针对城市狭窄通道场景中平行泊车存在的路径曲率突变、碰撞风险高及多次调整等问题，本研究提出一种基于曲线组合与数值优化的三段式单步路径规划方法，旨在优化车辆的转向性能与动态避障能力，以提升泊车效率和安全性。首先，基于圆弧与回旋曲线的曲率特性，设计CAC（回旋-圆弧-回旋）与CC（回旋-回旋）两类曲线组合，其次，将泊车过程逆向化，采用CAC曲线组合设计终点段路径，再构建CC曲线组合的约束优化模型规划起点段路径，并引入五次多项式曲线设计中间段路径，最后，通过Matlab在拟可行区域内进行多工况仿真试验。结果表明，该方法能够在通道宽度仅为3米的狭窄场景中规划出无碰撞、曲率连续的可行路径，且占用较窄的通道宽度；相较于五次多项式曲线和“圆弧-回旋曲线-直线”方法，该方法在路径平滑性、避障能力及空间利用率方面均具有显著优势；模型预测控制（MPC）跟踪验证显示，车辆能够精准跟踪规划路径并且前轮转角连续变化，验证了方法的有效性。该研究提出的三段式单步路径规划方法为狭窄通道下的平行泊车提供了高效、安全的解决方案，可提高泊车效率，从而有效缓解路边泊车造成的交通阻塞问题，对提升城市交通效率具有实际意义。

城市道路重要度与交通状态存在复杂的相互作用关系，影响着人们的出行效率与满意度。本文从出租车GPS轨迹数据提取出GPS点位数、速度与夜间自由流速度之比两类交通状态指标，根据复杂网络理论获取拓扑结构中的度数、介数中心性、接近中心性和特征向量中心性表征不同层面的道路重要度，利用耦合协调度模型探究了交通状态与四类道路重要度指标之间的耦合关系。以耦合关系为因变量，选用十三种自变量利用CatBoost结合SHAP图对耦合关系产生的机理进行回归分析。结果表明：交叉口数量、绿化面积、公交站点数量对交通状态与道路重要度的耦合协调度起到促进作用，道路分隔型式对交通状态与介数中心性、接近中心性和度数的耦合关系具有较为显著的正向影响；对于正向不协调的道路，公共管理用地和居住用地强度对交通状态与接近中心性的耦合协调度产生负面影响，居住用地强度对交通状态与特征向量中心性的耦合协调度产生负面影响；对于负向不协调的道路，居住用地强度对交通状态与接近中心性的耦合协调度产生负面影响。

无人配送车运行仿真和评价是无人配送车相关理论研究的基础，有利于推动无人配送车的高质量落地运营。本文首先梳理了无人配送车相关技术的发展状况和国内外针对无人配送车安全运行管理规范，其次分析了无人配送车的行驶特性和配送服务运行特性，并综述了无人配送车技术测试、运营影响测试仿真方法和无人配送车网络仿真方法的现状和不足，最后提出无人配送车运行评价指标和未来研究方向。当前研究表明：现有无人配送车运行仿真技术缺乏统一权威性管理规范文件；‚针对无人配送车运营影响测试仿真研究较少；ƒ无人配送车运行特性方面研究不够深入，缺乏对实际场景的规划；„借鉴道路服务水平评价指标，采用平均速度变化率和平均密度变化率作为无人配送车投放影响评价指标较为合适。

准确的CO₂排放计量与动态预测对于推动中国的“双碳”目标（碳达峰与碳中和）的实现至关重要。本研究结合了排放因子法、CO₂-CEMS连续测量法和机器学习技术，提出了一种基于多源数据融合的CO₂排放计量与预测方法，旨在为燃煤电厂提供一个高效且精确的碳排放监测工具。研究通过对比不同方法的碳排放量计算结果，评估了不同机器学习算法（如Adaboost等）的性能，并基于多源数据开发了一个动态预测模型。在国能河北某电厂1#和3#机组上的实验结果表明，排放因子法和CO₂-CEMS法的CO₂排放量计算相对偏差分别为1.63%和-1.27%，排放因子法和CO₂-CEMS连续监测法具有较好的互证性。使用多种机器学习模型（如XGBoost、LightGBM等）与Adaboost模型进行了对比，除了R²和MAPE等常规评价指标，提出一种新的筛选标准，即基于已训练模型再应用至其他机组推到得出的均值偏差x_c，用于评估机器学习算法的泛化能力及进一步筛选。结果发现Adaboost在预测精度和稳定性方面表现最佳，并具有更高的泛化能力与鲁棒性。通过优选的Adaboost算法进行的CO₂排放动态预测，在训练集和测试集上的R²值均大于0.99，MAPE值低于2%，表明该模型具有很高的预测准确性和稳定性，并且具有极强的泛化能力和鲁棒性。提出的多源数据融合方法不仅有效克服了传统方法在动态变化中的局限性，还能够根据实时数据进行小时级的CO₂排放量精准预测。

重排序方法作为一种后处理技术，在跨模态检索任务中体现出显著的效果，通过挖掘与处理初始排序列表之间的信息，有效地提高了检索的准确性。目前主流的跨模态检索重排序方法是在数据集有配对的情况下对初始列表实现重排序，但灵活性差，使用时需要对原来的框架进行修改并重新训练，无法灵活地迁移到其他框架上；此外无法在无配对情景下应用，目前跨模态检索依赖大规模配对数据集取得了显著的进展，忽视了实际场景中标注大规模数据集需耗费大量资源的问题。为此，本文提出了一种基于邻居信息聚合的无配对跨模态检索重排序方法，通过挖掘并利用样本的邻居信息使错误的答案远离查询输入，其通过搜索欧氏邻域中的局部邻居以及基于协同表达搜索全局邻居表达样本的邻居信息，并融合两种邻居信息生成新特征与检索输入重新计算语义相似性完成重排序。本文方法置于多种跨模态检索框架后作为后处理方法，并在MSCOCO数据集上进行实验，体现了本方法的有效性与相对其他重排序方法的优越性。

由于数据采集质量不稳定，在3D手部姿态估计任务中，仅使用单一RGB或深度图像往往会导致关键特征的缺失。相比之下，结合两者语义和结构优势的多模态方法更具鲁棒性。然而，现有多模态手部姿态估计方法在融合RGB和深度特征时，仍面临信息冗余、模态对齐误差及局部特征缺失等问题，影响关键点定位的精度与稳定性。为此，本文提出一种基于深度几何特征引导的多模态关键点特征增强与融合方法。首先，利用深度结构特征表征手部轮廓和几何信息，以初步估计关键点位置。然后，引导选取对应RGB模态信息局部增强深度模态特征，弥补深度模态因空洞和遮挡而引起的结构特征缺失。进一步地，采用关键点局部深度三维结构特征局部增强初始RGB特征，提升RGB模态对手部三维空间结构的理解能力。最后，通过全局跨模态注意力机制进行交互学习，使局部增强的深度与RGB特征在全局范围内对齐，并动态优化模态信息的互补性。与现有的主流深度学习方法相比，本文在DexYCB、HO-3D和InterHand2.6M数据集上分别达到了7.52 mm、1.80 mm和7.40 mm的最低误差。

光场相机能够同步记录光线的空间-角度信息，为三维视觉感知开辟了新范式。深度估计作为光场解析的核心环节，支撑着三维重建、视觉里程计等关键应用。然而，遮挡导致的估计误差仍是亟待解决的核心挑战。本文提出一种遮挡敏感的光场深度估计框架，包含基于信息熵的遮挡掩码预计算方法和基于视角筛选的深度估计算法两个创新模块。首先，通过引入光场子孔径图像信息熵对光场极平面图中的遮挡进行建模，构建基于局部熵极值的遮挡掩码预计算方法，有效弥补了传统方法在遮挡表征方面的局限性。进一步通过视角筛选，排除遮挡视角的干扰，从而有效降低误差，使视差估计结果中误差超过0.03像素的异常点比例有效降低。本研究的核心贡献在于建立信息熵与遮挡之间的关联，基于光场子孔径信息熵实现了一种可靠的遮挡处理和光场深度估计方法。在光场基准数据集上的实验表明，本方法的平均绝对误差（MAE）和误差分布的25%分位数（Q25）均优于同类算法，且通过对比实验证实遮挡掩码的有效性，验证了信息熵理论在深度估计框架中的关键作用。

扫描透射电子显微镜（STEM）能够在纳米和原子尺度上实现对材料微结构的表征与分析，但是其成像过程中会受到难以预计的非均匀噪声的干扰，从而影响原子结构分析。过去几年基于深度学习网络的预测模型可以通过去噪或数据拟合来减少噪声的影响，但是存在过拟合的问题。本文引入材料的结构条件先验，并将其材料结构条件先验建模到深度神经网络模型中，设计一种基于材料结构条件先验的高噪声STEM原子结构分割方法。方法通过对比学习方式将材料结构条件先验建模成分割网络的注意力，其中包括自注意力机制和交叉注意力机制两种。通过计算这两种注意力，不仅能够使得分割网络自适应地关注图像中的关键区域，还能自适应地关注到来自结构坐标向量模态的控制信息。实验结果表明本文因为引入材料的结构条件先验，所以分割网络模型比其他传统分割网络更准确地分割高噪声STEM图像中的原子结构，并预测被噪声或顶层遮挡的次级结构信息。

快速傅里叶变换(FFT)作为科学计算和信号处理领域的核心算法，已广泛应用于数字信号处理、图像处理、深度学习等多个领域。随着数据规模的增长和处理需求的提高，在新型硬件平台上优化FFT算法变得尤为重要。本研究深入分析了昇腾NPU架构特点及其对FFT算法优化的影响，基于矩阵运算形式的Stockham FFT算法，提出了一系列创新性优化策略：(1)设计了启发式radix选择算法，为不同输入规模提供较优的radix序列组合；(2)针对单次迭代FFT，开发了无需虚实分离的高效计算流程，显著减少了全局内存访问开销；(3)提出了基于片上缓存的数据读取优化策略，大幅提升了数据访问速度；(4)为多次迭代设计了数据布局优化方法，有效改善了整体访存效率。在搭载昇腾910 AI处理器的华为昇腾Atlas 800平台上的实验结果表明：与非优化实现相比，本文提出的优化策略使FFT计算速度平均提升4.61倍。通过对各项优化策略进行独立性能分析和验证，结果显示单项优化可实现1.42倍到3.52倍的显著加速，为在新型NPU架构上实现高效FFT算法提供了重要的技术参考。

当前车载光伏系统研究多侧重于通过优化折叠机构增加光伏板安装面积来提升发电功率，忽视了发电功率与系统附加阻力能耗协同优化的问题，本文以提升车载光伏系统净功率为目标，通过优化车载光伏系统的气动性能，减小系统给车辆附加的阻力能耗，从而提升系统净功率。首先，以折叠式车载光伏系统为对象，设计了符合空气动力学的高透光率整流罩和车载光伏系统尾翼；然后，选取整流罩前倾角、后背角和系统高度三个设计变量对整流罩外形进行优化，通过构建正交实验表，使用极差分析获得三个设计变量对气动阻力的影响程度为：系统阻力>前倾角>后背角，从主效应图分析三个参数对系统气动阻力的影响均具有单调性，得到整流罩外形结构参数为：前倾角α取70°，后背角β取0°，系统高度h取100 mm；进而，对车载光伏系统尾翼攻角进行优化，对实验数据数构建三次样条插值近似模型，得到升阻比最优的尾翼攻角为33.96°。安装本文所提车载光伏系统的车辆与安装优化前系统的车辆相比，Cd值从0.619降低至0.343，降幅达到44.59%，气动阻力从484.26 N降低至375.56 N，降幅22.44%；Cl值从0.065降低至-0.082，降幅226.15%，升力方向由上变下，消除了气动升力向上对整车操控和安全性能带来的不利影响。与原始车辆模型对比，Cd值从0.415降低至0.343，降幅17.35%，气动阻力从372.42 N上升至375.56 N，仅增加3.14 N，基本消除了车载光伏系统对车辆气动性能的负面影响。最后对优化前后的车载光伏系统净功率进行对比分析，在车速为40 m/s时，净功率差值达到了7723.62 W。

搅拌摩擦焊技术在提升整车碰撞安全性方面具有重要意义。然而，优化整车碰撞安全性的摩擦焊工艺参数时，显式动力学模型的计算通常耗费大量时间和资源。为提高工艺参数优化效率，本文提出了一种基于搅拌摩擦焊工艺参数分析的整车碰撞时序预测方法。本文归纳了搅拌摩擦焊工艺参数与焊件强度的映射关系，并以某SUV车身数据为基础，采用有限元方法构建整车碰撞显式动力学模型，通过显式动力学计算结果对时间序列预测代理模型进行训练，开展摩擦焊整车碰撞安全性优化分析。结果表明，所提出的方法在预测精度方面表现出较高可靠性，相比传统显式动力学方法节省了50%的计算时间，显著提高了工艺参数优化的效率。基于所提出算法优化摩擦焊工艺参数，进一步提升了整车的碰撞安全性，为整车设计及其参数优化提供了有效参考。

环硫化物开环聚合是合成含硫高分子材料的重要方法之一。然而，传统阴离子聚合过程中，高活性硫阴离子容易引发链转移副反应，导致产物分子量分布宽、结构不均一等问题，严重制约了聚合物链段结构的精确调控，影响材料性能可设计性和应用可靠性。针对这一难题，文中基于三乙基硼烷(Et₃B)与磷腈碱^tBuP₁协同催化体系，以硫醇为引发剂，成功实现了环硫丙烷的高效可控聚合。实验结果表明，在0 °C反应条件下，Et₃B的引入能够抑制硫阴离子向单体及二硫键的链转移副反应；密度泛函理论计算证实，Et₃B通过与硫阴离子活性末端形成稳定的配位作用，显著降低了硫阴离子的亲核反应活性，从而实现了对聚合过程的精准调控。在此基础上发展了一种“一锅两步”富硫聚合物高效合成策略。该方法采用上述双组分催化体系，首先制备二硫化碳-环硫丙烷交替共聚物，并将其作为大分子链转移剂，通过二次投料，在不分离中间产物的条件下，直接引入苯乙烯单体进行扩链反应，最终成功合成了结构明确的聚苯乙烯-co-聚(二硫化碳-alt-环硫丙烷)三元共聚物，为精确合成富硫聚合物提供了新思路。

悬浮结晶耦合离心分离可精制获得聚酯级煤制乙二醇，。基于煤制乙二醇生产工艺中杂质与乙二醇形成窄沸、共沸以及热敏体系，与传统精馏纯化相比，悬浮结晶的低能耗、无需溶剂、对环境友好等优点，在纯化该体系下能达到节能减排的效果。操作工艺优化可为悬浮结晶耦合离心分离技术开发提供参考。本文研究了晶种添量、滤饼厚度、搅拌强度、程序降温和母液循环操作工艺对纯化效果的影响。结果显示，晶种添量对晶体的粒径分布产生影响，晶种添量增大可提升产品纯度，有效分配系数降幅为15.8%；降低滤饼厚度，晶体与发汗气体接触更充分，发汗效果增强，有效分配系数最大降幅为56.8%；搅拌强度直接影响传质传热，搅拌强度越大，产品纯度越高，但收率随之下降，有效分配系数和收率最大降幅分别为39.4%和30.8%；程序降温直接影响结晶时间，结晶时间增加，程序降温反而降低产品纯度；母液循环使用导致体系水含量增加，降低过冷度，反而提升了产品纯度，与新鲜母液相比，循环7次时有效分配系数降低了72.0%。