饲喂辅助机器人是推动畜牧业现代化转型的关键设备，饲喂目标的快速、准确识别是机器人实现智能推料的重要保证。匹配分割精度和运行效率是保证算法综合性能的关键步骤，也是识别算法的重要课题。针对现有奶牛饲喂目标识别方法存在分割精度和运行效率不匹配的问题，该文提出了一种基于分割大模型（SAM）优化的饲喂目标实时识别方法RTFTR。该方法首先在SAM-det架构基础上，通过轻量化图像编码器和目标检测器的参数，引入缓冲区队列的并行化设计方法来平衡各模块的运行效率，以提升推理速率；然后利用HQ形符增强特征空间的解码能力，优化设计掩码解码器，并采用针对饲喂目标的分阶段训练，以提高分割精度。实验结果表明：所提方法在提高分割精度的前提下保证了推理速率；在奶牛饲喂目标识别中，奶牛分割精度达98.7%，饲料分割精度达96.4%，料槽分割精度达99.2%，整体平均分割精度达98.1%，运行速率为52.9 f/s，满足养殖场复杂环境和机器人计算资源限制下对奶牛饲喂目标识别方法的高精度、高效率的应用需求。

针对现有声音事件分类方法分类准确率不高、泛化能力不强的问题，该文提出了一种基于减小高频混响和多尺度注意力的频域残差收缩网络（RF-DRSN-EMA）的声音事件分类方法。首先，根据减小声音混响的原理，提出了一种减小高频混响的方法，该方法仅减小分离出音频中的高频段混响而保留其余频段的关键频率信息，以便在提升语音清晰度的同时尽可能地减小语音失真的影响。然后，以深度残差收缩网络为基础网络，结合改进的频域自校正算法和多尺度注意力模块，提出了多尺度注意力的频域残差收缩网络RF-DRSN-EMA；该网络采用RF自校正模块（其内部的长短距离残差结构能缓解特征坍塌），以实现频域信息的高效采集，并在单元的输出采用多尺度注意力模块，进一步关注单元在输出层的有效信息，以强化模型的表征能力。最后，基于数据集ESC-10、UrbanSound8K和DCASE2020 Task 1A开展了声音事件分类实验。结果表明：该文提出的减小高频混响的语音增强方法能有针对性地减小高频段混响等背景噪音的影响和消除冗余特征，音质损伤较小，从而具有更好的分类性能；RF-DRSN-EMA实现了网络中频域的典型特征去噪以及信息的高效采集，在3个数据集上的最佳分类准确率分别达到98.00%、93.42%、72.80%，从而验证了该方法的有效性和泛化性。

针对电驱车间空调系统运行能耗高和工作效率低的问题，基于IBK-IPS算法提出了一种考虑空调系统各设备相互约束的动态节能优化方法。首先，分析空调系统各设备之间的影响机理，建立各设备的能耗和约束条件数学模型，构建系统运行能耗优化目标函数；接着，提出了一种基于改进黑翅鸢与粒子群（IBK-IPS）的算法，对空调系统各设备的水温、流量和风量等运行参数进行优化，以提高空调系统运行参数控制的精度和效果；然后，利用Simulink平台建立空调系统冷却水系统、冷冻水系统的能耗仿真模型，并通过仿真实验来验证运行参数优化的效果和准确性；最后，将该方法在某电驱车间进行实际应用，以验证所提方法的实际效果和可行性。仿真实验及实际应用测试结果表明：系统的运行能耗得到有效降低，节能率达到11.23%~34.68%；系统的运行能效得到有效优化，运行能效提升了11.53%~41.75%；相较于PS、BK、BK-PS算法，IBK-IPS算法的节能效果最优，且收敛速度分别提升了27.27%、61.90%、69.23%；在实际应用测试中，优化后系统在5种不同负荷下的节能率分别为22.61%、17.24%、7.48%、14.97%、12.64%。综上所述，该文提出的节能优化方法能够有效地解决电驱车间空调系统运行能耗高和工作效率低的问题，具有良好的节能效果和实用性，可为空调系统节能优化研究提供新的思路。

质子交换膜燃料电池以其无污染、高效率、低噪音等优点，受到车辆、船舶以及航空航天等领域的重点关注，然而其可靠性问题阻碍了燃料电池的大规模商业化推广。为进一步提升燃料电池的可靠性，该文提出了一种基于深度学习的燃料电池故障预测方法。首先，针对电压、电流、湿度、温度等状态监测数据，根据燃料电池故障机理选取用于故障诊断的特征参数，以降低数据维度、抑制冗余信息，提高故障预测模型的运算效率，并采用标准化、时间滑窗等预处理方法，消除监测参数之间量纲不同的影响；然后，构建基于长短时记忆网络的燃料电池状态预测模型，其输入为预处理后的多维特征序列，输出为未来T个时间步长的燃料电池状态；最后，将预测的状态数据输入至卷积神经网络故障辨识模型，实现燃料电池故障状态预测。使用燃料电池实验故障数据对所提出的方法进行验证，结果表明，所提出的故障预测模型能够提前预测到故障。该文所提基于深度学习的燃料电池故障预测方法通过有效的数据预处理、基于长短时记忆网络的未来状态预测及基于卷积神经网络的故障识别，实现了对质子交换膜燃料电池运行异常的提前预测。

研究O₃对生物柴油燃烧过程中多环芳烃（PAH）的影响，可为降低碳烟排放提供新思路。该研究建立了生物柴油替代物基础反应机理与PAH反应机理、O₃反应机理耦合的骨架反应机理，用于模拟O₃对生物柴油替代物对冲扩散火焰中PAH生成的影响和作用机制。该骨架反应机理共包括138种组分和608个反应。分析发现：O₃的添加会使燃料侧形成一个局部快速温升区，随着初始O₃摩尔分数的增大，该区域温升速率增大且位置越靠近燃料出口侧，这是燃料被初步氧化释放热量的结果；随着初始O₃摩尔分数的增大，PAH的最大摩尔分数先增大后减小；当初始O₃摩尔分数增大到0.04时，主要的PAH如苯（A₁）、萘（A₂）、蒽（A₃）和芘（A₄）的最大摩尔分数分别是初始O₃摩尔分数为0.00时的4.57、6.76、16.16、12.38倍，说明O₃的添加对PAH摩尔分数的影响较为显著，并且对A₃的影响最大；同时，A₁的生成途径发生变化，生成A₁的主要反应机制从由C₂H₂主导转变为由C₂H₃主导；而当初始O₃摩尔分数增大到0.12时，A₁、A₂、A₃、A₄的最大摩尔分数分别是初始O₃摩尔分数为0.00时的0.880、0.357、0.375、0.143倍，原因在于C₂H₃自由基会被氧化，从而抑制了A₁的生成。

垃圾焚烧过程选择性催化还原（SCR）脱硝系统出口NO _x 排放浓度的准确预测对提高数据质量和喷氨控制水平具有重要意义。垃圾焚烧过程存在显著的非线性、多变量耦合和时间序列特性，给NO _x 排放浓度的精准预测带来了巨大挑战。针对此问题，该文将最大信息系数（MIC）、主成分分析（PCA）和长短期记忆（LSTM）神经网络相结合，提出了一种SCR脱硝系统出口NO _x 排放浓度预测模型。首先，采用MIC方法计算各变量间的最大归一化互信息值，选择和NO _x 排放浓度相关性较大的特征变量，再结合最大冗余原则剔除冗余变量。随后，基于PCA方法获得各主成分方差的累计贡献率，提取主成分特征，得到最优输入特征变量集。最后，利用LSTM神经网络建立SCR出口NO _x 排放浓度预测模型。结果表明，相比反向传播神经网络模型和支持向量机模型，该文提出的模型具有最优的预测精度和泛化能力，其测试集平均绝对百分比误差为6.33%，均方根误差为4.71 mg/m³，决定系数为0.90。研究结果为实现垃圾焚烧过程SCR脱硝系统的喷氨智能控制提供了理论基础。

近红外光学跟踪系统能够根据附着于被跟踪物体上的反光标记球实时还原被跟踪物体的运动，目前已被广泛应用于多种领域。该研究提出了一种对目标丢失具有一定鲁棒性的多目近红外目标实时跟踪方法。首先，针对反光标记球在近红外相机中的成像特性，利用灰度质心法提取各个反光标记球的几何中心，然后在各单目相机中使用SORT算法作为多目标跟踪方法对各个标记点进行帧间匹配，并根据对极几何原理，结合带权二分图匹配方法确定反光标记球在各个相机中像点的匹配关系，依据三角测量方法实时计算各个受跟踪反光标记球的三维空间坐标；其次，根据运动过程中各反光标记球之间的空间位置关系对反光标记球进行分组，识别属于同一物体的反光标记球，并根据同组反光标记球间的欧氏距离建立被跟踪物体与反光标记球的外观特征向量，以此作为物体丢失重现的匹配依据，而完全丢失后再重现的被跟踪物体利用外观特征向量的余弦距离进行重匹配；最后，对所提方法进行实验验证。实验结果表明：所提方法在不小于60 f/s的帧率下的跟踪精度约可达0.5 mm；另外，其可以对丢失的重现物体以及反光标记球进行正确的重匹配。

磨齿、喷丸、表面光饰等齿轮表面处理技术会在材料内部产生残余应力，同时，金属材料中不可避免地存在杂质，残余应力与杂质对齿轮的接触疲劳寿命均有显著影响。为有效评估齿轮的接触疲劳风险，该文提出了一种综合考虑残余应力与杂质共同作用的数值模型。该模型使用等效夹杂法将齿轮内部的杂质转化为含本征应变的夹杂，并在位移方程中考虑了杂质与残余应力的耦合作用。研究过程中，计算了残余应力与杂质作用下的应力分布，并通过有限元法对模型进行了验证；使用Dang Van准则计算了等效应力，并将其代入Lundberg-Palmgren寿命模型，计算了齿面接触疲劳的最小循环次数，分析了残余应力、杂质等对齿轮接触疲劳寿命的影响规律。分析结果表明：杂质对齿轮接触疲劳寿命的影响远远大于残余应力的影响，且对疲劳最早出现的啮合位置具主导性；残余拉应力与杂质共同作用下，次表层最大应力增大且位置向材料表层偏移，齿轮更容易发生接触疲劳。

液压作动器中串联多级流道式磁流变阻尼器（MFC-MRD）可有效改善液压阀控缸系统的欠阻尼特性，提高系统的稳定性，该技术在足式机器人、挖掘机等装备中具有潜在的应用价值。但MFC-MRD的高功率密度设计必然会增加阻尼流道的有效长度，进而增大系统的阻尼力，导致现有动力学模型无法精确描述MFC-MRD的非线性滞回特征。为改善MFC-MRD的非线性滞回特性，该文基于力学性能试验，通过分析多级流道结构及非线性滞回曲线特征，对双曲正切曲线进行分割重组，进而提出了符合滞回特性的改进双曲正切模型；在参数辨识过程中，为避免模型参数陷入局部最优和“早熟”，对遗传算法的选择算子进行改进，进而提出了一种三级逐步逼近的选择算子，提高了模型参数的辨识精度，并依据力学实验数据，精确地获得了模型参数与电流的关系。模型对比结果表明，相较于Bouc-Wen模型和数据驱动式模型，该文建立的改进双曲正切模型的精度最高可提高75%，能准确地描述MFC-MRD存在的非线性滞回特性，具有较高的精确性。

为实现结构震后快速修复，基于损伤可控和耗能元件可更换的设计理念，提出了一种带可更换耗能节点的人字形支撑钢框架结构，其中可更换耗能节点由两个双U型金属耗能器、节点板、支撑端板、高强螺栓组成。为研究该结构的抗震性能和震后修复性能，对1/2缩尺的单层单跨的子结构试件进行拟静力试验及修复后的拟静力试验，研究并对比了首次和修复后加载试验中试件的滞回曲线、骨架曲线、应力应变曲线和延性等性能指标。结果表明：首次和修复后加载试验中，试件滞回曲线饱满，具有理想的耗能能力；试件的塑性损伤主要集中在可更换耗能节点处，主体结构基本保持弹性；首次试验加载至0.83%层间位移角后结束加载，结构残余位移角为0.28%，更换耗能节点后的结构与修复前的结构力学性能相似，其滞回曲线、骨架曲线和刚度退化曲线吻合较好。建立了带可更换耗能节点的人字形支撑钢框架简化的分析计算模型，基于变形协调关系推导了结构弹性抗侧刚度计算公式，提出了双U型金属耗能器屈服时结构的承载力计算公式，结构弹性抗侧刚度计算结果与试验结果最大相差为3.72%，双U型金属耗能器屈服时结构的水平承载力计算结果与试验结果最大相差为9.41%。

双稳态复合材料结构是一种新型可展开结构，广泛应用于多个领域。然而在复杂工作环境中，其材料性能可能发生变化，进而影响结构的双稳态特性。结合理论研究和数值研究，建立含热膨胀系数和湿膨胀系数的复合材料薄柱壳结构理论模型，推导复杂环境下薄柱壳应变能的解析表达式。基于最小势能原理，建立了温度和湿度影响的双稳态理论模型，研究预测环境参数对T700/Epoxy、T300/5028 Graphite-Epoxy和AS7/M21碳纤维/环氧树脂复合材料柱壳第2稳态应变能、主曲率和扭曲率的影响。采用ABAQUS软件建立柱壳结构的有限元模型，数值模拟柱壳的双稳态变形过程，得到不同温湿环境下第2稳态应变能、主曲率和扭曲率变化，并将数值结果与理论结果进行对比分析。结果表明：T700/Epoxy、AS7/M21在20~120 ℃以及0.0~1.0%湿度范围内，最大应变能分别最多减少32.7%和9.1%，T300/5028 Graphite-Epoxy柱壳的应变能最大增量为914.6%，T700/Epoxy与T300/5028 Graphite-Epoxy的主曲率对温度敏感性强，最大增量约为17%和14%，而AS7/M21变化不超过5%。在抗扭性能上，T700/Epoxy与T300/5028 Graphite-Epoxy在高温高湿下波动较大，AS7/M21则保持良好稳定性。结合理论研究和数值模拟，高温、高湿对复合材料结构的双稳态性能影响显著。通过定量分析不同温湿条件下复合材料的力学性能，可为双稳态结构的材料选择及应用环境优化提供科学依据，有助于提升结构设计的可靠性和耐久性。

密贴下穿作为地下工程近接施工的极端情况，将引起既有结构显著的受扰变形，直接影响结构的正常服役性能。以冻结暗挖下穿运营地铁车站为研究目标，基于车辆-线路耦合动力学方法与有限元精细化建模手段进行联合仿真，建立用于模拟滨海软弱地层中垂直交叠结构密贴下穿施工的动力有限元模型，并借助对现场运营线路的实时测试加以验证。通过将密贴下穿引起的既有线不平顺转化为轮轨动力激振施加于有限元仿真模型，计算并分析了轨道结构与隧道基础间的动力传递时频特性，进而模拟了车站振动源强在地层冻结前后及新建隧道开挖贯通阶段的演变过程。结果表明：地铁线路中轮轨激振经由轨道结构各层传递至隧道基础，进而引起结构底板及侧墙相继振动，受到传递距离及方向的影响，系统动力在传递路径中连续衰减，使得隧道侧墙振动相较于轨道道床呈现较低水平，但两者响应幅值在密贴下穿开挖导致既有线不平顺增长阶段，呈现了不同程度的提升，且轨道道床增幅更为显著；地铁车站振动源强的频率分布大多集中在200 Hz以下，其中密贴施工引起线路不平顺的主要影响频段在40 Hz以内，源强在8~40 Hz之间与不平顺幅值正相关，而隧道侧墙振动在8 Hz以下的低频区域出现了放大现象。

未来自动驾驶车辆（AV）的渗透率将逐渐增加，随之而来的在已有道路上增设自动驾驶专用车道成为提高道路通行效率和行车安全的有效对策。平纵线形受有人驾驶车辆的约束不易调整，但AV专用车道的宽度需重新设计，而自动驾驶专用车道设计方面尚缺乏行业标准和计算依据。车辆轨迹偏移量是车道宽度取值的重要依据，针对显著影响行驶轨迹的复杂平曲线组合设计开展相应研究，基于PreScan-Simulink仿真平台，应用典型的AV横、纵向运动控制算法，考虑卵形、凸形和C形3种复杂的平面线形组合，构建不同车型的仿真车辆模型和道路场景，得到了这3种复杂的平面线形组合对AV轨迹偏移的影响规律特征，并构建不同车型的轨迹偏移模型。研究结果表明：AV除了在凸形曲线上偏移最大的特征点是缓缓点（HH点）之外，在卵形曲线和C形曲线上偏移量最大的特征点均是第1个缓圆点（HY1点）。在这3种平面线形组合上设计速度与AV的轨迹偏移量的大小显著相关，AV车速在60~130 km/h时，各平面线形组合最大特征点的偏移量约为9~16 cm；AV车速在140~150 km/h时，轨迹偏移量随设计速度变化幅度较大，各平面线形组合最大特征点的偏移量约为13~23 cm。最后建立的设计速度与轨迹偏移量之间的关联模型为二次多项式回归模型，回归模型决定系数R²均大于0.95，拟合度基本满足预测要求。本研究方法和研究成果可为专用车道宽度的计算提供参考依据。

山区高速公路由于地形复杂、气候多变、道路条件受限，使得货车事故的发生具有更高的风险。为了深入探究山区高速公路货车事故严重程度的影响因素，并为交通事故的主动预防和精准防控提供科学依据，基于机器学习方法，构建不同分类模型对事故严重程度进行预测与分析。选择碰撞类型、车辆类型、路面结构、平面线形、纵断面线形、路侧防护措施、路表面状况、季节和事故时间等34个特征因素作为输入变量，以事故严重程度（轻微伤害/严重伤害）作为二分类输出变量，构建决策树（DT）模型、随机森林（RF）模型和支持向量机（SVM）模型等3种机器学习模型。为了评估模型的分类性能，采用准确率、精准率、召回率和F₁分值等指标对模型进行对比分析。此外，为了深入剖析各模型的决策机制并识别关键影响因素，引入SHapley Additive exPlanations（SHAP）方法，对模型的预测结果进行解释性分析，以量化各输入变量对事故严重程度的贡献度。研究结果表明：RF模型的分类性能优于DT模型和SVM模型，在准确率、精准率、召回率及F₁分值方面均具有较优表现。SHAP分析进一步揭示了影响山区高速公路货车事故严重程度的关键因素，包括 翻车、无坡度、水泥路面、转弯、正面碰撞、事故时间（19：00—06：59）以及路侧无防护措施等因素。

高速列车车厢内发生火灾时极易引起窗户破裂，从而形成侧向开口，显著影响火灾燃烧状态及温度分布。采用1∶8缩尺模型实验与数值模拟相结合的方法，研究不同的开口位置对车厢内火灾演化的影响，并定量研究了开口位置和火源功率共同影响下，高速列车车厢内部火焰移动速度及温度纵向衰减规律。结果表明：在各个开口位置，随着火源功率的增加，车厢内部火灾演化和开口处烟气/火焰均依次经历室内燃料充分燃烧阶段、缺氧燃烧阶段和持续溢流阶段；车厢内最高温度随火源功率的上升分为3种不同的趋势，首先随着火源功率的上升而上升，随后缓慢下降，最后急剧降低，这与车厢内的火焰演化规律一一对应。讨论了火源功率与开口位置对车厢内火焰移动速度的影响，并给出了火源移动速度的预测公式。结果表明：当火源功率为50.80 kW时，开口位置对火焰移动速度影响较小；当火源功率大于50.80 kW时，开口位置2-4时的火焰移动速度随着开口与火源距离的增大而减小，开口位置1的火焰移动速度最慢。该文研究了车厢内最高温度及开口位置两侧温度衰减规律，并建立了高速列车车厢火灾不同开口位置，开口左、右两侧的温度衰减预测模型，研究结果对于高速列车车厢火灾的防灾减灾具有一定的参考价值。