以去离子水和 w(Fe₃O₄) =0. 5%的磁纳米流体为实验工质，在 3 种不同尺寸的矩形微细通道内进行饱和流动沸腾传热实验，研究了流动沸腾传热过程中质量流速、有无磁场作用下的磁纳米流体对 CHF 特性的影响． 结果表明:去离子水和0. 5%的磁纳米流体的 CHF 值均随质量流速的增大而增大，且质量流速较小时，CHF 值增幅较明显;无外加磁场时，0. 5%的磁纳米流体的 CHF 值相比去离子水可提高 71% ～157%;0. 5% 的磁纳米流体的 CHF 值随着磁场强度的增加而增大，增加幅度约为 4% ～17. 4%;将实验值与 Kosar 模型预测值进行对比，发现工质为去离子水和 0. 5% 的磁纳米流体时平均绝对误差分别为 25%、30%，而对 Kosar 模型进行修正后，平均相对误差均小于15%，实验结果预测性明显提高．

建立了倾斜多孔方腔自然对流的非正交多松弛系数格子 Boltzmann (MRT-LB)模型，选取典型热流动问题分析了非正交转换矩阵的 MRT-LB 模型数值稳定性和运算效率，并对倾斜多孔方腔内自然对流现象进行了模拟研究，讨论了孔隙度 ε(ε = 0. 4，0. 6，0. 9)、倾角 θ ( －180°≤θ≤180°)、Rayleigh 数(10⁴ ≤Ra≤10⁷ )及 Darcy 数(Da = 10^-4，10^-2)等参数对流动传热的影响． 结果表明:非正交转换矩阵的 MRT-LB 模型具有更好的数值稳定性和收敛速度;倾斜多孔方腔高温壁面上平均 Nusselt 数随倾角变化呈 M 型分布;Ra 数、Da 数增大使得 Nusselt 数最大值所对应的倾斜角度 θ max 呈滞后规律;低 Ra 数时Nusselt 数曲线出现不连续变化现象． 最后通过曲线拟合得到 Nusselt 数与Ra^* (Ra^* =DaRa)数的幂函数关系式．

研究坡度隧道火灾排烟方法有助于隧道火灾中人员的救援与逃生．本文采用数值模拟方法研究了半横向通风方式下坡度隧道火灾过程中的排烟方法，分析了不同排烟方法时的排烟范围均匀系数 λ 和排烟热效率 α． 理论排烟量计算结果表明:坡度为0．0% ～1．5%时，标准排烟方法可以有效地控制烟气在隧道内蔓延;当坡度在 1．5% ～3．0%范围内时，下坡方向烟气由于浮力的作用被控制在排烟口附近，此时为了有效排烟并同时提高风机排烟热效率，可采用上坡单侧排烟方法;当坡度大于 3．0% 时，由于烟囱效应作用使得隧道内的烟气蔓延速度加快，烟气迅速逃离排烟口蔓延至隧道出口，此时应在上坡方向增加纵向通风以抑制烟气的回流，才能更好地限制烟气蔓延．

针对局部放电在线检测中的局部放电信号模式识别，在对局部放电信号进行去噪预处理的基础上，对去噪后的局部放电信号进行小波包分解，利用小波包系数构建小波包系数矩阵;然后，对小波包系数矩阵进行奇异值分解，定义奇异值能量百分比作为局部放电信号的特征向量，并利用 M-ary 算法将支持向量机二分类扩展到多分类，使用粒子群算法对支持向量机参数进行优化;最后，将特征向量作为输入，使用支持向量机对 4 种放电信号进行识别，并与 BP 神经网络的识别效果进行对比． 结果表明:利用奇异值能量百分比构建的放电信号特征向量能够很好反映原始信号的特征;基于支持向量机能够有效对放电信号进行识别，平均识别率达到 95%，随着分解尺度增大，4 种放电信号的平均识别率增大，但增大的幅度减小;支持向量机和 BP 神经网络均能够很好识别 4 种放电信号，且支持向量机相比 BP 神经网络，具有更好的识别效果．

对二极管箝位型三电平逆变器的中点电位偏移与中点电位波动问题进行了研究． 通过对电压矢量与中点电位关系的分析，建立了系统在无差拍控制下的数学模型． 在无差拍控制下，结合虚拟矢量调制，经综合判断，对中点电位进行调节． 仿真与实验结果表明:与传统方法相比，该方法可以缩短消除中点偏移所需的时间，调节中点电位的能力不受调制度大小的影响，同时该方法可以消除低频的中点电位震荡．

在动网格与滑移网格技术结合的基础上引入空化模型构造的数值计算模型，以该模型对考虑空泡因素影响的高速旋转导管螺旋桨进行直线运动时的水动力特性进行数值模拟，观察螺旋桨在线运动工作条件下空泡的发生发展过程，研究了空泡因素对直线运动中导管螺旋桨周围流场以及推力特性的影响，分析了在空泡环境下不同转速、线速度对导管螺旋桨推力特性的影响． 结果表明:对于高速旋转的螺旋桨，计入空化模型进行的数值计算可以比较客观的模拟桨叶产生空泡的发生与发展过程，以及由此而引起的螺旋桨水动力特性的变化;计入空化模型后，数值模拟与实验结果之间的最大相对误差要小于不计入空化模型时的数值模拟结果，进速或螺旋桨的转速越高，两者之间的差异越明显;空泡因素对螺旋桨叶水动力特性的影响不仅仅限于吸力面，对压力面同样有不可忽略的影响．

为准确预测地铁客流量，以便更好地进行车辆调度和站点管理，提出一种基于 K 近邻模式匹配的地铁客流量短时预测方法． 通过分析地铁客流数据，发现地铁的日客流发展模式具有一定规律;针对该发现，提出一种基于误差变化率计算的自适应 K 值获取算法，自动获取合适的 K 值以提高预测算法的普适性． 最后以广州火车南站地铁站为例进行实例分析，结果表明:所提出的方法同时适用于节假日与非节假日两种不同交通模式的地铁客流预测，平均预测精度在 90%左右，具有较好的应用推广价值．

对城市轨道交通动态可达性及末班车时刻表的研究，是优化轨道交通末班车换乘衔接，保证运输效益最大化的基础． 首先，从点、线、面三个层面，在综合考虑路网静态拓扑结构及动态 OD(Origin-Destination)客流的基础上，提出城市轨道交通动态可达性指标及其量化方法;其次，面向广州市轨道交通网络，基于 OD 客流需求进行网络客流加载并评价轨道交通网络可达性;最后，以动态可达性最大为目标，考虑各线路发车时间等约束，建立末班车时刻表优化模型，并以广州地铁为例，基于遗传算法对其末班车时刻表进行调整优化． 结果表明:调整后广州地铁路网末班车静态可达性提高 20. 29%，动态可达性提高 10. 97 个百分点，优化后的末班车时刻表能有效提高运输能力，该模型可为网络运营组织提供决策依据．

提出了一种联网智能车运动学仿真基础环境构建方法，该方法无需任何第三方交通仿真软件的协助，能够实现对联网智能车运动学相关功能的仿真验证． 采用交叉口节点作为路网关键元素实现对仿真路网的描述，定义了交叉口和车辆属性，设计了车辆运动学模型在仿真环境中的实现方法，给出了基于高斯分布的车辆定位误差、基于平均分布和Rayleigh 分布的通信延误在仿真中的运行机制，构建了仿真环境． 仿真结果表明:该方法可靠性好;采用该方法构建的仿真环境得到的车辆延误与 HCM 1994 车辆延误模型结果保持一致;在危险跟驰预警场景中，预警时刻两车间距的变化规律与论文提出的定位误差模型和通信延误模型保持一致． 最后，通过对交叉口车辆间隙控制方法进行仿真，进一步证明了该方法对联网智能车运动学方面功能验证的支持．

对于智能车辆的路径跟踪，传统位置偏差控制方法往往忽略了车辆的动态稳定性． 针对这一问题提出一种考虑横向稳定性的智能车辆路径跟踪控制方法． 首先建立二自由度车辆动力学模型和路径跟踪误差模型，综合考虑车辆位置偏差和车辆动力学状态，利用基于反馈优势的反推法(FDB) 生成期望横摆角速度;然后基于线性二次型跟踪器(LQT)设计了主动前轮转向(AFS)和直接横摆力矩控制(DYC)的集成控制策略，得到了理想的控制输入(前轮转角和外部横摆力矩)，进而实现精确跟踪期望横摆角速度和质心侧偏角;最后在 Simulink 仿真环境中对提出的控制方法进行验证． 结果表明:提出的控制方法在路径跟踪的同时具有很好的横向稳定性能;相比于不考虑横向稳定性的控制方法，提出的方法在路径跟踪过程中跟踪精度更高，车辆的质心侧偏角更小，横摆角速度也能更好的跟踪期望值．

针对搭载 CVT 的单电机插电式混合动力汽车，提出一种整车综合性能的优化控制策略． 通过系统效率优化得到各工作模式下的 CVT 目标速比，使整车能耗经济性得到提高;针对不同工作模式切换时由目标速比跃变导致车辆平顺性变差的问题，通过限制CVT 速比变化率来改善车辆行驶平顺性;但这会影响车速对期望车速的跟随． 为此，采用PID 控制器对电机转矩进行补偿，构建由能耗经济性、行驶平顺性及车速跟随性组成的加权函数，基于遗传算法，在 NEDC 工况下对 PID 控制器的控制参数进行优化，并通过对比分析仿真结果对车辆进行多目标综合评价． 仿真结果表明，提出的方法能够有效提升包括能耗经济性、行驶平顺性和车速跟随性的车辆综合性能．

为研究排水沥青混合料各向异性空隙结构对渗水特性的影响，以拓展的达西定律为理论基础，基于工业 CT 获取排水沥青混合料的空隙细观分布特征，建立了排水沥青混合料的渗水数值模型，并采用有限体积法分析了水在排水沥青混合料结构内部的流动特征;截取长方体试件作为特征体元来描述排水沥青混合料的各向异性渗透性能． 研究表明:排水沥青混合料中空隙分布不均匀，横向的连通空隙率大于竖向，且单个空隙面积也比竖向大，空隙率的各向异性分布使得混合料试件渗透性也表现出各向异性;横向两个方向的渗透系数相近，且约为竖向的 2 倍;在进行渗透性分析时，在横向可把排水沥青混合料看成是各向同性体，而横向与竖向同时分析时应考虑为各向异性体．

因其高效的识别性能，虹膜特征码Iriscode被广泛应用于虹膜识别系统中。随着人们对生物特征安全问题的重视，如何从Iriscode重构虹膜图像以评判虹膜识别系统的安全性已成为一个研究热点。本文对Iriscode重构虹膜图像问题进行了分析，构建了虹膜重构优化模型，并提出两阶段的快速虹膜重构算法。将提取Iriscode的过程视为距离保持的降维过程，在第一阶段中根据待测Iriscode的近邻，采用局部线性嵌入算法重构出若干非精确的虹膜重构图像。第二阶段利用粒子群优化算法，将前一阶段获得的非精确虹膜图像作为初始粒子进行迭代搜索，以获得精确结果。实验表明，本算法获得的重构虹膜图像能够通过虹膜识别系统，达到伪造攻击的目的。相比于其他重构算法，在时间及伪造成功率上都有提高。

视频转文字（video to text）是计算机视觉领域一项新的挑战性任务。针对这个技术难题，提出了基于自适应帧采样算法和双向长短时记忆模型的视频转文字方法。自适应帧采样算法能够动态地调整采样率，以提供尽量多的特征来训练模型。结合双向长短时记忆模型，能有效学习视频中前面帧和未来帧的相关信息。同时，用于训练的特征是来自深度卷积神经网络的特征，使得这种双深度的网络结构能够学习视频帧在时空上的关联表示及全局依赖信息。帧信息的融合又增加了特征的种类，从而提升了实验效果。结果显示，在M-VAD和MPII-MD两个数据集中，本文的方法在METEOR中的评分均值分别为7.8和9.1，相对原S2VT模型分别提高了15.7%和28.2%，也提升了视频转文字的语言效果。

现实中数据分布不平衡的情况越来越多，给以数据分布基本均衡为前提的传统分类算法带来了一定的挑战。利用相关的辅助数据进行迁移学习可以解决目标数据的分布不平衡问题。本文以TrAdaboost算法为基础，提出了一个针对不平衡数据的二分类迁移学习算法UnbalancedTrAdaboost（UBTA）。UBTA算法利用不同类别的Precision-Recall曲线下的面积auprc（the Area Under the Precision-Recall Curve）计算弱分类器权重，对不同类别的样本采取不同的权重更新策略。由于AUC指标对数据分布变化不敏感，结合G-mean和BER能更准确地评估不平衡分类算法的性能。综合三种指标的实验结果表明，UBTA具有较好的分类性能，既能提升对少数类的关注，又能保持多数类的分类准确度。

为了解决任意形状工件轮廓尺寸的高精度检测问题, 本文提出一种基于形状上下文特征和迭代最近点的轮廓视觉检测算法. 首先, 在图像中采用基于局部面积的边缘提取算法提取工件的亚像素边缘, 并过滤掉噪声和补齐轮廓. 然后, 基于从粗到精的匹配策略, 先使用形状上下文特征进行粗匹配, 再使用迭代最近点算法进行精匹配. 最后, 提出邻域法来计算出轮廓偏差. 实验结果表明, 本文所提出的算法检测精度达到0.5个像素, 可以满足实际应用的需要.

度分布是复杂网络模型的重要特征。针对度分布符合指数分布、幂律分布和扩展幂律分布的复杂网络模型，我们前期的研究表明节点度序列（ ）长度L 是logN 级别的（N为网络节点数）。本文针对度分布符合正态分布的复杂网络模型，从理论的角度证明了度序列长度 也是 级别的。