为了解决仅依靠星间链路的自主运行导航星座缺乏时空基准的问题，北斗卫星导航系统引入地面锚固站，与空间卫星共同构成可自主运行的星地/星间一体化网络。在星间链路体制、可见性、载荷数量约束下，建立北斗系统星地/星间链路网络一体化规划模型，提出基于网络分层的层间链路规划算法，以及基于模拟退火算法的测距链路位置精度衰减因子（position dilution of precision，PDOP）和网络连通度多目标优化算法。根据规划仿真结果，锚固站可以最少链路跳数实现向空间卫星的信息分发；卫星测距链路PDOP均小于1.4，且接近其参考下限；星地/星间一体化网络连通度优于3。结果表明，一体化规划算法能够满足锚固站向卫星的信息快速分发、网络空间基准维持的测距以及网络稳健性等性能需求。

为探究聚四氟乙烯/铝（polytetrafluoroethylene/aluminum, PTFE/Al）活性材料力学性能与温度对其冲击点火行为的影响，通过调控烧结条件，制备了八种PTFE/Al活性材料试样，并利用材料万能试验机得到了八种试样在不同温度下的应力-应变曲线，同时借助落锤装置测定了八种试样在相应温度下的点火阈值。试验结果表明：烧结时间对PTFE/Al弹性模量具有重要影响，温度升高会使得PTFE/Al试样软化；在高温条件下，烧结时间为40 min 的 PTFE/Al 试样屈服强度更高，同时在落锤加载下更易发生反应；进一步分析发现，材料强度与冲击点火阈值在相同温度条件下呈现线性负相关关系，且该线性关系的斜率随温度升高呈指数降低趋势。上述研究为PTFE/Al活性材料性能的优化和应用提供了重要的理论依据。

声源区域积分算法能够提取风洞试验模型中各组成部件噪声特征。针对目标积分区域外的声源旁瓣对积分结果产生的较大干扰问题，提出了局部CLEAN的区域积分算法。该算法将模型区域划分为目标区域与非目标区域，采用CLEAN算法寻找非目标区域中各个频率点最强声源位置，迭代去除非目标区域内声源对目标区域的干扰，从而获取更准确的积分结果。通过仿真计算和声学风洞试验数据分析得出，该算法能够有效分离相互干扰的噪声源，特别是3 kHz及以下的声源，从而更为准确地提取目标声源，为气动噪声试验数据分析提供新的算法工具。

综合考虑装备使用、装备战备以及维修保障效益的现实需求，分析装备动用与维修之间的关系，建立以装备在位率最大、装备战备储备达标率最大、装备完好率最大以及装备维修费用最小为目标，以摩托小时收支平衡为约束的多目标优化模型。根据所建立的模型目标高维、尺度差异大的特性，设计了改进的NSGA-Ⅲ算法，提出基于DNA结构的交叉、变异进化操作方法，提高种群的进化效率；设计了改进的自适应归一化方法，增强种群的多样性和算法收敛速度。设计年度装备动用优化案例，进行对比试验，验证了所提模型与算法的可行性和高效性。通过对大量装备动用方案的目标函数值变化趋势，以及单目标函数取得极值的方案详细指标进行分析，提出不同偏好装备动用优化方案。

长序列自主作业能力已成为制约智能机器人走向实际应用的问题之一。针对机器人在复杂场景中面临的多样化长序列操作技能需求，提出了一种高效鲁棒的非对称Actor-Critic强化学习方法，旨在解决长序列任务学习难度大与奖励函数设计复杂的挑战。通过整合多个Critic网络协同训练单一Actor网络，并引入生成对抗模仿学习为Critic网络生成内在奖励，从而降低长序列任务学习难度。在此基础上，设计两阶段学习方法，利用模仿学习为强化学习提供高质量预训练行为策略，在进一步提高学习效率的同时，增强策略的泛化性能。面向化学实验室长序列自主作业的仿真结果表明，该方法显著提高了机器人长序列操作技能的学习效率与行为策略的鲁棒性。

针对动态兵力部署问题，提出了一种基于沙普利值分解多智能体强化学习的策略规划方法。借助沙普利值分解来解释协作多智能体之间的奖励分配，利用基于沙普利分解强化学习方法求解马尔可夫凸博弈策略；针对海空跨域协同对抗场景，分析异构多实体协同对抗中空间域作战资源的分配，构建动态兵力部署策略规划模型，设计问题的状态空间、动作空间和奖励函数。围绕典型应用场景，利用兵棋推演系统对动态兵力部署问题组织了仿真实验验证，结果表明，与多类基线算法相比，所提方法在动态兵力部署策略规划方面性能优异，同时理论上具备可解释性，学到了“层层拦截、分区对抗，掩护核心、分层破击”长时域动态兵力部署策略。

为更好地研究分布式协作机器人中的复杂集体行为，设计了一种三轮全向移动的多机器人动态可视化验证平台，旨在提供一个直观且灵活的实验环境，促进多机器人算法的测试与发展。该平台由自主研发的低成本小型全向轮式移动机器人和可视化触摸屏幕构成，后者支持手势识别及物体形状检测，能够配置多样化的动态渲染场景。通过此平台，研究人员可以专注于多机器人系统中算法的设计与优化，同时不受限于特定场景或任务设定。该平台已经测试了机器人运动性能，并在多个任务场景中成功验证了多机器人算法，初步验证了其有效性和灵活性。

针对如何将神经网络保真映射到资源受限的嵌入式设备这一问题，提出基于层敏感性分析的卷积神经网络混合精度量化方法。通过计算Hessian矩阵平均迹衡量卷积层参数的敏感性，为位宽分配提供依据；使用逐层升降方法进行位宽分配，最终完成网络模型的混合精度量化。实验结果表明，与DoReFa和LSQ+两种固定精度量化方法相比，所提出的混合精度量化方法在平均位宽为3 bit的情况下将识别准确率提高了10.2%和1.7%；与其他混合精度量化方法相比，所提方法识别准确率提高了1%以上。此外，加噪训练能够有效提高混合精度量化方法的鲁棒性，在噪声标准差为0.5的情况下，将识别准确率提高了16%。

深度图像聚类采用深度学习方法对无标签图像数据的类簇结构进行分析，然而，缺乏类别标签提供确定信息，无监督深度图像聚类可能输出不确定聚类预测导致噪声信息，不利于性能提升和应用发展。因此，提出一种基于交替归一化和类别均匀先验的聚类预测优化方法，校正低置信度预测，提升了深度图像聚类性能。同时，该方法与模型结构和训练过程耦合度较低，可实现深度图像聚类的跨模型优化。通过在多个数据集上的实验结果表明，该方法对多种深度图像聚类模型具有较好的聚类预测优化效果。

针对光伏组件损伤检测的难度大、现有检测技术对人力和算力的需求高的现状，基于YOLOv8n提出一种改进的轻量化模型YOLOv8-DM，结合电致发光成像技术和目标检测方法，实现光伏组件缺陷检测。创新性地提出尺度特征自适应金字塔网络和倒置残差高效多尺度注意力机制，并引入结合动态卷积的Ghost模块，针对YOLOv8n模型在特征表达和多尺度目标识别方面的不足进行优化，增强细粒度检测能力并降低计算复杂度。YOLOv8-DM模型在经数据增强的PVEL-AD数据集上测试，召回率和mAP50较初始模型分别提升3%和3.3%，参数量与算力需求分别降低34%和20%，可以较好满足光伏组件缺陷检测任务中对低计算成本和高检测精度的实际需求。

针对序列推荐任务中对比学习模型生成自监督信号质量不足的问题，提出组合枚举时间间隔对比学习序列推荐模型。通过时间间隔扰动的数据增强操作，以生成保留时序信息的增强序列。为构建多视图增强序列对，提出组合枚举策略以最大化地融合用户行为与时间间隔信息。模型采用多头注意力机制对用户行为序列进行编码，并通过多任务联合训练方式优化自监督信号来提升模型性能。所提模型适用于数据稀疏性高、交互行为不均匀的场景，有效解决自监督信号建模难题。在三个真实数据集上的实验结果表明，该模型在命中率（hit ratio，HR）和归一化折损累计增益（normalized discounted cumulative gain，NDCG）指标上均优于当前最先进的对比学习模型。

为提升大语言模型在少样本环境下生成电网法律文书的能力，结合数据增强与规则引导技术，提出一种基于大语言模型的少样本法律文书生成方法，解决了电网企业法律文书生成中样本稀缺、专业性强、实践经验复杂等问题。实验结果表明，该方法在电网法律答辩文书生成任务中取得了优异效果，有效提升了模型生成文本的质量与专业性。

当齿轮发生故障时，频谱中出现以啮合频率及其高阶谐波频率为中心、以齿轮旋转频率为间隔的多阶调制边频簇现象。为了自动聚焦故障边频成分，提出一种惩罚回归的故障边频簇提取方法，通过自适应稀疏群套索回归自数据驱动策略确定惩罚系数大小，在线更新频谱权重，以此找到故障边频簇。在稀疏群套索回归获得的各边频权重系数基础上，提出一种新稀疏群套索边带指标对齿轮传动系统进行健康监测，实现齿轮传动系统早期故障预警与定位。结果分析表明，所提出的方法可以实现更准确的齿轮早期故障预警与故障定位。

轨道机动规划是交会对接、月球探测等复杂航天任务设计的重要环节，但不同任务对轨道机动的变轨位置、机动量、瞄准量的配置需求不同，给机动规划通用建模与求解带来巨大挑战。针对该问题，提出了基于轨道段的通用轨道机动规划建模方法，将不同场景轨道机动需求抽象建模为轨道段、停止条件组件与约束条件组件，形成了积木式航天器飞行任务描述模型，将轨道机动需求转换为统一的非线性规划问题，采用微分修正、序列二次规划、智能优化三种方法求解。进一步开发了软件工具，作为自主航天任务工具箱（aerospace tool kit, ATK）的核心轨道模块。仿真结果表明，该方法可实现高精度轨道等不同模型与应用场景下的通用化轨道机动规划建模与求解。

针对航天器交会与接近操作任务规划通用软件缺乏难题，研究了交会与接近操作规划模型和软件。提出了基元的概念，构建了由交会、接近、伴飞、撤离四大类基元组成的基元体系，交会与接近操作可以由多个基元组合形成；建立了空间交会与接近操作基元任务规划模型，以具体基元为例，给出了模型的任务段、停止条件、控制变量和约束计算公式；以航天任务工具箱(aerospace tool kit, ATK)为基础，设计并实现了交会与接近操作任务规划工具软件。对GEO交会和太阳同步绕飞两个交会与接近操作任务进行了仿真，结果表明建立的基元和软件能够对交会与接近操作任务执行正确规划。

针对非合作目标受控运动意图难以识别的问题，提出了一种基于双向门控循环单元（bi-directional gated recurrent unit，BiGRU）网络的意图识别方法。设定非合作目标具有“受控圆形绕飞”“受控水滴绕飞”“定点振荡”“直线逼近”“跳跃逼近”5种受控运动意图，建立非合作目标受控运动意图机动信息数据集。基于非合作目标进入我方航天器观测范围后的机动时序信息，采用BiGRU网络进行训练，以学习时序数据与受控运动意图之间的潜在关联，实现对非合作目标的意图识别。仿真结果表明，基于BiGRU网络的非合作目标受控运动意图识别方法的检测准确率达到98.35%。该方法可以提高对非合作目标的意图识别能力，为我方在轨航天器的安全保障提供技术参考。

受卫星数量、规模及机动能力等限制，现有对地观测星座难以快速响应随机性较强的应急需求。为满足应急对地观测星座快速设计需求，提出一种应急对地观测星座设计方法。该方法基于航天任务工具箱（aerospace tool kit, ATK）二次开发与覆盖分析功能，采用一维数据层次聚类方法分组地面目标，再针对目标分组应用差分进化算法优化限制性Walker子星座构型，最终生成限制性混合Walker对地观测星座。仿真结果证明，相比于常规Walker星座以及暴力优化结果，该方法能迅速生成应急星座，在保证有效完成对地观测任务前提下减小卫星使用量。

异面飞越是一种对同步带高价值目标卫星进行监测的有效方法。以椭圆轨道巡视同步带的任务场景为例，提出一种求解任意两椭圆轨道最小相遇距离的方法，证明巡视卫星的最优飞越点为升交点。使用航天任务工具箱(aerospace tool kit, ATK)仿真软件对任务进行场景建模，研究J2模型下最优飞越点位置的变化。在不同的当地地方时和不同飞越方向的情况下，研究飞越点相对距离、太阳角等终端约束条件的变化规律。提出一种满足最大转移时间和终端条件约束的燃料最优转移策略，结合ATK的机动规划模块，求解了不同摄动力模型的任务参数，分析了二体模型下不同真近地点角对应的任务参数，验证了策略的有效性，为多星巡视顺序的规划提供了依据。

自由返回轨道是载人飞船进行地月转移的首选轨道方案，其设计约束要求严格，现有算法对时初值依赖性普遍较强。针对载人月球探测任务中的地月转移轨道规划问题，采用双路网络学习方法，进行自由返回轨道初值方法的研究。建立地月自由返回轨道的动力学模型以分析近地端轨道解空间特征。结合近地升降轨的解空间分域特性，提出一种采用参数关联变换设计的双路神经网络架构，确保不同特征域下轨道解的完备性。利用ATK机动规划功能模块实现了双路网络学习初值方法下的地月自由返回轨道规划，并进行了仿真设计与验证。研究成果可为解决载人探月任务地月转移轨道规划的初值依赖性问题提供有效参考。