存在多尺度和遮挡等问题，提出了一种改进YOLOv8s的水下目标检测算法SLG-YOLOv8s。首先，通过Shallow-UWnet网络对水下图像进行增强，提高图像的对比度和清晰度；其次，提出了轻量化多尺度全局注意力(lightweight multi-scale global attention, LMGA)模块，将此模块与YOLOv8s主干部分的C2f融合，通过动态调整权重进行特征重标定，加强特征表达能力，减少计算量；最后，通过聚集和分发(gather-and-distribute, GD)机制采用跨层特征融合的方式增强中间层的信息融合能力，从而提升模型对多尺度目标的检测效率。实验结果表明，SLG-YOLOv8s算法的平均精度均值达到了95.1%,与YOLOv8s算法相比平均精度均值提升了5.1%,精确率和召回率分别提升了4.5%和5.2%,IoU为0.5时海参、海胆、海星、扇贝检测的平均精确率分别提升了4.3%、5.3%、5.6%、5.5%,研究结果可为水下机器人精准捕捞提供重要依据。

采用真空电弧炉熔炼并制备等原子比的HfNbZrTiTa高熵合金。通过XRD、SEM、EDS、电子万能试验机和霍普金森压杆对合金的显微组织、室温准静态压缩性能及室温（298 K）、低温（77 K）下的动态压缩性能进行研究。结果表明：该合金显微组织主要为BCC固溶体结构，晶间存在少量共晶组织；具有良好的塑性，室温下压缩塑性超50%且未发生断裂；HfNbZrTiTa合金在动态压缩试验条件下(应变速率为2 000～4 000 s^-1),材料应变敏感性较低；当温度从298 K降到77 K,流变应力变化不明显。

针对夜间环境光照度低、光照分布不均匀导致车辆检测细节模糊以及车辆漏检和错检等问题，提出一种改进YOLOv8n的夜间目标检测算法。首先，引入图像增强算法Zero-DCE提高图像质量，减小光照度低、光照分布不均匀的影响，同时使用LSKNet作为主干网络，调整动态感受野，改善模型特征提取能力，提高检测精度；其次，采用空间和通道卷积(SSConv)模块融合C2f模块，减少特征之间的空间和通道冗余；最后，提出通用感知大内核卷积网络(SPPF＿UniRepLKNet)替换SPPF模块，使用非膨胀卷积更好地提升感受野，从而有效捕捉模型的特征，提高模型的检测精度。实验结果表明，改进YOLOv8n算法的检测精确率和平均精度均值分别提高了4.7%和4.9%,适用于夜间环境下车辆检测。

车牌定位检测与识别是实现智能交通系统的关键技术之一。为解决传统方法定位不准确、识别率低的问题，提出一种基于改进YOLOv8和轻量级识别网络LPRNet的车牌识别算法。在YOLOv8网络架构中增加卷积块注意力模块(convolutional block attention module, CBAM),通过特征融合提升目标检测的准确率；在LPRNet中加入多头自注意力(multi head self attention, MHSA)机制，增强网络的特征提取能力；在识别网络模型的训练阶段引入对抗训练，增强模型的泛化能力和鲁棒性。在CCPD数据集上的实验结果表明，本文算法对车牌检测的平均精度均值(mAP@0.5)达到98.7%,车牌识别准确率达到97.21%,均优于其他同类主流算法。

在面部表情识别领域，针对不同抑郁水平的面部表情差异小以及模型计算复杂度高导致过度拟合的问题，提出一种由对角注意力机制(DMA)和时空差异模块(SDN)相结合的深度学习架构(DSN)进行抑郁检测，并根据面部表情的变化进行抑郁症等级评估。引入DMA使模型具备精确识别图像之间变化的能力；使用SDN模块捕获平滑与突然的面部表情变化，探索多尺度时间信息。实验结果表明，本文提出的DSN架构在保证模型性能的同时相对于传统架构降低了42%的运算复杂度，提高了模型整体容错水平，具有较好的泛化能力。

为提高食指康复运动的辅助效果，提出一种基于肌电信号控制的双自由度外骨骼机器人。研究中引入表面肌电信号(surface electromyography, sEMG)控制方法，构建了双自由度耦合且通过形状记忆合金(shape memory alloys, SMA)丝驱动的机械结构，设计了手指位移放大机构。通过运动角度范围实验、压力实验及肌电信号强度分析实验验证外骨骼机器人的性能，结果显示，外骨骼机器人左右摆动角度最大范围为-19.8°～18.9°,掌骨关节屈曲角度最大范围为9.5°～28.9°,近指关节最大屈曲角度为38.2°,在外骨骼机器人辅助下，手部受力最大为3.8 N,处于安全阈值以内。本文提出的外骨骼机器人具备良好的安全性和动作执行性能，能够有效改善手部运动障碍。

针对基于ZigBee网络的节点接收信号强度指示(received signal strength indication, RSSI)在复杂环境测量会产生偏差的问题，提出一种基于混合滤波的无线网络测距算法。该方法在运用卡尔曼滤波的基础上融合了基于中值自适应加权高斯滤波的混合滤波，首先用卡尔曼滤波算法去除波动性较大的RSSI值，再利用中位值抗差性原理和自适应函数降低RSSI数据的波动。仿真实验结果表明，混合滤波无线网络测距算法能够较大程度减小异常值带来的波动，有效提高RSSI采样精度。

针对轴承故障诊断中特征提取对人工依赖性强、特征提取不准确、对振动信号中的时间信息不敏感的问题，提出一种基于长短时记忆网络(LSTM)和卷积神经网络(CNN)结合的双路径递归神经网络方法，该方法对振动等原始信号进行处理，捕获时间序列数据中的远距离依赖关系，并引入注意力机制，抑制输入信号的高频噪声，使模型关注关键信息，提高模型训练效率。在凯斯西储大学轴承故障数据集上的实验结果表明，该方法能有效提升轴承故障识别率，具有良好的故障分类能力。

针对钢材表面缺陷检测算法精度低、计算量大等问题，提出一种基于YOLOv8n的检测算法HPDE-YOLO(high-level path aggregation dynamic efficient network-YOLO)。首先，引入高效多尺度注意力(efficient multi-scale attention, EMA)机制，与主干部分的C2f融合，增强特征提取能力，并采用C2f-Faster结构提高模型计算速度；其次，提出一种高级筛选双向特征融合金字塔与路径聚合网络(high-level screening-feature bidirectional fusion pyramid and path aggregation network, HS-FPAN),在多个尺度上同时增强语义特征，有效提升模型对细节的捕捉能力；最后，融合动态上采样模块DySample,进一步提升模型检测速度。在NEU-DET数据集上的实验结果表明，相较YOLOv8n模型，HPDE-YOLO模型检测的平均精度均值mAP@0.5达到84.2%,提升了5.7个百分点，裂纹类缺陷检测的平均精度均值mAP提升了26.88个百分点，参数量减少了45%,浮点运算量减少了32%。HPDE-YOLO模型在满足轻量化的同时能够有效提升钢材表面缺陷检测的精度，且易于移动端部署，满足工业生产需求。

在指针式仪表示值监控系统中，倾斜拍摄仪表图像时会导致识别结果出现偏差，为此提出一种基于仪表特征间几何约束的识别方法。首先利用一幅平铺于仪表上表面的平面标定板图像实现相机参数标定，生成仪表在标定平面上的虚拟图像；然后利用表壳上表面、刻度平面、指针平面与虚拟像平面间的平行关系，确定表壳圆的圆心、仪表刻度圆心、指针转轴中心特征间的透视投影约束关系，利用图像的极坐标变换和离散傅里叶变换提取仪表刻度圆心的最优位置及起始刻度线的角度，利用Hough变换的投票原理估计指针的转动角度；最后利用角度法实现仪表读数的解算。以某型号指针式温度计为测试对象进行实验验证，识别结果的平均误差为0.23℃,最大误差为0.7℃,本文方法能够准确识别仪表读数且识别精度优于人工读数。

深度子域适应网络在进行特征提取时易导致部分重要信息丢失，且在对齐局部特征的同时会忽略源域和目标域的整体对齐，从而影响其分类准确率，为此提出基于改进深度子域适应网络的图像分类方法。引入卷积神经网络正则化方法提升模型在不同跨域任务中的泛化能力；在特征提取网络中加入高效通道注意力机制，对局部跨信道交互信息进行捕捉，提取输入图像中的关键信息；改进损失函数，增加全域适应损失约束，提升模型的全局特征对齐效果。在域适应基准数据集Office-31上的实验表明，相较于原算法，本文改进算法在一定程度上提升了分类准确率，在跨域图像分类任务中表现更好。

为解决传统目标检测算法在红外场景下的目标识别精度低、检测速度差等问题，提出基于AS-YOLOv7的红外目标检测方法。首先针对红外图像的特性，对YOLOv7模型中的特征提取网络进行重构并构建卷积块CBH,保证模型的稳定性和计算速度；然后改进金字塔池化(SPPCSPC)模块，使模型在不增加任何参数的同时提高模型性能；最后将原模型中的损失函数替换为具有动态非单调的WIoU损失，解决红外数据集中质量较好和质量较差的样本间的不平衡问题，提高模型的泛化性。本文实验在自行采集的数据集上进行训练和验证，与原模型相比，AS-YOLOv7的平均精度提升了0.2%,参数量降低了79%,计算量降低了85%,推理时间降低了32 ms。改进后的模型在保持准确度的情况下提高了模型的推理速度。

构建合适的镍基单晶合金蠕变寿命预测模型，对于我国航空发动机叶片设计、强度分析和寿命预测具有重要意义。采用多项式回归、最近邻回归、支持向量机回归、决策树回归四种机器学习算法，建立镍基单晶高温合金蠕变寿命与合金成分、微观组织和蠕变工艺参数的关系模型，为镍基单晶高温合金的蠕变性能调控提供了新方法。基于蠕变寿命预测模型，系统地比较了四种算法和特征选择对模型性能的影响。结果表明，支持向量机回归模型的预测结果最优，相关性较高的四个特征依次为γ′固溶温度、Ta、W、Re。研究结果可为获得更有效的镍基单晶高温合金蠕变性能预测方法提供参考。

针对抽油机井电参数的特征提取及故障分级评价的准确性问题，提出使用相对位置矩阵对抽油机井电参时序数据进行图像编码增强抽油机井电参数特征并生成抽油机井故障数据集的方法，改进EfficientNet模型对抽油机井故障进行更加精确的分级评价。该方法对抽油机井电参数进一步处理并凸显其关键特征，利用图像编码和深度学习技术提高抽油机井故障分级方法的准确性和效率。通过对典型故障的分级实验以及与多种模型性能的对比实验表明，该方法在抽油机井故障分级评价中具有较高的准确性。

滚动轴承复合故障信号具有非线性和不确定性的特点，且信号中含有噪声，直接提取故障特征存在困难，为此提出一种基于改进辛几何模态分解(ISGMD)和复合多尺度注意熵(CMAE)的滚动轴承复合故障特征提取方法(ISGMD-CMAE)。针对辛几何模态分解(SGMD)方法中分解信号分量过多，导致信号特征过于分散，无法进行有效提取的问题，采用聚类算法对信号分量进行处理，依据相关系数和峭度构成的综合评价指标筛选分量重构信号，以突出故障特征；针对多尺度注意熵(MAE)方法在提取时序信号过程中会造成信息损失的问题，采用熵值稳定性较好的CMAE方法准确全面地提取故障信号。实验结果表明，本文提出的ISGMD-CMAE方法能够精准地对滚动轴承复合故障特征进行提取，为滚动轴承故障诊断提供了一种新思路。

为提高分布式电驱动汽车的操纵稳定性，依据车辆动力学特点，设计基于直接横摆力矩控制的分层控制系统。提出一种自适应非奇异快速终端滑模(adaptive nonsingular fast terminal sliding mode, ANFTSM)控制器作为上层控制器，计算车辆所需的附加横摆力矩；采用二次规划优化算法设计最优力矩分配控制器作为下层控制器，将附加横摆力矩以最优的方式分配给4个车轮的轮毂电机，并根据车辆转向状态确定轮毂电机输出的转矩；引入自适应机制调整滑模面的参数，使系统能够在不确定性和扰动的影响下保持稳定。仿真实验结果表明，本文提出的控制系统可降低整车的横摆角速度和质心侧偏角波动，在车辆操纵稳定性方面具有可行性和有效性。

由于监控场景覆盖面积大、侵限异物相对尺寸小、背景干扰较多等，现有铁路侵限监控系统检测精度较低，且达不到实时检测要求，为此提出一种基于改进YOLOv8的铁路异物检测算法。首先，引用FasterNet中部分卷积的设计思想，在颈部网络采用FasterC2f模块替代原C2f模块，以降低模型参数量和运算量，同时提升模型的特征融合能力；其次，对快速空间金字塔池化(SPPF)模块进行改进，引入大型可分离核注意力(LSKA)机制，提出一种SPPF＿LSKA模块结构，以在特征提取时减少复杂背景的干扰，加强对小目标的检测能力；最后，采用WIoU损失函数替代原CIoU损失函数，以降低低质量、小目标样本带来的不良梯度影响。实验结果表明：与原YOLOv8模型相比，改进YOLOv8模型检测的平均精度均值(mAP@0.5)达到92.9%,提升了2.09%,模型权重降低了3.28%,浮点运算量降低了6.17%,在检测精度和效率之间达到了较好的平衡，能够满足实际检测需求。

为解决医疗看护环境下桌面生活物品检测效果不佳、定位误差较大的问题，提出一种基于YOLOv5的改进模型。首先，在主干网络末端使用坐标注意力(coordinate attention, CA)机制，使算法能够捕获跨通道、跨方向和位置的信息，提高算法的识别精度；然后，引入GhostConv卷积减少模型参数量，使模型更加轻量化，提高检测速度；最后，使用SIoU替换原算法的定位损失函数，使定位损失计算考虑到真实框与预测框的方向差异，有助于提升模型的稳定性。在COCO数据集部分物品种类上进行多次对比实验，结果表明，与原算法相比较，改进算法的精确率和召回率分别提高了4.1%和1.3%,在交并比为0%～50%和50%～90%时的均值平均精度分别提高了2.7%和3.9%,参数量减少了16.9%,每秒传输帧数提高了0.47帧，平均定位误差在X轴方向上减小了0.29 mm、在Y轴方向上减小了0.14 mm。

云南省鲁巧高速巧家隧道设计瓦斯段落长，瓦斯灾害严重。为确保施工安全，对有毒有害气体进行实时、全覆盖检测监控，采取智能监控系统、人工检测、重点作业重点跟踪检测的综合检测监控安全防控技术手段，结合建立的瓦斯预警管理机制和措施，通过现场实践，比计划工期提前2个月，且瓦斯浓度总体稳定在0.00%～0.16%安全管控范围内，取得了良好的安全和经济效益，对类似隧道具有借鉴意义。

针对现有点云目标检测算法对室外自动驾驶场景中遮挡物体检测精度低的问题，提出一种基于知识蒸馏和注意力增强的点云目标检测算法。以CIA-SSD模型为基础，设计了一种基于教师-学生模型的密集特征生成模块，提出基于交并比匹配策略的密集数据生成方法，将稀疏特征转换为密集特征。密集特征生成模块位于学生模型中，学生模型在教师模型生成的软目标监督训练下，推断出完整的密集目标特征，实现目标特征的补全；在教师模型中设计空间注意力和通道注意力机制，增强密集目标点云，提升特征图的质量。在KITTI数据集上的验证实验结果表明：与SE-SSD模型和CIA-SSD模型相比，本文提出的算法保持了单阶段目标检测速度的优势，同时明显提升了检测精度。

为实现多无人机之间队形的动态保持，针对从机对主机轨迹的实时追踪和主从机之间航向角的准确同步问题，设计一种以无人机之间距离和角度为变量的领航-跟随算法，在此基础上设计一种误差比例控制器以实现编队队形动态保持；在解决无人机内部避碰的问题上，建立一种球类避碰算法，避免无人机之间因碰撞而影响队形。通过Matlab仿真平台验证无人机集群编队算法，实验结果表明：改进的领航-跟随算法能够稳定地操控多架无人机，实现编队飞行；改进的无人机避碰算法能够有效维持编队的队形，并确保编队成员之间有足够的安全间距；算法的改进不仅提高了无人机编队控制的稳定性，而且能够应对更加复杂的环境条件。

小样本目标检测的元学习方法能快速适应少量训练样本，较好解决现有常规检测模型泛化能力不强、适应新任务速度缓慢、鲁棒性差的问题，具有较高的实际应用价值，但该方法对支持集特征利用能力不足、检测精度不高。为此，基于支持集特征增强，针对元学习SOTA算法Meta Faster R-CNN进行改进，从支持集背景抑制与目标特征增强两个角度出发，削弱与待查询目标无关的背景信息并加强支持集内部特征之间的联系，构建一种检测性能更高的小样本目标检测算法。实验结果表明：在PASCAL VOC Novel Set数据集上的元测试阶段，本文改进算法在1-shot、2-shot、3-shot、5-shot、10-shot下的平均精度均值(mAP@0.5)较原算法分别提升了0.066%、12.038%、12.289%、10.073%、9.539%;在元微调后的测试阶段，本文改进算法的mAP@0.5较原算法有所提升或基本持平；增强支持集特征能够有效提升小样本目标检测精度。

碲化铋（Bi₂Te₃）基复合材料是目前热电性能最好的近室温热电材料，然而n型Bi₂（Se, Te）₃块材的热电优值（zT值）滞后于p型（Bi, Sb）₂Te₃材料，进一步提升n型Bi₂Te₃基复合材料的zT值对热电器件的发展和应用至关重要。本研究以氯化钾（KCl）为造孔剂，采用高压法制备出Bi₂（Te, Se）₃-KCl致密块体，经超声水洗除去造孔剂KCl颗粒后形成纳米或亚微米孔洞结构。实验结果表明，多孔样品的电输运性能略有下降，但热导率显著降低，热电性能得到有效提升。本研究工作对开发高性能多孔热电材料具有一定参考价值。

针对红外图像纹理弱及多目标遮挡导致跟踪精度低的问题，构建了基于改进YOLOv7模型和多目标跟踪算法DeepSort的融合红外目标跟踪模型MSB-YOLOv7-DeepSort。采用SE(squeeze and excitation)通道注意力机制和双向特征金字塔网络提高红外目标的特征提取质量；利用轻量化网络MobileNetV3替换YOLOv7骨干网络，提升融合模型的推理速度。实验结果表明，MSB-YOLOv7-DeepSort模型在跟踪准确度、跟踪精确度、正确目标跟踪比例和帧率等方面均具有较好的性能。

当应力波在含结构面岩质边坡中传播时，会在坡面和结构面之间产生多重反射波，使坡面振动响应变得十分复杂。本文基于UDEC离散元数值方法对P波入射含顺层结构面岩质边坡引起的振动展开研究，通过对不同工况下坡面处质点振动放大系数的变化分析顺层结构面刚度、结构面分布角及结构面间距等对边坡动力响应的影响。结果表明：坡面振动速度放大系数随结构面刚度的增大逐渐增大，随入射波频率增大逐渐减小；坡面振动放大系数随结构面分布角变化呈V形变化；当结构面成组出现时，结构面的个数与间距共同影响坡面振动效应。此外，结合结构面附近塑性应力分布区的特征，分析应力波引起含结构面顺层岩质边坡滑动的发生机理。

针对现有交流电磁场检测(ACFM)技术对10 mm以上涂层的金属工件裂纹缺陷检测灵敏度低的问题，提出一种优化磁路的ACFM方法。通过有限元仿真软件建立厚涂层下ACFM仿真模型，分析不同检测频率和磁轭跨度在10 mm提离高度下缺陷信号的变化规律，选取最优探头参数组合以改变磁路。搭建检测系统进行实验验证，结果表明：采用仿真得到的探头参数组合，检测系统可实现对10 mm厚涂层下工件表面缺陷的有效检出；当涂层厚度大于4 mm时，选用30 mm跨度磁轭比选用10 mm跨度磁轭显示出更高的检测灵敏度，表明研究结果对10 mm以上厚涂层ACFM检测的开展具有参考价值。

随着互联网技术的发展，对加密流量进行高效分类成为网络管理的重要手段，但现有的分类技术对加密流量的特征提取不充分，且仅关注单一的局部特征或全局特征而忽略了两者之间的有效融合，导致分类准确率较低。针对上述问题，提出了一种融合局部-全局特征的加密流量分类模型(local-global fusion model for encrypted traffic classification, LGF-ETC)。为解决特征提取不充分的问题，设计了特征增强模块(feature enhancement module, FEM),用于增强加密流量特征，以便在后续模型中对特征进行充分捕获；针对局部与全局特征的融合问题，从Swin Transformer网络中提取核心模块用于捕获全局特征，并设计了多尺度局部感知模块(multi-scale local perception module, MSLPM),将其嵌入Swin Transformer核心模块中，以捕获多尺度局部特征，进一步将两特征进行充分融合。实验结果表明，本文LGF-ETC模型的分类准确率达到98.87%,显著改善了现有模型在特征提取和特征融合方面的不足。

针对RRT^*算法在路径规划中面临搜索效率不高、易于陷入局部最优等问题，提出一种结合强化学习的Q-RRT^*算法。该算法将Q-Learning算法和RRT^*算法相融合，首先引入转角偏向策略增强路径搜索时的导向作用、减少无效节点的生成，提升算法的搜索效率；其次通过动R搜索算法动态地调整搜索半径，进一步优化路径的质量和冗余节点的产生；最后对生成的路径使用三次B样条插值法和冗余节点删除法进一步优化路径质量。在二维和三维环境下的仿真实验结果表明，改进后的Q-RRT^*算法和RRT、RRT^*和RL-RRT算法相比，路径规划时长平均快39.7%,迭代次数平均减低27.9%,路径长度平均缩短16.3%。

抽油井长期运行可能使有杆泵抽油系统出现异常工况，这种异常的产生与设备的持续退化有关，但其具体原因仍难以通过数据驱动的深度学习方法来分析和解释。为了能够及时准确地检测到异常工况并推断故障级别和故障类型，提出一种基于可解释性无监督Shapelet学习(unsupervised Shapelet learning, USL)算法的抽油井电功率异常检测方法。首先利用提取到的先验知识改进USL;然后将改进的USL与单分类器结合，构成基于可解释性USL的异常检测算法(AD-IUSL),AD-IUSL可同时学习Shapelet特征和异常阈值。利用具有不同异常工况的抽油井电功率数据进行验证，结果表明，本文提出算法的F1分数达到了0.969,根据学习到的Shapelet特征合理解释了两种异常发生的潜在原因。

应用超宽带(ultra wide band, UWB)技术实现精确定位需提前测定UWB基站的准确位置，传统的人工基站位置测量方法耗时费力，使得UWB定位技术难以在室外环境下进行多基站的大规模部署。为解决上述问题，提出一种UWB基站的自定位方法，通过提前约定安装时主基站与从基站高度差的方法，自动估算各个基站的位置信息并建立空间坐标系。实验表明应用该方法测得的被测物体坐标在x和y轴方向的平均误差均小于10 cm,与传统方法基本一致，z轴方向的平均误差小于30 cm,与传统方法相比虽然有所增大，却有效降低了UWB基站在大范围室外环境下的布设难度，同时也便于后期系统的更新维护。

为提升钛合金的抗氧化性能，延长其在高温环境下的服役寿命，采用电弧离子镀技术在钛合金表面制备CrN/Cr涂层，研究钛合金及CrN/Cr涂层在600、800、900℃下的高温氧化行为。实验结果表明：钛合金经高温氧化后在其表面生成了TiO₂和Al₂O₃混合氧化物膜，随温度升高，Al元素沿合金晶界和氧化物颗粒间隙向外扩散能力增强，钛合金表面氧化物含量增多，混合氧化物膜厚度增大；CrN/Cr涂层经高温氧化后，其中的CrN与O₂反应生成了Cr₂O₃氧化膜，对钛合金基体起到保护作用，反应温度越高，氧化越充分，形成的氧化物颗粒更均匀，氧化膜更致密，涂层的抗氧化性能更好。

针对三辊行星旋轧工作环境密闭、铜管形变及缺陷无法实时感知等局限性，提出了基于数字孪生技术的TP2铜管轧制状态全景感知系统构架，将三辊行星旋轧轧机、柔性水冷系统和超声检测设备等映射到虚拟环境中。通过对铜管三辊行星旋轧工艺数据的实时采集与分析，准确地反映设备的运行状态，在线监控轧后管坯的壁厚变化与裂纹数量，并对异常信息进行报警，实现了对三辊行星旋轧工序实际生产情况的完整复现与智能监控。研究结果可为高精密铜管材智能制造提供指导。

采用流场模拟软件对动态吸附装置内部流场进行数值模拟，以流场不均匀度和压降为评价指标，探讨了动态吸附装置的结构参数对其流场不均匀度和压降的影响。结果表明：加装多孔板分布器可以在一定程度上改善进入吸附剂床层流体的流动均匀性；采用中心不开孔分布器结构可以很好地避开高速流体的正面冲击，将中心区域的高速流体阻断并向两侧分散，更好地改善流场均匀性；随着入口直径的增大，流场不均匀度逐渐减小，但会造成较大的设备损耗；随着高径比的增大，流场不均匀度逐渐增大，进出口压降变大，减小装置的高径比对均匀流场有着积极作用，并且造成的流体流动损耗较低；增大流体的入口流速可以在一定范围内改善流场均匀性，但会增大流体流动损耗。

为提高Fe_3O_4在类芬顿反应体系中对污染物的去除效果，基于类芬顿催化氧化技术，制备了Fe_3O_4/Cu_2O复合材料作为非均相类芬顿催化剂，与H_2O_2共同构成以亚甲基蓝模拟废水为目标物的类芬顿催化氧化体系。对比分析不同实验条件下Fe_3O_4/Cu_2O复合材料的类芬顿活性，并通过X射线衍射仪、扫描电子显微镜等对材料进行表征。实验结果表明：当Fe_3O_4与CuCl_2·2H_2O的复合配比(质量比)为2∶1时制备Fe_3O_4/Cu_2O,且其投加量为40 mg、H_2O_2用量为0.5 mL时，对浓度为6 mg/L的废水溶液中亚甲基蓝的去除率达到84.27%,类芬顿活性较好；类芬顿反应中起主要活性作用的是·OH。

针对边坡落石监测中存在的目标尺寸小、石块与背景特征差距小、落石目标运动速度快等问题，提出一种基于检测的改进Bot-SORT多目标跟踪算法。在检测部分对YOLOv7模型进行改进，引入注意力机制，提升模型对石块特征的提取能力，并使用归一化高斯Wasserstein距离作为真值框与预测框的距离度量方式，降低模型对小目标的漏检率；在跟踪部分引入GIoU距离匹配方式，有效跟踪快速运动的落石。通过实景拍摄及Unity仿真方式建立训练及测试数据集，消融实验和对比实验结果表明，本文改进算法能够有效提高落石的检测率和跟踪精度。

在计算机视觉领域，无锚框的检测算法能够较好地检测并定位任意几何形状的物体，有利于检测细长物体。从更好保留细长物体信息、防止信息的混淆以及更好表达非局部信息之间关联的角度出发，提出改进YOLOv8的细长物体检测方法。在YOLOv8的骨干和头部网络中加入有助于处理细长物体的SPD-Conv构建块，SPD-Conv充分利用空间分割与非跨步卷积处理技术，有效减少细长物体特征的丢失；改进YOLOv8骨干网络中的卷积运算，解决参数共享的问题，对图像不同位置和不同通道的特征赋予不同的重要性和含义；为更好标定细长目标，使用非局部non＿local注意力机制理解图像中的长距离依赖关系和相关性。实验结果表明：与YOLOv8原型相比，改进算法平均精度提升了11.35%,推理速度略有降低，为每秒20帧，基本达到了实时性要求。