射波刀依赖胸部标记点提取体表特征，但存在信息提取不全及易丢失关键数据的问题。此外，呼吸引发的多结构耦合运动使不同胸腹区域的运动特征差异明显，从低相关区域提取特征易降低模型精度。为此，提出基于显著性分析的体表特征提取方法。首先，构建显著性评价函数，以区域三重属性量化显著性，并采用核主成分分析(kernel principal component analysis, KPCA)将3个属性值降维至单一显著性值，筛选与肿瘤运动高相关区域；随后，利用Octomap体素化处理目标区域，并借助局部线性嵌入(locally linear embedding, LLE)降维提取低维特征向量，以构建高精度体表-肿瘤运动关联模型。实验结果表明，相较于传统的标记点方法，该方法显著降低了关联误差，提升了模型的鲁棒性与预测精度。

谣言传播模型的研究对制定辟谣策略、维护社会稳定具有重要意义。以大学生在高校社交网络平台上的谣言传播为研究对象，提出了包含6种状态的无知-信谣-传谣-辟谣(ignorant-gullible 2-debunker 2, IG2D2)谣言模型，根据平均场理论构建谣言的传播动力学模型。在此基础上，进一步考虑实际环境中个体差异、从众效应、信任度等因素对谣言传播的影响，建立了新型非一致动态谣言传播模型，并对所提出的模型进行了仿真实验研究。结果表明，网络的节点度对谣言传播峰值的影响随着从众效应的增加而减小，谣言信息本身的转发度对其传播过程至关重要。

在非线性状态估计领域，针对未知有界噪声环境，提出了一种融合多胞体卡尔曼预测与超平行体观测约束的双滤波算法。该方法首先通过中心差分方法对模型进行一阶展开，采用凸差规划技术构建线性化误差的外定界空间，将状态可行集和线性化误差统一表示为多胞体形式，进而利用多胞体卡尔曼框架递推求解下一时刻的预测状态可行集。在量测更新阶段，通过将当前时刻的观测约束带分解为多个超平行体的交集，并依次与预测状态可行集进行交集运算，最终得到更新后的状态可行集。该算法通过优化集合交集运算策略，有效抑制了传统方法在交集计算中出现的维度爆炸问题，降低了估计结果的保守程度。仿真实验证明了该算法的可行性和有效性。

为了提高工业产品表面缺陷的检测精度，提出了一种基于改进YOLOv5的表面缺陷检测方法。首先，结合MixUp、Mosaic和传统方法进行数据增强，修改YOLOv5残差单元，降低模型的浮点计算量；其次，将压缩激励(squeeze-and-excitation, SE)注意力机制插入特征提取层末端和颈部首端，去除特征图中无用的背景干扰，提高对特征的提取效率；最后，在颈部末端，插入上下文变化(contextual transformer, CoT)模块，提高平均检测精度。使用改进的形状交并比非极大值抑制(shape-intersection over union non-maximum suppression, SIoU-NMS)，剔除重复目标框。实验结果表明，在新材料地板缺陷数据集和瓶装白酒缺陷数据集上，所提算法的平均检测精度为81.2%和79.7%，较YOLOv5基线网络模型，分别提高了3.8%和4.6%，且优于其他典型的目标检测算法。这展现了该算法对工业产品表面缺陷进行识别和分类的精确性，可以更好地完成工业产品的质检过程。

针对传统人工操控塔式起重机在运输货物时易导致路径拐点多、负载摆动大的问题，提出一种改进的人工鱼群塔式起重机智能路径规划的新算法。根据塔式起重机的工作环境，建立三维的地图环境模型来模拟障碍物较多的复杂建筑环境，并结合起重机在建筑场所的运行特点，对传统人工鱼群算法(artificial fish swarm algorithm, AFSA)进行改进，采用自适应策略让鱼群在寻优过程中的状态不断变化，及时调整自身的移动步长和视野，并基于生存竞争机制对人工鱼的随机行为进行改进，在一定程度上改善了算法的寻优能力，利用三次方样条数据插值拟合曲线得到更适合塔式起重机的光滑避障路径。仿真结果表明，改进后的算法为塔式起重机在障碍物较多的复杂建筑环境下找到一条最优避障路径。

针对受外部环境干扰和输入受限影响的欠驱动水面船舶的轨迹跟踪控制问题，设计了一种带有扰动观测器的复合控制方法。首先，设计了一种快速有限时间干扰观测器(finite time disturbance observer, FTDO)，并通过Lyapunov稳定性分析证明其有效性。与普通的FTDO相比，新观测器即使初始误差远离原点，也能使估计误差快速收敛到零。然后，基于快速FTDO，利用反步法设计了一种新的轨迹跟踪复合控制器，实现了水面船舶控制系统轨迹跟踪误差在有限时间内趋于零点半径任意小的邻域内。最后，通过仿真将所设计的控制器与现有控制器进行比较，验证了所提方法的有效性。

目前，电厂磨煤机出口温度的设定没有考虑混煤煤质参数变化的特性和制粉过程不确定的影响。为了进一步提升能源的合理利用率，提出混煤条件下磨煤机出口温度设定值的前馈反馈建模与控制研究。首先，针对磨煤机出口温度设定系统没有考虑混煤煤质参数变化的特性问题，提出通过对混煤的挥发分和水分的在线参数监测、模糊规则挖掘和决策，形成磨煤机出口温度设定值的前馈补偿模型；然后，针对制粉过程中环境、煤种变化或设备老化等不确定因素导致传统PI控制精度降低的问题，依据专家域知识建立设定值偏置与输出温度误差的反馈模糊补偿模型，通过进一步动态改变设定值来达到提高稳态控制精度的目的；同时，在此过程中引入事件触发机制和离散补偿，以减少冷风门挡板的摆动；最后，通过实验对所提方法进行验证，结果表明，所提出的前馈反馈建模与控制能在保证安全生产的前提下，有效提升混煤制粉过程的能源利用率。

针对永磁同步电机(permanent magnet synchronous motor, PMSM)无传感器控制中转子速度和位置的估计精度不高、系统抖振等问题，提出一种基于预滤波-双锁相环(prefilter-dual phase locked loop, P-DPLL)的新型自适应滑模观测器(adaptive sliding mode observer, ASMO)方法。首先，选择具有非线性性质的连续sigmod函数作为切换函数；然后，构造Lyapunov函数，并得到一个详尽的稳定性条件；在此基础上，结合自适应算法和滑模电流观测器对反电动势误差进行估计；最后，设计P-DPLL用于提取PMSM正、负2个方向上加减速工况下准确转子位置的信息。实验结果表明：基于P-DPLL的ASMO方法能够有效地提高PMSM无传感器控制中转子的速度和位置的估计精度，减少系统抖振。在电机受到扰动后，平均恢复时间减少0.02 s，平均位置误差减少6.7%。

工业信息物理系统中存在大量的高维数据，且各类数据之间的数量差异巨大，致使攻击检测系统难以实现对稀有样本的精确检测。为此，在深度强化学习的基础上设计多智能体对抗训练机制，以动态增加稀有样本的训练次数，并结合优先训练机制实现难检测样本的优先学习，从而加强模型对于稀有样本的检测能力。为检验模型的性能，使用以Modbus作为通信协议的真实数据集进行测试。实验结果表明，与传统的攻击检测方法相比，设计的攻击检测模型能显著改善稀有样本的检测能力。

针对倾转四旋翼无人机处于不同倾转角的固定翼模式以及直升机模式下的位姿跟踪控制，提出一种基于循环神经网络(recurrent neural network, RNN)的自适应滑模控制策略。首先，将四旋翼动力学模型分为全驱动和欠驱动2个子系统。鉴于无人机存在模型参数的不确定性和外部扰动，通过循环神经网络对等效控制器进行估算，以解决使用滑模控制方法得到的等效控制器不能直接应用于无人机的问题。然后，为保证控制系统的稳定性，并削弱控制器的抖振，设计了新的切换控制器。根据Lyapunov理论，2个子系统均能到达滑模面。最后，通过对比仿真验证了所提方法的有效性。

针对考虑曲线路况下的网联车辆队列控制问题进行研究。首先，结合曲线道路因素分析了车辆动力学特性；然后，考虑车间通信存在的数据丢包以及车辆执行机构存在的延时影响，构建了具有延时、切换形式的车辆队列跟踪控制系统；其次，结合切换系统理论与李雅普诺夫稳定性理论，得到了能够保证此车辆队列跟踪控制系统稳定的控制器存在条件，并以此设计反馈控制器,并分析队列稳定性;最后，利用仿真实验验证了所提算法的有效性。

在基于形式概念分析的协同过滤算法中，概念格的构建通常需要大量计算资源，限制了其在大规模数据集上的应用。为此，伪强概念的引入可显著降低资源消耗。同时，通过对“近邻”集合进行划分，以及对影响因子和相似度进行融合，能够进一步提升推荐效果。提出了一种基于用户伪强概念的协同过滤推荐算法。该算法首先利用用户伪强概念的外延集合对“近邻”用户组进行划分，并针对不同类型的用户定义相应的相似度计算方法。随后，通过融合均方差影响因子和相似度来计算预测评分。在MovieLens-100K数据集上的实验结果表明，与传统基于用户的协同过滤算法相比，所提算法在召回率和1F值等评价指标上均有显著提升，验证了其有效性和实用性。

由于控制系统中的元件在使用过程中会逐步劣化，进而导致整个系统在长期的运行过程中性能不断下降，直至最后因无法完成预期控制目标而寿命终止。为准确评估控制系统性能及进行健康管理，提出了一种改进巴氏距离指标的控制系统性能评价方法，引入权重系数减少数据中的各类噪声对评价值的干扰，并采用核密度估计法获取系统性能评价值。此外，在仅考虑控制系统中的传感器发生劣化的情况下，以新指标作为性能评价准则，确定控制系统的性能失效阈值与寿命阈值；采用非线性Wiener过程进行建模并预测其剩余寿命分布。通过三容水箱液位控制系统仿真实验验证了所提方法的有效性。

为实现硬胶囊生产线风干区域的温度精确控制，并解决惯性大、延时大等问题，提出了一种采用Smith-模糊PID控制器的温度控制系统。首先，根据生产线相关温度控制的经验和实际情况，构建温度控制系统的数学模型。其次，结合数学模型设计PID温度控制器，利用模糊控制算法对PID的3个参数进行模糊自调节，进而引入Smith预估算法进行延时补偿，设计出Smith-模糊PID控制温度控制系统。最后，在MATLAB-Simulink中进行3种PID控制器的仿真比较。结果显示：Smith-模糊PID控制系统具有超调量基本为零、调节时间较快、稳定性更好的优点。再结合实验，整个过程中风干区温度被控制在(40±0.5) ℃范围内，进一步证明了该温度控制方法的可行性和有效性。

为确保隐私安全和防止失密泄密，在对作为典型城市再生资源的废旧磁性存储介质进行资源化利用前，需要销毁其所包含信息。目前，业界多采用不符合国家“双碳”战略的最高磁场强度消磁方式，缺少如何进行定制化消磁的理论与应用探索。对此，提出面向磁性硬盘定制化消磁的磁场数值建模与分析方法。首先，进行消磁机多层多匝矩形线圈磁场强度的理论计算；接着，进行基于COMSOL软件的消磁磁场数值建模，完成与理论计算的验证后，分析电流密度、线圈高度、封装尺寸与磁场强度的影响；最后，基于所研制的消磁正样机进行验证，证明了定制化消磁理论的正确性和实际的可用性，为节能减碳提供了支撑。

位姿图优化(pose graph optimization, PGO)是同时定位与建图(simultaneous localization and mapping, SLAM)中最重要的后端优化技术之一，旨在搜寻具有全局最优性的解。为了检验给定候选解的全局最优性，提出了一种基于对偶的快速3D位姿图验证技术。首先，改写原始的PGO问题公式，建立一个复杂度更低的等价优化问题；其次，推导对应的拉格朗日对偶问题，并利用对偶问题的性质评估候选解的质量；最后，在模拟和真实的SLAM数据集上进行实验评估。结果表明，该算法具有可伸缩性、计算成本低等优点，可以有效地进行最优性验证。

针对大型铝电解槽氧化铝浓度分布不均匀的问题，提出了一种基于自适应分布式子空间预测控制的下料策略。首先，依据下料口的空间分布将铝电解槽划分为多个相互耦合的子系统，通过在线数据直接构建各子系统氧化铝浓度自适应分布式子空间的预测模型；然后，设计了残差驱动模型切换机制，仅在模型偏差超出阈值时触发模型参数更新，平衡计算效率与模型精度；最后，基于纳什最优理论构建分布式预测控制器，实现了铝电解槽全局协同下料优化。基于某铝厂实际生产数据的仿真验证表明，所提方法显著改善了大型铝电解槽氧化铝浓度的时空均匀性。

为节约网络资源，提高复杂系统的控制性能，针对旋转倒立摆非线性系统模型，提出一种事件触发机制下的漏斗跟踪控制方案。首先，利用漏斗控制方法，构建与跟踪误差相关的归一化函数和障碍函数；其次，设计基于反步法的漏斗控制律；最后，设计事件触发漏斗控制器，并提出一种新型事件触发机制，通过引入幂函数，设计与漏斗控制律的幂函数相关的触发阈值，在保证系统性能的情况下节约通信资源。理论分析表明：① 闭环系统内所有信号都是有界的；② 控制器能够保证倒立摆摆杆跟踪参考信号；③ 对于0t∀≥，跟踪误差一直在预设的性能漏斗内演化，且排除奇诺现象。最后，通过模拟仿真验证方案的实用性和有效性。

对锅炉换热器进行周期性吹灰是提高锅炉热效率、保证锅炉安全运行的重要手段。以某75 t/h循环流化床锅炉为例，提出了低温段对流换热器积灰系数计算方法，将计算得到的积灰系数及部分锅炉测点数据作为输入变量，基于XGBoost算法建立锅炉热效率估计模型，调用积灰系数历史数据生成改变吹灰周期时的积灰系数曲线，利用锅炉热效率估计模型计算改变吹灰周期对热效率的影响，进而确定改进的吹灰方案。寻优仿真结果表明，该锅炉在测试时段内每8 h一次吹灰时的吹灰收益增量最大。上述方法对制定智能吹灰策略有潜在的应用价值。

针对引力搜索算法易早熟、收敛速度过快、难以平衡在进化过程中的全局和局部搜索能力、寻优精度不高等缺点，提出一种带有随机更新速度、易跳出局部最优的引力搜索算法(jump-gravitational search algorithm, JGSA)。首先，利用反向种群提高算法初始种群的质量；然后，引入粒子群优化(particle swarm optimization, PSO)算法的学习策略更新算法的速度，实现全局与局部搜索能力的平衡；最后，当算法陷入局部最优时，设计了随机更新速度，使之跳出局部最优。利用6个基准测试函数进行仿真实验，并将JGSA应用到炼钢-连铸生产调度中，与其他算法进行比较的结果表明，JGSA在寻求最优调度计划方面有更好的优化性能。

Mprop组件的安装朝向检测是油泵质检的关键，针对基于旋转目标检测的目标朝向检测算法的流程复杂、精度低、检测角度受限等问题，创新性地提出了一种YOLOX-FA(YOLOX-full angle)全角度目标朝向检测算法。首先，设计了一种六参数表示方法，通过改进YOLOX算法解耦头结构实现六参数输出，能够对目标位置、宽高、朝向、类别进行同步解耦检测；其次，在解耦头前端嵌入了卷积注意力模块(convolutional block attention module, CBAM)，增强了模型对目标关键特征的学习能力，提高了识别准确率；最后，引入角度偏差校正系数，通过改进后的旋转鲁棒交并比(rotation-robust intersection over union, RIoU)损失函数完成了油泵Mprop组件的全角度检测。实验结果表明，YOLOX-FA相较于OHDet算法具有更高的检

本文针对多自治式潜水器(autonomous underwater vehicle, AUV)水下协同任务分配问题，用拍卖算法对蜂群优化的选择过程进行部分改进，以使得任务分配的结果更接近全局最优。在模型问题上，将AUV能量储备考虑在内。在计算时，采用分级任务分配的模式，降低计算时的数据维度。在第一级目标分配中，采用拍卖算法进行准确的一对一分配。在第二级的选择过程中，利用改进的离散蜂群算法进行迭代寻优，并在适应度中引入一个收缩因子，以使任务分配的最终结果更接近于帕累托最优状态。实验结果表明，该方案具有较快的收敛速度和良好的稳定性。

针对永磁同步电机内模控制中存在的模型失配、参数摄动及外部干扰导致的电流误差问题，设计了一种基于内模控制的自适应卡尔曼滤波器，来实现对电流环的补偿控制。在电流环解耦的情况下，建立内模控制器，将由模型失配、参数摄动及外部干扰引起的系统扰动与内模控制器反馈电流作为状态变量构造系统的状态方程，建立扩张状态建模下的自适应卡尔曼滤波器。在降低计算复杂度的基础上，观测系统扰动，为内模控制提供实时扰动补偿。通过仿真与实验结果验证了所提算法在模型失配时能够实现电流的补偿，有效减少了电流纹波，减小了电流的稳态误差，提高了系统的鲁棒性。

针对现有控制方法需要获得中间状态的局限性，将线性二次调节器与龙伯格观测器进行有机融合，建立当前控制输入与历史传感器输出和历史控制输入之间的直接关系，提出一种实用的悬架系统无状态控制方法。以四分之一车辆悬架系统模型为例，结合传感器的精度加入相应噪声，并考虑悬架系统参数的不确定性，研究了无状态控制方法的实际控制性能。结果表明，无论在冲击激励还是随机激励下，无状态控制很好地兼顾了悬架系统的3个平顺性指标，获得优良的综合控制性能。无状态控制方法只需要获得历史传感器输出和历史控制输入，即可实现传感器在布置有限情况下的最优控制效果，极大简化了控制系统的设计，具有很强的实用价值。

针对鹈鹕优化算法在寻优过程中存在的种群多样性降低、收敛速度下降、易陷入局部最优等问题，融合多种策略对其进行改进，提出了改进鹈鹕优化算法(improved pelican optimization algorithm, IPOA)。首先，利用帐篷(tent)混沌映射和折射反向学习策略初始化鹈鹕种群，在增加种群多样性的同时为算法寻优能力的提升打下基础；然后，在鹈鹕逼近猎物阶段引入非线性惯性权重因子以提高算法的收敛速度；最后，引入樽海鞘群算法的领导者策略以协调算法的全局搜索能力和局部寻优能力。实验测试了单一改进策略的改进效果，并将IPOA与其他9种优化算法进行了对比。实验结果证明了各改进策略的有效性和IPOA的优越性和鲁棒性。

为了使莱维(Lévy)过程驱动的连续随机系统保持稳定，提出了一种离散控制方法。首先，设计了一种滑模控制器，通过合理设计控制律，确保系统在莱维噪声干扰下仍然能保持均方指数稳定；然后，对连续控制器进行离散化，使其适应实际数字控制系统的需求；之后，通过推导得出，离散控制器作用下和连续控制器作用下的系统状态之差的二阶矩有界，表明离散化过程未显著增加系统的不稳定性；最后，通过理论分析证明了离散控制器作用下闭环系统的稳定性。实验结果表明，离散化后的控制器仍然能使系统保持稳定。

针对风电机轴承数据异构、样本数量少导致分布式故障诊断精度低的问题，提出一种基于加权联邦蒸馏(weighted federated distillation, WFD)的风电机轴承故障诊断方法。首先，提出一种改进的加权联邦参数更新方法，计算风电机客户端的余弦相似度进行参数更新，实现个性化的联邦学习；然后，提出一种基于卷积神经网络的加权联邦蒸馏方法，在教师网络和学生网络之间进行知识蒸馏；最后，根据小批量随机梯度下降法最小化损失函数，实现对轴承故障类型的分类。所提方法在样本数量小的情况下，能通过联邦蒸馏有效学习到其他客户端的知识，同时改进的加权联邦参数更新方法能有效降低数据异构带来的特征差异。经仿真实验可知，与其他方法相比，所提方法具有较高的精度和泛化能力。

针对通信受到间歇性拒绝服务(denial-of-service, DoS)攻击的网联车辆系统，提出了基于观测器的协同输出反馈安全控制方案。首先，分析纵向网联车辆系统的动力学模型并进行反馈线性化，获得线性动态方程。其次，利用公共李雅普诺夫函数，设计安全控制方案，使得协同跟踪误差达到渐近稳定。最后，以最大化DoS攻击持续时间为目标，选择适当的参数设计优化算法，来确保网联车辆系统的安全运行。实验以由4个跟随者和1个领导者组成的网联车辆系统为控制对象进行仿真，仿真结果验证了所提方法的有效性。

组合的选取方法。通过对约束建立线性化模型，推导了约束和扰动之间的关系。为了选取测量变量子集，在全局自优化控制优化问题中加入惩罚项，通过列稀疏剔除对系统控制影响较小的测量变量，使稳态损耗与测量变量数量之间取得最佳均衡。在此基础上，引入罚函数内点法处理积极约束变化的情况。在实际工业过程中，由于干扰通常会导致积极约束发生变化，因此在全局自优化控制测量组合选取中考虑积极约束变化更具现实意义。通过蒸发过程的仿真结果验证了所提方法在约束处理和测量组合选取方面的有效性。

以典型的冷轧生产系统为研究背景，针对具有高附加值的O5产品的集批生产计划问题进行了研究。由于此类产品对表面质量的要求极高，导致其生产过程中涉及的切换费用和库存成本非常高。鉴于此，以最小化切换费用和库存成本为目标建立了用于描述O5产品集批生产计划问题的混合整数规划模型，模型中充分考虑了各种实际相关约束。同时开发了有效的拉格朗日松弛求解算法，并使用基于实际生产数据产生的400个算例进行了仿真实验，计算结果显示该算法能够在合理的时间内得到高质量的解。

：数据中心空调末端系统预测控制的基础是对机柜入口温度的多步预测。为了改善预测模型的预测精度和可移植性，提出一种数据中心机房温度非线性Takagi-Sugeno(T-S)模糊模型构建方法。首先，采用计算流体动力学(computational fluid dynamics, CFD)数值模拟方法建立机房CFD模型，并设计了数据采集策略，以捕捉系统的完整动态特性；然后，为了解决模糊C-均值聚类算法易陷入局部最优的问题，采用改进天牛须搜索算法对其进行优化，实现了T-S模糊模型的前件结构辨识；最后，采用容积卡尔曼滤波算法进行T-S模糊模型的后件参数辨识和在线修正。实验结果表明，与传统T-S模糊模型相比，此方法构建的T-S模糊模型具有更高的计算效率和预测精度，通过后件参数的更新可满足模型可移植的要求。

针对传统中枢模式发生器(central pattern generator, CPG)在应用中引入过多具有强耦合性的动态参数，导致其难以适配昆虫式腿部结构机器人的问题，提出了一种结合逆运动学并面向足端控制的改进CPG控制方法。首先，在系统层面，设计了线性转换器、功能生成器和逆运动学求解模块，以面向足端控制的方式对传统CPG应用进行了参数化改进；其次，在细节上，对CPG的极限环进行改进，提高其对地形的适应能力；最后，基于改进CPG模型规划了线性转向等功能步态，实现了基于足端偏差补偿的姿态稳定闭环控制。实验结果表明，所提方法简化了步态控制，使昆虫式六足机器人能够在起伏地形上实现线性转向并保持姿态稳定。

在支气管镜机器人控制中，传统比例积分微分(proportional integral differential, PID)控制的精度不足，反向传播(back propagation, BP)神经网络易陷入局部最优。针对此问题，提出了一种改进鲸鱼优化算法(improved whale optimization algorithm, IWOA)优化的BP- PID控制方法。首先，IWOA在传统鲸鱼优化算法的基础上，引入非线性收敛因子动态平衡全局搜索能力和局部搜索精度，通过帐篷(tent)混沌映射优化种群分布，利用莱维(Lévy)飞行策略增强全局寻优，并结合贪婪选择机制维持种群多样性，为BP神经网络提供最优初始连接权重。然后，BP神经网络在输入层融合参考输入、系统输出和跟踪误差，通过反向传播动态调整PID控制参数。仿真结果表明，与PID控制、BP神经网络-PID控制及其改进方法相比，所提方法能够大幅度降低系统的超调量，缩短调节时间，使稳态误差趋近于零。该方法具有较高的控制精度和抗干扰性，可显著减少操作中机械振动和组织摩擦，提高支气管镜手术的安全性。

现有图像修复模型无法高质量地修复大面积缺损的图像。针对此问题，提出了一种Transformer和生成对抗网络相结合的图像修复模型。首先，设计了一种新型掩码自适应输入模块，用于从输入图像中提取未被掩码遮蔽的图像块；其次，利用Transformer从有效图像块中提取全局上下文信息，增强模型对缺损区域的补全能力；再次，使用快速傅里叶卷积(fast Fourier convolution, FFC)模块增强模型的细节修复能力，并消除输出图像中的伪影；最后，利用判别器网络对抗训练以提升整体网络的性能。利用所提模型对Place2数据集进行图像修复，测试结果表明：当掩码比例为50%~60%时，修复结果的峰值信噪比达到了19.748 2 dB，结构相似性(structural similarity, SSIM)达到了0.714 7。

针对直插件多轴孔并行装配时引脚一致性差，装配成功率低的问题，设计开发了一种结合稳定精确轴孔视觉定位算法和高效机器人视觉引导插装技术的直插式元件多轴孔精密装配系统。首先，离线标定轴心与孔心定位相机，并确定其与机器人之间的位姿关系；其次，结合CAD模型采用基于约束的随机抽样一致(random sample consensus, RANSAC)椭圆拟合算法精确定位轴孔中心；然后，开发了以多轴孔中心为定位锚点，以多轴孔平均角度偏差为旋转依据的插装引导算法，通过预测多轴孔装配间隙指导调配，提高插装成功率。最后，以图像差分算法检测装配结果，把控装配质量。实验数据表明，系统具备定位装配精度高、速度快、装配成功率高的优点，可实现单元件总体检测时间小于100 ms，单轴最终装配误差小于±0.3 mm，装配成功率大于98%的目标。

由于将一般图神经网络特征提取模块设计成固定的卷积神经网络(convolutional neural network, CNN)会导致在捕获全局特征信息时，存在接受域受限且容易忽视图像的关键性特征信息等问题。因此，为了提取全面且关键的特征信息，提出了全新的CA-MFE算法。首先，利用CNN中的不同卷积核来获取多尺度的局部特征信息，再根据注意力机制的全局特征提取能力，将通道和空间注意力机制进行并行处理，以此来提取多维度的全局特征信息。在mini-ImageNet和tiered-ImageNet数据集上对所提模型的性能进行了全面的综合评估。相较于基准模型，所提模型在mini-ImageNet和tiered-ImageNet这2个数据集上的分类准确率分别提升了1.07%和1.33%；在5-way 5-shot任务中使用mini-ImageNet数据集，相较于图神经网络、时间Petri网(time Petri net, TPN)和动态图神经网络(dynamic graph neural network, DGNN)，所提模型的分类准确率分别提升了11.41%、7.42%和5.38%。实验结果表明，相较于基准模型和几种有代表性的小样本分类算法模型，全新的CA-MFE模型在处理小样本分类数据时性能更优越。

精确的轨迹跟踪是智能驾驶汽车实现自主运动控制的关键。针对系统不确定性影响轨迹跟踪控制精度的问题，提出了一种新型鲁棒自适应滑模控制策略。首先，根据车辆运动学原理建立二自由度车辆动力学模型；然后，基于轨迹跟踪误差设计具有自适应性的比例积分微分(proportional integral derivative, PID)型滑模面，通过设计自适应更新律实时在线估计滑模控制增益和系统不确定性的上界，提高了轨迹跟踪控制的精度和鲁棒性。之后，利用粒子群优化算法优化了控制器的控制参数，进一步改善了轨迹跟踪控制性能。最后，在不同路面和车速条件下对所提控制策略进行仿真验证。仿真结果表明，所提控制策略能够保证智能驾驶汽车在系统不确定性影响下跟踪目标轨迹，控制性能优于分数阶PID控制。

为解决当前仿真精度低、通用性不佳、可视化效果差等问题，设计了一种基于Unity3D与CADAC的通用型高保真空空导弹仿真系统。一方面，采用高保真度的CADAC软件包，全面考虑了导弹运动学和空气动力学特性、不同制导律与目标机动方式、燃料消耗与重心变化等因素，提高了仿真系统的保真度；另一方面，本系统适用于不同类型的导弹，如空空导弹、空地导弹等，提高了系统的通用性与易适配性；最后，利用Unity3D对导弹运行的整个过程进行可视化仿真研究，展示导弹从发射、搜寻、制导及命中目标的全过程运动轨迹。典型的仿真案例与性能分析结果验证了本仿真系统的有效性。

针对实际工业生产中滚动轴承的故障样本不足导致故障诊断不够准确的问题，将添加了高效通道注意力(efficient channel attention, ECA)机制的卷积神经网络模型（即ECNN模型）与生成流(generative flow, Glow)模型相结合，提出了基于Glow-ECNN模型的故障诊断方法。首先，通过连续小波变换将一维故障振动信号转换为包含时频特征信息的二维时频图像；然后，将时频图像输入Glow模型中进行数据增强，生成足量的且与原始时频图像具有相似分布的时频图像，并将生成时频图像与原始时频图像共同作为训练样本；最后，通过添加了ECA的ECNN模型对故障进行分类。实验结果表明，所提方法在小样本条件下对滚动轴承的故障诊断准确率可以达到99%，所提方法是可行且有效的。

智能水下机器人易出现故障，影响水下作业，进而提出一种基于自适应强化学习的容错控制方法。该方法引入Actor-Critic算法，通过Actor网络学习制定行动策略，而Critic网络则评估行动的价值，根据外部环境变化自适应地调整策略。同时，设计了基于积分机制的改进扩张状态观测器，并采用抗积分饱和算法避免积分饱和。仿真结果显示，当智能水下机器人推进器发生故障时，研究所提容错控制器在x轴、y轴方向上的误差值均15 s后逐渐趋近于0，证明了所设计的容错控制器具有优异的容错性能及稳定性，可为水下智能机器人的安全运行提供有效的技术支持。