针对按摩机器人作业对象面貌个性化差异，引用动态运动基元（DMPs）模型泛化位姿轨迹和力轨迹。为提高DMPs学习精度，提出了优化示教策略，基于按摩区域Mediapipe特征点计算作业对象间相似度，以此优选学习对象；其次，引入高斯混合回归，算法综合多次按摩信息以加强学习能力；最后，构建反向传播神经网络（BPNN）模型拟合DMPs算法的强迫项，从根本上改变了原本模型的局限性。实验表明，不增加运行时间下的BPNN-DMPs模型与DMPs、MDMPs和SADMPs算法相比，位置和姿态平均误差分别减少44.1%和54.5%、44.1%和54.5%、29.7%和46.4%。高斯混合回归能够综合多轨迹规律，优化示教策略实施效果显著，与未做优选对象相比，面部实验中的位置和姿态平均误差降低了52.3%和70.2%，标准差降低了46.3%和71.1%；背部实验中的位置、姿态和力平均误差降低了27.7%、66.7%和24.1%，标准差降低了25.7%、54.4%和44.1%。

针对双机器人协作系统执行具有强协调约束关系的仿人任务时，存在轨迹学习复杂、协调约束分析欠缺的问题，提出了基于动态运动基元（DMPs）的双机器人协同搬运轨迹学习及泛化方法。首先，从双机器人协同搬运任务出发，分析了双机器人协调约束关系，建立了双机器人运动约束模型。然后，将机器人运动轨迹解耦为位置轨迹和姿态轨迹，采用四元数实现姿态轨迹的无奇异描述，分别建立位置轨迹和姿态轨迹的动态运动基元模型，结合双机器人运动约束模型与动态运动基元模型，兼顾各自的任务要求和相对位姿约束，进而获得双机器人的运动轨迹。接着，开展了双机器人协同搬运轨迹的仿真与实验，结果表明：采用双机器人协同搬运轨迹的学习与泛化方法，当改变起、终点状态时，双机器人定姿态协同搬运的起、终点位置误差分别为0.029 2 mm和0.112 7 mm，变姿态协同搬运的起、终点位置误差分别为0.032 3 mm和0.113 1 mm，终点的四元数姿态偏差为0.001 4、0.002 7、0.001 8、0.003 0，表明该协同搬运轨迹的学习与泛化方法具有较高的运动控制精度，即使起、终点任务参数改变，泛化轨迹仍可保证目标的可达性，验证了提出的双机器人协调运动轨迹控制方法的合理性和有效性。该方法可学习人体搬运过程并能够准确泛化出新的运动轨迹，实现了双机器人的协调运动，具有重要的工程应用价值。

针对桥梁高墩、梁底等区域检测困难的问题，设计开发了一款基于负压吸附的桥梁病害检测爬壁机器人。针对其自身的吸附稳定性，建立并推导了满足抗滑移和抗倾覆条件下的吸附力指标计算式，据此确定能在各角度壁面实现稳定吸附时机器人所需的最小吸附力。结果表明：为确保机器人可靠工作，吸附模块需提供53.0 N的吸附力；结合经验公式给出离心叶轮的初步设计方案并利用Fluent对叶轮流域进行流体力学仿真及响应面优化，建立了由吸附力与扭矩共同构成的评价函数，并给出了函数值最佳时的叶轮设计参数，使吸附模块在满足稳定性的前提下，综合评价函数值较初设方案提升了3.4 %；对负压腔进行拓扑优化，综合考虑拓扑优化结果及负压腔气动性能，获得了腔体内加强肋的构造及布置形式，其中与车轮支撑臂相衔接的加劲肋为“八”字形与直线型镂空构造设计；优化后负压腔的最大竖向位移值减小为原模型的18.5 %，而质量仅增加了16.9 %，加强肋的精准布设效果明显，成功将竖向变形控制在了合理的范围内。最后，利用UTR6180型光敏树脂借助3D打印工艺完成了样机制作，其尺寸约为300 mm×280 mm×15 mm，质量约为1.15 kg。将样机置于多工况下进行性能测试，结果表明：本研究设计开发的爬壁机器人可在多种桥梁壁面稳定吸附并行进，不存在打滑、漂移现象。

在缺乏足够的扶梯电机轴承故障数据的情况下，针对扶梯在频繁变载变速的运行状态中轴承故障特征不稳定的问题，提出了Stockwell（S）变换结合子域适应的扶梯电机轴承迁移诊断方法。首先，针对扶梯电机轴承的故障特点，采用S变换结合双线性插值算法生成振动信号时频图。该时频图能有效反映轴承故障特征，并与后续的生成/与特征提取网络输入要求相适应。其次，在基于深度残差神经网络ResNet-50的特征提取网络层的输出端引入局部最大均值差异（LMMD），将故障样本的类别置信度作为映射后的权重引入最大均值差异（MMD），在对齐源域和目标域全局分布的同时，对齐同类别样本所属的子域的分布，同时拓展可迁移学习的范围。然后，构建网络的最小化LMMD和交叉熵损失函数，采用小批量梯度下降法训练网络。从而可通过细化不同故障类别间特征差异实现故障子域自适应，并克服迁移诊断精度低的问题。最后，基于两个公开的轴承故障数据集和少量扶梯电机轴承故障数据构建S变换后的时频数据集，并进行迁移诊断实验验证。结果表明，本方法对扶梯轴承的两种源域到目标域的迁移诊断平均准确率分别达到99.1%和95.49%，识别精度和鲁棒性明显优于5种常用的诊断方法。

行星齿轮箱作为机械系统中常见的减速装置，由于长期在强噪声环境和变工况工作条件下运行，导致采集到的振动信号故障特征微弱、信号模式多变难以识别，针对行星齿轮箱故障诊断效果不佳，泛化能力差的问题，提出一种多尺度时空信息融合驱动的图神经网络故障诊断方法来提高故障诊断模型准确率和泛化能力。该方法首先构建多尺度卷积核对原始时序信号进行不同尺度特征提取，削弱强噪声信号对有效信息的掩盖作用并增强故障特征的表达能力；然后再构造通道注意力机制，根据通道特征重要程度，给不同尺度卷积核提取的特征自适应分配不同权重，对含有关键故障特征的信息片段进行特征强化；最后对卷积输出的多尺度特征，构造空域下的图数据并通过图卷积网络聚合多尺度特征，从而有效利用数据的时序多维信息和空域结构关联信息，实现多尺度下时空域故障信息的深度融合，提高诊断的准确精度和模型的泛化性能。通过利用具有行星齿轮箱结构的风电装备故障数据集对所提方法进行验证，并与其他深度学习方法（第一层宽卷积核深度卷积神经网（WDCNN）、长短时记忆网络（LSTM）、残差网络（ResNet）、多尺度卷积神经网络（MSCNN））进行比较，结果表明：本研究提出的方法在跨负载和跨转速两种工况下的平均诊断准确率分别可以达到98.85%与91.29%，明显优于其他对比方法，验证了本研究提出的方法的强泛化性能和优越性。

为探析激光选区熔化（SLM）成型仓内部的烟尘颗粒分布规律及排烟效率，本研究基于所建立的大幅面多孔风墙成型仓模型，采用Fluent离散相模型分析保护气体和烟尘颗粒在成型仓内部的流动规律，进而通过ANSYS中的多目标优化模块，基于多目标遗传算法（MOGA）对多孔风墙成型仓结构进行了优化。分别以成型仓进气口长度P₁、风墙孔半径P₂、锥形护板长度P₃和风墙孔轴长P₄作为优化变量，以成型仓内部中间截面保护气体的平均流动速度、成型仓进出口烟尘颗粒的质量浓度差以及整个成型仓内烟尘颗粒质量浓度的最大值作为优化目标，从而获得各个优化变量与优化目标的响应面及敏感性分析结果，并对优化前后的优化目标进行对比。结果表明：针对所优化的4个变量，对成型仓内中间截面保护气体流速影响的大小顺序是P₂>P₄>P₃>P₁，对进出口颗粒质量浓度差影响的大小顺序是P₂>P₄>P₁>P₃，对多孔风墙成型仓内最大颗粒质量浓度影响的大小顺序是P₂>P₁>P₃>P₄，多孔风墙的孔径大小对烟尘颗粒在成型仓内的流动起到最关键的作用。通过多目标遗传算法，得到优化后成型仓进气口长度为358 mm，风墙孔半径为20 mm，锥形护板长度为589 mm，风墙孔轴长为6 mm。与成型仓结构优化前进行对比，优化后成型仓内部中间截面保护气体流速提升了11.3%，进出口颗粒质量浓度差降低了16.8%，空间最大颗粒质量浓度降低23.9%，烟尘颗粒向外扩散的趋势有所减小，成型台面上方30 mm处通过的保护气体流速增加了21%，保护气体可以更加高效地将烟尘颗粒携带出成型仓。

道路上的交通标志包含大量的交通规则语义信息，快速、准确地获取这些信息有助于实现更高级别的辅助驾驶功能，从而提高车辆的安全性能。针对交通标志易受外界因素影响、类别间相似度高和尺寸微小的难点，本研究基于YOLOv5s模型，在数据预处理、特征提取、特征增强方面分别进行了针对性的改进。在数据预处理部分，利用颜色空间变换、几何变换矩阵来模拟实际场景中交通标志可能发生的颜色变化和形状变化，通过Mosaic算法、Copy-paste算法来提高训练集中微小交通标志的数量和背景的丰富性。在特征提取部分，构建了基于通道注意力标定的C3-TCA模块来提高模型对相似特征的辨别能力。在特征增强部分，通过双路径增强结构融合浅层特征和深层特征，并优化了预测分支的数量和下采样倍率，从而增加了对微小交通标志的检测精度。此外，还利用K-means++算法聚类先验框模板，基于CIoU度量构建边界框回归损失函数，从而降低边界框的回归难度。在TT100K和CCTSDB数据集上进行测试，模型的mAP@0.5指标分别为88.8%和83.5%，模型的检测速度分别为120.5　f/s和114.7　f/s。相较于现有交通标志检测模型，所构建模型在检测精度和检测速度上均达到了先进水平。针对数据增强算法、预测分支、通道注意力模块位置的对比实验进一步证明了所提具体优化方法的有效性。

运行中的户外架空输电线路断股缺陷将引发局部过余温升，温度极大值出现在缺陷处，并向无缺陷区域迅速衰减。基于温度分布的红外热成像技术能识别断股缺陷程度，但不同的风速会显著影响观测对象表面温度，为红外热像检测带来困难。为研究低风速下架空线路断股处轴向温度分布，以LGJ-240/30钢芯铝绞线为例，在重庆大学输配电装备及系统安全与新技术全国重点实验室的人工气候室对其进行热循环试验。通过人工破坏制造断股缺陷，利用自制集风装置调节风速，交流大电流发生装置提供稳定的焦耳热源，得到断股数对线路缺陷背侧最大温升与轴向无缺陷区域温差的影响规律，并基于此提出风速为1~3 m/s时，线路断股数红外识别方法，最后通过在雪峰山能源装备安全国家野外科学观测研究站进行自然实验对该方法进行验证。结果表明：架空输电线路发生断股后，缺陷温度极大值与非缺陷区域正常温度的轴向温差随风速增大迅速减小；轴向温差θ和风速u拟合关系式中，描述传热项的拟合系数b随载流量、断股数增加而增加；在低风速条件且线路载流量为360、480及600 A，断股数大于3时，通过提出的方法断股数识别准确率大于90.1%，断股缺陷识别率大于94%，解决了低风速下红外热巡检工程无法实施而错失最佳检修时间的难题，使线路检修效率大幅提高，从而保障电网安全稳定运行，对架空输电线路红外热巡检工程具有指导意义。

针对电动汽车充电需求的时空不确定性，电动汽车代理商如何参与电力市场并且如何实现运营利润最大化成为需要解决的问题。本研究首先建立基于多层深度学习算法的电动汽车出行预测模型，分别使用多层感知器和长短期记忆网络对电动汽车的出行数据和路况数据进行学习，通过训练好的预测模型预测次日的出行行为和路况。其次，考虑到路况的多变性对预测精度的影响，采用未来路径滚动优化方法和速度-能耗模型模拟次日电动汽车的出行行为，从而获取电动汽车更精确的时空状态和荷电状态。最后，考虑能量市场协同调度，通过日前市场的充放电调度模型对不同时段的电动汽车充放电行为进行规划，最大化电动汽车代理商的利益。为了证明所提预测方法的准确性，与预测常用的蒙特卡洛方法和拉丁超立方法进行对比，结果表明，本研究提出的深度学习算法具有更高的准确性。将模型应用于IEEE33节点测试系统中进行验证，实验结果表明，在电动汽车代理商的调度下能够有效降低电力系统的峰谷差，在系统出现阻塞的情况下，通过改变电动汽车的调度策略能够缓解系统线路阻塞问题。对代理商收益和用户出行成本进行分析，结果表明在代理商的调度下，不仅能够提高代理商收入还能够降低用户的出行成本，实现双赢。

为解决现有多自由度电机的偏转运动部分存在转矩不足、转矩波动大和运动范围小的问题，提出了一种混合励磁型多自由度球形电机。在介绍该电机的基本结构和运行原理的基础上，提出了基于多节点许-克变换的磁场解析法，以解决该电机使用三维有限元法进行磁场计算时速度慢的问题。该方法利用离散的线电流对电机的永磁体和绕组进行等效，并将复杂的气隙区域分别通过多节点许-克变换和指数变换转化为圆环区域，利用圆环区域中磁标量位的解析解计算单根线电流区域中的磁场信息，并通过叠加计算整体的磁场信息。而后利用各区域坐标点的转化关系计算原气隙区域的磁场信息，计算获得径向磁密之后通过安培定律计算偏转部分的电磁转矩。本研究采用解析法和三维有限元法建模分析了电机的磁场特性和偏转转矩特性，两种方法的磁场计算结果的吻合度较高，解析法相对于有限元法在幅值上的最大误差分别为7.3%和3.92%，验证了解析法的准确性。为了进一步验证，研制了样机并搭建了实验平台，进行了电机静偏转转矩的测试，结果表明，该电机具有较高的偏转转矩，最大偏转转矩为2.13 N·m，且实验值和两种理论的转矩计算结果的误差较小，实验结果与有限元法、解析法的计算结果误差分别为22.62%和20.13%，验证了解析法建模的有效性。

紫丁香基木质素是一种重要的木质素，天然木质素也大多通过β-O-4键连接成网状结构，β-O-4型紫丁香基木质素二聚体模化物在前人研究的模化物基础上增加了多个甲氧基基团，更接近实际的紫丁香基木质素结构。在软件Materials Studio 2019的Dmol³模块中，基于密度泛函理论利用B3LYP杂化泛函，对β-O-4型紫丁香基木质素二聚体模化物在875 K、101 kPa条件下的热解反应路径进行模拟，计算每步反应的反应物与生成物的焓值，并通过Vibration Analysis模块进行频率分析确认只有实频，没有虚频；计算每步反应的焓变并对反应路径总焓变进行比较，总焓变越小表明该路径在热力学上越容易发生，进而得到其较具优势的反应路径，最终得到对应路径的热解产物。结果表明，β-O-4型紫丁香基木质素二聚体模化物在875 K、101 kPa下的初步热解较有可能发生C _α —C _β 键的断裂与β-O-4键的断裂，其中最可能发生β-O-4键的断裂；较具优势的反应路径包括总焓变为-59.65 kJ/mol的R4、总焓变为-219.44 kJ/mol的R10、总焓变为-14.93 kJ/mol的R12、总焓变为-389.29 kJ/mol的R21、总焓变为-466.24 kJ/mol的R23与总焓变为-276.72 kJ/mol的R24，其中最具优势的路径为R21、R23与R24；热解的主要产物是邻苯三酚、3，4，5-三羟基苯甲醇、3，4，5-三羟基苯甲醛及乙醇，其中邻苯三酚、3，4，5-三羟基苯甲醇与乙醇为R21、R23与R24的热解产物。本研究得到的模拟结果可以为生成生物质焦的进一步模拟计算奠定基础。

已有研究表明，益生菌具有良好的抗糖尿病和抗氧化活性，并对人类癌细胞系有很强的抑制作用。本研究以α-葡萄糖苷酶和α-淀粉酶抑制率、超氧阴离子自由基清除率、亚铁离子螯合率和还原活性为指标，比较了粪肠球菌（Enterococcus faecalis）EF-ZA1107-06和鼠李糖乳杆菌（Lactobacillus. rhamnosus GG，LGG）的体外抗糖尿病和抗氧化能力；通过测量Caco-2细胞系中谷胱甘肽过氧化物酶（GSH-Px）、总超氧化物歧化酶（T-SOD）和过氧化氢酶（CAT）的活性，研究了EF-ZA1107-06对细胞氧化应激的影响，并用HepG2和MDA-MB-231细胞系初步探讨了其抗癌活性和机制。结果表明，EF-ZA1107-06的上清液对超氧阴离子自由基的清除率最高（40.78%~59.61%），对亚铁离子的螯合能力最强（39.28%~56.59%），而EF-ZA1107-06裂解液的还原活性最高，相当于1.072 mmol/L当量半胱氨酸，明显高于LGG裂解液（P<0.05）。对α-淀粉酶和α-葡萄糖苷酶活性的抑制证实了EF-ZA1107-06具有抗糖尿病活性；同时，EF-ZA1107-06能在一定程度上减少H₂O₂对Caco-2细胞造成的氧化损伤，抑制HepG2细胞的S期和G2期，但只抑制MDA-MB-231细胞的S期；诱导HepG2细胞和MDA-MB-231细胞早期凋亡的结果证实了EF-ZA1107-06具有抗癌活性。

近年来关于副溶血弧菌环境和海产品分离株出现抗生素耐药性的报道日益增多，亟需寻找替代传统抗菌剂抗菌的策略以控制副溶血弧菌的污染和感染。本研究通过最小抑菌浓度（MIC）和最低杀菌浓度（MBC）的测定、生长曲线的绘制，以及运动性实验和结晶紫染色实验，并利用透射电镜观察副溶血弧菌形态的变化，来评估以舍曲林为代表的5-羟色胺再摄取抑制剂（SSRIs）类药物对副溶血弧菌的抑制活性及抗生物被膜形成能力。同时，通过检测与分析舍曲林对副溶血弧菌毒力基因转录的影响，探究舍曲林对副溶血弧菌的减毒作用。结果显示，舍曲林对副溶血弧菌的MIC为32 μg/mL，MBC为64 μg/mL，能够损伤其细胞膜和细胞壁，MIC下导致其干瘪皱缩，MBC下引起其涨裂、胞内物质外泄；亚抑制浓度的舍曲林能显著抑制副溶血弧菌的泳动和群集运动，抑制率分别为88.6%和71.5%；舍曲林呈浓度依赖性地抑制副溶血弧菌的生物被膜形成，当舍曲林质量浓度分别为8、16、32和64 μg/mL时，对副溶血弧菌生物被膜形成的抑制率分别为66.9%、79.5%、88.3%和89.3%；亚抑制浓度的舍曲林能显著抑制副溶血弧菌的毒力基因fliA、ompW和aphA的表达，抑制率分别为71.9%、88.7%和77.3%。实验结果表明，舍曲林对副溶血弧菌具有良好的抗菌活性与抗生物被膜形成能力，在不影响副溶血弧菌生长的浓度下，可降低其毒力基因的转录水平。

诺如病毒（NoV）是常见的食源性病毒之一，只要极少数量的NoV就可以导致机体感染发病，但目前还没有特效的治疗药物和疫苗，因此建立快速检测方法对食品中的NoV进行早期筛查至关重要。本研究首先通过装甲RNA技术将GB 4789.42规定的GI和GII NoV的靶标基因包裹到MS2噬菌体的衣壳蛋白中，制成内含GI和GII NoV两联检测靶标的重组质粒参考样品，其次基于酶促等温扩增（ERA）技术，分别设计了GI和GII NoV基础型ERA和荧光型ERA检测的引物和探针，并通过试验筛选确定了最佳的引物探针组合。从而建立了GI和GII NoV检测ERA显色法和荧光法两种可视化方法，通过肉眼可直接观测结果。进一步对反应程序进行了优化，将ERA显色法和荧光法的扩增时间分别缩短至5 min和8 min。并通过对反应体系的优化，将体系减半，从而降低了检测成本。在此情况下，对核酸参考样品检测的最低灵敏度分别可达10^-2、10^-3 ng/μL。最后将本研究建立的可视化快速检测方法应用于真实的GI和GII NoV粪便样本检测，并对方法的性能参数进行分析，结果显示：建立的GI和GII NoV ERA可视化快速检测方法特异性良好，对其他食源性病毒无交叉扩增，最低可检出10拷贝/μL的NoV，可以满足GI和GII NoV可视化快速筛查的需求。本研究方法的建立为NoV的快速筛查和风险监测提供了良好的技术支撑，对于控制NoV爆发、保障人民健康具有重要意义。

甘油二酯微胶囊是一种新型功能性食品配料，为准确测定其所包埋油脂的含油量、过氧化值、甘油二酯含量等理化指标，需建立其油脂组分的最适提取方法。本研究使用酸水解、碱水解、超声处理和菠萝蛋白酶水解4种方法对亚麻籽二酯油微胶囊进行破壁预处理，对比了不同预处理方法对微胶囊中油脂提取效果的影响，即考察了油脂提取率和油脂的过氧化值，通过高效液相色谱法分析了所提取油脂的甘油酯组成。结果显示：菠萝蛋白酶水解法预处理后提取得到的油脂过氧化值最低，其中的甘油二酯损失最少；酸水解法和超声处理法得到的油脂提取率较高，但酸水解法处理后油脂中的甘油二酯含量损失最多，超声处理后得到油脂的过氧化值最高；碱水解法处理后的油脂提取率最低。在酶水解法单因素实验的基础上进行正交试验，探究酶添加量、酶解温度和酶解时间对油脂提取率的影响，并优选了酶解处理后的萃取溶剂。结果表明：当菠萝蛋白酶的加酶量为12 000 U/g、酶解温度为55 ℃、酶解时间为5 min时，甘油二酯微胶囊的油脂提取率可达（98.60±0.78）%，油脂过氧化值为（0.037±0.001） g/100 g。酶解后最佳萃取体系为乙醇-乙醚-石油醚（体积比为2∶5∶5）。该方法的油脂提取率高，对油脂品质影响较小，为甘油二酯微胶囊的理化性质检测提供了理论基础。