针对夜间车辆检测与昼间车辆检测的不同，提出一种基于Hough圆检测的夜间车辆检测方法。首先利用灰度分割的方式提取车灯，对提取出的车灯进行连通域分析和边缘提取；然后进行Hough圆检测，得到车灯的半径和位置；最后利用车灯成对出现的特点，对车灯进行匹配确定车辆位置。实验结果表明，该算法对于夜间车辆检测检测率高，且虚警低。
针对合成图像篡改取证长期依赖人工经验，容易受到主观因素影响而出现漏判甚至误判的问题，提出了一种基于随机受限参考区域的合成图像篡改区域自动检测方法。首先将图像等分为n*n的子图像块，估计每一个图像子块的光源颜色特征，然后根据篡改区域单连通性的假设构建参考区域，并计算图像子块与参考区域之间的偏色距离，最后，通过自适应阈值对图像中的篡改区域进行分类检测。实验表明，该方法能够自动的检测图像中的伪造篡改区域，为合成图像篡改区域的检测提供了一类科学量化的方法。
引入压缩感知（CS）理论采用压缩重构的方法来解决雷达回波信号的数据巨大的问题。在信号稀疏度未知的情况下，针对传统的SAMP算法步长S固定导致的过估计或迭代时间过长问题，提出一种变步长的稀疏度自适应匹配追踪算法（VsSAMP）。该算法在运算过程中以大步长快速逼近小步长慢速接近的原则，通过设置阈值调整步长变化来提高重构率。通过对雷达高分辨率距离像实测数据的压缩重构实验表明，与现有贪婪算法相比，变步长的自适应匹配追踪算法（VsSAMP）可以用较快的速度和更高的精度实现重构。
针对实际生产中存在的带有恶化效应的多目标双代理单机调度问题，提出了一种基于Pareto最优的多目标变邻域搜索算法。为了提高算法的鲁棒性，与传统的变邻域算法使用固定的邻域顺序不同，在算法中设计了一种邻域类型的自适应选择机制。基于随机测试问题的实验结果表明，该算法的性能要优于当前文献中的一些典型的多目标优化算法。
为了兼顾梯级水电调度的经济和生态效益，提出采用生态发电模型来减少梯级过度开发对环境造成的影响。首先定义分时生态水位区间，将下游生态需水保证率作为衡量生态效益的标准，建立考虑梯级电站耗水最小和下游需水保证率最大的双目标生态发电优化调度模型。然后利用隶属度函数将双目标调度问题转化为单目标优化问题，采用加入微调概率的改进离散量子粒子群算法求解梯级电站机组组合模型。最后以清江梯级为例，验证了所提模型和算法的可行性和有效性。
LCL滤波器能强有力地衰减开关切换引起的谐波，被广泛应用于并网逆变系统中。然而，LCL滤波器存在谐振抑制问题，电容电流反馈等有源阻尼不失为行之有效的方法。但引入电网阻抗的弱电网工况会严重影响LCL型并网逆变器的控制性能。文中提出一种基于并网电流有源阻尼的LCL型并网逆变器自适应控制方法，采用即时触发型阻抗测量方法在线检测电网阻抗，实时修正电流控制器与有源阻尼控制器的控制参数，实现逆变器在弱电网下的自适应控制，使得系统在电网阻抗大范围变化下稳定运行。方案无需增加额外的传感器，降低了设备成本。论文最后通过实验验证了并网逆变器自适应控制策略的有效性。
研究了一类切换奇异系统的相容控制问题。奇异子系统进行切换的瞬间，前一个子系统的末状态可能不满足下一个要激活的子系统的相容初始条件，此时会产生瞬时的状态跳变，这种跳变会降低系统的性能，严重时会摧毁整个系统。引进脉冲控制律，完全消除由切换点处不相容初始条件导致的状态跳变。通过特殊的矩阵分解和等价代换，给出任意切换点处的相容初始条件表达式，并提出一个新算法去求解相应的脉冲控制律。数值例子验证了结论的有效性。
针对中密度纤维板(Medium Density Fiberboard, MDF)连续热压机电液伺服系统，提出一种滑模动态面跟踪控制策略。首先，采用动态面控制(Dynamic Surface Control, DSC) 的方法，有效避免了反步法(Backstepping)设计控制器时引起的系统微分项膨胀问题。其次，考虑到系统存在的内部参数摄动和外负载力扰动，在第3个子系统中引入滑模面，并对切换函数进行了连续化处理。最后，基于Lyapunov稳定性分析方法，给出了系统稳定性的证明。仿真实验表明，提出的策略可以保证MDF获得良好的板厚精度。
针对一类含有非周期性扰动的不确定线性系统，提出一种基于滑模变结构重复控制系统设计方法。首先，建立基于改进型重复控制器、反馈控制器和被控对象的增广系统结构模型，获得其状态空间模型。然后，在此基础上，针对增广控制对象，在保证系统稳定的前提下，设计滑模控制器，利用Lyapunov稳定性原理推导出滑模变结构重复控制系统稳定的线性矩阵不等式条件；最后，通过仿真实验验证方法的有效性。
针对传感器失效下的非线性自主车辆编队控制问题进行研究。首先，建立了考虑传感器失效的非线性自主车队动态模型。其次，在该模型基础上提出一种新颖的切换控制方法，保证自主车队的渐近稳定性和队列稳定性。理论结果表明，该方法可以实现车队以较小的车间距安全行驶。最后，通过数字仿真实验，验证了该算法不但可实现车队的稳定运行，而且使车队的控制性能大大改善。
针对一类带有从传感器到控制器和控制器到执行器的双边随机网络诱导时延和数据丢包的网络控制系统，首先采用增广矩阵的方法建立了参数不确定性的离散时间切换系统模型，然后基于模型依赖的平均驻留时间切换系统的分析方法，给出了系统状态满足指数稳定的条件，接着进一步的建立了系统状态指数衰减率和任意丢包率的定量关系。最后分别对开环稳定和不稳定的控制对象进行了数值仿真，其结果验证了所提方法的有效性。
研究了具有时延的网络控制系统的镇定控制器设计问题。首先，用2个独立的Markov链分别描述传感器至控制器时延及控制器至执行器时延，构造了状态观测器并建立了闭环系统模型。然后，在传感器至控制器时延及控制器至执行器时延的转移概率均部分未知的情况下，得到了镇定控制器存在的充要条件,并给出了控制器及观测器增益矩阵的求解方法。最后，通过实例仿真验证了不稳定被控对象在这所设计的控制器作用下可以实现镇定。
模型预测控制的应用越来越广泛，其在线优化问题的求解算法也越来越多样，不同的算法具有不同的性能，因此评估算法性能并对给定的模型预测控制问题选择合适的在线优化算法极其重要。针对种类繁多的模型预测控制优化算法，归纳出适当的评估标准，实现对各种算法多方面的性能评价；给出一个基本的算法选择方案，阐明如何依据实际问题选择合适的在线优化算法，并通过多个实例进行具体说明；最后对多种实例问题进行仿真计算，并通过数据实现比较。
针对基于状态变量反馈的有源阻尼来抑制LCL滤波器谐振的方法会额外增加系统成本和控制复杂度的问题，在系统前向回路中串联陷波滤波器以阻尼LCL的谐振峰，确保系统稳定。入网电流控制采用比例-谐振调节器，减小系统稳态误差并且提高动态响应速度。系统仿真结果验证了该方法的可行性，仿真结果表明陷波器阻尼同样具有理想的阻尼效果，且与PR控制器结合，提高了并网波形的质量。
结合粗糙集和BP神经网络两种智能控制算法提出了微网短期负荷预测模型。首先将影响微网负荷的气象和日类型等因素利用粗糙集建立历史数据属性决策表，通过属性约简算法对其进行属性约简，找到影响微网负荷的核心因素，然后将该核心因素作为BP神经网络的输入量对微网负荷进行预测。BP网络具有收敛速度慢和易陷入局部最优等缺陷，据此提出一种基于模拟退火遗传算法优化的BP神经网络新模型。实验表明，采用粗糙集和改进BP神经网络的新模型对微网负荷进行预测取得了良好的效果，证明了该方法的有效性。
为提高Lucene针对大数据的检索效率，提出基于MapReduce的增量式全文Lucene引擎并行检索方法。首先，对Lucene索引原理结构进行研究，并基于增量索引改进、提高缓冲区索引容量以及降低磁盘文件索引书写频率，实现索引创建效率提高的效果；其次，针对单进程Lucene索引效率提升有限的情况，基于Hadoop框架下并行MapReduce计算模块，构建并行Lucene全文检索引擎，实现大数据检索的并行化执行；最后，通过构建大数据全文检索仿真环境，显示所提并行检索方式相对单一进程检索方式，可大幅提升检索精度和执行效率。
为了提高光电平台的稳定精度，系统设计分为两部分完成。在实际的内回路中采用干扰观测器对干扰进行估计与补偿。基于非线性控制系统有限时间稳定性理论，提出一种新型快速滑模干扰观测器(Novel Fast Sliding Mode Disturbance Observer, NFSDOB)的设计方法，并证明了其在有限时间内实现快速估计干扰的特性。针对系统的动态部分设计了滑模控制器，在保证了系统稳定精度的同时，进一步补偿了干扰估计的不足，增强了控制系统的鲁棒性。仿真结果证明了该方法的有效性。
随着对零件加工精度的要求不断提高，确定机械主轴准确的瞬态温度场显得尤为重要。对流换热系数作为温度模型的重要参数，对机械主轴温度场的准确性有着至关重要的影响。传统的确定对流换热系数的方法具有计算精度差，不能适应变化的工况等问题。因此，针对上述问题以170CP06-DM机械主轴性能测试系统为例，首先采用有限元法建立机械主轴的瞬态温度场数学模型，其次提出了一种基于蜂群算法确定对流换热系数的方法。实验结果表明，采用所提建模方法与传统的建模方法相比计算精度有所提高，其中，最大误差、平均误差、均方差的计算精度分别提高了84.13 %，83.70 %，85.23 %。
有关磁流变阻尼器的控制系统的控制算法有很多，首先建立了基于磁流变液特性的Bingham动力学模型，然后针对磁流变阻尼器分别设计了Heaviside函数控制器、Sigmoid函数控制器、直接模糊控制器和模糊PI控制器，最后将Bingham模型和以上四种控制器分别在Simulink软件中构建闭环控制系统并进行仿真分析，根据其控制效果，并结合工程实现的可行性，得出了模糊控制是针对磁流变阻尼器的一种理想的控制算法的结论。
