熔融沉积制件的拐角轮廓处存在重复沉积与漏沉积的结构缺陷，且受填充速度和拐角角度等参数的影响，难以同步兼顾成形精度与打印效率。文中首先运用实验与数学方法，研究了填充速度对拐角轮廓的成形精度与打印效率的影响规律，研究结果表明:成形精度与填充速度主要成反比关系，但在较高的填充速度下拐角轮廓处也可实现相对较高精度、较高效率的打印效果；填充速度越大对打印效率的影响越弱，打印耗时随填充速度的增加而逐步趋向一个恒定值;然后通过对成形精度和打印效率设定权重系数，构建了制件拐角轮廓打印的最优填充速度连续函数，并提出了其自适应控制的初步设计思路。

采用γ-Reθt转捩模型对平板表面边界层进行了数值模拟，研究了边界层在法向和流向上的发展变化以及壁面粗糙度、来流风速、湍流度、压力梯度等因素对边界层发展的影响。研究结果表明：在转捩区间内壁面摩擦系数以及离壁面一定高度处的总压会发生突变，边界层厚度沿流向不断增厚但其增长率不断下降；层流边界层中黏应力占主导，湍流边界层中应力变化依次为黏应力占主导、黏应力不断下降而雷诺应力不断上升、雷诺应力占主导，分别对应层流底层、过渡层、对数层与外层；转捩过程中黏应力在壁面处达到的峰值不断增大而其衰减变得更快，雷诺应力的峰值不断增大但达到峰值时对应的法向高度不断降低；粗糙度的增大使湍流边界层黏性底层消失，对数律层下移；湍流度和风速的增大使转捩提前，转捩区间缩短，同时降低了湍流边界层增长率；压力梯度则对湍流边界层增长率影响很大，逆压梯度易使边界层快速增厚。

针对传统康复机器人重量重、穿戴不便、运动柔顺性差等不足，基于轻量化、柔顺性、易穿戴和人体工学等设计原则，设计了一种柔性穿戴式上肢康复机器人。采用弹性布作为机器人基体，气动人工肌肉驱动的类拮抗式关节，实现了肘关节屈/伸及旋前/旋后运动。基于气动人工肌肉的力学特性模型，采用拉格朗日法建立了康复机器人的动力学模型。针对气动人工肌肉驱动的柔性系统易抖振、响应滞后的控制难点，设计了基于RBF神经网络的PID控制器；针对PID控制器初始参数依靠经验取值的问题，设计了模糊PID控制器以确定PID控制器的最优初始参数；最后通过仿真和实验研究对RBF-PID控制器的性能进行了验证，并与传统PID控制器进行了对比。结果表明：RBF-PID控制器响应速度快，控制稳定性高，可实现该柔性康复机器人的稳定控制。

角单元对薄壁管的吸能特性影响显著,现有的关于耐撞性的研究只针对特定角度的角单元,不具备普遍性。文中将凹角引入薄壁管的截面形状设计中,提出一种新型的凹角管,实现了90°到180°之间任意角单元对薄壁管耐撞性影响的分析。首先，对一系列不同角度的薄壁管进行了轴向碰撞仿真；然后，利用超折叠单元理论定量推导出角单元与薄壁管轴向冲击平均力的表达式；最后，对理论预测结果和数值仿真结果进行了对比。研究结果表明：角单元角度显著地影响着凹角管的变形模式；当角单元角度为90°时,薄壁管有良好的耐撞性；薄壁管的平均力Fm和总吸能量EA随着角单元角度的增加而降低，当角单元角度从100°变为170°时,Fm和EA分别降低了45.64%和46.84%。

在分析T型模具中熔体在流道中的流动特点的基础上，提出了采用变歧管半径和不同厚度阻流区（两个）的流道结构，采用变歧管半径以减小熔体的停留时间，采用厚度不同的两个阻流区以降低挤出压力。在满足熔体沿流道宽度方向出口流率均匀的条件下，利用流变学理论推导了两个阻流区分界曲线的微分方程，并采用数值方法对其求解和拟合；然后进行了实例设计，并与歧管半径和阻流区厚度不变的流道进行了对比研究。结果表明：所推导的分界曲线微分方程是可靠的，能够指导T型挤出模具的流道设计；采用变歧管半径和两个不同厚度阻流区的流道在满足熔体出口流率沿流道宽度方向均匀的条件下，既可以显著降低熔体在流道中的停留时间，又能够显著降低模具的挤出压力。

在对建筑能耗进行回归预测时需要利用到时序特征与分类特征，而传统模型只能处理其中一种特征。针对该问题，文中提出了一种融合一维卷积与词嵌入的神经网络新构架，其中，一维卷积核能提取连续的时间序列特征，词嵌入模型能对离散的分类特征进行嵌入计算，从而建立能同时处理时序特征与分类特征的建筑能耗预测模型。通过与梯度提升决策回归树和长短时记忆网络的比较，证明所提出的模型在效率与准确率上都有良好的表现。在超参数调节上，采用基于贝叶斯优化的超参数自动优化算法，该算法能在树搜索空间上寻找最优超参数，相比于人工调参，超参数自动寻优算法能在较快的时间内提升模型本身的性能。最后进行了算例仿真，结果表明，文中提出的模型在性能上要优于集成学习模型与长短时记忆网络。

为了保障感知服务过程中能够建立一个持久稳定的任务分发链路，文中首先提出了基于节点社会属性的相似度量化算法（Intimacy Quantification Method Based on Social Attributes,IQSA）；然后结合信息熵理论与社会关系提出了一种基于信息熵相似度的社区检测算法（Community Detection Algorighm Based on Information Entropy Similarity,CDIES）；并通过实验对IQSA算法与当前比较流行的两种模型进行了比较，从最终的社区划分结果、模块度和时间开销三个方面，评估分析了CDIES算法的准确性和有效性。结果表明：与基于内容的好友推荐模型和基于关系的两阶段好友推荐模型相比，IQSA算法在准确率、召回率与 f1-score 上的综合表现最优；CDIES算法的社区划分结果的模块度值和时间开销明显优于GN算法和FN算法。

为了提高点云匹配识别过程中的特征提取效率和匹配精度，提出一种结合点云纹理信息的快速点特征直方图描述子算法。首先基于快速点特征直方图描述子构建形状特征直方图，采用CIELab色彩空间和多种点对纹理属性度量构建纹理特征直方图，然后将两特征直方图连接获得结合点云纹理信息的快速点特征直方图描述子。运用公开点云数据集及实景点云数据进行验证，对该特征描述子与多个现有描述子展开特征匹配试验及点密度变化试验。试验结果表明：当采用CIE00色差作为点对纹理属性度量时描述子的综合性能最佳;且该算法具有良好的特征描述性能和匹配精度，特征提取效率和匹配效率高，在点云密度变化时具有较强的鲁棒性。

由于足迹数据的样本量有限,类间差小、类内距大,一般方法难以获取有效的足迹特征表示,导致足迹分类准确度不高。针对双模态2D足迹分类问题,文中提出一种基于小样本学习的多模块网络算法（MulRN）,该算法在嵌入单元与关系单元使用了多个模块来提高网络的特征提取能力与特征度量能力,使用具有多分支结构的Inception模块与MRFB模块提升网络的特征提取能力,采用空间注意力模块与通道注意力模块提取出区分度更高的足迹特征,从而更好地实现足迹分类;并在miniImageNet、Omniglot等小样本数据集与双模态2D足迹数据集上进行了实验。实验结果表明,该方法在小样本数据集上具有较好的表现,同时在双模态2D足迹数据集上也达到了不错的效果,特别在右脚双模态数据集上的5-way 5-shot实验中达到了95.41%的分类准确率。

针对基于深度学习的立体匹配网络中病态区域匹配效果欠佳、模型参数量过大的问题，提出了一种基于多阶特征融合与循环代价聚合的端对端立体匹配网络—MFRANet。首先，为兼顾图像低层细节信息与高层语义信息，提出了多阶特征融合模块，采用分阶段、逐步式的特征融合策略对多层次、多尺度特征进行有效融合；其次，在代价聚合阶段提出循环聚合机制，以循环方式对匹配代价卷进行聚合优化，在改善聚合效果的同时不引入过多的参数量；最后，利用基于Soft Argmin算法的视差计算模块计算图像视差。并通过KITTI 2012/2015和SceneFlow两个公开数据集对网络进行训练和测试，与其他端对端立体匹配网络进行了对比研究。结果表明，在SceneFlow和KITTI 2015两个公开数据集上，相较于其他端对端立体匹配网络，MFRANet具有更为精准的匹配结果；对于SceneFlow数据集，终点误差降低至0.92Pixels；对于KITTI 2015数据集，误匹配率降低至2.21%。

传统视频压缩感知重构算法重构时延过长，新发展的基于神经网络的视频压缩感知重构算法虽解决了高耗时的问题但未能充分利用视频的时空相关性，重构质量较差。为了解决上述问题，文中提出了基于深度学习的两阶段多假设视频压缩感知重构算法（2sMHNet）。首先，采用时域可变形卷积对齐网络实现基于像素的深度学习多假设预测，在避免了块效应的同时通过自适应参数学习提高了假设集的匹配准确性与权重的计算精度，充分地挖掘了时间相关性得到高质量的预测帧；然后，构建残差重构模块以实现预测帧残差的观测域重构，进一步提升重构质量；最后，为了充分利用图像组帧间相关性，提出了两阶段串行式重构模式，在第一阶段利用细节信息丰富的关键帧提升非关键帧重构质量，在第二阶段利用相关性更强的相邻帧再次进行运动补偿重构，适应运动快且复杂的序列。仿真结果证明，2sMHNet相比于目前优秀的视频压缩感知重构算法具有更加优良的重构性能。

污水处理过程中，由于工艺过程的复杂性、监测设备的不完备性和工作环境的恶劣性，导致重要的出水指标变量难以实现精准的监测；为此，文中提出了一种基于协同训练的集成自适应多输出软测量模型。首先，利用高斯过程回归(GPR)和相关向量机(RVM)两种不同类别的方法建立一个异构的软测量模型；然后，利用移动窗口（MW）和卡尔曼滤波（KF）同步对模型的结构和参数进行实时优化；最后，以一污水厂为对象进行实验，对模型的预测性能和自适应性进行验证。结果表明，文中提出的方法有效地提高了软测量模型的预测性能和自适应性。

边缘保持图像平滑是很多计算机视觉和图形学算法的关键步骤,基于l1范数的边缘保持图像平滑算法是现有算法中性能较好的一种,但是该算法的平滑结果中仍然存在很多未被平滑的纹理。为了改进算法的平滑结果,提出了一种新的基于重加权l1范数的边缘保持图像平滑算法,该算法将原始的基于l1范数的图像平滑算法与重加权l1范数最小化相结合,通过使用重加权方法使得解更加稀疏；并通过实验对该算法的性能进行了验证。结果表明：和基于l1范数的图像平滑算法以及一些最新的图像平滑算法相比,文中提出的算法可以更加有效地平滑图像,平滑结果中仅有很少的纹理残留；采用重加权l1范数可以改进现有的基于l1范数的图像平滑算法的图像平滑结果。

面向移动VR(Virtual Reality)业务的高数据量和低时延需求，为有效降低核心网的数据流量、减小设备的内容请求代价，文中建立了面向移动VR的部分缓存内容共享模型。建模了社交属性感知的内容共享代价最小化问题，将优化问题分解为功率优化与模式选择、设备关联两个子问题，并分别提出基于代价的功率优化和模式选择算法以及基于社交关系和请求代价的匹配算法；最后，通过仿真对提出的基于部分缓存的内容请求模式选择与功率优化的方法的性能进行评价，并与其他缓存方案进行了对比分析。仿真结果表明，文中提出的基于部分缓存的内容请求模式选择与功率优化方案可有效降低内容请求者的请求代价。

针对目前有源探头的探测频率主要集中在低频段，难以满足高频段探测需求的问题，提出了一种小型、高带宽、非接触式的有源磁场探头。该有源磁场探头采用多层印刷电路版（PCB）制作，于无源探头的基础上，加入了有源放大器模块及其配套的电源管理芯片，对超宽带类型探头的传输增益进行提升；并从频率响应、空间分辨率、校准因子、差分电场抑制能力4个方面对探头进行了测试分析。结果表明：文中设计的探头的传输增益达到-20dB，空间分辨率达到900μm，有良好的差分电场抑制能力，该探头可用于超宽带下的PCB板与较复杂集成电路等场景的测量工作。

在基于可调谐二极管激光吸收光谱技术（TDLAS）红外气体检测系统中，用来表征气体体积分数大小的二次谐波信号，易受到各类硬件参数的影响。基于比尔朗伯定律与HITRAN数据库，使用LabVIEW研究参数对二次谐波的谐波幅值、对称度、峰宽的影响，并进行了谐波优化仿真实验。结果表明：对于一般TDLAS检测系统，应优先选择合适的扫描幅度与滤波器阶数，使得谐波波形完整且不失真；然后尽可能增大谐波幅值与峰宽，得出最佳调制度；最后根据系统需求和自身硬件基础，选择合适的调制频率与扫描频率。