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。

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。

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。

面向5 G/6G超密集组网的基站网络流量预测需求，提出一种增强随机集成混合核K近邻算法（enhanced random ensemble-based mixed kernel K-nearest neighbor algorithm，ER-MKKNN）。通过融合径向基函数与白噪声核构建混合核函数，突破了单一核函数在非线性关联建模与噪声抑制间的平衡瓶颈。创新性地引入样本-特征双重随机子采样与超参数区间随机化策略，显著提升了高维稀疏场景的泛化稳定性。基于袋外误差反演的动态权重分配机制，提升了算法对流量突变的鲁棒响应能力。配套设计的多级并行化架构，为超密集组网提供了可扩展的预测解决方案。实验表明，ER-MKKNN在均方根误差、平均绝对百分比误差和平均绝对误差三项指标上均优于所对比深度学习模型，为智能网络运维提供了新的技术路径。

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。

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。

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。

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。

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。