针对风力发电机变桨系统电源缺少实时监控，且故障时更换步骤繁杂的问题，提出一种基于单片机控制的可热拔插双模块开关电源系统方案，实现了在不停机状态下的故障电源更换。该方案采用模块化双电源冗余架构，电源基于反激电路设计并进行模块化设计，具备20～80 V宽电压输入范围和最大24 V/3 A的稳定输出，集成STM32单片机与TPS2491热拔插芯片，电源故障时自动切换，支持故障电源的快速拔插更换。并搭建基于Bootstrap5框架开发的监控平台，实现电源的智能监控管理。实验结果表明，该系统在电源故障时切换时间短（满载工况下≤10 ms）、电压暂降小。同时，监控平台实现电源状态的实时监控、故障报警及运行数据分析，提升变桨系统供电可靠性。

为保持LLC谐振变换器高效率运行，LLC谐振变换器通常工作在谐振频率附近，使得变换器增益范围较窄。针对该问题，本文提出一种原边Buck-LLC级联变换器和副边特殊全桥整流的拓扑结构，该拓扑结构能实现宽范围电压增益。该拓扑结构原边采用前级Buck单元控制与后级LLC谐振变换器的协同控制策略，即前级通过PWM调制实现闭环稳压功能，后级采用LLC开环工作在谐振频率点。在副边引入交叠导通控制方式，通过调节整流桥开关管的交叠占空比来调整电压增益，使系统能够根据输出电压自动切换运行模式，系统可实现3倍增益扩展范围。理论推导表明，系统所有开关管在宽增益范围内均实现软开关。结合状态平面轨迹图，推导了电压增益方程及软开关边界条件。为验证所提方案，搭建了一台DC300 V输入、DC20-60 V/500 W输出的实验样机，实验结果及分析验证了系统拓扑结构和控制策略的正确性和有效性。

针对多模态对话情感识别（MERC）中难以有效捕捉对话中跨模态语义关联以及对少数类和语义易混淆类情感的区分能力有限的问题，提出了一种新的多模态情感分析模型（FuseNet）。该模型采用双向注意力对话编码器（BiDRN）以捕捉对话上下文依赖，有效整合来自不同说话人的音频与视觉线索，并通过基于分层门控机制的融合模块实现动态多模态融合，同时引入类感知多模态对比（CAMC）损失以增强类间判别性，提升对少数类以及语义相近情感类别的区分能力。在IEMOCAP和MELD两个基准ERC数据集上的实验结果表明，与当前先进模型CORECT相比，FuseNet的F1分数分别提升了2.91%和2.00%，在多数情感类别的分类性能上均优于现有基线模型，尤其在识别少数类和语义相近类情感上改进显著。

现有单阶段深度模型的交通事故检测在高速公路场景中误报率高、计算冗余大，严重制约了实际部署。为此，本文提出一种基于双阶段架构的高速公路交通事故检测方法，采用“静止车辆筛选+外观特征识别”的处理流程。第一阶段结合YOLO11与Bot-SORT，实现对车辆的检测与跟踪，并通过帧间速度分析筛选出疑似事故的静止车辆。第二阶段引入改进模型YOLO-EA，仅对静止车辆执行外观检测，并采用多帧投票机制提高判断稳定性与鲁棒性。YOLO-EA基于YOLO11架构，引入EAS-Stem模块与AWD-Conv模块，前者增强了输入阶段边缘与轮廓的特征提取，后者提升了下采样效率并在保留关键特征同时降低计算负担。实验结果表明，YOLO-EA在Precision、mAP@0.5和mAP@0.5：0.95上分别提升10.9%、3.4%和2.8%，参数量减少21%；在构建的事故视频数据集上，本方法的事故识别率达81.25%，相对于单阶段检测策略误报率降低24.46%。该方法在准确性与推理效率之间实现良好平衡，具备较强的实际部署潜力。

针对沿海地区河口水质监测环境中，传统的电导率测量传感器存在体积庞大、易被腐蚀的问题，本文提出一种基于单线圈扫频测量谐振阻抗的海水电导率非接触测量方法。建立了海水环境下线圈等效电路模型，深入解析了海水涡流损耗对系统谐振特征的影响机理，阐明了在谐振状态下，谐振等效阻抗与海水电导率之间的存在的线性映射关系，采用有限元仿真，对仿真数据进行了线性拟合，验证了理论推导的准确性；在此基础上，搭建了基于扫频技术的电导率测量系统，实现了对谐振点阻抗的精准提取。试验结果表明：在低电导率（咸潮）环境下，该方法保持了恒定且高水平的测量灵敏度，拟合结果最大误差仅为0.041 7 mS/cm。相比于已有研究，本文方法在提升系统抗污染能力的同时，显著增强了对微弱电导率变化的感知精度，并且可以此类方法利用仿真软件提前计算出拟合所需的相关参数，可以节省传感器标定所需要的人力物力，优化传感器制备流程，为河口水质监测提供了一种低成本、高可靠、高灵敏的新方案。

本文提出一种超导并联纳米线双分辨单光子探测器，能够在单路读出条件下同步实现光子数分辨与空间位置分辨。该探测器由N个超导纳米线单元并联组成，每个单元通过并联不同阻值的标记电阻构建非对称电阻网络，再串联相同阻值电阻，由同一偏置电路提供偏置电流并输出信号。以4像元结构为例，设置梯度分布的并联电阻（100、200、400、800 Ω）和50 Ω串联电阻，通过LTspice仿真验证了基于响应脉冲幅度叠加可实现光子数与空间位置信息的同步分辨，最多可区分4光子事件及15种空间响应分布。进一步分析表明，该结构可有效抑制传统并联纳米线探测器中的电流分流与闩锁效应，提升稳定性，但会一定程度降低输出信号幅值与信噪比。本研究为发展具有双分辨能力的超导并联纳米线单光子探测器（PND）提供了一种新颖且可行的技术路径，为未来开发大规模、高计数率、具备全信息获取能力的低SWaP-C多功能PND提供了一种新思路，拓宽了未来量子成像、激光雷达及量子通信等领域的应用。

针对室内外复杂场景中，由于拍摄距离较远导致仪表区域像素比例较小，从而引发表盘检测精度低、漏检率高以及实时性差等问题，提出了一种基于YOLOv8改进的指针仪表检测算法——GRCP-YOLOv8。首先，设计了一种融合CGA注意力机制的C2f_CGA模块，以增强模型对不同尺度特征的表达能力，并替代了主干网络中的所有C2f模块。其次，提出使用RFAConv替代传统卷积层，以解决普通卷积模块由于参数共享带来的特征表达不足问题。继而，设计了新型颈部网络结构CCFPN，通过引入主干网络提取的高分辨率特征图，提升了对小目标的感知能力，并通过1×1卷积减少卷积层通道数，从而减小了模型的参数量与计算量。最后，基于重参数化卷积（RepConv）设计了新的检测头——RepHead，有效降低了推理阶段的计算量和内存消耗。实验结果表明，改进后的算法在精度、召回率和mAP@50上的表现分别为94.3%、91.6%和92.5%，相比YOLOv8n模型，召回率和mAP@50分别提升了1.3%和1.2%。在计算复杂度和参数数量上分别降低了39%和27%，且模型体积仅为4.22 MB，表明所提算法在提升检测准确率的同时，更适合部署于边缘设备。

针对大规模电动汽车接入电网引发负荷波动的问题，电动汽车充电负荷预测可为电力调度决策提供关键支撑。为进一步保障电网运行的稳定性与可靠性，提出一种电动汽车短期充电负荷预测新方法，旨在提升负荷预测的精准度。首先，运用变分模态分解（VMD）将历史负荷数据拆解为多个子分量，将各子分量连同温度信息输入至多个（TCN-LSTM）分支中进行特征提取与学习，降低电动汽车负荷序列的复杂度。其次，构建双阶段注意力机制改进长短期记忆网络（LSTM）结构，实现负荷特征维度与时序维度的协同融合，从而提升对复杂负荷模式的捕捉能力。最后，提出时间转换预测模块经全连接层对预测结果进行加权整合，进一步提升模型预测精度，降低预测误差。在绍兴某社区实际电动汽车充电桩充电负荷数据集上进行算例分析。实验结果显示，所提方法在均方误差（MSE）、平均绝对误差（MAE）、和R²性能指标上分别提升68%、60%、4%，表明该模型具有较好的预测效果。

针对电磁悬浮系统易受外部扰动影响及传统线性自抗扰控制的整数阶PD固有矛盾问题，本文提出分数阶线性自抗扰控制方法。通过线性扩张状态观测器实时估计系统总扰动，并在位置环控制律中引入分数阶微分算子，利用其阶次在（0，2）区间连续可调的特性，灵活适配频域内相位与幅值需求。理论分析表明，分数阶线性自抗扰控制能同时增强低频段扰动抑制能力并抑制高频噪声放大效应。仿真与实验结果显示，相较于线性自抗扰控制，分数阶线性自抗扰控制使位置偏移减小48.72%、调节时间缩短80.28%，并能有效应对更强扰动并提升跟踪精度，显著提升了系统的抗干扰性与跟踪性能。

为解决旅鼠算法（ALA）收敛速度慢、收敛精度低、易陷入局部最优的问题，提出一种多策略改进旅鼠算法（IALA）。首先引入Hammersley序列对算法进行种群初始化，使初始种群具有更加优秀的搜索能力；然后利用反向差分变异机制，提高种群的多样性，增强算法逃离局部最优的能力；最后通过软霜冰搜索机制，让算法在优化过程中兼顾局部性和全局性，提高了算法的寻优能力和收敛速度。为验证改进算法的有效性，选取9个基准测试函数对改进算法进行对比测试，对比结果显示：IALA有着更快的收敛速度及更高的收敛精度。最后将改进算法应用于3种复杂程度地图的机器人路径规划仿真实验，结果表明：与原算法ALA进行比较，改进后的算法IALA在第1种地图中路径最优值下降0.64%，平均值下降2.86%；在第2种地图中路径最优值下降10.24%，平均值下降6.91%；在最后一种地图中路径最优值下降2.02%，平均值下降2.6%。证明了改进后的算法具有更好的路径寻优能力。