模具及各类三维零件的数控加工包含了大量型腔的加工，型腔加工轨迹的设计会直接影响加工质量与效率。随着高速铣削技术的进步，数控机床为提高型腔加工效率提供了硬件基础，但也对CAM轨迹设计提出了更高要求。传统的CAM轨迹在处理型腔拐角、开槽和加工内外环轨迹交汇等区域时，容易导致切削负载突变，这种负载不稳定性限制了进给速度和切削深度的提升，影响了加工效率和质量。鉴于此，该文提出了一种面向型腔恒负载加工的组合轨迹设计与进给速度优化方法。该方法基于多层次区块结构，首先计算材料去除率，并据此将加工区域划分为稳定、半稳定和负载突变区域。针对不同区域，采用环切轨迹、进给速度优化以及变半径摆线轨迹相结合的策略，实现加工过程中负载的平稳控制，特别是通过在负载突变区域应用摆线轨迹，降低了瞬时负载的波动，确保了加工过程的稳定性。实验结果表明，该文提出的轨迹设计与进给速度优化方法能够适应各类复杂型腔的CAM轨迹生成，并保障加工过程的负载稳定性，进而提高加工质量。

现有应急救援装备功能单一、灵活性不高，难以满足地震等地质灾害下的复杂应急作业需求。鉴于此，该文设计了一种可实现属具快速切换及位姿自由调整的机电液快换装置，该装置可快速集成到应急救援装备上完成高机动、多功能救援作业任务。首先，模拟分析了快换装置的极端受载特性及工作过程中的应力、应变情况，确定了装置的薄弱位置及载荷谱；然后，推导建立了确定性与随机性周期应力作用下考虑循环损伤强度退化的可靠性理论模型，明确了快换装置回转机构可靠度与失效率的映射关系；接着，基于线弹性断裂力学分析了倾斜油缸活塞杆薄弱件的裂纹扩展情况，采用局部应力应变法确定了快换装置的疲劳寿命，确保快换装置满足使用要求；最后，将快换装置集成到步履式救援机器人上进行测试和验证。结果表明，该快换装置可实现挖斗、抓手等各种属具的快速切换，切换时间小于15 s，同时增加了±40°的偏摆和±360°的旋转自由度，可满足多自由度灵活作业需求。该文研究成果可为同类快换装置的设计提供理论参考。

自动特征识别是智能制造的关键技术之一。传统的基于规则的识别算法可扩展性较差，而基于深度卷积网络的方法以离散模型为输入，准确度不高，且识别结果难以精确映射回原始计算机辅助设计（CAD）模型，造成应用不便。针对上述不足，该文提出了一种基于图神经网络的、能够直接处理边界表示（B-Rep）模型的加工特征识别方法。该方法首先从B-Rep结构中提取有效的属性和几何信息，形成特征描述符；接着根据CAD模型拓扑结构建立具有高级语义信息的邻接图；进而以邻接图为输入，构建高效的图神经网络模型，通过引入可微的广义消息聚合函数和残差连接机制，提升模型的信息聚合及多层级特征捕捉能力，同时采用消息归一化策略确保训练稳定性并加速收敛；训练完成后，网络能对B-Rep模型中的所有面进行分类标注，实现特征识别。将该方法在公共数据集MFCAD++上进行测试，取得了99.53%的准确率和99.15%的平均交并比，说明该方法优于现有的同类研究成果。采用更复杂的测试用例和工程应用中的典型真实CAD案例作进一步检验，结果均表明该方法具有更好的泛化能力以及更强的适应性。

为揭示铸&锻高温合金GH4198锯齿形切屑的成形机理，并通过理论模型预测切屑形貌，开展了直角切削实验，再基于滑移线场模型预测切屑的几何形状，分析切削参数对切屑成形的影响。提出了考虑刀具钝圆半径的三阶段锯齿形切屑成形模型，建立了二维正交切削的热力耦合有限元模型，并通过实验验证有限元模型的合理性。基于仿真得到的切屑形成过程的应力、等效塑性应变和温度等参数的变化，分析了锯齿形切屑的成形机理。结果表明：剪切角随切削速度和进给量的增加而增大，切屑厚度随切削速度的增大而减小；切削速度为10、20和30 m/min时，切屑厚度预测值的相对误差分别为4.20%、12.34%和24.73%，最大切屑厚度压缩比分别为3.19、2.78和2.26，切屑锯齿化程度分别为0.20、0.36和0.58；切削速度为30 m/min时，切屑出现明显裂纹，且锯齿齿形整体倾斜；刀具进给量为0.05、0.10和0.15 mm/r时，最小切屑厚度预测值的相对误差分别为17.66%、8.66%和5.07%，最大切屑厚度压缩比分别为2.82、2.78和2.61，切屑锯齿化程度分别为0.12、0.36和0.42；滑移线场模型能有效预测切屑厚度随切削参数的变化；随切削速度和进给量的增大，切屑厚度压缩比呈减小趋势，锯齿化程度增大且增大趋势逐渐减缓。该文还通过有限元仿真分析了刀具钝圆半径对切屑成形的影响，验证了锯齿形切屑成形理论模型的有效性。

为探究轨道用中空薄壁大小幅铝型材的挤压规律，采用HyperXtrude仿真软件对型材的挤压过程进行了详细的数值模拟，分析模具结构和工艺参数的影响，并对比了2个形状相似的大幅型材和小幅型材的成型规律。结果表明：在模具结构方面，焊合室与引流槽对大小幅型材的影响最为明显，其中焊合室的变化对小幅型材的最大变形量有更明显的降低效果，降幅达42.82%，而大幅型材的降幅为25.34%；引流槽的变化则表现出不同的影响趋势，引流槽变化后，大幅型材的最大变形量降幅为40.88%，而小幅型材的为24.72%，其原因是小幅型材的引流槽较短，大幅型材引流槽的修改则更为复杂，故引流槽变化对大幅型材的影响更为显著。在工艺参数方面，分析了不同条件下型材金属变形量、金属流速和型材出口截面流速均方差的变化，发现挤压速度和模具温度对大幅型材的影响更为显著，而坯料直径对小幅型材的影响更为显著。该文研究结果为优化铝型材的挤压工艺提供了理论依据。

软件漏洞是导致计算机系统安全性受损的关键薄弱环节，易于被攻击者利用来实施非法操控，从而导致数据泄露、系统崩溃甚至更严重的安全事故。因此，如何精准、高效地检测软件漏洞已经成为计算机安全领域的核心研究课题。现有的基于深度学习的漏洞检测方法已取得一定进展，但大多受限于单一代码表示，无法全面反映代码语义与结构信息间的互补性。鉴于此，该文创新性地提出了一种基于路径表示和预训练代码模型的漏洞检测方法（简称VDPPM），以有效提升代码语义解析能力和漏洞检测精度。该方法集成了从抽象语法树、控制流图和程序依赖图抽取的路径表示，并借助对比学习框架SimCSE优化后得到的SimCodeBERT模型来增强模型对漏洞特征的捕捉能力。实验中，首先从源代码中提取3种代码表示，并从这些表示中提取路径表示来构建语料库以训练Doc2vec模型，形成通用嵌入模型，将路径序列转化为向量表示。在此基础上，融入预训练的CodeBERT模型，将其在对比学习框架下进行训练，以更精准地捕捉代码深层次语义特征。最后，通过融合Doc2vec和SimCodeBERT模型生成的向量来构建高质量的代码表示以完成漏洞检测。实验结果表明，在多个公开的漏洞检测基准数据集中，VDPPM的性能优于目前的主流方法，在漏洞检测任务上的多个指标有显著提高，证明了该方法的有效性和优越性。

针对交通运输业碳排放数据序列的波动性和非线性影响预测精度的问题，提出了一种结合二次分解、双重注意力机制、改进麻雀搜索算法（ISSA）和长短期记忆（LSTM）网络的交通运输业碳排放预测模型。首先，引入自适应噪声完备集合经验模态分解，将交通碳排放数据序列分解为不同频率的模态分量，再利用样本熵对各分量复杂度进行量化，并利用变分模态分解对熵值最高的分量进行二次分解，进一步弱化交通碳排放数据序列的波动性和非线性；然后，为挖掘交通碳排放量与其影响因素间的关联性，构建基于双重注意力机制优化的LSTM（DALSTM）模型，在LSTM模型的输入端嵌入特征注意力机制，突出关键输入特征；同时，在输出端嵌入时间注意力机制，提取关键历史时刻信息；最后，结合Circle混沌映射、动态惯性权重因子和混合变异算子策略改进SSA算法，并对各模态分量分别建立ISSA-DALSTM模型，接着对各模态分量预测值进行重构。用所测算的中国交通运输业1990—2019年碳排放数据来对模型进行验证，结果表明，所提模型的均方根误差、均方误差、平均绝对百分比误差分别为5.308 8、3.566 1、0.443 9，均优于其他对比模型，验证了所提模型的有效性。

针对现有交通流预测研究中存在的未能充分融合复杂时空相关性和时空异质性的问题，该文设计了一种基于栅格数据的交通流预测网络——时空异质化两阶段融合网络（Spatiotemporal Heterogeneous Two-Stage Fusion Neural Network，ST_HTFNN）。该网络使用分阶段、层次化的时空特征提取架构，采用静态和动态特征提取阶段串行的新模式，在静态特征提取阶段引入新颖的类曼巴线性注意力（Mamba-Like Linear Attention，MLLA）块作为静态异质化融合单元，实现空间上的相关性和异质性融合挖掘，在动态特征提取阶段设计了简单高效的动态异质化融合单元，通过膨胀卷积和门控机制的结合来自适应融合捕捉全局和局部的时空相关性和异质性。同时，针对细致到道路级的交通流特征，设计了道路特征增强模块来重建和增强道路信息，以解决深度卷积过程中道路特征平滑的问题。最后，设计了外部扰动特征融合模块来融合外部扰动特征对交通流预测结果的影响。在3个现实世界的交通数据集BikeNYC、TaxiCQ和TaxiBJ上进行的模型实验表明，ST_HTFNN模型展现出了超越现有基线模型的卓越性能，相应的预测精度平均绝对误差分别降低了6.13%、0.8%和7.01%。

针对肝肿瘤图像特征表达能力不足和全局上下文信息传递受限的问题，该文提出一种基于改进U-Net的肝肿瘤图像分割方法。首先，设计了一种低秩重构卷积来优化传统卷积运算所导致的大量参数问题，并用其构建使用残差结构改进编解码器的卷积核重构模块，使编码器保留更多的细节信息，并使解码器能更有效地恢复信息，以提升肝肿瘤图像特征的表达能力。然后，为丰富全局上下文信息的传递，设计了三分支空间金字塔池化模块来优化瓶颈结构的信息传递，打破单一路径的限制。接着，设计了多尺度特征融合模块来优化编码器信息的复用机制，增强模型对全局上下文信息的建模能力，并提升其在提取不同尺度肝肿瘤图像特征时的效能。最后，在LiTS2017和3DIRCADb数据集上对该文方法的性能进行了测试。实验结果表明：在LiTS2017数据集上的肝脏图像分割任务中，该文方法的Dice系数和IoU值分别达97.56%和95.25%，在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.71%和81.58%；在3DIRCADb数据集上的肝脏图像分割任务中，该文方法的Dice系数和IoU值分别达97.63%和95.39%，在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.62%和81.63%。

白细胞介素6（简称IL-6）是一种高多效性的糖蛋白因子，可以调节先天性免疫、适应性免疫以及代谢的各个方面，包括糖酵解、脂肪酸氧化和氧化磷酸化等。许多研究已证明，病毒感染患者体内的IL-6表达和释放量显著增加，并且与疾病的严重程度呈正相关，因此，识别IL-6诱导肽并探究其作用机制，对于开发免疫治疗以及疾病严重程度生物标志物具有重要的意义。目前对于IL-6诱导肽的识别大多采用传统的机器学习方法，特征选择与提取较为复杂，且需要依赖领域专家知识。鉴于此，该文提出一种基于图神经网络的IL-6诱导肽预测方法SFGNN-IL6。该方法根据所预测的IL-6诱导肽的结构特征，通过阈值筛选距离信息构建邻接矩阵，结合氨基酸的编码方式（One-hot编码、位置编码和BLOSUM62编码）提取氨基酸节点特征并进行图表示；然后，采用图注意力机制层和图卷积神经网络层，由双通道分别提取多视角特征，既关注节点权重的更新，也考虑节点信息的更新；最后，将两类特征进行融合，用于IL-6诱导肽的分类。实验结果验证了该方法的有效性。

为定量研究双馈风电场经MMC-HVDC并网系统控制回路间的交互作用对次/超同步振荡的影响，提出一种结合模态分析法和相对增益矩阵法的分析方法。首先，建立了双馈风电场经MMC-HVDC并网系统的小信号模型，并将其与电磁暂态仿真模型进行阶跃响应对比，验证了小信号模型的正确性；接着，采用模态分析法确定了影响系统稳定性的主导次/超同步振荡模式，通过参与因子的计算得到了振荡模式的主要参与变量，为后续不同控制环节之间的交互作用影响分析奠定了基础；然后，引入相对增益矩阵证实交互作用的存在，量化并比较主导振荡模式主要变量所在的控制回路间交互作用的强弱，将后续研究定位于风电场的转子侧换流器控制回路和MMC-HVDC中的定V/f控制回路；最后，根据相对增益矩阵的数值随影响因素的变化，定量评价了系统并网的电气距离及控制器参数对控制回路间交互作用程度的影响，并通过时域仿真法进行了验证。研究发现，当电气距离增加或MMC-HVD侧的定V/f控制比例系数增大时，双馈风机侧的RSC控制回路与定V/f控制回路间的交互作用增大，系统的稳定性减弱。

液固两相流技术广泛应用于换热器的强化传热设计，其关键在于引导低体积分数颗粒运动至壁面以扰动并破坏附近的热边界层，进而实现强化传热效果。颗粒的运动行为是深入解析传热强化机理的关键因素，其中非球形颗粒因其形状的各向异性而具有更佳的扰动效果以及更为复杂的运动行为。该文以正四面体颗粒群为研究对象，为分析其在立式上行管内液固两相流中的运动分布规律，基于CFD-DEM（计算流体动力学-离散单元模型）耦合方法模拟研究颗粒进口体积分数（1%、2%、3%、4%、5%）和液相进口流速（1.0、1.2、1.5、1.8、2.0 m/s）对管内颗粒群平均速度和颗粒群相对体积分数分布的影响，并通过PIV（粒子图像测速技术）实验验证数值模拟的准确性。结果表明：在研究参数范围内，颗粒群平均速度沿轴向波动，波动幅度随进口流速的增大而加剧，沿径向由中心至管壁递减，分布随流体轴向的充分发展而越发集中；颗粒群相对体积分数沿径向遵循管中心区域和近壁面较高、过渡区域较低的双峰规律；颗粒进口体积分数为1%、液相进口流速为2.0 m/s时，管壁附近的颗粒体积分数最高。

激光点云模型为后续的配电线路检测与管理提供了重要的支撑，现阶段大多数配电通道都已经构建了相应的激光点云模型。由于点云模型数量的增加，有效提取关键部件（如导线、绝缘子等）的位置信息成为了一项重要任务。为了进一步提升对点云模型中配电线路、杆塔、绝缘子等关键部件分割、提取的精准性和效率，该文提出一种基于融合Transformer模型的配电线路激光点云分割算法。考虑到配电线路点云中需要更为关注细节特征的影响，构建了一种双通道平行架构的特征提取模块用于提取高频和低频特征，其中低频特征通过平均池化和基于融合Transformer模型的特征提取器进行处理，高频特征通过最大池化和包含卷积层的多层感知机（MLP）模块进行处理；将两个通道获取的特征向量进行融合，以提升对细节特征的提取能力。此外，考虑到MLP模块在特征处理方面的能力，将融合后特征再次输入MLP模块中作进一步处理，实现了对点云目标的准确分割。该文还开展了大量的实验，验证了所提算法的准确性和有效性。该算法具有提高无人机巡检精度、增强自动化水平、提升鲁棒性、融合多源数据和降低巡检成本等多方面的潜在优势。