应用增广Lagrange方法求解了一类二阶锥约束变分不等式问题。首先，将二阶锥约束变分不等式问题转化为等价的优化问题，从而得到其不同的等价形式；其次，应用投影算子的性质，将二阶锥约束变分不等式问题转化为方程组问题，并针对方程组问题提出了增广Lagrange方法；再次，讨论了算法的全局收敛性，同时对算法的一个特殊情况进行了深入分析，并引入一类非精确牛顿法求解算法中蕴含的子问题；最后，给出3个算例的数值实验结果，验证了算法的可行性。

无线传感器网络（wireless sensor network，WSN）由多个微传感器节点组成，定位技术是无线传感器网络技术的重要应用之一。目前，许多定位算法在视距（line of sight，LOS）环境下定位精度较高，但在非视距（non line of sight，NLOS）环境下的定位精度较差。为了解决这一问题，提出一种改进的基于到达时间的最大熵模糊概率数据关联算法。采用分组的思想将N个测量值分为L组，每组通过交互式多模型（interactive multi model，IMM）算法获得相应的移动节点位置估计、模型概率和协方差矩阵。然后将得到的L个位置估计，通过验证门进行非视距检测，丢弃被非视距误差污染的位置估计，利用相应的关联概率对正确的位置估计进行加权得到最终的位置估计。仿真和实验结果表明，与现有方法相比，该算法可以减轻非视距误差的影响，实现更高的定位精度。

机组排班计划是航空公司运营管理计划的重要组成部分，因其NP-hard特性常面临组合爆炸而难以求解。针对这一问题，提出一种基于航班环的优化模型。在第一阶段考虑执勤时空衔接约束与执勤始发终到约束，构建了航班间的航班环模型；在第二阶段设计了结合改进的深度优先搜索算法（depth-first search，DFS）以及贪心算法完成对模型的求解。此外，提出了列生成算法下受限主问题模型（restricted master problem model，RMP），并运用该模型完成实验验证算例的求解。

针对禁忌搜索算法（tabu search algorithm，TS）对初始解依赖性较强的问题，提出一种改进的禁忌搜索算法求解TSP问题。在分析TSP问题特点后，分别采用随机生成初始解算法、改良圈算法、CW节约算法和贪婪算法生成初始解并比较4种算法的计算效果，从中选出最优解作为TS算法的初始解。在禁忌搜索过程中比较Insert邻域、Swap邻域和2-opt邻域的改进效果，选择最优的邻域变换模式得到改进解。在仿真实验中，设置合适的参数，通过与相关文献实验结果的对比，验证了该算法的有效性。

多路径传输控制协议（multipath TCP，MPTCP）利用设备的多个网络接口传输数据，通过聚合带宽来提高传输效率。在进行路径选择时MPTCP通常使用不相交路径选择算法，由于优先选择负载小的路径，这种贪心策略容易造成网络拥塞和带宽利用率不足。轮盘赌轮选择通过概率的方式，在路径选择时加入随机性和动态性，能够克服该贪心策略造成的问题。为此，设计了一种基于轮盘赌轮选择的MPTCP路径选择算法，称作基于轮盘赌轮的MPTCP路径选择（roulette wheel based MPTCP path selection，RWSMPS）。RWSMPS通过软件定义网络（software defined network，SDN）控制器监控和分析网络状态信息，基于轮盘赌轮方式进行子流路径选择，用分组检查将子流分配到路径上，充分利用所有可用路径，并保证路径间的负载平衡。在Mininet平台上的实验证明，相比于广泛使用的等价多路径路由（equal cost multi path，ECMP）算法和链路不相交算法，RWSMPS的吞吐量分别提高了43.9%和41.8%，抖动分别减少了41.6%和40.7%。

为提高不同型号发动机滑油中断试验的成功率，基于GJB 241A-2010标准， 根据大、中型运输机与战斗机不同的工作特点，对比研究了不同涵道比发动机实现模拟瞬时滑油流量中断的试验方案。因使用条件、适航要求、判定标准的不同，导致大小涵道比不同的发动机调试方案和考核方案存在一定的差异。依据滑油中断试验中未恢复供油和发动机喘振等典型故障下各系统所呈现的工作模式，结合特定试车场景下可能存在的风险制定相应的应对措施，为不同型号发动机开展滑油流量中断考核试验提供借鉴。

近似函数依赖挖掘方法通过放宽函数依赖成立条件，允许一定比例的违反，保证原本成立的函数依赖在噪声数据中仍然可以被挖掘出来。然而，现有的发现算法在放宽函数依赖成立条件之后，容易挖掘出大量左部属性数量较多的虚假函数依赖，导致挖掘结果的准确率显著降低。为了解决这一问题，提出基于马尔科夫毯的近似函数依赖挖掘算法，利用马尔科夫毯剪枝左部属性搜索空间，缩小决定项的候选集合，并通过向下泛化算法减少了误差的计算次数，同时降低了复杂度。在保证不丢失真实函数依赖的前提下，避免了近似函数依赖过拟合，从而提高了挖掘结果的准确率。实验结果表明，该方法在真实数据集和合成数据集上的准确率优于现有的近似函数依赖挖掘方法。

运用具有正黏性阻尼系数和时间尺度系数的二阶微分方程系统来求解随机变分不等式问题（stochastic variational inequality problem，SVIP）。首先，应用互补函数和样本均值近似（sample average approximation， SAA）方法对原始问题进行等价转换，即将随机变分不等式问题转化为一个方程组，在此基础上建立具有正黏性阻尼系数 \gamma \left(t\right)和时间尺度系数 \beta \left(t\right)的二阶微分方程系统；其次，研究了该二阶微分方程系统轨迹的收敛性和收敛速率；最后，给出两个数值实验说明该二阶微分方程系统求解随机变分不等式问题的有效性。

针对车辆载体使用惯性导航系统（inertial navigation system，INS）时定位误差随时间而累积以及北斗卫星导航系统（BeiDou navigation satellite system，BDS）信号易受干扰影响定位精度和可靠性的问题，通过分析惯导定位、空间杆臂和时间不同步的误差，建立BDS/INS组合定位状态方程，研究基于无迹卡尔曼滤波（unscented kalman filter，UKF）的BDS/INS组合导航信息融合算法，并对算法进行验证。结果表明，UKF组合导航算法的定位性能优于扩展卡尔曼滤波（extended kalman filter，EKF）算法，其纬度与经度参数的均方根误差比EKF算法减小75.3%与83.8%，提升了BDS/INS组合定位精度。

为了解决从齿轮一维振动信号提取故障特征不全面的问题，提出一种基于一维卷积神经网络（one-dimensional convolutional neural network，1D-CNN）的齿轮3D振动信号故障诊断新方法。首先，提取原始三维振动信号各维的时域特征；其次，利用一维卷积神经网络（1D-CNN）模型进行特征选择；最后，将选择后的特征进行重组，重组特征作为1D-CNN故障诊断模型的输入实现故障分类操作。结果表明，利用提出的故障诊断方法，诊断准确率显著提高。模型的结构简单，训练速度快，能够快速实现故障诊断。

为提高航空发动机试车台的先进性，在试车台常规台架设备的基础上，提出可应用于航空发动机室内试车台的先进燃油稳压控制系统、试车间内流场控制措施、超静定状态多组件矢量力测量系统。燃油稳压系统采用变频调节的供油二次泵和回油电动阀门匹配发动机入口流量需求，应用稳压系统能够使瞬态油压变化量减小至常规供油系统的50%；通过设计多孔孔板和封堵部分引射筒流通孔的方法改善试车间内流场品质；开展多组件测力系统设计、矢量台架安全监控，为航空发动机矢量力解耦和高精度测量提供重要的基础支撑。

为研究双约束二阶锥变分不等式问题的最优性条件，通过对原始问题进行等价转换后，借助所得出的广义鞍点问题，建立极小极大问题模型，将其等价为变分不等式组问题，得到该变分不等式组对应的karush-kuhn-tucker （简记为KKT）条件。进一步应用Lagrange对偶理论推导出所研究的双约束二阶锥变分不等式问题的一阶必要性条件。基于约束集合的切锥、二阶切集公式及对偶理论，可以推导出双约束二阶锥变分不等式问题的二阶充分性条件。双约束二阶锥变分不等式问题的最优性条件分析对该问题解的存在性及收敛性研究给出了理论支持。

基于1998-2013年中国工业企业和中国专利匹配数据，利用多时点双重差分法，探究合资与中国通用设备制造业企业创新的内在关系。结果表明：合资虽从总体上提升了企业的创新水平，但同时使企业产生了对国外技术的依赖，自主创新水平下降。通过异质性分析，发现相较于内资控股企业，外商控股合资企业对外源技术的依赖性更强；相较于民营企业，国有企业产生的合资依赖性更强。研究结论对全面认识中外合资行为，提高企业自主创新水平具有启示意义。

研究了二阶锥约束变分不等式的最优性条件。首先，将二阶锥约束变分不等式转化为特殊的极小化问题，得到了二阶锥约束变分不等式问题的等价形式；其次，根据等价形式得到了二阶锥约束变分不等式问题的一阶必要性条件；最后，证明了满足Robinson约束规范的二阶充分性条件。该最优性条件的分析为二阶锥约束变分不等式的算法设计提供了理论支撑。

为了研究进气畸变对某燃烧室出口温度场性能的影响，根据压气机部件试验出口压力分布设计了畸变板，将其加装到燃烧室前开展部件试验，并使用火焰面生成流形模型（flamelet generated manifolds，FGM）进行均匀流进气、畸变进气的燃烧仿真，分析畸变引起变化的原因。结果表明：燃烧室进气畸变会带来扩压器后的三股流分配变化，使得火焰筒头部进气量减少和掺混孔后燃气掺混效果下降，最终导致燃烧室出口温度分布系数（overal temperature distribition factor，OTDF）和径向温度分布系数（radial temperature distribition factor，RTDF）变差。

针对核动力蒸汽发生器系统存在未知通信故障、多变工况等复杂因素，提出蒸汽发生器水位模型预测/数据驱动切换控制方法。首先，进行深度强化学习（deep deterministic policy gradient，DDPG）数据驱动控制器设计，包括状态参数选取、动作参数设计、奖励函数设计、isdone条件设计与网络设计等。在蒸汽发生器控制系统没有发生通信故障时，DDPG控制器正常运行。在此基础上，设计模型预测（model predictive control，MPC）补偿控制器来抵御通信故障，在发生通信故障时，系统切换到MPC控制器来补偿丢失的数据。仿真结果表明：在典型外部输入下，蒸汽发生器水位MPC/DDPG切换控制器均能获得良好的控制性能，并且针对未知故障表现出了较好的稳定性和安全性。

针对工程实际中齿轮振动信号受噪声污染严重导致其异常状态难以准确识别的问题，提出了一种基于变分模态提取（variational mode extraction，VME）和多尺度一维卷积（multiscale one⁃dimensional convolution，M1DCNN）融合长短时记忆神经网络（long short⁃term memory，LSTM）的齿轮异常状态智能识别新方法。首先，采用VME方法分别对采集到的齿轮处于正常状态、轮齿碎裂、齿轮断齿、齿根裂纹以及齿轮磨损等5种状态的原始振动信号进行预处理，去除原始振动信号中的噪声干扰，提取齿轮不同状态的主模态分量作为齿轮状态的特征信息；其次，由提取的齿轮状态主模态分量构建训练数据集与测试数据集；最后，设计了M1DCNN-LSTM异常状态识别模型，并采用所构建的数据集对设计的异常状态识别模型进行了测试试验验证。结果表明，所提出的方法可以很好地实现齿轮异常状态智能识别效能，异常状态识别准确率达99.25%，明显高于其他相关齿轮异常状态识别方法。

针对高空台空气起动系统存在非线性、强耦合性、大延迟、不确定性等问题，提出了一种基于Smith估计的高空台空气起动系统无模型自适应迭代学习控制算法。首先，利用Smith估计器，估计和补偿系统延迟误差；其次，基于系统输入和输出数据，获得高空台空气起动系统的动态线性化数据模型；最后，提出高空台空气起动系统的无模型自适应迭代学习控制方法，通过不断更新每轮的控制器，实现系统的快速精准调节。仿真结果表明，随着迭代次数的增加，所提出方法能减小系统跟踪误差，修正系统输出跟踪轨迹。同时，相较于单纯的无模型自适应迭代学习控制算法，加入Smith估计器补偿延迟后，系统动态性能可得到显著改善，验证了所提算法的可行性和有效性。

为了确保滑油的润滑效果，对滑油进行高效冷却使其处于适宜的温度范围，提升燃滑油换热器的传热性能，满足航空发动机对其性能的更高要求。基于椭圆管良好的换热及流动特性和小管径椭圆异形管技术，设计开发一种椭圆管壳管式燃滑油换热器，并搭建实验平台，对其传热与流阻特性开展全面的实验研究，并同常规的圆管壳管式换热器进行比较分析。实验获得了椭圆管壳管式换热器传热量以及流阻随流量的变化规律。实验结果表明，在实验工况范围内，相比常规的圆管壳管式换热器，椭圆管壳管式换热器传热量最高可提升15.6%；同时，壳管式换热器壳侧流动阻力明显降低，最大降幅达23.2%，而管侧流动阻力变化很小。以基准圆管换热器为标准，椭圆管壳管式换热器的PEC指数在管外侧流量大于20 L/min时稳定在1.2～1.4区间内，证明该换热器达到提高综合换热性能的目的，在航空发动机高效燃滑油换热领域具有广阔应用前景。

强对抗空战环境下获取的态势信息常伴有错误、缺失等缺陷数据。由于模型和参数相对固定且缺少有针对性的信息修正环节，现有的目标威胁评估方法极易导致相关时刻威胁评估结果失真。提出了一种基于证据修正及模型动态调整机制的证据网络（Evidence correction and model dynamic adjustment evidential network，ECMDA-EN）的空战目标威胁评估方法。首先，基于证据信息的突变型、连续型和确定型类型划分，结合预判的信息缺陷程度设计4种证据修正方式。在此基础上，针对连续型证据信息，通过汇总不同作战意图下的空战对抗轨迹构造样本数据，提出基于LSTM神经网络轨迹预测模型的缺陷数据修正方法。最后，针对证据节点删除的情况设计了网络节点权重以及模型的动态调整方案。仿真实例表明：在连续推理的过程中，ECMDA-EN方法依靠证据修正方式的合理切换，具备对缺陷信息的有效处理以及对模型的自适应调整能力，解决了传统威胁评估方法过于依赖信息可靠性的问题，能够持续给出合理的威胁评估结果。

提出了一种基于双指针的线性搜索算法，用于高效统计差值对的数量。该算法通过使用两个指针，一个从开始处向结束处移动，另一个从结束处向开始处移动，逐步缩小搜索范围并统计满足条件的差值对数量。算法具有较低的时间复杂度和空间复杂度，适用于处理大规模数据集。通过一系列实验验证算法的有效性，并对实验结果进行了详细的分析。实验结果表明，该算法在不同规模的数据集上都表现出良好的性能。此外，讨论了算法在不同领域的应用前景，并展望了未来可能的研究方向，为数据分析统计问题的解决提供了一个新的思路和方法。

针对人为选定参数造成神经网络故障诊断性能不稳定问题与麻雀搜索算法（sparrow search algorithm，SSA）种群初始化时由于随机性造成寻优范围缩小和算法容易陷入局部最优等问题，采用反向学习（opposition􀆼based learning，OBL）对SSA算法中麻雀种群初始化过程进行优化，扩大搜索范围，并结合随机游走策略（random walk，RW）对寻优过程中的最优麻雀施加扰动，提高算法的局部搜索能力，降低算法陷入局部最优的风险。在此基础上，采用基于反向学习和随机游走策略的麻雀搜索算法（sparrow search algorithm based on opposition-based learning and random walk，BRWSSA）优化门控循环单元（gate recurrent unit，GRU）的隐含层节点个数，设计了一种基于BRWSSA-GRU的发动机滑油系统故障诊断模型。为了验证所设计的故障诊断模型的有效性，还设计了GRU和SSA-GRU两种故障诊断模型。最后，采用相同的滑油系统数据集对GRU、SSA-GRU和BRWSSA-GRU3种不同的故障诊断模型的有效性进行了对比试验验证。结果表明，提出的BRWSSA-GRU故障诊断模型的诊断准确率明显优于GRU和SSA-GRU方法，BRWSSA-GRU故障诊断模型的有效性得到验证。

通用航空驾驶舱显示界面是飞行员获取飞机信息的主要载体，飞行员心理负荷的大小是驾驶舱显示界面优化设计的有效依据。被试者飞行员在六自由度动感模拟飞行平台上执行五边飞行任务，针对飞行员心理负荷的变化展开研究。采用眼动测量法和主观评价法对被试者心理负荷进行评估，记录被试者的眼动数据，在飞行作业结束后填写NASA-TLX量表。采用单因素方差分析法对实验结果进行分析，结果表明，五边飞行任务下飞行员心理负荷存在显著性差异。综合主观评价与眼动数据，得到不同飞行阶段对飞行员心理负荷的影响，进而得到飞行员执行五边飞行任务注意力分配的规律。通过优化设计平视显示来降低飞行员的心理负荷，得到通用航空平视显示后续优化设计方向。

利用带扰动项的二阶微分方程方法求解变分不等式问题，并讨论其解的收敛性和收敛速度。首先，通过对原始变分不等式问题所对应的Karush⁃Kuhn⁃Tucker（KKT）条件进行等价转换后，借助光滑化的互补函数，等价转化成求解光滑方程组 S \left(\epsilon ,x,\mu ,\lambda \right) = \mathrm{0}，进一步等价于求解一个无约束优化问题；其次，建立带扰动项的二阶微分方程系统来求解最终的无约束优化问题，并在一定的约束条件下，得到了该二阶微分方程系统的解稳定性及收敛速度，即得到了所求的变分不等式问题的收敛性和解的收敛速度；最后，给出数值实验说明所提出的微分方程方法求解变分不等式的有效性。

针对梁类零件可制造性审查过程中存在加工特征获取困难且自动化程度低等问题，对梁类零件的可制造性几何特征识别方法进行研究，进一步提高生产效率并降低成本。首先，对梁类零件制造几何特征进行分类，研究了布尔交集运算及面属性计算的识别方法，对制造几何特征进行识别；其次，介绍了梁类零件凹槽特征识别过程，提出了一种基于布尔交集运算的核心面关联算法，实现了凹槽精准识别。提出了偏移差距法来计算凹槽的最大深度，实现凹槽深径比的准确计算；最后，在CATIA中建立了面向梁类零件可制造性几何特征自动识别的原型系统，建立了可制造性几何特征检查模块，并通过实例测试，验证了所提出方法的可行性和高效性。

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。

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%。

针对气冷涡轮叶片建立了耦合分析数值模拟计算平台，采用气热耦合的方法，对径向气冷MARK Ⅱ 型叶片进行三维气热耦合数值模拟。分析了该内冷涡轮叶片的多场耦合特性，并将计算结果与试验值进行对比。对比结果表明：湍流模型的选择影响叶片表面的温度分布，但对叶片表面压力分布影响较小；在选择的6种湍流模型中，SST k - \omega湍流模型对该流场状态模拟的效果较好，叶片表面温度和压力与试验结果最接近，满足工程上的计算要求。考虑涡轮进口总温径向不均匀时，会在叶片尾缘形成局部高温区，增加了叶身的温度梯度，可适当改进冷却方式，以提高叶片强度。

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。

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。

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。

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。

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。

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。

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。

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·m^0.5，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%。

在使用无人机进行机动车道行人与非机动车检测过程中，发现目标检测精度低、效果差的问题。为解决这些问题，提出一种针对无人机的行人与非机动车检测算法YOLOv5s-P2S。首先，基于原有的PAFPN特征融合方案，将YOLOv5s模型的Neck部分进行扩展，并增加专门针对小目标的检测层；然后，在预测部分添加小目标检测头，对小目标检测层输出特征图进行预测；最后，将YOLOv5s的定位损失函数改进为SIOU，提高检测精度和锚框的回归效率。实验结果表明，与YOLOv5s模型相比，YOLOv5s-P2S的平均精度均值mAP₅₀提高了0.05，参数量仅增加0.2M。YOLOv5s-P2S能够满足无人机视角的行人与非机动车目标检测的准确性和实时性要求。

针对无人机小目标检测中漏检率高、检测成功率低等问题，提出一种基于YOLOv5的小目标检测算法。首先，分别在backbone结构和neck结构中，融合swin transformer模块，在减少计算成本的基础上，提高目标检测的准确率，以适应无人机航拍小目标检测；其次，引入卷积注意力模块（convolutional block attention module，CBAM），以增强网络对小目标特征的关注度；最后，将原始损失函数CIoU替换为SIoU损失函数，强调高质量样本权重加速收敛，提高回归精度。实验结果表明，经过模型优化，在Visdrone2019数据集上的检测精度为35.3%，与YOLOv5相比，提升了5.2%；相较于其他经典及先进算法，SWCBSI-YOLO算法表现良好，满足针对无人机航拍小目标的检测要求。