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。

在一些资源受限场景下，大语言模型的高效推理部署面临严峻挑战。当前主流的模型推理优化技术，虽然在一定程度上提高了模型推理效率，但是仍然存在部署粒度较为粗糙、推理精度较差等问题。根据不同算子对GPU亲和度不同的发现，提出算子感知张量卸载（operator-aware tensor offloading，OATO）方法。OATO能够提取算子的语义知识，并基于此设计了智能算子调度算法，可以生成全局最优模型部署方案。同时，将OATO方法集成进最新的大模型推理框架Llama.cpp中，实现了算子感知的张量卸载增强推理引擎OALlama.cpp。实验结果表明，相比于业内最先进的推理引擎Llama.cpp和FlexGen，OALlama.cpp在3种大模型上均取得最好的推理性能，尤其是在LlaMA3-8B模型GPU加载75%权重的场景下，OALlama.cpp的首词生成速度相比FlexGen和Llama.cpp提升近1倍。

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。

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%。

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。

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。

提出一种融合深度强化学习与改进粒子群优化的自适应自抗扰控制策略，旨在提升永磁同步直线电机的速度与推力控制性能。通过建立电机数学模型并分析其动态特性，设计基于深度强化学习粒子群优化的控制框架，利用强化学习中的奖励机制与环境交互，动态优化自抗扰控制器参数以应对运行条件变化及外部扰动。改进粒子群算法引入分区惯性权重机制，结合历史全局最优数据循环更新策略，优化神经网络权重，从而提高控制策略的搜索效率与优化精度。实验结果表明，相比传统粒子群优化自抗扰控制算法，所提方法显著提高了电机位置与速度跟踪精度，增强了系统稳定性及抗推力扰动能力，验证了创新策略的有效性。

预测与健康管理（prognostics and health management，PHM）指标是否科学将直接影响PHM的设计效果，进而影响装备的可用性。针对实践中缺乏理论性与可实现性强的PHM指标论证方法，提出从装备综合效能指标到PHM综合指标、再到PHM能力指标的分级论证方法。选取可用度作为装备综合效能指标，定义了健康状态评估率并将其作为PHM综合指标，推导出可用度与健康状态评估率的关系式，以可用度最大化为目标求解出健康状态评估率指标。证明了健康状态评估率等于故障覆盖率与评估准确度的乘积，二者分别取决于感知单元的数量和诊断预测方法的准确性，这对开展PHM设计有指导意义。通过案例检验了上述方法的有效性和实用性。

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。

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。