模板匹配是机器视觉领域的一项共性关键技术，目前基于边缘特征的模板匹配方法存在搜索时间长、在复杂环境下匹配准确率低等问题。为了在保证鲁棒性的同时提升实时性，提出了一种面向边缘特征的实时模板匹配方法。首先，在模板创建阶段，提出了一种新型边缘稀疏方法，通过置信评分机制筛选出模板中不变性强的边缘点，在保留模板关键特征的同时降低模板信息冗余，进而保证稳定性并提升计算效率。其次，在基于金字塔搜索的图像匹配阶段，提出了一种顶层提前筛选方法，采用归一化曼哈顿距离作为限制条件在顶层搜索结果中排除错误目标位姿，以加快后续各层的搜索速度。构建了5种工况不同的数据集，对所提模板匹配方法进行了对比验证，并将其应用于面向自由平面位姿的快速视觉点胶工艺。实验结果表明，所提模板匹配方法在显著提升匹配速度的同时能够保证高准确率，并且能够有效克服光照、旋转、缺陷、多目标、遮挡等干扰因素，满足机器视觉场景中对图像匹配的鲁棒性和实时性要求。

热压焊是一种应用于电子元器件的焊接方法，热压焊头温度的稳定性是焊接质量的决定性因素。热压焊接时间短，热电偶测温热惯性及随机噪声对热压焊过程温度控制有较大影响。文中研制了一种以STM32F407微处理器为核心的热压焊电源，设计了电源的主电路与控制系统；通过对热电偶的延迟响应和时间常数误差的分析，设计了一种基于扩展卡尔曼滤波器（EKF）的热压焊控制方法，实现了脉宽调制以及输出温度的稳定控制；分析了热压焊头的加热和热辐射效应，建立了热压焊头的温度模型，并以上述的主电路和控制方案为基础，建立了热压焊系统仿真模型，验证控制方法的有效性。搭建热压焊系统试验平台，按照仿真模型设定的工艺参数进行试验，将仿真温度波形与试验测量波形进行对比分析。结果表明：仿真与试验温度波形趋势呈现相同变化规律，相较于仅PID控制，基于EKF的控制方法具有更短的调节时间，减少了有效噪声对热压焊系统的影响，提高了温度控制的稳定性；该热压焊系统仿真模型为热压焊电源设计提供了一种参考模型；最后进行了FPC与PCB板、同轴线与LED电路板热压焊试验，实现了元器件的可靠连接。

高水基液压马达由于其介质友好性可用于煤矿、食品、水下作业等领域，但目前水马达仍沿用油马达结构，仅将介质更换为高水基乳化液。马达的传统轴、盘配流机构在低速、高压、高水基工况下会产生严重泄漏、锈蚀现象，且阀配流机构存在的问题是一个柱塞需要配备两个单向配流阀，导致马达体积较大，同时配流阀间需准确配合，否则会出现窜、困液现象。针对以上问题提出了一种阀配流机构来控制马达配流，其由梭阀和凸轮组成，其中凸轮驱动顶杆实现柱塞的进排液过程。文中首先对配流阀进行结构设计和理论分析，揭示其配流原理；其次在AMESim中分析其参数的动态响应特性，选择正弦加速度函数曲线控制的凸轮来驱动阀芯，并选取压力和流量波动小的直径0.6 mm的阀芯通流孔，优化了配流结构。对马达整机性能进行仿真，整机扭矩波动为7.39%，验证了该机构良好的配流性能。运用Fluent仿真优化阀内流场，选用压降小、速度分布均匀的豁槽结构，并在此基础上进行样机制备和实验分析。在16 MPa工况下，柱塞腔可建压迅速，配流阀入口的压力波动率为12.5%，且泄漏量仅为2 滴/min。可知此配流梭阀应用于高水基液压马达后，可以实现稳定配流。

为拓宽压电能量采集器的有效频带，通过在附有末端磁铁的压电悬臂梁上增加一对移动磁铁，设计了一种频率可调、单-双稳态模式可快速切换的非线性磁式压电能量采集器。首先，对采集器进行分布参数动力学分析，基于Euler-Bernoulli理论推导了系统动力学方程，根据Lagrange函数分析系统动能、势能和电能表达式，利用磁偶极子模型得到系统的磁力表达式，通过Galerkin离散方法和泰勒展开得到系统的一阶降阶模型，利用谐波平衡法得到方程的解析表达式。随后，利用仿真软件分别对采集器的单-双稳态特性进行研究，分析了磁铁间距、阻尼、负载等参数对系统输出电压和功率的影响，并通过实验进行验证。实验结果表明：通过移动磁铁引进的非线性磁力有效增加了采集器的输出电压和输出功率；通过改变磁铁间距改变能量采集器的谐振频率，较好地拓宽了采集器的工作频带；系统可通过调节磁铁间距实现单稳态模式与双稳态模式之间的切换，能够分别利用单稳态模式和双稳态模式收集高频和低频环境下的振动能量。

挖掘机、盾构机等大型工程机械工作过程中，由于工况复杂、环境多变，其液压系统动力元件大排量柱塞泵相较于常规柱塞泵存在更大的液压冲击，进而引起较大的流量脉动与压力脉动。为降低大排量柱塞泵在挖掘、盾构等工况下的流量、压力脉动，减小油液介质对下游元件的冲击损坏，以及为选择油液介质方法提供理论指导，文中搭建了基于温度场影响的油液动力黏度、密度与体积弹性模量数学模型，在此基础上建立固-液-温耦合作用的柱塞泵数学模型；并使用ADAMS、AMESim软件完成固-液-温耦合作用下750 mL/r柱塞泵联合仿真，得到不同温度影响下柱塞泵流量脉动与压力脉动变化规律；通过整泵试验探究油液温度对柱塞泵压力脉动的影响规律，验证了750 mL/r柱塞泵固-液-温耦合联合仿真模型的正确性。针对油液的3种特性，分别使用正交试验法与单因素分析法考量其对柱塞泵流量脉动率的影响程度和规律。结果表明：柱塞泵出口流量脉动、压力脉动随温度的升高而增大；在设定工况下，油液体积弹性模量对流量脉动率影响占比为97.19%，密度占比为2.03%，动力黏度占比为0.78%；为降低油液特性对柱塞泵出口脉动率的影响，应选择体积弹性模量较大且密度较小的液压油。

机器人的位置控制是机器人控制领域最基本、最简单的目标。针对多轴机器人系统的高精度位置控制问题，文中结合交叉耦合技术，提出一种输出反馈非线性PD加重力补偿（PD+）同步位置控制器，应用Lyapunov稳定性理论和几何齐次性技术严格证明了闭环系统的全局有限时间稳定性。相比于渐近稳定的全状态反馈控制，所提出的控制器能实现只基于位置测量的多轴机器人系统输出反馈有限时间稳定位置控制；相比于渐近稳定的输出反馈控制，所提出的控制器能实现系统状态的有限时间稳定；相比于不含同步控制项的输出反馈控制，非线性同步控制项的恰当引入使得所提出的控制器能在保证多轴机器人系统的高精度位置控制的前提下，兼顾各轴间的同步协调运动。所提出的控制器具有结构简单、易于实现、更快响应速度和更好系统整体性能等优点，满足生产实际对机器人系统的高精度要求。数值仿真结果验证了所提出的控制算法的有效性和期望系统性能。所提出的控制方法不仅保证了多轴机器人系统的输出反馈全局有限时间稳定同步控制，同时也为一大类非线性二阶系统的输出反馈同步位置镇定提供了一种有效的替代方法。

轴承作为众多生产设备中重要的部件之一，对其剩余使用寿命的研究有较大的价值。文中针对传统轴承剩余使用寿命预测中未充分考虑不同环境下的衰减状态变化和时序相关性而导致的预测误差大的问题，提出了一种基于时空双细胞状态自适应网络（ST-DCSN）的轴承剩余使用寿命预测方法。采用一种时间状态和空间状态并存的内嵌卷积操作双状态循环网络，并引入时空双细胞状态和子细胞状态差分机制，实现对轴承衰减状态的自适应感知。该方法在时间和空间维度上对轴承监测数据进行特征状态有效捕捉，从而解决轴承剩余使用寿命预测中环境和时序问题对预测性能的影响。为了探究文中所提方法的有效性以及对比其他近年优秀方法的优越性，采用两个真实的轴承寿命加速衰减实验数据集FEMTO-ST和XJTU-SY对文中所提方法进行了验证，分别进行了消融实验和对比实验，并以4种指标对预测性能进行评价。消融实验结果表明，相比去除空间状态细胞和去除动静态子细胞的组别，完全版本的ST-DCSN能够得到更平稳以及性能指标更好的预测结果。对比其他方法，文中所提方法能够得到更优秀的预测性能，体现在拟合性更高以及轴承寿命末期预测结果的平稳性更好，证明了ST-DCSN方法能有效提高轴承剩余使用寿命预测的准确性。

视频篡改造成的危害一直在危及人们的生活，这使深度伪造检测技术逐渐得到广泛关注和发展。然而，目前的检测方法由于使用了不灵活的约束条件，无法有效捕获噪声残差；此外，也忽略了纹理和语义特征之间的关联，以及时序特征对检测性能提升的影响。为了解决上述问题，文中提出了一种用于深度伪造检测的、具有多样化特征的自适应网络（AdfNet），它通过提取语义特征、纹理特征和时序特征帮助分类器判断真伪；探索了自适应纹理噪声提取机制（ATNEM），通过未池化的特征映射与基于频域的通道注意力机制，灵活捕获非固定频段的噪声残差；设计了深层语义分析指导策略（DSAGS），通过空间注意力机制突出篡改痕迹，并引导特征提取器关注焦点区域的深层特征；研究了多尺度时序特征处理方法（MTFPM），利用时序注意力机制给不同视频帧分配权重，捕获被篡改视频中时间序列的差异。实验结果表明，所提出的网络在FaceForensics++（FF++）数据集HQ模式中的ACC值为97.41%，相比当前主流网络有较为明显的性能提升；并且在FF++数据集上保持AUC值为99.80%的同时，在Celeb-DF上AUC值可达到76.41%，具有较强的泛化性。

预训练语言模型BERT/RoBERTa/MacBERT等虽然能够通过预训练任务中的掩码语言模型（MLM）很好地学习字和词的语法、语义及上下文特征，但其缺乏拼写错误识别及纠正能力，且在中文拼写纠错（CSC）任务中面临预训练与下游任务微调目标不一致的问题。为了进一步提升BERT/RoBERTa/MacBERT等模型的拼写错误识别及纠正能力，提出一种面向中文拼写纠错的自监督预训练方法MASC。MASC在MLM的基础上将对被掩码字的正确值预测转换成对拼写错误字的识别和纠正。首先，MASC将MLM对字的掩码扩展为相应的全词掩码，目的是提升BERT对单词级别的语义表征学习能力；接着，利用混淆集从音调相同、音调相近和字形相近等方面对MLM中的被掩码字进行替换，并将MLM的训练目标更改为识别正确的字，从而增强了BERT的拼写错误识别及纠正能力；最后，在3个公开的CSC语料集sighan13、sighan14和sighan15上的实验结果表明，MASC可在不改变BERT/RoBERTa/MacBERT等模型结构的前提下进一步提升它们在下游CSC任务中的效果，并且消融实验也证明了全词掩码、音调和字形等信息的重要性。

为有效解决现有算法修复大面积不规则缺失图像时存在特征利用率低、图像结构连贯性差的问题，提出基于密集特征推理（DFR）及混合损失函数的图像修复算法。修复网络由多个特征推理（FR）模块密集连接组成，首先将待修复图像输入第1个推理模块中进行特征推理，之后将输出特征图通道合并送入下一个推理模块，后续推理的每一个模块的输入都是来自前面所有推理模块的推理特征，如此循环，以充分利用每个推理模块捕获的特征信息；然后提出一个传播一致性注意力机制（PCA），提高修补区域与已知区域的整体一致性；最后，提出混合损失函数（ML）优化修复结果的结构连贯性。整个DFR网络使用组归一化（GN），小批量训练也可达到优异的修复效果。在国际公认的Paris StreetView巴黎街景数据集和CelebA人脸数据集上验证文中所提算法的性能，主客观的实验结果表明：所提算法能有效修复大面积不规则缺失图像，提升特征利用率与结构连贯性，其平均峰值信噪比（PSNR）、平均结构相似度（SSIM）、均方误差（MSE）、弗雷歇距离（FID）及学习感知图像块相似度（LPIPS）指标优于对比算法。

在多视图聚类领域，众多方法直接从原始数据中学习相似矩阵，但是这忽视了原始数据中的噪声所产生的影响；此外，还有一些方法必须对图拉普拉斯矩阵进行特征分解，这导致可解释性的降低且需要k-means等后处理。为解决以上问题，文中提出一种基于统一标签矩阵的快速多视图聚类。首先，从松弛的归一化切割和比率切割的统一观点出发对目标函数增加非负约束；然后，通过指示矩阵对相似矩阵进行结构化图重构，确保获得的图具有强簇内连接和弱簇间连接；此外，通过设置统一的标签矩阵降低迭代次数，从而进一步提升该方法的运行速度；最后，基于交替方向乘子法的策略对问题进行优化求解。算法通过随机选择锚点地址的方法对多视图数据集进行对齐，对齐视图能够大幅提升聚类的精度。在迭代过程中通过使用奇异值分解来替代特征分解，有效地解决了传统谱聚类算法计算复杂度高的问题；通过按行索引指示矩阵的最大元素的列标直接获得标签。在4个真实数据集上的实验结果证明了该算法的有效性，表明其聚类性能优于现有的9种基准算法。

公路桥梁冲孔灌注桩施工会产生大量成孔碎渣，将其就近应用于公路桥梁的混凝土构件不失为一种有效对策。结合再生粗骨料的循环利用，同时考虑到沿海地区混凝土结构受氯盐侵蚀影响较大，文中采用成孔碎渣和再生粗骨料分别取代天然砂和天然粗骨料，制备了掺有成孔碎渣的再生骨料混凝土，开展了该类混凝土共计96个试件的抗压和抗氯盐侵蚀试验（48个抗压试件采用Φ150、高300 mm圆柱体，48个抗氯盐侵蚀试件采用Φ100、高50 mm圆柱体），以及成孔碎渣、河砂和砂浆各自的压汞测试，研究了成孔碎渣取代率（0、50%、70%、100%）和再生粗骨料取代率（0、50%、70%、100%）对该类混凝土抗压性能和抗氯盐侵蚀性能的影响。试验结果表明：该类混凝土的抗压强度总体上随着成孔碎渣取代率和再生粗骨料取代率的增加逐渐降低，且二者所引发的降幅大体相当；与再生粗骨料相比，成孔碎渣对该类混凝土弹性模量和峰值应变的影响相对有限；该类混凝土的氯离子迁移系数随成孔碎渣取代率和再生粗骨料取代率的增加总体上都逐渐增大，但成孔碎渣的影响明显低于再生粗骨料；随着成孔碎渣取代率的增加，该类混凝土的孔隙率总体呈现出先快后慢逐渐增大的趋势。实际工程中同时采用成孔碎渣和再生粗骨料时，建议二者的最大取代率都以50%为限。

土壤热导率是影响地下温度分布的重要土壤性质，在岩土工程和土木工程施工设计中有重要意义，采用合理手段对其进行预测可有效解决测量耗时长、过程复杂等问题。针对土壤热导率数据非线性和时序性等特征，文中提出一种基于归一化互信息法（NMI）下的萤火虫算法（FA）优化极限学习机（DELM）预测模型（NMI-FA-DELM）进行土壤热导率预测。该模型首先通过NMI筛选影响土壤热导率的关键参数，并将筛选后的参数作为数据集，然后用萤火虫算法优化下的极限学习机（FA-DELM）对土壤热导率进行预测，并对比统计预测方程、随机森林方法、BP神经网络模型、DELM模型、SVR（支持向量回归）模型的预测结果。研究结果表明，NMI-FA-DELM模型能有效预测土壤热导率，预测结果对应的均方根误差、平均绝对百分比误差、a10指数和决定系数分别为0.363、9.667%、0.961和0.92，其预测效果较其他预测模型更好，粘性土含量、含沙量对土壤热导率预测结果影响较大。NMI-FA-DELM模型可有效提高土壤热导率预测精度，对实际工程中预测土壤热导率有重要的指导意义。

为了研究软土地基上考虑土-结构相互作用（SSI）对高层结构动力响应的影响机理，文中设计了1∶6比例的框架结构模型，分别进行了考虑结构-桩-土动力相互作用和刚性地基上框架结构的振动台试验。通过对比考虑SSI的框架模型和刚性地基框架模型的结构动力响应，总结出本试验中SSI效应对高层纯框架结构的影响规律：考虑SSI效应后，桩-土相互作用对地震波具有明显的过滤作用，大震时一般有削弱峰值的作用，且整体结构的振动频率降低，阻尼比提高。从结构内力来看，SSI效应减小了楼层剪力和弯矩，有效降低了地震动对结构的影响。从结构位移看，当震级较小时，SSI效应减小了结构的弹性位移和层间位移角，降低了地震对结构的作用；当震级较大时，上部楼层由于模型差异和损伤累积，部分工况下SSI效应增大了结构位移响应。从结构加速度看，SSI效应降低了楼层绝对加速度和相对加速度，同样减小了地震对结构的作用。这是由于SSI效应下桩-土相互作用产生辐射阻尼和滞回阻尼，消散了整个结构-桩-土系统的能量，同时软土地基传递给上部结构的辐射波改变了结构的动力特性。