已有单目视觉引导中平台间位姿高精度测量方法需要准确的目标平台3D模型，无法消除3D模型误差给位姿测量带来的影响。针对此问题，对目标平台3D模型和位姿进行迭代优化，并提出一种新的单目视觉测量方法：采用稀疏3D关键点集合建模目标平台3D模型，利用序列图像中多视图几何约束信息，将目标稀疏3D关键点集合和6D位姿作为待求解参数，以最小化物方残差建立目标函数，通过求解该最优化问题，迭代优化稀疏3D关键点集合及位姿，通过采用滑动窗口结合关键帧筛选策略，实现实时、在线的高精度单目视觉测量。实验结果表明，通过迭代优化稀疏3D关键点集合及位姿，所提方法实现了目标平台3D模型不准确条件下实时、在线的高精度单目位姿测量，同时提升了目标3D模型精度。

针对高阶连续线性多智能体系统，给出了采样通信条件下最小能量时变编队设计方法。利用采样时刻多智能体系统局部邻域信息，提出了考虑全局控制能量消耗的时变编队协同控制协议。采用状态空间分解方法，将多智能体系统的时变编队问题转化为分解后不一致子系统的稳定性问题。构造了编队可行性条件，利用广义特征值方法，给出了最小能量约束时变编队分析和设计的充分条件，确保多智能体系统在最小能量约束下实现采样通信时变编队。对理论结果进行数值仿真验证。仿真结果表明，采取最小能量约束编队控制方法，能够有效降低多智能体系统在采样通信条件下实现时变编队的全局控制能量消耗。

为了探究工艺涨落对亚20纳米鳍式场效应晶体管（fin field-effect transistor，FinFET）工艺静态随机存储器（static random-access memory，SRAM）单粒子翻转特性的影响，通过建立与商用工艺接近的高精度三维计算机辅助工艺设计模型，对不同工艺角下FinFET SRAM的单粒子翻转特性进行仿真。仿真结果显示，FinFET工艺SRAM的单粒子翻转阈值在不同的工艺角变化下产生微小波动，且敏感位置都在N型金属氧化物半导体上。为了明确具体的工艺参数涨落对单粒子翻转阈值的影响，对鳍的厚度、鳍的高度、栅氧厚度、功函数波动造成的单粒子翻转特性的影响进行研究。仿真结果表明，前两种因素对翻转阈值未产生影响，后两种因素对翻转阈值造成了微小的波动。首次发现工艺涨落对FinFET SRAM单粒子翻转阈值的影响大幅降低，该发现对研制高一致性的抗辐射宇航用集成电路具有重要意义。

对二维方腔中顶盖温度振荡驱动稀薄流动进行研究，分析克努森数Kn与顶盖温度振荡频率对流场参数的影响规律。在靠近壁面处基于介观方法求解Shakhov模型方程，中心流域基于宏观方法减少计算资源消耗。宏观/介观虚拟边界利用高阶Hermite多项式重构分布函数，以封闭数值迭代格式。仿真结果表明：耦合方法相较全流场介观尺度方法，对方腔垂直中线处温度的预测结果相符，最大计算误差为0.23%，计算内存消耗降低约69.91%。耦合方法能够捕获振荡热驱稀薄流动在大Kn流域的非线性现象，此时水平方向速度分布不再服从周期振荡余弦函数规律，上升时间远大于下降时间。黏性穿透层厚度与受扰区域随着Kn的增大而增大，随着St的增大而减小。

为兼顾加筋壁板在优化设计中的轻质化目标与低误差敏感度要求，开展了考虑桁条扭转度误差的加筋壁板优化设计。建立了加筋壁板轴压后屈曲失稳有限元模型，分析结构承载特性对桁条扭转度误差与扭转桁条分布位置的敏感度。在此基础上，采用并行序列采样策略，提出基于代理模型的序列近似优化方法，并在考虑桁条扭转度误差影响下进行了加筋壁板轻量化设计。优化结果表明：对比无误差影响的优化设计方案，在均减重32%以上的情况下，考虑桁条扭转度误差的优化方案具有更低的桁条扭转度误差敏感性，有效提升了优化结构的可靠性与工程应用价值。

AI芯片在深度学习应用中受限于片上内存容量，当前主流内存优化方法针对静态计算图，对动态计算图的内存优化存在进一步的优化空间。针对该问题，提出一种控制流计算图模型的内存优化框架，在子图内部实现内存复用的基础上，结合控制流特性递归进行子图间的内存复用。针对片上与片外内存的内存墙问题，针对控制流计算图的权重数据提出一种有效的乒乓缓存实现策略，在子图内部实现访存和计算操作的重叠执行。基于国产LUNA AI芯片进行验证，结果表明，该内存优化框架实现了控制流计算图的片上内存优化使用，相比原有方法进一步提升5.9%。该策略有效解决了内存墙问题，减少了片上片外内存的数据传输时间，计算图的执行效率最高提升29%。

功率半导体模块是电能变换器的核心能量转换单元，其合理的设计可以有效提升电能变换器的功率密度。针对现有研究缺乏系统总结的问题，依次从材料、芯片、封装、栅极驱动四个层面较为系统地总结了提升变换器功率密度的方法，分别是：使用宽禁带材料、改进芯片结构、采用先进封装和改进驱动设计。总结了不同方法提升变换器功率密度的原理，并对基于功率半导体模块设计提升变换器功率密度的现有研究进行分类对比；梳理出现有研究的主要挑战，并对未来的发展趋势进行展望。

针对表贴式永磁同步电机中常见的定子匝间短路和转子偏心故障，采用占用空间小、可绕制匝数多的柔性印刷电路板制作探测线圈，并将其布置于定子槽口以捕获磁场信息。对于定子匝间短路故障，提出了利用双正交锁相提取故障特征值的匝间短路故障检测方法，能够对短路电阻、短路匝数以及故障位置进行有效区分，且不受电机转速波动的影响。对于转子偏心故障，提出了基于高频注入的探测线圈差分电桥结构偏心故障检测方法，最终可实现2%的偏心度检测。对于复合故障，引入了基于卷积神经网络的故障区分方案，并对比了不同类型学习方法的性能，试验结果表明：复合故障条件下实现了98%的匝间短路正确率评估，且选用AlexNet在训练数据占比为60%时的偏心检测误差仅为5%。

结合软件定义网络与分段路由（segment routing，SR）可优化网络性能，但在大规模动态网络中，其关键节点链路利用率过高会导致队列延迟激增。为此，提出深度强化学习与负载中心性理论融合的分段路由优化算法（segment routing optimization algorithm fusing deep reinforcement learning and load centrality theory，SROD-LC）。通过负载中心性理论量化网络节点重要性，识别关键节点并监控其链路负载状态；利用多智能体强化学习框架，在关键节点部署分布式深度强化学习智能体，通过共享奖励机制协调路由决策，实现链路负载的主动优化。同时结合SR的灵活性，动态调整段标识列表快速重路由部分流量，降低本地链路利用率并规避潜在拥塞。基于真实网络拓扑的模拟实验结果表明：当SR关键节点比例在0.3～0.5范围时，SROD-LC优化效果显著，与基准算法相比，可将网络最大链路利用率降低21%～35%。

为提高远程制导火箭的性能和设计效率，建立了远程制导火箭多学科参数化模型，实现制导火箭高精度性能仿真。提出了基于改进增广径向基的序列近似优化方法，通过各向异性技术提高增广径向基模型的泛化能力，采用递归演化实验设计和快速交叉验证提高近似建模效率，并应用非精确搜索策略进行序列采样，结合算例验证了所提出方法的有效性。开展了远程制导火箭序列近似优化设计，在满足设计约束的前提下，最大射程相较优化前提高了16.7%。