随着机器人技术的发展，仿人机器人在多个领域展现出应用潜力和价值。针对仿人机器人，基于机器视觉进行自主抓取研究，旨在提高仿人机器人在自然环境中的抓取适应能力和动作仿人性。在机器视觉方面，硬件采用Realsense-D435深度摄像头，利用YOLO（You Only Look Once）物体检测模型实现目标物体的识别、空间定位、深度图裁切和目标点云生成，并根据目标点云与标准点云的配准算法（ICP）获取物体的姿态，通过D-H法对机器人头部进行建模，将物体的位置和姿态由相机坐标系转换为机器人坐标系。在运动规划上，参照人手臂的抓取规律，将抓取过程分为9个基础动作：初始位、移动至预抓取位、抓取物体、提起物体、搬运物体、移动至放置位、放置物体、退出位和回到初始位，针对不同物体确定对应抓取姿态，以提高抓取成功率，根据视觉获取的抓取点和放置点，自主计算余下的关键点，并以空间弧形作为抓取轨迹，通过Matlab仿真，验证抓取过程机械臂末端运动轨迹和关节轨迹的合理性。最后进行物体抓取实验，结果表明，仿人机器人在自然环境中能够快速准确地识别和定位不同物体，并能成功进行抓取和搬运，成功率均在80%以上，并且能够兼顾动作的仿人性，验证了所提出方案的有效性。本研究可促进仿人机器人在人类日常生活中的应用和普及。
准确分析居民出行方式的碳排放及方式选择影响因素的重要性和敏感性，是精准制定交通减排措施的基础。根据居民出行调查的家庭属性、个人属性、出行属性和环境属性等影响因素综合分析，基于LightGBM （Light Gradient Boosting Machine）构建了居民出行方式预测模型并进行验证，结合出行活动水平、各种能源类型的碳排放系数、标准煤系数等参数，构建了基于居民属性数据的出行碳排放预测模型；最后，以广州市为例进行实证分析，对居民出行方式和碳排放总量进行预测，并分析了出行方式选择影响因素的重要程度和重要因素敏感性。结果表明：基于居民属性数据构建的碳排放预测模型，能较为精确地预测各种出行方式的碳排放，较好地分析碳排放的影响因素重要性和敏感性，以及全面揭示出行行为、出行方式和出行碳排放之间的关系。其中，起终点距最近公交站的距离或距最近地铁站的距离、自驾车费用、出行距离等是影响居民出行方式选择的重要因素。当起终点距最近地铁站距离下降55%时，地铁出行竞争力随着距离缩短而明显提升；在公交站点密度较大的区域，起终点距最近公交站距离对居民出行方式选择不敏感；当碳排放费用增加400%时为居民出行方式和碳排放的转折点，超过转折点后小汽车出行方式难以转移；当出行距离下降幅度在90%以内时，碳排放下降速度最快，最大降幅为90.4%。
针对高速公路大范围路网中新能源汽车由于能源消耗所产生的间接碳排放量难以统计的问题，提出了一种基于高速公路ETC收费联网数据的新能源汽车碳排放量测算方法。首先，对高速公路新能源汽车车流数据进行清洗与处理；然后，依据高速公路路网门架分布定义并划分路段单元，在此基础上对不同类型的新能源汽车进行能耗分析；最后，建立了新能源汽车运行阶段的碳排放计量模型，并以广东省为例，进行了碳排放量的测算及空间分布特征分析。结果表明：1类纯电动客车为高速公路新能源汽车碳排放的主要来源，其碳排放量占新能源汽车碳排放总量的74.20%，其次是1类纯电动货车，其碳排放量占新能源汽车碳排放总量的14.18%，1类插电式混合动力客车的碳排放量占比为11.62%；新能源汽车碳排放量较高的地市主要集中在珠三角城市群，粤东、粤西、粤北等后发地区的碳排放总量占比不足13%；新能源汽车碳排放量较高的路段主要分布在发达城市的交通枢纽和市内高速环线中，以广州都市圈和深圳都市圈为中心对周边城市高速公路路网产生辐射效应；后发地区由于高速公路路网密度较低且基础设施建设相对滞后，新能源汽车的普及率较低，相应的碳排放量普遍处于较低水平。
为验证广东省标准DBJ/T 15-92—2021《高层建筑混凝土结构技术规程》“二水准、二阶段”抗震性能化设计方法的合理性、可靠性和容错性，设计两批相同的3榀抗震构造等级分别为一级、二级、三级的1∶4缩尺平面RC框架结构试件，加载时各层楼板上布置铁质配重模拟分布荷载，考虑楼板及楼板荷载对框架结构破坏机制的影响。试验采用位移控制单点加载，加载点位于三层楼面梁标高处，在柱纵向钢筋达到屈服应变前为单循环加载，屈服后采用三循环加载。通过拟静力试验，考察结构的抗震破坏形态和破坏机制，分析滞回曲线、延性、刚度、耗能等抗震性能指标的演化规律。试验结果表明：试件损伤破坏的塑性铰发展路径基本相同，符合梁端塑性铰延性机构的破坏机制；试件没有明显剪切破坏特征，承载力利用系数ξ能实现“强剪弱弯”抗震设计要求；6榀框架结构试件的滞回曲线饱满，抗震延性系数范围为4.36~6.10，等效粘滞阻尼系数最大值范围为0.125~0.165，展现了良好的抗震耗能性能；楼板提高框架梁的刚度和承载力，对试件抗震破坏机制有明显影响，试件保持了“强柱弱梁”抗震破坏特征，构件重要性系数η能保证“强柱弱梁”的抗震设计要求；试件破坏特征有随机性，但破坏机制整体规律性较强，不同抗震构造等级试件的梯度特征明显。
针对基于深度学习的滚动轴承故障诊断算法需要从大量标注数据中学习，且面对样本数量受限时诊断效果不佳的问题，文中提出了一种基于格拉姆角差场（GADF）和生成对抗网络（GAN）的小样本滚动轴承故障诊断方法。首先，提出了基于GADF变换的数据增强方式，将少数1维振动信号通过GADF变换转换为2维GADF图像，并通过裁剪得到GADF子图，从而得到大量的图像样本；然后，将条件生成对抗网络（CGAN）与带有梯度惩罚的Wasserstein GAN（WGAN-GP）相结合，构建一种新的生成对抗网络，该网络通过条件辅助信息与梯度惩罚增强模型训练稳定性，并设计动态坐标注意力机制以增强模型的空间感知能力，从而生成高质量样本；最后，使用生成的样本对分类器进行训练，并在验证集上得到诊断结果。文中分别使用东南大学数据集和美国凯斯西储大学（CWRU）数据集进行了两组小样本环境下的轴承故障诊断实验。结果表明，与传统生成对抗网络以及先进的小样本故障诊断方法相比，文中所提方法的准确率和精确率等5项故障诊断指标均获得最好的结果，可以准确诊断出小样本条件下的轴承故障类型。
随着自动驾驶技术的发展，深度强化学习成为实现高效驾驶策略学习的重要手段。然而，实施自动驾驶面临着复杂多变的交通场景带来的挑战，并且现有的深度强化学习方法存在场景适应能力单一、收敛速度较慢的问题。针对此类问题，为提高自动驾驶车辆的场景适应能力和策略学习效率，文中提出了一种多任务辅助的驾驶策略学习方法。该方法首先基于深度残差网络构建了编码器-多任务解码器模块，将高维驾驶场景压缩为低维表征，并采用语义分割、深度估计和速度预测的多任务辅助学习，以提高低维表征的场景信息丰富程度；然后，以该低维表征作为状态输入，构建基于强化学习的决策网络，并设计多约束奖励函数来引导驾驶策略的学习；最后，在CARLA中进行仿真实验。结果表明：相较于DDPG、TD3等经典方法，文中方法通过多任务的辅助改善了训练进程，学习到更优的驾驶策略；在环岛、路口等多个典型城市驾驶场景中实现了更高的任务成功率和驾驶得分，具备优秀的决策能力和场景适应性。
前方相邻车道车辆变道切入自动驾驶车辆所在车道是典型的高速公路自动驾驶高风险场景，在实际高速公路上进行该类场景的复现测试存在非常高的安全风险，虚拟仿真测试是解决该问题的最佳途径之一。为自动生成批量化的高保真高速公路变道切入测试场景，该文提出了一种基于时间序列生成对抗网络（TsGAN）的自动驾驶汽车高速公路变道切入测试场景自动生成算法。该算法以变道切入时刻两车的车头时距和侧向时距为场景危险程度评价指标，从高速公路真实轨迹数据集highD中提取4类不同危险程度的2 853个变道切入场景实例，基于TsGAN构建变道切入测试场景生成模型，并利用所提取的真实轨迹数据训练模型；其后，采用所构建的模型生成前车变道轨迹和测试车变道切入时刻前的运行轨迹，通过比较所生成的变道轨迹与真实轨迹之间的分布相似性、频谱误差，验证所生成的轨迹的真实性。该文还分析了所生成的场景中变道切入时刻两车的运动关系及轨迹参数分布，检验了自动生成的场景在自然场景中的覆盖度。结果显示：从轨迹关键参数的分布来看，TsGAN模型生成的变道轨迹与真实轨迹的平均相似度达79.7%，平均频谱误差小于8%，落在最相似真实轨迹缓冲区的轨迹超过83.2%，表明所生成的轨迹具有高真实性；与所采集的真实场景相比，所生成的场景实例覆盖范围更大，在参数区间内分布更均匀，变道切入时刻前方变道车辆与测试车的车头时距和侧向时距分别降低了17.83%和16.37%（平均值），车辆轨迹参数分布区间平均增长了19.44%，表明所生成的场景在自然场景中具有较高的覆盖度；所提出的基于TsGAN的场景生成模型可模拟4种不同危险程度的变道切入测试场景，具有较强的针对性。
沥青混合料的抗弯拉性能影响沥青路面的服役质量和寿命，其内部受力决定了抗弯拉性能的优劣。为探究沥青混合料的内部受力特征，采用离散元方法对3点弯曲受力模式下沥青混合料各组分力链进行量化评价。首先，基于图像识别构建了粗集料模板库，实现沥青混合料试件高效离散元3维建模，并提出了3点弯曲仿真方式；然后，可视化表征沥青混合料内部力链分布，提取了各组分力链数据，从组成、强度和角度方面分析了力链特征。结果表明：在3点弯曲受力模式下，沥青混合料的内部力链场表现为拉压分区，粗集料嵌挤仅在受压区生效；SMA13沥青混合料的70.8%内部接触力由沥青砂浆提供，而AC13沥青混合料提供的则为83.2%，粗集料在弯拉受力状态下作用较小，沥青砂浆起主要抵抗外载作用；力链比重随强度的增大而减小，砂浆内部与砂浆-粗集料界面位置的强力链比重基本一致，而粗集料之间受力不均匀，砂浆使沥青混合料内部均匀受力效果明显；粗集料-砂浆界面水平方向的力链强度略高于竖直方向，粗集料力链强度随角度变化的波动起伏大。沥青砂浆在沥青混合料弯拉受力时承担主要荷载，可为沥青混合料的结构设计和性能评价提供参考。
我国“十四五”发展规划对交通绿色发展提出了更高要求，交通运营所产生的排放是交通行业碳排放的主要来源。为研究公路平曲线路段小客车运行碳排放的影响因素，通过开展现场实车试验，试验车载OBD（On Board Diagnostics）设备采集广东省内典型公路曲线段现场行车试验数据，并通过IPCC（Intergovernmental Panel on Climate Change）碳排放核算方法获取路段碳排放率数据，结合道路线形选取了影响小客车运行排放的相关评价指标，在灰色关联分析的基础上对相关评价指标进行关联度计算。结果表明：平曲线路段线形要素中缓和曲线长度占比、缓和曲线参数等指标与路段碳排放率显著关联；圆曲线半径在一定区间内与路段碳排放率显著关联。非线形指标中显著相关的有加速度标准差和加速度均值，与这两者显著相关的线形指标是缓和曲线参数和缓和曲线长度占比。结合灰色关联分析结果，从指标中选取了8个关联指标，通过建立灰色GM（1，N）模型对平曲线路段小客车行驶碳排放总量进行预测，预测结果和实际结果平均相对误差为5.10%，模型预测性能优于传统多元回归模型，在数据有限的情况下表现出色并提供可靠的预测结果。研究成果可识别路段对碳排放有显著影响的关键设计和运行参数，为平曲线路段低碳优化设计和管理提供理论依据。
为了给广府木结构的修复提供理论依据，采用菠萝格木材设计制作了5个箍头榫节点试件。考虑到榫卯构造尺寸的影响，首先进行了未加固无损节点的拟静力试验。然后，采用对原有外观影响较小的雀替型阻尼器对上述节点损坏试件进行加固，以尽可能保留建筑的原始风貌。最后，对加固节点进行拟静力试验，以研究节点的抗震性能变化以及阻尼器的加固效果。结果表明：采用阻尼器加固后的节点试件在加载至破坏时，榫卯处压痕明显，梁外榫外侧劈裂、脱榫现象明显，阻尼器脚部的橡胶与钢板有一定的脱离现象；对节点增设阻尼器能够弥补节点初期损伤导致的受力性能下降，为残损榫卯节点提供较好的后期刚度，提高节点的承载能力和耗能能力；与未加固试件相比，增设阻尼器后，试件的后期刚度、极限承载力、总滞回耗能均有所增加，分别提高18%、19%、20%以上。文中还在已有简化力学模型的基础上，结合OpenSees，提出了一种应用于箍头榫木结构的宏观模型建模方法。采用该方法得到的节点滞回曲线与试验结果吻合良好，可以有效模拟阻尼器加固的箍头榫木节点的滞回耗能特性。
为及时识别、预测车辆的换道行为，综合考虑目标车辆及周边车辆的时空交互关系，结合时间卷积网络（Temporal Convolutional Network，TCN）的时序处理能力和长短期记忆（Long Short Term Memory，LSTM）神经网络的门控记忆机制，构建了基于TCN-LSTM网络的车辆换道意图识别模型。首先，将目标车辆的驾驶意图分为直行、向左换道和向右换道3种类型，从CitySim车辆轨迹数据集中提取出目标车辆及对应同车道、左侧车道、右侧车道的相邻前车和相邻后车的轨迹数据，并利用中值滤波算法获得车辆运行状态指标。其次，针对统计学理论和机器学习方法面临的识别精度不高、训练时间长、参数更新慢等问题，提出利用膨胀卷积技术提取时间序列的时序特征，采用门控记忆单元捕捉时序特征的长期依赖关系，并以目标车辆及周边相邻车辆的速度、加速度、航向角、航向角变化率和相对位置信息等54个车辆状态指标为输入变量，以车辆的换道意图为输出变量，构建了一个基于TCN-LSTM网络的车辆换道意图识别模型。最后，对比分析了不同输入时间步长下TCN、支持向量机（Support Vector Machines，SVM）、LSTM和TCN-LSTM模型的识别精度。结果表明：输入时间序列长度为150帧时，TCN-LSTM模型的识别精度达到最高值96.67%；从整体分类精度来看，相比LSTM、TCN和SVM模型，TCN-LSTM模型的换道意图分类准确率分别提升了1.34、0.84和2.46个百分点，展现出了更高的分类性能。
纯电动公交车以其低排放、低噪声等优点在公交系统中得到越来越广泛的应用。然而相对较短的车辆续航里程和较长的充电时间使其在运营中需要频繁充电，从而衍生出新的充电计划问题。合理的充电方案对于节省充电设施建设成本和缩减充电成本等方面均有重要意义。目前电动公交充电计划优化的研究通常将充电时长与充电量设定为线性关系，且较少考虑充电计划与充电桩作业流程的综合优化，导致充电场景还原性差和资源浪费等问题。为此，在给定车次安排的前提下进一步优化电动公交充电计划，构建了以最小化系统总成本为目标的混合整数规划模型，对充电事件的发生时段、充电开始与结束时间以及充电桩作业流程进行同步优化，且充分考虑了分时电价政策、不完全充电策略和电池的非线性充电特性。在问题求解方面，首先通过线性近似的方式将电池的非线性充电曲线改写为分段线性函数，进而利用商业求解器 Gurobi 得到最优方案；之后基于最小费用最大流理论与逆差函数设计了一套专门的优化算法；最后，以北京市5条公交线路为例设计多组实验，并分别应用 Gurobi 与本文设计的算法进行优化求解。优化结果验证了所提出算法的准确性与高效性，可使当前充电系统总成本降低28.34%~56.1%。
我国老年驾驶人数量持续增长，驾驶人结构的变化给交通安全带来了挑战。相比于其他年龄段驾驶人，老年人生心理功能逐渐衰退，更容易发生交通事故。认知功能与驾驶安全表现显著相关。从注意反应能力、执行处理能力、空间感知能力3项认知功能领域出发，研究老年人驾驶特征，设计驾驶模拟实验风险事件，获得认知驾驶行为数据，分析青年人、中年人、老年人驾驶行为特征的差异性；采用主客观结合的方法确定指标权重，提出认知驾驶行为指数计算方法；以驾驶人属性和认知功能为自变量，以认知驾驶行为指数为因变量，建立广义线性混合模型，探究不同因素对认知驾驶能力的影响。结果表明年龄、周驾驶频率、自我调节和TMT-B（Trail Making Test-B）与认知驾驶行为指数显著相关，MMSE（Mini-Mental State Examination）为边缘显著相关；老年驾驶人的认知驾驶行为指数受个体特质影响较大；相较于老年人，青年人认知驾驶行为指数更差，中年人更好；周驾驶频率低的人比周驾驶频率高的人认知驾驶行为指数更好；自我调节频率为低和中的驾驶人，比频率为高的驾驶人认知驾驶行为指数更好；TMT-B测量认知正常的驾驶人比认知障碍驾驶人的认知驾驶行为指数更好。该研究从交通事故的人因机理角度出发，探究老年驾驶人面对的认知挑战，提出老年人认知驾驶行为指数计算方法并解析影响因素，为简化老年人驾驶适宜性评价程序、制定驾驶安全干预策略提供参考。
考虑当前自动驾驶技术成熟度和公众接受程度等问题，网联混驾编队模式可能是自动驾驶编队全面普及应用前的可行的过渡模式之一。为研究网联条件和车队形式对网联混驾编队运行特征及生态安全的影响，文中基于驾驶模拟技术搭建的网联混驾编队实验测试平台，构建由5辆车组成的“领航车-网联L2级人工驾驶车辆、跟驰车-网联自动驾驶车辆”的网联混驾编队模式，并邀请36名被试开展驾驶模拟实验。考虑时域分析侧重呈现指标的时间维度变化，而频域分析可以挖掘指标的频率分布特性，文中选取速度、加速度指标从时域和频域维度分析车辆运行特征，同时选取油耗、速度安全熵指标评价车辆运行的生态安全性。结果表明：网联条件和编队模式均有助于车辆行驶更加平稳，并显著提升其生态安全性；网联混驾编队的综合效能最佳，相较传统单车模式，油耗可降低10.67%，速度安全熵值可降低73.25%。该研究成果可为自动驾驶企业及行业开展网联人机交互终端设计、领航驾驶辅助系统研发、网联混驾编队可行性及有效性测试等提供方案借鉴和平台支持。
永磁同步电机具有体积小、成本低廉、可靠性高等优点，被广泛应用于工业生产、交通运输和家用电器等领域。电解电容作为永磁同步电机驱动系统中连接电网侧和电机侧的中间部分，其寿命容易受到环境温度、湿度等外部因素的影响，进而影响电机产品的稳定性和可靠性，因此，无电解电容的永磁同步电机驱动系统成为了国内外的研究热点，学者们针对实现高功率因数、抑制电流谐波、电机稳定运行等目标提出了各种各样的控制策略。该文分析了无电解电容的永磁同步电机驱动系统电能质量和电机性能的影响因素，综合对比了不同控制策略的优缺点，对优化系统性能的控制策略进行了归纳和总结，并对永磁同步电机无电解电容驱动技术进行了展望，得到以下结论：当前对电能质量的改善主要采用优化电机控制算法的方式，但现有的间接功率控制、直接功率控制、补偿相电流非理想特性、再生能量控制等方法均存在一定的局限性；对电机性能的改善主要针对传统的弱磁控制、过调制等基于恒定母线电压的控制策略来进行，同时兼顾抑制拍频现象和保证电机稳定运行，后续研究中需要进一步考虑功率因数和电流谐波是否满足标准；兼顾电能质量和电机性能的综合调控是当前无电解电容驱动系统面临的最大难题，因此，需针对电网侧和电机侧进行协同控制，以合理分配功能，避免产生冲突。
高速公路改扩建后增加两侧立体层可以提高通行能力，但互通立交处常常会出现间距过短、流量过大、分流过多等问题，进而导致现有的交通标志无法满足驾驶人的指路需求。针对此问题，以深圳机荷高速为例，在常规标准方案基础上，设计了4种匝道指引标志提升方案，并使用Unity3D引擎开发出了相对应的立体复合高速公路互通场景，高速公路上的车辆第1次分流时驶出地面层，第2次分流可以驶入立体层，第3次分流接入其他互通高速。28名驾驶人使用外接交互设备在不同的场景中进行模拟驾驶，实验采集到了速度、加速度、车道位置等驾驶行为数据。通过计算不同指引标志设计方案中各影响区段内指标的逐点显著性，呈现出了各指标空间维度上的差异性，进一步分析表明，增加预告层级设置3 km预告标志能够帮助驾驶人及早感知前方匝道状况；设置车道指引标志可以提升车辆在匝道处的纵向和横向稳定性，便于驾驶人采取更好的换道策略；导航语音辅助能够提升驾驶人在立体复合高速公路匝道处的速度控制水平、出口换道意识和心理舒适程度。研究表明，Unity3D保真度高、交互性好、成本低，可以为复杂道路场景中驾驶行为的相关研究提供技术支持。同时，该研究也为高速公路改扩建工程交通指引标志设立提供了理论参考。
为进一步厘清不同出租车路径选择行为的差异性，采用频繁序列挖掘方法提取了同一个OD对间的频繁路径，构建路径选择集，分别从静态和动态两个角度分析路径集的相似特性。以西安市出租车的轨迹数据为研究对象，通过栅格划分与路网匹配，获得了不同OD对之间的路径集合。重新定义了频繁路径，采用PrefixSpan演变算法，在得到频繁子序列的基础上引入动态阈值和频繁度指标挖掘频繁路径，提取了最短路径和其他路径，完成了3类有效路径集的构建，并分析了路径集的一般属性。其后，将路径上二维时间序列（轨迹）间的相似度表示为动态相似度，将一维有向序列（路段）间的相似度表示为静态相似度，基于改进的最长公共子序列和动态时间规整算法对3类路径进行了相似性分析。结果表明：频繁路径与最短路径的相似度较高，意味着大多数出租车仍然选择具有最低出行时间的路段，但不一定会选择最短路径；时间和距离仍是出行者选择路径时主要考虑的因素，但出行者并不完全追求时间最短或距离最短；试验得到的动态相似度计算结果显著高于静态相似度计算结果，说明路径上的二维时序相似度高于一维形状相似度；两种方法下频繁路径和最短路径的相似度均最高，最短路径和其他路径的相似度均最低，比较结果的一致性说明可以用动态轨迹的相似度来大致度量静态路径的相似度。文中的频繁路径挖掘算法具有一定的可靠性，可为城市交通管理者进行路径推荐、道路规划等提供支持。
为了精确评价沥青超薄磨耗层开放交通后抗滑性能衰变过程、机理及影响因素，首先利用弧形模具及其配套的轮碾机来制备弧形超薄磨耗层试件；然后通过驱动轮式加速加载系统对4种级配类型和3个沥青胶结料等级的沥青超薄磨耗层试件进行加速加载试验；最后借助激光纹理扫描仪对一定轮载次数作用后的试件分别进行扫描。结合试验数据分别建立了基于S型函数的沥青超薄磨耗层宏观和微观构造深度衰变模型，以及基于灰色关联分析方法来分析各空隙率和沥青胶结料对抗滑性能的独立和耦合作用。试验研究结果显示：采用驱动轮式加速加载系统结合S型函数模型可以定量地评价和预测沥青超薄磨耗层性能的演变过程；空隙率影响超薄磨耗层宏观和微观构造深度的前期衰减速率，空隙率越大，则超薄磨耗层的宏观和微观构造深度的前期衰减速率越大；宏观构造深度的中后期衰减速率受沥青胶结料等级影响更大，沥青胶结料性能等级越高，则宏观构造深度的中后期衰减速率越慢；空隙率和沥青胶结料等级对超薄磨耗层微观构造深度中后期衰减速率的影响相当。因此，在进行超薄磨耗层抗滑性能设计时，选择大空隙率的开级配超薄磨耗层混合料级配对路面抗滑耐久性是有益的，而沥青胶结料的性能等级则可以根据交通量的大小合理选择。
GaN HEMT在栅极与源极和漏极之间存在一段通道区域，在等效电路模型中通常等效为一电阻，称为源漏通道区电阻RD，S。准确构建GaN HEMT RD，S模型，对于分析GaN HEMT直流和射频特性，构建GaN HEMT大信号模型具有十分重要的意义。本研究给出考虑自热和准饱和效应的RD，S模型。首先由源漏通道区温度TCH与耗散功率Pdiss的关系，推导出非线性自热效应模型。进一步基于准饱和效应和Trofimenkoff模型，给出源漏通道区电子漂移速度与电场强度的关系表达式，构建非线性RD，S模型。在环境温度Tamb = 300 ~ 500 K时，源漏通道区二维电子气2DEG面密度nS，acc（TCH）和迁移率μacc（TCH）随TCH的升高而下降，这导致低偏置条件下的源漏通道区电阻RD0，S0随TCH呈非线性增长。将本研究和文献报道的RD，S模型与TCAD （Technology Computer Aided Design）仿真数据进行对比，结果显示：本研究与文献报道的漏通道区电阻RD模型的平均相对误差分别为0.32%和1.78%，均方根误差（RMSE）分别为0.039和0.20 Ω；RS模型的平均相对误差分别为0.76%和1.73%，RMSE分别为0.023和0.047 Ω。与文献报道的实验数据进行对比，结果显示：本研究与文献RD模型的平均相对误差分别为0.91%和1.59%，RMSE分别为0.012和0.015 Ω；RS平均相对误差分别为1.22%和2.77%，RMSE分别为0.001 5和0.003 4 Ω。本研究提出的RD，S模型具有更低的平均相对误差和均方根误差，能够更加准确地表征GaN HEMT线性工作区RD，S随漏源电流IDS的变化。可将本模型用于器件的设计优化，也可作为Spice模型用于电路仿真。
针对当前目标检测算法参数较多，计算量较大，导致响应速度较慢，难以推广应用于智能车辆系统的问题，提出一种改进的CenterNet目标检测算法。即应用轻量化MobileNetV3网络替换原ResNet-50网络，降低计算量；应用深度可分离的PANet替换特征增强网络，获得多尺度特征信息融合后的特征，并引入SimAM注意力机制在特征融合前强化目标特征关注度，再用SiLU激活函数替换原目标检测网络中的ReLU激活函数，增强网络学习能力。最后提出CPAN-ASFF模块对深度可分离的PANet输出多尺度特征图进行融合，提高目标检测精度。应用优化后的KITTI数据集对改进后的CenterNet目标检测算法进行训练及检测验证，结果表明：其平均准确率为80.7%，比原始CenterNet目标检测算法提高了12个百分点，其检测速度为65 f/s，其参数量为8.91 M，较原算法减少72.73%，改进后的算法在遮挡目标、重叠目标以及与背景相似目标的检测效果上表现更优。且在SODA10M数据集中，文中提出的算法的检测精度与速度也都优于当前主流算法。该研究对算法的优化及实验为智能车辆在实际工程中的应用奠定了技术支撑。
