针对基于车载监控摄像机的车辆行为监测可能会侵犯驾驶人和其他道路参与者隐私的问题，研究建立了一种以车辆运动和驾驶行为操作数据为输入的公交车车辆行为预测模型。开展了城市公交车的自然驾驶数据采集实验，通过CAN协议采集车辆运动和驾驶人行为操作数据。随后提取了车辆进站、出站、经过交叉口、转向和换道典型活动片段。使用相空间重构算法将时序数据集映射至高维空间生成RGB图像。基于ConvNeXt卷积网络建立了电动公交车车辆行为预测模型E-VBPM (E-bus Vehicle Behavior Prediction Model)。结果表明：E-VBPM在预测5种车辆活动任务中具有84.62%的准确率，与以时序数据作为输入的传统机器学习算法相比，准确率提升了6.8%。研究可为电动公交车载系统判别当前运营模式并更加智能的辅助驾驶人安全行驶提供支持。

提出了一种面向智能网联车辆（CAV）专用车道的柔性管理策略，在保证CAV在专用车道权益的同时，提升CAV市场渗透率（MPR）较低时的道路总体交通流量。构建了多车道场景下柔性管理策略的数学模型，基于CAV渗透率、队列强度、驾驶风格以及道路交通需求等参数，采用数值分析方法计算了不同车道管理策略在多个场景下的交通流量，并与典型的强制管理策略进行对比，同时在分析过程中考虑了普通车道上不同驾驶风格的人驾车辆（HDV）共存的情况。数值分析结果表明：在单向双车道中设置内侧为专用车道的场景下，当MPR小于50%时，随着交通需求从2000 veh/h增加至5000 veh/h，柔性管理策略下的道路交通流量始终优于强制管理策略，尤其是当MPR小于30%时，其优势更加明显，说明此时适合选择柔性管理策略；同时，柔性管理策略达到目标交通需求时所对应的渗透率区间范围更大，区间起点所对应的渗透率也更加提前，且CAV驾驶风格越激进，上述区间范围的区别越明显；而当MPR大于50%时，在相同的驾驶风格下，两种策略所对应的交通流量变化趋势基本相同。单向三车道场景下同样设置内侧为专用车道，其分析结果与双车道较为相似；进一步拓展至单向四车道场景时，讨论了设置一条和两条专用车道的情况，并给出了四种专用车道管理方案，从总体来看，柔性管理策略在中低渗透率下的表现仍优于强制管理策略。进一步基于SUMO在单向三车道场景下对两种专用车道管理策略进行仿真，验证了所提出车道管理策略的有效性。

为提升环形交叉口等复杂结构化场景下的车辆轨迹预测精度，提出一种名为MST (MHA-SGC-TimeMixer)的深度学习框架，该框架构建了一个宏观-微观双层编码体系。宏观层面，采用多头注意力机制(Multi-Head Attention, MHA)捕捉由全局道路拓扑施加的长时程战略约束，即通过建模车辆完整历史轨迹与环岛结构，如出入口的深层关系，来推断其长期行驶意图；微观层面，首先利用简化图卷积网络(Simplified Graph Convolution, SGC)提取车辆间的即时空间关系，随后引入TimeMixer机制，将一维交互时序映射为多尺度、多分辨率的二维时空图像，通过对周期性战术行为与趋势性战略意图的显式解耦和分层融合，实现对深层交互模式的精准捕捉。两类信息经门控网络融合后，由门控循环单元(Gated Recurrent Unit, GRU)解码器生成最终轨迹。在公开数据集INTERACTION及RounD上的实验结果表明，在5秒预测时域内，所提模型在INTERACTION数据集上的平均位移误差(Average Displacement Error, ADE)与最终位移误差(Final Displacement Error, FDE)分别为1.19米和1.85米，在RounD数据集上分别为1.16米和1.80米，均优于对比基线模型。研究表明，通过对宏观全局约束与微观时空交互进行分层建模，特别是对交互模式进行解耦分析，能有效提升模型在复杂场景下的轨迹预测性能。

随着道路运输行业的快速发展，运营车辆事故数量不断增加，事故的严重程度问题受到广泛关注，尤其是营运车辆由于其特殊的运行特性，面临更为复杂的交通环境和风险。本研究针对“不可观测异质性”对营运车辆事故严重程度的影响进行分析。基于我国运营客车与货车的交通事故数据，从驾驶员行为、车辆类型、道路特征和环境条件四个方面选取相关变量，构建了随机参数Logit模型。该模型通过引入随机参数，能够有效捕捉个体间的异质性和不确定性，提升了模型的解释力和预测性能。进一步应用SHAP方法分析各影响因素的方向性、重要性以及变量间的非线性交互关系。研究结果表明：在营运客车中，复杂道路线形和车型显著增加事故严重程度，尤其是复杂道路条件与操作不当的交互效应显著提高事故严重程度；而在营运货车中，危化品运输车辆与复杂道路条件的交互效应较强，超速行为显著提升重大事故发生概率。SHAP分析量化了10个多维度指标对事故严重程度的贡献，揭示了客车事故主要受道路环境因素影响，而货车事故则更显著关联车辆属性，从而进一步量化了人因风险与环境因素对事故严重程度的不同影响。

我国低等级公路里程基数大，且载重货车制动失效事故频发。为更加深入地研究低等级公路连续下坡路段货车驾驶员的制动行为，本研究基于低等级公路六轴铰接式列车的长下坡实测数据，探明复杂平纵组合下坡路段的驾驶员制动时机，分析并量化了低等级公路连续下坡路段货车驾驶员的制动行为特征，并在TruckSim仿真软件中建立了Matlab/Simulink驾驶员行为联合仿真模型，对比验证了模型的可靠性。结果表明：在平曲线路段，驾驶员受到曲线影响会在直线段末端与曲线开端路段产生相对高强度的制动行为；坡度2%~9%的直坡段上，驾驶员的制动幅度与坡度呈正相关；将曲线根据半径大小划分为急弯、中弯、缓弯，急弯入弯前的制动幅度平均值达到220mm，而中弯和缓弯下的制动踏板平均行程无明显差异，制动幅度平均值分别达到176mm和174mm。相较于以往研究中未考虑平面线形因素的制动毂温升预测模型，本研究建立的仿真模型具有更高的制动毂温度预测精度，能够为低等级公路交通安全保障加强提供理论基础。

柴油机单轨吊是用于煤矿巷道中设备、人员和物料运输的主要设备之一，具有运输能力大、巷道适应性强、连续运输距离长等优势，可大幅提升煤矿井下运输效率，而合理的制动控制策略是其安全高效运行的根本保证。为此，提出了一种基于视觉感知的柴油机单轨吊制动控制策略，以提升柴油机单轨吊制动过程安全性和平稳性。首先，构建了基于双目相机的单轨吊运行前方行人障碍物检测识别方案，借助视觉检测和立体匹配算法实现单轨吊运行前方行人障碍物识别及实时距离测量；其次，基于实时检测得到的行人障碍物距离信息，结合单轨吊当前运行速度信息和单轨吊载重情况，考虑制动停车距离和制动减速度要求，设计了不同工况下柴油机单轨吊总体制动控制策略；然后，针对柴油机单轨吊制动过程运行状态控制问题，考虑单轨吊运行过程不确定性扰动，构建了基于扰动观测器和鲁棒反步控制原理的柴油机单轨吊泵控马达系统运行状态实时跟踪控制策略；最后，基于搭建的柴油机单轨吊制动控制模拟实验台，开展了不同行人障碍物距离、不同运行速度、不同模拟负载等工况下基于视觉感知的柴油机单轨吊制动控制实验验证。实验结果表明，行人障碍物的真实距离测量误差控制在4.4%以内，提出的基于视觉感知的单轨吊制动控制策略能够有效提高柴油机单轨吊制动过程的安全性和平稳性。

反向循环式行星滚柱丝杠副是一种可将螺母与电机融合设计，且具备易加工、大负载、长寿命的新型传动丝杠。螺母与多个牙型为环槽的滚柱啮合，多滚柱再与丝杠螺纹啮合传递动力。该文首先设计了反向循环式行星滚柱丝杠副的创新结构，推导了丝杠无螺纹区的尺寸范围及各零部件的参数匹配公式，并完成了虚拟建模；然后，推导了反向循环式行星滚柱丝杠副运动参数的计算式，再通过Adams软件建立动力学仿真模型并进行结果分析，仿真结果与理论结果的相对误差范围在0.20%～1.12%，验证了该文所采用的仿真方法及该结构的可行性；最后，分别从工况条件和凸轮环凸台斜面倾角两方面，定量分析了反向循环式行星滚柱丝杠副的螺纹接触力及滚柱与凸台斜面碰撞力的变化规律。结果表明：螺纹段的轴向接触力受转速和凸台斜面倾角的影响均极小，受外部载荷的影响则较大，且轴向平均接触力随着外部载荷的增大而显著增大；随着螺母转速以及丝杠负载的增大，滚柱与凸台斜面的碰撞力增大；随着凸台斜面倾角的增加，滚柱与凸台斜面的碰撞力范围大幅减小。该文的研究结果对优化反向循环式行星滚柱丝杠副的设计具有一定参考意义。

为探索大幅薄壁多腔铝合金在淬火温度不均匀性影响，旨在探究工艺参数影响规律并制定优化方案。基于Workbench平台建立淬火过程数值模型，系统分析淬火方式、冷却强度、喷嘴间距及运行速度对温度场的影响规律，进而采用响应面法对关键工艺参数进行多目标优化。研究表明，分级淬火方式能有效提升温度场均匀性并满足临界冷却速度要求。随着强冷区冷却强度增大，型材冷却速度增加，而温度场均匀性下降。随着强冷区纵向喷嘴间距增大，型材在强冷区中的温度差降低，同时也使得型材冷却速度下降。随着型材运行速度变大，型材冷却速度呈先上升后下降的趋势。采用响应面优化法探究强冷区冷却强度系数、型材运行速度和强冷区纵向喷嘴间距对型材冷却速度的影响规律，得到该型材最优的工艺参数。优化后方案通过在强冷区采用气雾与强喷气交替冷却模式，成功降低淬火温差并消除了温度回升现象。

行星齿轮传动系统在润滑不良等极端工况下运行时，容易发生齿面点蚀故障，严重影响传动精度与服役寿命。为保障系统可靠运行，需深入探究点蚀故障下的系统动态特性。本文综合考虑点蚀故障状态下的时变啮合刚度、时变摩擦力、传动误差和齿侧间隙等因素，建立一种多重激励因素耦合的行星齿轮传动系统非线性动力学模型。采用四阶龙格-库塔数值积分方法对系统振动微分方程进行求解，通过时域图、相平面图、频谱图、小波时频图、三维频谱图及分岔图等表征方法，对不同转速与点蚀故障下的系统振动特性进行分析。结果表明：系统在不同转速下呈现出丰富的非线性动力学行为，包括周期运动、多周期运动及混沌运动等运动特征。轮齿点蚀故障通过改变时变啮合刚度，导致系统振动位移突变，降低系统稳定性。随着转速的增加，点蚀故障所引起的系统振动的振幅也随之增大。通过搭建行星齿轮传动系统动力学特性试验台，验证所建模型及计算方法的准确性。本文揭示点蚀故障与系统动态特性之间的内在关联，为行星齿轮传动系统的故障诊断与状态监测提供重要参考。

在医疗康复与美容护理等人机交互作业场景中，机器人需在人体肌肤表面维持稳定的接触法向姿态。人体柔性曲面轮廓由于个体和作业区域差异性、作业过程体位变化和实时形变等诸多不确定性限制机器人姿态跟踪性能。针对该问题，在人机力与运动交互作业系统上建立多个辅助坐标系，描述和分析交互过程中运动以及力与力矩关系，并构建坐标系间的变换矩阵。融合弹性力学赫兹接触原理和生物力学黏着摩擦力模型，研究一种面向刚性球形末端执行器与软组织接触运动下的基于六维力信息的法向量关系模型，模型实时求解获取当前法向姿态。为确保获取六维力信息的准确性，采用了二次重力补偿与周期误差力矩补偿双重补偿机制。研究成果通过力传感器信息实现未知人体软组织曲面的机器人法向姿态跟踪方法，在人脸模型上从眉心经鼻梁至鼻尖轨迹的法向姿态控制实验中，协同法向力柔顺控制的阻抗算法，法向姿态控制偏差范围为1.12°-3.2°，验证了控制方法的有效性，提升了机器人在非结构化人体作业环境中的自适应性。

针对传统多指手在结构复杂性、抓握力与柔顺性间的矛盾，本文结合连杆和腱绳各自的传动优势提出一种模块化多指手设计方案。手指模块通过融合刚性连杆机构与腱绳-弹簧柔顺系统，实现近/远指节耦合运动，在维持系统低复杂性的同时实现相对高的抓握力与柔顺性。通过分析手指外力-位移耦合关系，建立了手指指端接触力与柔顺关节转角之间的运动学，量化抓握柔顺性能。拇指则采用单向腱绳传动方式，通过建立驱动角度与指节转角的映射关系，结合差异化扭簧补偿单向传动局限，在保证抓握适应性的同时降低了整体机构体积，实现对拇指指尖的精确控制。通过模块化手指设计，为制造、安装与后期维护带来了极高的便利性，降低了整体成本。实验结果表明：该多指手具有较高的柔顺性与抓握适应性，能完成Feix分类法中的11类精确抓取与5种全包络抓取，常规尺寸下单指提拉负载能力达98 N。本文研发的多指手已成功集成于广汽研究院GOMTE仿人机器人系统，为仿人服务机器人领域提供高适应性抓取解决方案。

宏微复合驱动器作为精密定位平台的核心部件，其控制精度直接影响平台的性能。为提高宏微复合驱动器的控制精度，提出了一种主从结构的双环复合控制策略。在宏动控制环设计中，基于电磁力驱动原理建立动力学模型，分别采用粒子群优化算法（PSO）整定的线性二次型调节器（PSO-LQR）和传统LQR构建控制器，通过数值仿真与实验测试的对比分析，验证了PSO-LQR控制器在外环控制中具有更高的位移定位精度。在微动控制环设计中，基于线性压磁方程建立动力学模型，通过融合指数趋近律与双曲正切函数设计了非奇异终端滑模控制器作为内环，有效抑制了系统抖振现象。为验证所提控制策略的有效性，结合激光干涉仪搭建了宏微复合定位实验平台，并开展其定位性能的实验。实验结果表明，在相同的条件下，与传统LQR控制器相比较，PSO-LQR控制器在阶跃定位和位移跟踪方面具有优越性；微动部分能够实现1 μm的步进，而不会产生位移过冲。当定位目标为15 μm时，在非奇异终端滑模控制器控制下的位移误差约为0.24 μm，有效抑制了系统抖振。宏微复合定位方面使用激光干涉仪对光栅位移传感器进行闭环校准，并进行了重复性实验，最终定位精度在370 nm。

车车通信作为我国下一代高速铁路5G-R无线通信系统的关键技术，实现车车通信的时间同步对列车行车安全至关重要。针对车车通信时间同步易受非平稳无线信道和报文传输时延的影响，导致车车通信时间同步性能低的问题，提出了一种变分模态分解与时间注意力双向长短期记忆网络(TA-BLSTM)增强的车车通信时间同步方法。首先，通过对车车通信时延误差进行分析，建立了5G-R车车通信时钟模型。其次，采用变分模态分解模型将车车通信时间序列分解为不同频率的本征模态，从而分离出噪声成分，提高信号的信噪比。然后，通过计算能量值识别出噪声主导分量，利用小波软阈值降噪法对噪声分量进行去噪，提高车车通信同步时间序列质量。最后，提出一种融合时间注意力机制的双向长短期记忆TA-BLSTM网络，通过双向LSTM网络提取车车通信时间同步序列的长期时域特征，并采用时间注意力机制动态捕获时间同步序列的时序依赖特性，实现对车车通信时间同步偏差的高精度预测与动态补偿，从而完成车车通信时间同步。通过仿真实验，所提方法在有中继和无中继场景下均能有效实现车车时间同步。与其他方法相比，所提方法能够有效降低同步偏移误差，在车车通信时间同步过程中具有更快的收敛速度和稳定性。

在复杂电磁环境下，战术无线通信链路面临严重的干扰威胁，易导致通信中断，影响任务执行的稳定性与可靠性。为提升无线通信系统在动态干扰场景中的抗干扰能力，本文提出一种融合智能超表面（RIS）与深度强化学习的自适应抗干扰架构。该架构从增强有效信号强度和生成动态抗干扰策略两个维度出发，协同提升通信链路的鲁棒性和智能决策能力。在方法设计上，首先利用RIS的波束赋形能力，实现对无线传播环境的主动调控，从而提升用户信噪比，有效抑制干扰并加速学习策略的收敛；其次将频点选择与功率控制建模为马尔可夫决策过程，引入结合历史价值评估的贪婪动作选择策略，构建基于双深度Q网络（Double DQN）和优先经验回放机制的强化学习框架，通过RIS增强的信号提升策略稳定性，并显著缩短训练周期。仿真结果显示，在宽带扫频、随机脉冲及智能博弈等典型干扰场景中，所提方法的平均通信成功率相比仅采用深度强化学习或RIS的单一方案提升超过15%，充分验证了所提架构在高动态环境下的鲁棒性与广泛适应能力。

针对基于数据分发服务的分散式组网导航系统(Decentralized Networked Navigation System Based on DDS, DDS-DNNS)锚点选取问题，构建了节点位置图以及节点位置估计模型，并将锚点选取问题表述为固定基数约束下最大化Fisher信息矩阵的D-最优度量，以此为基础，设计了基于图拓扑结构的DDS-DNNS锚点选取优化算法。该算法利用图拓扑结构与Fisher信息矩阵D-最优度量之间的联系，将最大化Fisher信息矩阵D-最优度量近似转化为最大化降维加权Laplacian矩阵的对数行列式值，并基于集合函数相关性质以及Cauchy交错定理证明了近似优化模型是一个非正则、非单调、非负的子模最大化问题，由此设计了包含基于近似最小度排序的稀疏Cholesky分解、惰性评估、矩阵维度保持及置换向量复用、Cholesky分解结果复用的改进贪心算法用以求解近似优化模型，同时证明了算法具备近似优化性能保证以及远小于经典随机贪心算法的计算复杂度。最后通过算例仿真验证了算法的有效性。