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。

从三维Mesh数据中分割建筑物立面以识别对象，是三维场景理解的关键，但现有方法多依赖高成本的精细标注数据。针对该问题，提出了一种半监督学习方法，引入一种基于对比学习和一致性正则化的半监督语义分割（semi-supervised semantic segmentation based on contrastive learning and consistency regularization，SS_CC）方法，用于分割三维Mesh数据的建筑物立面。在SS_CC方法中，改进后的对比学习模块利用正负样本之间的类可分性，能够更有效地利用类特征信息；提出的基于特征空间的一致性正则化损失函数，从挖掘全局特征的角度增强了对所提取建筑物立面特征的鉴别力。实验结果表明，所提出的SS_CC方法在F1分数、mIoU指标上优于当前一些主流方法，且在建筑物的墙面和窗户上的分割效果相对更好。

针对无人机目标体积小、在图像中所占像素少、纹理细节信息弱、算法难以有效提取红外无人机目标特征导致检测精度较低等问题，提出多尺度学习的目标检测算法。通过在模型的颈部网络中构造多尺度特征融合结构，引入多尺度特征学习模块，将深层网络和浅层网络的特征进行级联，获取目标在多个尺度上的特征，丰富特征图的语义信息和特征信息，显著提高了算法对小型无人机目标的检测精度。在训练过程中使用SIoU代替CIoU损失函数，使网络模型在训练过程中损失最小化，提高了回归精度。实验结果表明，与其他红外小目标、主流检测算法相比，所提方法能有效提高无人机目标的检测精度，在实际应用中可以满足探测无人机目标的检测精度需求。

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。

分别采用态-态模型和多温度模型进行11化学组元的高温空气正激波流动数值模拟与分析。态-态模型区分中性分子的振动能级和中性原子的电子能级；多温度模型区分平动-转动温度、各中性分子的振动温度和电子温度。波前气流速度5～11 km/s范围的模拟结果表明：在紧靠激波区域，由于离解和电离反应，分子高振动能级和原子高电子能级的分布低于对应温度下的玻耳兹曼分布；与态-态模型相比，多温度模型下振动能、电子能的激发和各内能模式的热平衡都更晚，化学反应更晚发生但更早结束；多温度模型预测的起因于化学反应的振动能损失偏小、起因于电子碰撞电离的电子能损失偏大，获得的各分子振动温度与电子温度不能准确描述粒子能级的非平衡分布。

为研究航行状态下舰船腐蚀电场的产生机理与变化规律，将舰船电偶腐蚀阴极螺旋桨等效为旋转圆盘，建立湍流介质条件下旋转圆盘腐蚀电场等效模型。结合流体力学中边界层理论以及电化学腐蚀相关理论，计算层流及湍流介质流动状态下圆盘表面边界层流动状态及腐蚀电流密度，并对圆盘进行微分化处理，采用多个点电荷叠加的方法计算流动介质中受氧的传质过程控制下的旋转圆盘腐蚀电场。研究了不同转速下旋转圆盘腐蚀电场的变化规律，并进行了实验验证。结果表明：随着圆盘旋转速度的增加，腐蚀电场逐步增大。当圆盘表面介质流动状态由层流逐步转捩为湍流后，腐蚀电场模值会出现显著增大。

为实现永磁同步电机电感参数准确、稳定的在线辨识，提出一种基于虚拟电压矢量激励-电流微分响应的在线电感观测方法，该方法无须额外注入测试信号且与转子位置、电阻、永磁磁链解耦。引入虚拟电压矢量定向坐标系的概念，推导并证明了永磁同步电机的d-q轴电感观测可以与d-q同步旋转坐标系的位置角相解耦。在此基础上，讨论了虚拟电压矢量和电流微分信息提取的实现流程，实现了无须任何额外注入信号的非侵入式电感辨识。通过与IEEE标准中离线测试方法进行对比，验证了所提方法的有效性和准确性。

粒子输运问题的随机模拟在传统冯·诺依曼架构上面临随机事件分支和不规则访存带来的挑战，其根源在于随机算法与确定性硬件之间的不匹配。为此，设计了一种基于自旋和铁电器件的概率可调真随机数生成器。基于自旋器件的物理随机性，为架构提供物理随机源，并通过优化的控制逻辑和写入机制提高随机比特吞吐率；基于铁电器件的忆阻特性，设计了可编程和具有非易失连续存储权重的概率可调突触。实验表明，该设计求解示例输运问题时性能相比通用处理器提高171～1028倍。进一步地，相较现有的基于自旋转移矩磁隧道结的真随机数生成器，其不仅唯一具有生成可调概率随机采样的能力，且产生均匀分布随机序列时吞吐率达到303 Mbit/s，具有更高的随机比特吞吐率。

针对电磁橇对实时准确的位置和速度信息的需求与传统定位测速技术的局限性或高昂成本的矛盾，提出并设计了一种基于游标卡尺结构的新型定位测速系统。阐明了高精度定位的实现原理以及相应的位置解析方法，并设计了位置外推预测算法和卡尔曼滤波算法以提高定位测速系统的分辨率和实时性。设计了实现所提定位测速功能的硬件电路和软件程序，搭建了同步带导轨实验平台对所提的定位测速系统进行验证。测试结果表明，所设计的系统能够实现毫米级定位精度，具有良好的实时性、准确性和工程应用价值。给出了所提的定位测速系统在电磁悬浮推进平台上的工程应用实例。

针对模块化多电平变流器低速大转矩工况下显著的电容电压脉动问题，现有高频注入抑制方案会增大器件应力与损耗并引入过调制风险，且参数优化缺乏全工况适应能力。为解决该问题，提出一种考虑多约束条件的高频注入参数自适应优化策略：基于系统特性和稳态模型，运用变步长梯度下降法离线生成满足电压脉动与调制波约束要求的最小注入电流基准参数表；进而设计在线自适应修正机制，实时依据电容电压脉动和调制信息动态调整注入参数，补偿模型偏差及工况变动，形成离线全局优化与在线局部寻优的协同架构。仿真与实验表明，所提策略在维持电压脉动抑制效果的同时显著降低了注入高频环流，并具备动态追踪最优目标的能力。