模具及各类三维零件的数控加工包含了大量型腔特征，其加工轨迹的设计直接影响加工质量与效率。随着高速铣削技术的进步，数控机床为提高型腔加工效率提供了硬件基础，但也对CAM轨迹设计提出了更高要求。传统的CAM轨迹在处理型腔拐角、开槽和环轨迹交汇等区域时，容易导致切削负载突变，这种负载不稳定限制了进给速度和切削深度的提升，影响了加工效率和质量。为应对这些问题，本文提出了一种面向型腔恒负载加工的组合轨迹设计与优化方法。该方法基于多层次区块结构，首先计算材料去除率，并据此将加工区域划分为稳定、半稳定和负载突变区域。针对不同区域，采用环切轨迹、进给速度优化以及变半径摆线轨迹相结合的策略，实现加工过程中负载的平稳控制。特别是通过在负载突变区域应用摆线轨迹，降低了瞬时负载的波动，确保加工过程的稳定性。实验表明，本文提出的轨迹设计与优化方法能够适应各类复杂型腔的CAM轨迹生成，并保障加工过程的负载稳定性，进而提升加工质量。

现有应急救援装备功能单一、灵活性不高，难以满足地震、地质等灾害下的复杂应急作业需求。本文设计了一种可实现属具快速切换及位姿自由调整的机电液快换装置，可快速集成到应急救援装备上完成高机动多功能救援作业任务。模拟分析了快换装置极端受载特性及工作中的应力应变情况，确定了薄弱位置及载荷谱；推导建立了确定性与随机性周期应力作用下考虑循环损伤强度退化的可靠性理论模型，明确了快换装置回转机构可靠度与失效率的映射关系；基于线弹性断裂力学分析了倾斜油缸活塞杆薄弱件的裂纹扩展情况，采用局部应力应变法确定了快换装置的疲劳寿命，确保快换装置满足使用要求。将研制的快换装置集成到步履式救援机器人测试验证，结果表明该快换装置可实现挖斗、抓手等各种属具快速切换，切换时间小于15s，同时增加的±40°偏摆和±360°旋转自由度可满足多自由度灵活作业需求。研究成果可为同类快换装置的设计提供重要理论参考，并对提升我国灾害救援与应急处置能力有重要意义。

动特征识别（AFR）是智能制造的关键技术之一。传统的基于规则的识别算法可扩展性较差，而基于深度卷积网络的方法以离散模型为输入，准确度不高，且识别结果难以精确映射回原始CAD模型，造成应用不便。针对上述不足，本文提出了一种基于图神经网络的特征识别方法，能够直接处理B-Rep模型。该方法首先从B-Rep结构中提取有效的属性和几何信息，形成特征描述符；接着根据CAD模型拓扑结构建立具有高级语义信息的邻接图；进而以邻接图为输入，构建了高效的图神经网络模型，通过引入可微的广义消息聚合函数和残差连接机制，提升模型的信息聚合及多层级特征捕捉能力，同时采用消息归一化策略确保训练稳定性并加速收敛；训练完成后，网络能对B-Rep模型中的所有面进行分类标注，实现特征识别。在公共数据集MFCAD++上测试，本文方法取得99.53%的准确率和99.15%的平均交并比，优于同类研究。采用更复杂的测试用例和工程应用中的典型真实CAD案例作进一步检验，结果均表明本文方法具有更好的泛化能力及适应性。

为揭示GH4198高温合金锯齿形切屑成形机理，并通过理论模型预测其切屑形貌。开展直角切削实验，再基于滑移线场模型预测切屑的几何形状，分析切削参数对切屑成形的影响。提出考虑刀具钝圆的三阶段锯齿形切屑形成模型，建立二维正交切削的热力耦合有限元模型，并通过实验数据验证有限元模型的合理性。基于切屑形成仿真过程的应力、等效塑性应变和温度等变化，分析切屑锯齿成形的机理。结果发现剪切角随着切削速度和进给量的升高而增大，切屑厚度随着切削速度的升高而减小。切削速度为10～30m/min，切屑厚度预测值的相对误差为4.20%～24.73%，切削力仿真预测值的相对误差为4.19%～9.14%；最大切屑厚度压缩比分别为3.19、2.78和2.26，锯齿化程度分别为0.20、0.36和0.58。当切削速度为30m/min时，切屑出现明显裂纹，且锯齿齿形整体倾斜。进给量为0.05～0.15mm/r，切屑厚度预测值的相对误差为5.07%～17.66%，切削力仿真预测值的相对误差为6.42%～14.23%；最大切屑厚度压缩比分别为2.82、2.78和2.61，锯齿化程度分别为0.12、0.36和0.42。通过滑移线场模型能有效的预测切屑厚度随切削参数变化的规律；随切削参数增大，切屑厚度压缩比呈减小趋势，锯齿化程度增大且增大趋势逐渐减缓；根据有限元仿真分析了刀具钝圆半径对切屑成形的影响，验证了锯齿形切屑形成理论模型的有效性，为提高加工表面完整性提供理论依据和实践指导。

为探究轨道用中空薄壁大小幅铝型材的挤压规律，采用HyperXtrude仿真软件对轨道用中空薄壁铝型材挤压过程进行了详细的数值模拟，探究模具结构和工艺参数的影响，并将两个形状相似的大幅型材和小幅型材的成型规律进行比较研究。在模具结构方面，焊合室与引流槽的不同对大小幅型材的影响最为明显。经过模拟分析，发现焊合室的变化对大幅型材的最大变形量有明显的降低效果，大幅型材的最大变形量降幅达25.34%，而小幅型材的降幅则为42.82%。同时，引流槽的结构变化也表现出不同的影响趋势，引流槽变化后，大幅型材的最大变形量降幅为40.88%，而小幅型材为24.72%。这一结果表明，由于小幅型材的引流槽较短，而大幅型材引流槽的修改更为复杂，引流槽变化对大幅型材的影响更为显著。在工艺参数方面，研究分析了不同条件下型材金属变形量、金属流速差和型材出口截面SDV值的变化。结果显示，挤压速度和模具温度对大幅型材的影响更为显著，而坯料直径则对小幅型材的影响较为显著。这一发现为优化铝型材的挤压工艺提供了重要的理论依据。

软件漏洞是导致系统安全性受损的关键薄弱环节，易于被攻击者利用实施非法操控。现有的基于深度学习的漏洞检测方法大多受限于单一代码表示，无法全面反映代码语义与结构信息间的互补性，本研究创新提出了一种基于路径表示和预训练代码模型的漏洞检测方法（Software Vulnerability Detection via Path Representations and Pretrained Model，VDPPM）。该框架集成了从抽象语法树（AST）、控制流图（CFG）和程序依赖图（PDG）抽取的路径表示，并借助对比学习框架SimCSE优化后得到的SimCodeBERT模型强化了代码语义解析能力。实验中，我们首先通过提取路径表示构建语料库以训练Doc2vec模型，形成通用嵌入模型，将路径序列转化为向量表示。随后，融入预训练的CodeBERT模型，其在对比学习框架下训练后能更精准地捕捉代码深层次语义特征。最终，通过融合Doc2vec和SimCodeBERT生成的向量完成漏洞检测。实验表明，在多个公开的漏洞检测基准数据集中，VDPPM框架在性能上超越了主流的方法，在漏洞检测任务上的多个指标上有显著提升，有力验证了本方法的有效性和优越性。

针对交通运输业碳排放数据序列存在波动性和随机性较强，预测精度较低的问题，提出了一种结合二次分解（SD）、双重注意力机制（DA）、改进麻雀搜索算法（ISSA）和LSTM网络的交通碳排放预测模型。首先，引入CEEMDAN将交通碳排放数据序列分解为不同频率的模态分量，再利用样本熵（SE）对各分量复杂度进行量化，并利用VMD对熵值最高的分量进行二次分解，进一步弱化交通碳排放数据序列的波动性和非线性；其次，为挖掘交通碳排放量与其影响因素间的关联性，在LSTM模型的输入端加入特征注意力机制，突出关键输入特征；同时在输出端加入时间注意力机制，提取关键历史时刻信息；最后，结合Circle混沌映射、动态惯性权重因子和混合变异算子策略改进SSA算法，并对各分量分别建立ISSA-DALSTM模型，接着对各分量预测值进行重构。测算中国交通运输业1990-2019年的碳排放数据，以此对模型进行验证，结果表明：所提模型的RMSE、MAE、MAPE分别为5.3088、3.5661、0.4439，均优于其他对比模型，验证了所提模型的有效性。

针对现有交通流预测研究中存在的未能充分融合复杂时空相关性和时空异质性问题，本文设计了一种基于栅格数据的交通流预测网络——时空异质化两阶段融合网络（Spatiotemporal Heterogeneous Two-Stage Fusion Neural Network，ST_HTFNN），该网络使用分阶段、层次化的时空特征提取架构，采用静态和动态特征提取阶段串行的新模式，静态特征提取阶段引入新颖的类曼巴线性注意力（Mamba-Like Linear Attention，MLLA）块作为静态异质化融合单元实现空间上的相关性和异质性融合挖掘。动态特征提取阶段设计了简单高效的动态异质化融合单元，通过膨胀卷积和门控机制相结合来自适应融合捕捉全局和局部的时空相关性和异质性。此外，针对细致到道路级的交通流特征，设计了道路特征增强模块用来重建和增强道路信息以解决深度卷积过程中道路特征平滑的问题。最后，设计了外部扰动特征融合模块用来融合外部扰动特征对交通流预测结果的影响。在三个现实世界的交通数据集BikeNYC、TaxiCQ和TaxiBJ上进行的模型实验表明，ST_HTFNN模型展现出超越现有基准方法的卓越性能，在预测精度评价指标MAE上平均提高了6.13%、2.06%和5.23%。

针对肝肿瘤特征表达能力不足和全局上下文信息传递受限的问题，提出一种改进UNet的肝肿瘤分割方法。首先，设计一种低秩重构卷积，优化传统卷积运算所导致的大量参数问题，并用其构建使用残差结构改进编解码器的卷积核重构模块，使编码器保留更多的细节信息，使解码器更有效地恢复信息，以提升肝肿瘤特征的表达能力。然后，为丰富全局上下文信息的传递，设计三分支空间金字塔池化模块，优化瓶颈结构的信息传递，打破单一路径的限制。其次，设计多尺度特征融合模块，优化编码器信息的复用机制，增强模型对全局上下文信息的建模能力，并提升其在提取不同尺度肝肿瘤特征方面的效能。最后，在LiTS2017和3DIRCADb数据集上测试本文方法的性能。实验结果表明，本文方法在LiTS2017数据集肝脏分割任务中的Dice和IoU值达97.56%和95.25%，肝肿瘤分割任务中的Dice和IoU值达89.71%和81.58%。在3DIRCADb数据集肝脏分割任务中的Dice和IoU值达97.63%和95.39%，肝肿瘤分割任务中的Dice和IoU值达89.62%和81.63%。本文方法可以有效缓解肝肿瘤特征表达能力不足的问题，且进一步提升了模型捕捉全局上下文信息的能力。

白细胞介素6（Interleukin-6，简称IL-6）是一种高多效性的糖蛋白因子，可以调节先天性免疫和适应性免疫以及代谢的各个方面，包括糖酵解、脂肪酸氧化和氧化磷酸化等。许多研究已证明，病毒感染的患者体内的IL-6表达和释放显著增加，并且与疾病的严重程度呈正相关。因此，识别IL-6诱导肽并探究其作用机制，对于开发免疫治疗以及疾病严重程度生物标志物具有重要的意义。目前对于IL-6诱导肽的识别大多使用传统机器学习，特征选择与提取较为复杂，且需要依赖领域专家知识。因此，本文提出一种基于图神经网络的IL-6诱导肽预测方法SFGNN-IL6。根据预测的IL-6诱导肽结构特征，通过阈值筛选距离信息构建邻接矩阵，结合氨基酸的编码方式即One-hot编码、位置编码和BLOSUM62编码提取氨基酸节点特征并进行图表示。然后，采用图注意力机制层和图卷积神经网络层，双通道分别提取多视角特征，既关注节点权重的更新，也考虑节点信息的更新。最后将两类特征进行融合用于IL-6诱导肽的分类。通过系列实验，验证了模型的有效性。

为定量研究风机并网系统控制回路间交互作用的影响，提出一种结合模态分析法和相对增益矩阵的分析方法。首先，以双馈风电场经MMC-HVDC并网系统为例建立其小信号模型，采用模态分析法确定系统的振荡模式及主导参与变量，筛选出可能受交互作用影响的次/超同步振荡形式；其次，引入相对增益矩阵证实交互作用的存在，量化并比较上述振荡模式主要变量所在的控制回路间交互作用的强弱，将后续研究定位于风电场的转子侧换流器控制回路和MMC-HVDC中的定V/f 控制回路间；最后，根据相对增益矩阵的数值随影响因素的变化情况定量评价了系统并网的电气距离及控制器参数的变化对控制回路间交互作用程度的影响，并借助时域仿真法进行验证。

为分析正四面体形颗粒群在立式上行管内液固两相流中运动分布规律，基于CFD-DEM耦合方法模拟研究颗粒进口浓度α（1%、2%、3%、4%、5%）、液相进口流速u（1.0、1.2、1.5、1.8、2.0m/s）对管内颗粒群速度与相对浓度分布的影响，并通过PIV实验验证数值模拟准确性。结果表明：在研究参数范围内，颗粒群速度沿轴向呈波动变化、沿径向呈由中心至管壁递减。颗粒群相对浓度沿径向遵循管中心区域、近壁面颗粒相对浓度较高，过渡区域浓度较低的双峰规律；在颗粒进口浓度为1%、液相进口流速为2.0m/s时，管壁附近颗粒浓度最高。

激光点云模型为后续的配电线路检测与管理提供了重要的支撑，现阶段大多配电通道都已经构建了相应的激光点云模型。由于点云模型数量的增加，有效的提取关键部位（导线、绝缘子等）的位置信息变成了一项重要内容。为了进一步提升对点云模型中配电线路、杆塔、绝缘子等关键模块分割、提取的精准性和效率，本文提出一种基于融合Transformer模型的配电线路激光点云分割算法。其中，考虑到配电线路点云中需要更为关注细节特征的影响，构建了一种双通道平行架构的特征提取模块用于分别提取高频和低频特征，其中低频特征通过平均池化和基于融合Transformer模型的特征提取器进行处理，高频特征用最大池化和包含卷积层的多层感知机（MLP）模块进行处理，将两个通道获取的特征向量进行融合，以提升对细节特征的提取能力。此外，考虑MLP模块在特征处理的能力，在特征提取模块中加入MLP对特征进行进一步处理，实现对点云目标的准确分割。最后，本文通过大量的实验验证了所提出算法的准确性和科学性。本文提出的算法在无人机巡检中具有提高精度、增强自动化、提升鲁棒性、融合多源数据和降低成本等多方面的潜在优势。