在航空航天等要求高可靠性的系统中，通常采用并联形式来提高系统的可靠性。当并联系统中某个元件失效后，由于负载重新分配，导致剩余正常元件的工作环境劣化。针对这一问题，建立基于载荷共享的并联可修复系统可靠性评估模型既适用于元件故障率相同又适用于元件故障率不同的并联可修复系统。当载荷共享因子取值为1时，该模型可退化为传统马尔可夫模型。算例结果表明，文中方法和传统方法求得的系统瞬态可用度变化趋势相同；相比传统方法的评估结果，当考虑载荷共享时系统的稳态可用度减小幅度不大，而平均故障间隔时间（mean time between failure，MTBF）将大幅减小。因此，利用传统马尔可夫模型给出的MTBF来衡量系统可靠性以及确定维修间隔需慎重。
为了高效低成本地制备高质量石墨烯，在微波炉中加热可膨胀石墨（graphite intercalation on compounds，GIC）制备膨胀石墨，然后将聚醚胺（D2000）接枝在石墨烯（GnPs）表面，制得功能化石墨烯（D2000-g-GnPs）并分析其表征。随后用超声分散和磁力搅拌制备了环氧树脂（epoxy resin，EP）/石墨烯复合材料黏合剂。研究改性前后石墨烯对增强环氧树脂机械性能和拉伸断裂面表面形貌的影响。实验表明，环氧树脂的拉伸强度、杨氏模量、断裂韧性以及断裂能量释放率都随着石墨烯含量的增加先增加后减少，在改性石墨烯质量分数达到0.3%时复合材料的机械性能达到最大值。拉伸强度达到76.269 MPa，比未改性前的石墨烯/环氧树脂复合材料提高了24.95%；杨氏模量达到1.315 GPa，提高了10.97%；断裂韧性达到1.79 MPa·m0.5，提高了16.23%。此外，添加D2000-g-GnPs使环氧树脂黏合剂的导电性大幅提高，得到较低的渗流阈值为1.0%。
C/SiC四棱锥点阵结构复合材料具有轻质、高强承力及隔热等特点，可以应用于高超声速飞行器的热防护系统中，但在高温环境中其力学性能明显下降。为提高C/SiC四棱锥点阵结构复合材料在高温环境下的力学性能，在C/SiC四棱锥点阵结构复合材料基体中引入高熔点的ZrC材料，采用先驱体浸渍裂解法（precusor infiltration pyrolysis，PIP）制备了C/SiC-ZrC四棱锥点阵结构复合材料，分别在室温、1 200 ℃和1 600 ℃进行高温处理；冷却后室温条件下对C/SiC-ZrC四棱锥点阵结构复合材料进行压缩力学性能的测试，获得材料对应的弹性模量和压缩强度；采用扫描电子显微镜（scanning electral microscope，SEM）和X射线衍射仪（X-ray diffractometer，XRD）观察了高温处理后C/SiC-ZrC四棱锥点阵结构复合材料的表面特征；研究热处理前后材料的物相和组分的变化；分析高温处理后C/SiC-ZrC四棱锥点阵结构复合材料力学性能提高的原因，同时与C/SiC四棱锥点阵结构复合材料力学性能进行比较。结果表明，高温热处理后C/SiC-ZrC四棱锥点阵结构复合材料的力学性能有显著提高。
惯性/卫星/视觉组合导航在城市复杂环境下可以获得较高精度的连续定位信息，因此应用越来越广泛。但外界环境变化引起的传感器误差会导致组合导航精度下降，甚至造成组合导航结果发散。针对低成本惯性/卫星/视觉组合导航过程中因环境因素产生的传感器误差问题，提出基于改进图优化算法的惯性/卫星/视觉组合导航算法。在传统图优化算法的基础上，在代价函数中引入鲁棒核函数对环境引起的传感器误差进行过滤，并且在惯性测量单元（inertial measurement unit，IMU）预积分中加入地球自转加速度补偿来提高预积分精度，进而提高组合导航精度。最后基于kaist城市行驶数据集设计了对比实验，验证结果表明，提出的改进图优化方法可以有效过滤因外界环境因素产生的传感器误差，相比于传统的图优化方法导航精度提升了7%。
针对滚动轴承性能退化初期趋势不明显和早期故障难以检测的问题，提出了一种基于新筛选指标的变分模态分解（variational modal decomposition，VMD）信号预处理与支持向量数据描述（support vector data description，SVDD）相结合的性能退化评估方法。首先对原始信号进行变分模态分解；其次在模态分量（intrinsic mode function，IMF）选择问题上提出了一个新的筛选指标P，该指标的计算公式由包络谱峭度和Wasserstein距离共同组成，选择P值大于阈值M的模态分量进行信号重构；最后提取重构信号的均方根值、波形因子、峰峰值3种特征构建表征轴承性能退化的特征向量，并以健康样本的退化特征向量作为输入建立SVDD性能退化评估模型，用全寿命样本特征向量进行验证。实验结果表明，此方法对早期故障更敏感，能够准确检测到早期故障。
针对目前传统人工导线压接存在压接时间长、压接精度低等问题，设计一种新型自动输电导线压接系统。该系统以STM32单片机为主控制器，可实现导线的自动移动、自动压接、自动测量功能。为解决自动压接系统存在的非线性、参数时变性且易受外界环境干扰等问题，设计一种基于LabVIEW的模糊PID智能压接控制系统。实验结果表明，设计的导线自动压接智能控制系统具有超调量小、响应速度快、控制精度高的特点，极大提高了生产效率和操作安全性，可为输电导线自动压接系统的实际工程应用提供技术支持。
针对电厂生产作业现场光照条件受限、背景复杂这一现状，为了保障捞渣机的安全高效运行，提出了一种改进YOLOv5s的捞渣机异常状态检测方法。该方法主要是在YOLOv5s网络的基础上，引入ShuffleNet替换原有的主干网络，通过减少网络参数来实现网络的轻量化；同时在ShuffleNet中加入改进的卷积注意力模块，通过串联空间和通道注意力机制，对捞渣机刮板目标特征给予更多的关注；引入加权双向特征金字塔BiFPN和边框回归损失SIoU函数获取特征信息更为有效的特征图提升目标检测精度。研究结果表明，改进后的模型参数量显著减少，模型体积减小了15.2%，平均精确率均值mAP提升了2.2%，检测时间下降了58.0%。在确保检测准确率的同时，实现了对捞渣机异常状态的实时准确检测。
研究基于分数阶BP神经网络滚动轴承故障诊断的问题。通过对滚动轴承5种状态类型特征信号的提取，以更全面的方式反映滚动轴承的工作特性。特征信号经过归一化处理后作为神经网络的输入，滚动轴承的故障类型作为神经网络的输出。运用分数阶BP神经网络对滚动轴承进行状态监测和故障诊断，判断其属于哪种故障类型。相较于整数阶BP神经网络，分数阶BP神经网络精度更高，且能更快地达到误差要求。仿真实验结果表明，分数阶BP神经网络能准确获取滚动轴承的运行状态。
深度卷积神经网络（deep convolutional neural networks，DCNN）模型因其高效的学习表征能力，被广泛应用于包括肺病等各类型疾病的辅助诊断。现有DCNN模型大都具有自监督性，对数据集的数量和质量要求较高。然而，医疗数据的隐私性和数据标注的成本极大限制了模型的性能和效力。对此，提出一种基于对比学习的阶段式自监督诊断模型。该模型对随机数据增强后的未标记肺部CT图像进行特征提取，且不需要过多对标注COVID-19数据集进行训练，有效解决了因标注数据集少而产生有监督模型训练困难的问题。同时，设计了4个消融实验来验证模型的性能。实验结果表明，提出的模型在新冠肺炎CT图像自监督诊断任务中有良好的表现。
在航空发动机起动系统异常状态的识别研究中，起动系统的参数具有数据间相关性强、数据维度高、数据冗余信息多等特点。为降低数据维度，提高异常状态识别的准确率，将改进ReliefF算法与概率神经网络（probabilistic neural network，PNN）结合，提出改进ReliefF-PNN的航空发动机起动系统异常状态识别方法，更加有效地降低了参数的维度，并提升了异常状态识别模型的性能。利用该模型针对起动系统进行识别验证和分析。结果表明，利用改进后的ReliefF-PNN算法得到的参数子集进行异常状态识别的准确率优于改进前的结果，模型性能得到了进一步改善。
为完善飞行签派员胜任力的评价体系，提高飞行签派员队伍的整体素质，采用G1法与客观权重赋权法（crierial importance though intercrieria correlation，CRITIC）组合赋权的评价模型，并结合签派工作特性构建一个涵盖4个一级评估指标和21个二级评估指标的体系。根据评价指标特点不同，使用主客观结合的赋权方法确定各指标权重，最终形成飞行签派员能力评估模型公式。结合航空公司运行实际，划分飞行签派员胜任力评价标准，提出航空公司飞行签派员评估与管理培训工作的建议。为有针对性地改进飞行签派员胜任力提供理论参考依据，有助于提高航空公司运行管理水平和安全保障能力，研究成果在与飞行运行相关人员的胜任力评价模型构建方面具有借鉴意义。
在创新驱动发展和科技自立自强的背景下，探究科技人才集聚动因、打造人才创新高地是国家和区域发展的关键问题。人才生态环境是影响科技人才集聚的关键因素。基于人才生态环境理论，以辽宁省14个城市为例，采用定性比较分析法，探究人才生态环境对科技人才集聚影响路径。研究结果发现，有3条路径能够产生高科技人才集聚，即公共服务主导下的经济科技驱动型路径、公共服务主导下的经济文化驱动型路径和公共服务和文化教育主导下的经济科技驱动型路径；有5条产生非高科技人才集聚的影响路径。从组态视角出发，研究人才生态环境因素影响科技人才集聚的多重交互路径，对推动我国人才高地建设和人才强国战略具有重要的理论意义和实践价值。
