针对难以准确评估匿影对目标脉冲侦收影响的问题，研究匿影引起的目标脉冲损失概率。

分析匿影对目标脉冲分选的影响，结合侦察设备信号分选方法，确定目标脉冲损失判别准则；研究不同时序下目标脉冲被匿影波门擦除后输出波形序列，分析目标脉冲截余信号的变化规律，推导周期匿影波门引起的目标脉冲平均损失概率和目标周期脉冲损失概率、时变占空比匿影波门引起的目标脉冲平均损失概率的表达式；最后，对比分析目标脉冲各损失概率的计算与仿真实验结果，二者最大绝对偏差约为5.8×10⁻⁴，可忽略不计。

研究获得了目标脉冲损失概率和平均损失概率的数学模型，并验证了模型的准确性。

匿影对脉冲侦收损失影响的定量评估，为准确分析匿影条件下脉冲侦收漏警率提供了输入，也为侦察设备选用匿影措施决策提供了支撑。

旨在开展斜航作业下船舶冰载荷的准确预报和冰载荷特性研究。

以某极地船型为研究对象，应用离散元法对碎冰区船舶斜航状态下的冰载荷进行预报。首先，针对目标船型建立数值模型，通过对比试验数据验证其准确性；其次，设定不同的斜航角度、航速及冰厚，计算斜航过程中船舶受到的冰载荷；最后，分析不同漂角和冰厚条件下船舶冰载荷的分布特性及变化趋势。

研究显示，随着漂角的增大，船舶所受碎冰阻力及碎冰侧向力呈非线性增长；船模在航速0.6 m/s、海冰密集度70%，冰厚0.014 97 m条件下，在斜航工况15°漂角下，相比直航工况，碎冰阻力与碎冰侧向力增幅分别达4.25倍和6.04倍；船舶在大于10°漂角工况斜航作业下，提高航速或进入冰厚较大区域需注意碎冰阻力及迎冰侧碎冰侧向力突变可能造成的不利影响。

所做研究可为船舶在极地碎冰区斜航工况下的安全性评估提供数据支持，为斜航工况下极地船舶冰载荷预报与研究提供参考。

针对无人艇（USV）在复杂环境（如风速变化和初始位置偏差等不确定因素）下路径跟随精度和稳定性不足的问题，提出一种基于时变侧滑角补偿的自适应视线（TSC-ALOS）制导算法。

首先，引入基于实时风速、风向测量数据的时变侧滑角补偿机制，改进形成 TSC-ALOS 算法，动态补偿环境扰动导致的侧滑角变化，优化USV期望航向输出。然后，设计基于比例微分（PD） 的航向控制器，将 TSC-ALOS 算法生成的期望航向转化为实际舵角控制，确保USV能快速、稳定跟踪目标航向，实现从高层导航策略到低层控制执行的有效衔接。最后，利用实海域数值仿真，在无风、固定风和随机风3种工况下，分别对TSC-ALOS、ALOS和传统LOS算法进行性能对比，重点分析横向跟踪偏差与航向稳定性等指标。

仿真结果显示，在无风环境中，TSC-ALOS与ALOS算法的路径跟随精度均优于传统LOS，尤其在路径转弯处表现突出；在风速分别为8.37 m/s和16.73 m/s的固定风与随机风工况下，TSC-ALOS显著降低了横向跟踪偏差，展现出更强的抗扰动能力。在初始位置偏差的情形下，TSC-ALOS相较于ALOS和LOS算法的平均横向跟踪偏差分别降低了24.6%和36.8%。

TSC-ALOS算法在多种复杂环境下均表现出卓越的制导性能，尤其在应对环境干扰和位置偏差方面优势明显，为USV自主航行系统的研发提供技术支持的同时，也为算法的进一步优化提供了方向。

针对传统神经网络在少标记样本下故障诊断准确率低的问题，提出一种基于对比学习和卷积自注意力网络方法。

首先，原始监测数据经过数据增强得到相似样本对。同时，利用特征提取器将相似样本对映射到深层特征空间。然后，利用Transformer设计交叉预测任务进行局部对比和全局对比，通过比较相同批次数据间的内在相似性，实现同故障类型数据的聚类。最后，通过少量标记样本训练下游分类网络，提高模型的诊断性能。

基于自建的减速机实验台，验证了所提方法的有效性。结果表明，所提方法在少标记样本下的准确率达到98.38%。相比现有方法优势明显。

研究成果可为工业设备少标记样本故障诊断提供关键技术，助力智能制造发展。

为从源头上抑制水动力噪声，提出一种基于多孔介质的泵喷推进器降噪方法。

通过将泵喷推进器定子叶片的金属前缘替换为多孔介质材料，以有效调控叶片尾流与导管内壁面的相互干涉，进而降低壁面压力脉动。采用大涡模拟和声学类比分析，开展基于定子叶片多孔介质前缘的流动与噪声控制分析，研究多孔介质对流场的调制机制和噪声抑制效果，得出孔隙率与进速系数等不同性质参数对水动力噪声控制的影响规律。

对比结果表明，定子前缘多孔介质的调控作用有效降低了导管壁面的低频段声压级分量和远场辐射噪声，其中泵喷推进器在垂直于旋转轴方向的噪声声压级的最大降幅为5.52 dB。

研究成果可为泵喷推进器的流动与水动力噪声控制提供参考。

海上红外图像背景复杂、目标尺寸变化大、海浪杂波干扰严重，容易导致目标漏检和误检。为提高红外图像中的目标检测准确率，提出一种基于YOLOv8n的海上红外目标检测方法——面向海上红外目标检测任务的YOLO（MITD-YOLO）。

首先引入多样化分支模块（DBB）和多尺度卷积（EMSConv），利用多个不同尺度的卷积使模型能够更好地捕捉复杂特征。然后，采用三重注意力机制（triple attention）实现空间和通道维度的特征交互，强化关键特征提取。最后，使用Powerful-IoUv2（PIoUv2）对原模型的损失函数进行改进，以解决锚框扩展问题，提高检测精度并增强模型的鲁棒性。

实验结果表明，改进的MITD-YOLO模型对海上红外图像目标的检测效果有所提升：准确率提升2.3%，召回率提升1.7%；平均准确率达88.9%，帧率（FPS）达到132.8，优于原模型。

该方法可提高海上红外目标检测效果，为海上安全监控和船舶导航等领域提供更可靠的目标检测技术，助力智能海洋系统发展。

海上吊装作业时，波浪补偿装置对保障作业安全和延长作业窗口期意义重大。旨在系统剖析便携集成式波浪补偿装置，结合国内外研究现状，为我国相关研究及装备国产化提供有力支撑。

通过系统探讨便携集成式波浪补偿装置，详细阐述被动式、自适应式、主动式和混合式波浪补偿装置的工作原理，对比分析其优缺点；深入研究张力补偿、位置补偿和混合补偿在不同海上作业场景下的补偿原理与智能控制算法；分析国际主流产品特点，结合我国实际情况探讨发展现状；总结装置的特性与优势，展望未来研究方向。

研究发现，各类便携集成式波浪补偿装置在性能、适用场景等方面各有长短；不同补偿目标与海上作业场景紧密适配；国际市场产品成熟度高，而我国在该领域仍处于研发探索阶段。

该装置未来应朝着结构轻量化、模块化与标准化、稳定性与智能化控制发展，我国需强化技术创新，突破关键技术瓶颈，优化制造工艺，提升材料性能、密封技术和防腐能力，以推动相关装备国产化进程，增强我国在海洋工程领域的竞争力。

多区间观测的水下动态航行过程产生多源异类数据，因时间异步、系统误差未知等因素导致航迹交叉或分叉，造成连续变化过程难以刻画以及局部特征点难以识别。针对这一问题，提出一种基于函数化重构的水下数据融合算法。

通过选取多项式函数与样条函数进行匹配分析、建模设计及系数辨识，实现水下全航段轨迹的一致性表达，解决高动态参数序列变化不连续以及重合段数据模糊的问题。

数值分析结果表明，基于多项式函数和样条函数的融合结果比数据级融合结果更加光滑、连续，合理刻画了数据重合段的状态变化，并保留了非重合段的运动特征。经与滑动平均滤波算法比对，基于函数化重构的融合处理与滑动滤波处理均能够提供准确、平滑的参数序列，但在速度与加速度的一致性表达方面，前者相对于后者更有优势。经海上实验验证，综合运用多项式函数与样条函数融合方法，在有观测数据航段获得了特征点速度精度优于5%的再分析航迹，在后续无观测数据航段获得了特征点速度精度优于15%的预测航迹。

所提方法对于水下复杂动态航行的多源、多区间数据的处理与分析有一定应用价值，也适用于航行状态的短时估计。