针对现有能量法无法准确描述齿轮存在齿面剥落的时变啮合刚度，造成齿轮传动系统故障的动力学建模方法不完善的问题，提出改进能量法。考虑不同类型的齿面剥落，建立一种考虑齿面剥落的时变啮合刚度公式。将所建立的齿面剥落时变啮合刚度公式引入六自由度传动系统，建立一个能够模拟齿面剥落的齿轮传动系统动力学模型。采用Newmark-β法进行求解，将数值模拟结果与试验数据进行对比分析，验证了所建立模型的准确性。基于该模型分析了不同齿面剥落关键参数对时变刚度的影响和对应的刚度变化规律及动力学响应的频率特性规律。研究结果表明，考虑齿面剥落的齿轮传动系统特征频率左右两侧会出现间距10Hz的次生频率峰值。
针对航空发动机主轴承故障信号传输路径复杂、不稳定和故障特征提取困难的特点，提出了一种基于时域特征参数、频域特征参数和本征模态函数（intrinsic mode function，IMF）能量矩特征参数融合降维的故障识别方法。首先，分别选取60组轴承滚动体故障、内圈故障、外圈故障和正常轴承数据，提取时域特征、频域特征及能量矩特征。由于3种参数组成的融合向量维度过大、数据量庞大和信息冗余，利用主成分分析方法（principal component analysis，PCA）对3种数据进行融合降维，根据主成分累积贡献率提取有效的主成分分量。最后，将降维后的特征向量输入支持向量机（support vector machine，SVM）中进行模式识别，诊断不同类型的轴承故障。结果表明，相对于使用单一特征参数等模型的故障识别正确率，该方法能够在复杂的信号中提取出有效的故障特征向量，之后运用故障特征向量准确地对故障类型进行识别分类，故障识别率达到98.75%。
为解决小尺寸单人旋翼飞行器的飞行稳定性问题，针对整机尺寸小、载重大的特点，提出增稳结构方案，建立动力学模型并进行了模态仿真分析。首先，确定了飞行器的重心位置，确保设计满足飞行稳定性要求。其次，针对摇摆、振动等稳定性问题，提出了增稳结构方案。最后，通过不同阻尼器阻尼值的驾驶舱动力学仿真，确定了阻尼器方案，并完成了模态仿真分析。研究结果表明，研究的目标飞行器在保持小尺寸的同时，通过合理的结构设计和飞行控制策略，能够实现稳定飞行，满足实际应用需求。
为了改善选区激光熔化TC4合金的表面质量，采用超声辅助磁力研磨技术进行光整加工。模拟了不同磁极尺寸和研磨区域下磁通密度的大小和分布情况。对空化泡在复合场下受力进行分析，研究磁场对空化效应的影响机理。分析了施加超声振动前后试样表面形貌的变化规律，研究了振幅、研磨转速和研磨时间对表面粗糙度的影响规律。结果表明，随着磁极直径和高度的增加，磁感应强度增加，磁通密度的分布逐渐由不均匀向均匀变化。在80 mm的固定位置研磨效果较好，平均磁场力为17.12 mN，表面粗糙度为0.673 μm。施加超声振动后，原始表面凸起和缺陷被完全去除，表面有细长的划痕，表面粗糙度降至0.243 μm。与磁力研磨工艺相比，表面粗糙度降低了60%。磁场对空化效应的抑制作用降低了空化泡溃灭时释放的能量，从而减小了空化效应对表面造成的损伤。
在蜂窝车联网（cellular vehicle-to-everything，C-V2X）这一通信技术框架下，车辆基本安全消息（basic safety message，BSM）的准确性对于确保道路交通安全是至关重要的。然而，BSM数据易受到传感器故障或环境干扰等非恶意因素的影响，导致数据异常并可能误导驾驶决策。针对此问题，提出了一种两阶段训练方法以校正BSM中的异常数据。第一阶段，通过无监督混合生成式模型学习正常BSM数据的行为模式与分布特征，并引入内存模块在特征空间中构建细粒度的原型存储库，增强模型对正常行为模式多样性的理解。第二阶段，基于第一阶段获得的网络参数，采用自监督学习策略进行数据校正。结果表明，该方法表现出了良好的校正能力，并显著减少了BSM数据的误差。
作为一种比单一导航系统精度更高、稳健性更好的导航方案，全球导航卫星系统/惯性导航系统（global navigation satellite system/inertial navigation system，GNSS/INS）组合导航，在各种运动载体中得到广泛应用。针对环境遮挡或电磁干扰导致卫星导航信号中断从而降低组合定位精度的问题，提出一种基于全连接神经网络（fully connected neural network，FCNN）的GNSS/INS组合导航定位方法，该方法由训练模块和预测模块构成。在GNSS信号正常的情况下，该方法利用INS解算的位置和速度信息与组合导航输出的位置和速度信息对FCNN模型进行训练；当GNSS信号中断或失效时，利用前期训练的FCNN模型预测输出导航解。采用实测数据对所提方法进行了验证，结果表明，提出的基于FCNN的GNSS/INS组合导航方法可有效地抑制单一惯导定位误差发散的情况，提高GNSS信号中断时GNSS/INS组合定位结果的精度和可用性。
以一种六自由度桌面式上肢康复机器人（desktop upper limb rehabilitation robot，DULRR）为研究对象，观察到传统的位置控制无法满足患者康复训练的需求，可能导致其在康复过程中二次受伤。针对这一问题，提出一种基于位置闭环的自适应柔顺性控制方法。首先，根据DULRR的运动学模型，构建基于模糊比例-积分-微分（proportional-integral-derivative，PID）的位置控制器。然后，利用阻抗模型将力信号转换为速度和位置信号的特点，提出了基于压力传感器的自适应柔顺性控制器，与所提出的模糊PID控制器相结合，形成了完整的DULRR被动康复训练控制方法。最后，通过仿真分析和样机实验的方式，验证了基于位置闭环的自适应柔顺性控制方法的优越性。实验结果表明：相较于传统的PID控制器，在DULRR系统下模糊PID响应时间更短、稳态误差更小，体现出了较好的轨迹跟踪能力。同时，该控制器表现出良好的柔顺性效果，满足了患者早期被动康复训练的需求，并避免了康复过程中的二次伤害。
在双碳目标的背景下，制造企业的数字化转型对于促进绿色化转型，进而实现经济效益和环境效益的平衡具有十分重要的意义。以2011—2021年沪深A股上市制造企业作为研究对象，实证检验制造企业数字化转型对环境、社会和治理（environmental，social and governance，ESG）责任表现的影响。研究发现，数字化转型正向促进制造企业ESG责任表现，且经过稳健性和内生性检验后结论依然成立。机制检验表明，数字化转型可以通过缓解制造企业的融资约束，进而促进其ESG责任表现的提升。调节效应表明，数字普惠金融能够加大数字化转型对制造企业ESG责任表现提升的影响力度。异质性分析表明，在创新资源投入高以及处于低碳试点城市的制造企业，数字化转型对企业ESG责任表现的促进作用更加显著。研究结论从政府和企业两个层面对提升ESG责任表现提供了对策建议。
电力行业碳排放仍然是当前我国碳减排任务的重点。分析了我国30个省份生产侧、消费侧电力碳排放情况，阐明了省际碳排放空间转移和部门转移的规模和路径。主要采用多区域投入产出（multi-regional input-output，MRIO）模型进行相关研究。结果表明，碳转移是导致地区生产侧、消费侧碳排放差异的主要原因，整体呈现出碳排放由经济发达省份转移到电力供应过剩的欠发达省份的态势。从部门级来看，大部分电力转移是由建筑业和服务业的电力需求引起的，其碳排放占比达到57.89%。有效地识别了各省电力碳排放时空特点和转移特征，为制定省域尺度的电力行业碳减排方案提供科学依据和理论基础，该研究将服务于“双碳”目标的建设和完成。
研究了同时具有可拒绝工件和共同窗口的单机排序问题，其中共同窗口的起始和结束时间都是决策变量。若工件在共同窗口期内加工完成，将不会产生额外费用，反之，则会产生提前或延误费用。对于被拒绝的工件，会有相应的拒绝费用。目标是确定哪些工件被接受或拒绝、接受加工的工作集合中的加工次序以及共同窗口的起始和结束时间，从而使得排序费用和拒绝费用的加权和最小，其中权重是位置权重。经过理论分析和算法设计，证明该问题存在时间复杂性更低的最优求解算法。
