提出了一种基于周车轨迹预测不确定性的智能汽车避撞策略研究方法。轨迹预测模块，将基于物理的轨迹预测模型和数据驱动模型相结合构建物理引导的轨迹预测模型（ＰＧＬＳＴＭ），模型输出关于周车预测轨迹的二维高斯分布参数，以表征驾驶员行为的不确定性；风险评估及避撞策略模块，结合轨迹预测模型的输出结果，提出一个新的风险度量———预测驾驶风险 ＰＤＲ和预测相对驾驶风险指数 ＰＲＤＲＩ作为评估未来风险的参考指标，建立紧急工况下避撞决策机制。通过 Ｃａｒｓｉｍ搭建复杂紧急工况场景进行仿真实验。仿真结果表明：所提出的驾驶风险评估模型可以准确地辨识复杂行车场景未来驾驶风险，同时基于驾驶风险所提出的避撞决策机制能够提升智能汽车的避撞安全性。

针对传统生成式图像数据增强算法丢失 ３Ｄ属性信息，无法应用于自动驾驶领域 ３Ｄ目标检测任务的问题，提出了一种基于稳定扩散模型的多模态图像生成算法，并基于该算法设计了一种面向 ３Ｄ目标检测的数据增强方法。算法通过增加多模态输入进一步约束图像的生成过程。算法设计了一种多模态特征在线生成模块，在线提取场景描述、语义分布和深度特征等信息；同时针对多模态特征融合网络设计了一种增强型门控自注意力模块，精准地捕捉潜在特征空间中的深度信息，从而保留图像的 ３Ｄ属性信息，实现对图像纹理、颜色以及光照等 ２Ｄ特征的针对性修改。基于算法出色的深度保持特性，将新图像与 ３Ｄ伪标签结合，构成新的图像样本，实现对图像样本的数据增强。在 ｎｕＳｃｅｎｅｓ公开数据集上 ３Ｄ检测结果表明，算法针对公交车、卡车等体积较大类别的 ３Ｄ属性保留效果较好，ＡＰ值分别提高了 １７．２％和 １４．１％，同时 ｍＡＰ提高了 ６．８％，ＮＤＳ提高了 ３．４％。

为解决车辆轨迹预测任务中环境不断变化、车辆间存在交互影响，导致长期预测情况下预测精度较低的问题，提出了一种基于 ｍｕｌｔｉｐｌｅｆｕｔｕｒｅｓｐｒｅｄｉｃｔｏｒ（ＭＦＰ）算法的多智能体轨迹预测模型。采用对称指数移动平均法去除异常数据并平滑轨迹；采用图神经网络（ｇｒａｐｈｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，ＧＣＮ）进行交互特征提取，将历史轨迹与未来智能体之间的交互特征进行编码；在解码过程中添加车辆自身运动学模型得到动态可行的预测轨迹。对公开数据集 ＮＧＳＩＭ进行实验分析，结果表明：模型对车辆轨迹预测误差在 ０．５ｍ以内；通过对轨迹预测的 ＡＤＥ与 ＦＤＥ结果分析，在预测未来 ５ｓ轨迹的情况下，相比于其他方法，ＡＤＥ降低了 ３０．７％，ＦＤＥ降低了 ３２．５％，验证了模型和算法的有效性。

针对智能车辆在换道时存在的曲率变化过大以及容易出现速度突变的问题，提出一种融合环境势场的基于时空间采样的动态规划方法。建立环境势场以合势场值作为道路可通过性的衡量标准。基于 Ｆｒｅｎｅｔ坐标系在横纵向 ２个维度分别对换道终点进行时空间采样，生成五次多项式轨迹集合。构建综合考虑安全性、偏离目标车道线程度、规划时间和轨迹舒适性的多目标代价函数。通过碰撞检测和代价函数确定主车的最佳轨迹。设计动态规划模块使算法能适应复杂场景的换道需求。仿真结果表明：算法能使车辆更早发现障碍物，换道轨迹曲率基本与道路曲率保持一致，浮动不超过正负 ０．０２ｍ－１；主车速度并未发生明显突变，提高了换道过程的安全性与舒适性。

提出一种考虑跟车信息的基于卷积神经网络（ＣＮＮ）和双向长短时记忆神经网络（ＢｉＬＳＴＭ）车速预测模型，引入白鲨优化算法（ＷＳＯ）对模型的超参数进行优化。综合考虑跟车时的前车信息和其他影响车速的因素，通过驾驶人在环平台采集相关数据，确定了加速踏板开度、制动踏板开度、自车车速、相对车距、相对车速、自车加速度 ６种变量作为 ＷＳＯＣＮＮＢｉＬＳＴＭ模型的输入。通过数据的样本熵值确定变分模态分解的模态个数对数据进行降噪处理。仿真结果显示，考虑前车信息的多输入预测模型相比单一输入预测精度有所提高，且所建立的模型与 ＳＶＲ（ｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎ）、ＬＳＴＭ、ＣＮＮ和 ＴＣＮ（ｔｅｍｐｏｒａｌｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋ）相比，ＲＭＳＥ值分别降低了 ６３．３９％、１１４５％、５８．４５％、４２．５８％，ＭＡＥ值分别降低了 ５９．０９％、８．０９％、５７２９％、３８．９９％，提高了车速预测精度。

针对货车车厢完整尺寸的快速测量，提出了一种基于双目视觉的测量方法。依据相机成像模型和标定原理对双目相机进行标定实验，使用标定后的双目相机从货车侧后方采集货车车厢图像，再采用 Ｕ２Ｎｅｔ显著性目标检测算法对采集的货车车厢图像进行车厢轮廓提取，通过改进的基于图像分块的线段检测算法提取车厢边缘，结合车厢轮廓特征利用车厢边缘线段计算出特定的角点坐标，由三维坐标恢复后的车厢角点间距得到车厢尺寸。试验结果表明，车厢尺寸检测的平均误差小于 ４．０６％，体积检测平均误差小于 ５．８３％，可用于实际测量。

针对自动驾驶场景下远距离及遮挡目标识别问题，对 ＰｏｉｎｔＰｉｌｌａｒｓ算法进行了改进。引入了并行的空间注意力和通道注意力机制，增强了目标的位置信息及有用特征通道权重，提高了远距离目标的检测精度。在 ２ＤＣＮＮ骨干网络中引入了自适应空间特征融合模块，解决了特征拼接的信息丢失问题，提高了遮挡目标的检测精度。基于ＫＩＴＴＩ数据集在 ３种不同场景难度下分别对 ＳＥＣＯＮＤ、ＰｏｉｎｔＰｉｌｌａｒｓ、改进 ＰｏｉｎｔＰｉｌｌａｒｓ这 ３种算法进行了定量分析验证，并将改进的 ＰｏｉｎｔＰｉｌｌａｒｓ算法进行可视化分析。定量分析表明，改进 ＰｏｉｎｔＰｉｌｌａｒｓ算法在鸟瞰图模式下目标检测精度最大提升 ２．７５％；在三维模式下目标检测精度最大提升 ２．９３％；在 ＡＯＳ模式下目标检测精度最大提升 ４．０５％，可视化结果表明改进的 ＰｏｉｎｔＰｉｌｌａｒｓ算法能有效检测远距离及遮挡目标。

为提高无人摆渡车在园区泊车的安全性和便利性，对无人摆渡车自动泊车系统的路径规划算法的研究具有重要意义。建立低速泊车状态下的车辆运动学模型和车辆碰撞检测模型，采用 ＲＲＴ 算法进行路径规划，并对其扩展方式、代价函数和采样方式进行改进，之后在垂直和平行泊车环境下对该路径规划算法进行仿真验证。仿真结果表明，改进后的算法规划出的路径不仅满足避障要求和运动学约束，而且路径搜索效率和路径质量更具有优越性。

车辆队列间距控制策略能够影响车速稳定性和跟车间距，是降低队列能耗的关键，针对单一跟车间距策略无法满足间距控制问题，提出了一种双工况跟车间距控制策略。根据队列中每辆车空气动力特性，构建变空阻系数非线性车辆队列模型。将整个队列行驶工况分为匀速和变速工况，分别使用变时距和定时距跟车间距控制策略，变速时动态控制速度误差，匀速时控制每辆车最小能耗对应的跟车间距。在此基础上，设计兼容双工况跟车间距控制策略的非线性控制器，与单一定时距跟车策略进行仿真对比，仿真结果显示，非线性控制器速度误差平均降低 ２５％，队列车辆油耗平均降低 ５．８８％，验证了所提策略的有效性和可行性。

针对现有的道路凹陷检测算法中检测速度慢，很难应用于汽车车载移动设备的问题，提出一种改进 ＹＯＬＯｖ８的轻量型道路凹陷检测算法 ＹＯＬＯｖ８ＣＡＧ。将 ＹＯＬＯｖ８的主干网络第二层之后的普通卷积替换成 ＧｈｏｓｔＣｏｎｖ，通过低廉的线性变换，有效减少了模型的参数量。在 ｎｅｃｋ中的 Ｃ２ｆ模块中引入 ＣＡ注意力机制，在降低整体模型参数量和浮点运算量的同时，强化特征提取能力，减少无关特征的影响。在 ＹＯＬＯｖ８中运用 Ｃ２ｆＧＳ模块，减少网络结构的复杂性，进一步提升检测精度。实验结果表明：在道路凹陷的数据集上，改进算法与原算法相比，检测精度提高了１％，模型参数量与计算量分别下降了 １６％和 １１％，并通过与其他算法的性能比较，验证了改进算法的实用性。

提出一种基于分布式约束优化的震后救援路径规划模型。通过分析地震烈度、震害指数、路段可靠性等因素，结合实际震后救援地图构建数学模型，提出一种新的自适应局部代价模拟算法（ＡＬＣＳ）对模型进行求解。算法中智能体在优化初期使用偏差修正策略对局部代价进行修正，以获得更好的初始解集。设计了一种自适应策略，提高算法的泛化能力。实验结果表明：基于分布式约束优化技术构建的数学模型能够有效提高震后救援效率，提出的ＡＬＣＳ算法比前沿的分布式约束优化问题（ＤＣＯＰｓ）局部搜索算法的收敛质量更好，也能更有效地通过求解震后救援路径规划模型得出多条分布式救援最优路径。

商业地下停车场内部结构复杂、通道较窄，且相交通道视野范围小，驾驶员在寻找停车位时效率低且容易发生碰撞。以商业配建地下停车场为研究对象，基于驾驶模拟实验获取的微观驾驶行为数据，选取平均速度、平均加速度、制动位置对车辆操控行为进行分析，选取寻泊时间、路段通过时间、寻泊距离和最短路径选择对寻泊行为进行分析，并对不同驾驶风格的驾驶行为进行讨论。结果表明：对于车辆控制行为，停车信息诱导系统（ｐａｒｋｉｎｇｇｕｉｄａｎｃｅｉｎｆｏｒｍａｔｉｏｎｓｙｓｔｅｍｓ，ＰＧＩＳ）可以重构抵近盲区交叉口的驾驶过程，使驾驶员平均速度降低 ３６．９０％，加速度降至 ２．５５ｍ／ｓ２以下，对不同风格驾驶员平均速度的影响具有显著性。对于寻泊行为，ＰＧＩＳ可诱导驾驶员经最短路径到达目的地，有效减少寻泊时间；对保守型和普通型驾驶员的路段通行时间减少不显著，对激进型的路段通行时间具有显著影响。研究结果为车联网技术在城市交通领域的发展提供了新的视角。

针对在高分辨率遥感影像上进行路径规划时所面临的算法搜索范围大，效率低且转折点较多等问题，提出一种基于 Ａ 算法的全局路径规划算法。在原始 Ａ 算法的启发函数部分引入余弦函数，减少冗余节点的搜索过程，缩小算法搜索节点的范围，提升算法运行效率；设计拐点优化方案，减少规划路径中不必要的拐点数，提升路径规划结果的平滑性。为验证改进方法的有效性，在 Ｍａｔｌａｂ软件中进行仿真实验，分析原始 Ａ 算法和改进后 Ａ 算法的搜索节点范围与路径中拐点数量，并在遥感影像的二值地图中进行真实路径规划对比实验，分析路径长度与运行时间。实验数据表明，改进后算法的扩展节点减少 ３０％以上，非必要拐点数减少 ３５％以上，路径规划长度缩短１０１％，运行时间减少 １０．７％，提升了寻求最优路径的效率。

３Ｄ网格因其复杂性和不规则性使其有效表示成为挑战。为解决常规图卷积难以对 ３Ｄ网格有效传递和融合信息的问题，提出基于变分量化自编码器的 ３Ｄ网格模型，以探索其隐空间并用于 ３Ｄ网格的生成。提出带残差的图卷积模块，在处理 ３Ｄ网格这种复杂的图结构时，残差连接更有效地整合多层特征信息，支持更深的网络结构，显著提升模型的性能和泛化能力。在网格简化的边收缩算法基础上构建了可靠的多层池化和反池化操作，有效编码了层次结构中较粗糙和较稠密网格之间的对应关系。将 ３Ｄ网格形状投影到潜在空间的过程中，潜在特征被过度压缩导致信息损失，采用向量量化将潜在特征映射到预先定义的离散向量，在保持紧凑表示下更有效地编码和重建数据。实验结果表明，所提算法能够学习对可变形形状集合的紧凑表示，且在形状生成、形状插值等各种应用中表现出色。

基于证据的虚假新闻检测需要从互联网中检索出多个证据以验证新闻的真实性。虽然目前的方法取得了良好的性能，但现有方法没有考虑从互联网检索到的无关证据对模型的负面影响，对证据文本中噪音信息的处理不够完善，这些方法忽略了新闻的情感极性对新闻真实性的影响。为了解决这些问题，提出了一个情感感知增强的多粒度过滤虚假新闻检测，称为 ＥＭＧＦＮＤ（ｅｍｏｔｉｏｎｐｏｌａｒｉｔｙｐｅｒｃｅｐｔｉｏｎｍｕｌｔｉｇｒａｎｕｌａｒｉｔｙｆｉｌｔｅｒｆａｋｅｎｅｗｓｄｅｔｅｃｔｉｏｎ）。对新闻与证据进行图结构建模聚合新闻和证据文本信息，通过多粒度过滤获得精细的证据信息，通过新闻情感感知的注意力机制对新闻和证据进行交互。在 Ｓｎｏｐｅｓ和 ＰｏｌｉｔｉＦａｃｔ２个公开数据集上进行了多次实验，结果表明：模型性能优于基线模型。

教学效果评价及其验证是高校课程思政实施过程中的重要环节，也是目前教学评价改革中亟待解决的难点之一。为了验证、反馈和优化教学效果评价，在课程思政教学实践的基础上，通过预测实施课程思政的教学效果，构建了结合反向传播神经网络（ｂａｃｋｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ，ＢＰＮＮ）的卡尔曼滤波算法（Ｋａｌｍａｎｆｉｌｔｅｒ，ＫＦ）模型。利用 ＢＰ神经网络优化 ＫＦ模型中的状态参数，通过 ＫＦ滤波信息来反向验证和优化课程思政效果经验评价模型。Ｍａｔｌａｂ运算结果表明，与传统 ＫＦ算法相比，基于 ＢＰ改进的 ＫＦ算法的预测获得了较理想的结果。

与宏表情不同，微表情具有持续时间短、动作幅度小、覆盖面积小的典型特点，长视频中微表情与宏表情交织在一起，使得微表情的检测和识别困难，并且严重依赖于专家经验。针对以上问题，开发了一种多任务模型用于长视频微表情分析，该模型采用级联的网络结构，分别完成检测子任务与识别子任务。针对微表情仅发生于面部局部区域且因个体差异特征分布不同导致关键帧定位不准或漏检，在检测子网络中采用 ＤｕａｌＣＢＡＭＩｎｃｅｐｔｉｏｎ模块，增强模型空间感受野，对全局与局部区域提取多尺度光流特征增强模型的鲁棒性；针对长视频中表情类别分布不均衡且微表情发生时面部动作细微导致长视频微表情分类识别准确率低，提出模型在识别子网络中采用深度可分离ＤｅｎｓｅＮｅｔ模块，在控制模型的运算量和计算成本的前提下，通过多层次提取光流信息的浅层与深层语义特征提高模型的表情识别准确性。所提出的方法在 ＣＡＳ（ＭＥ）２长视频以及 ＣＡＳＭＥⅡ、ＳＭＩＣ短视频数据集上进行实验，结果表明，所提方法能够对长视频进行微表情检测并识别表情类别，性能优于当前诸多方法。

针对基于图像对线缆覆冰状态进行监测过程中图像存在噪声的问题，提出了一种多特征融合输电线覆冰图像去噪方法。该方法采用残差注意力融合模块、源特征融合模块和特征增强模块。在残差注意力融合模块中采用级联残差结构和混合注意力模块，既有助于特征信息映射，又能增强特征信息表达；在网络不同特征层中融合源特征，保留图像的低频信息，有利于提升图像的清晰度和真实感；在特征增强模块中同时结合局部和全局特征，通过特征注意力加权学习有效特征向量表示，提高模型去噪能力；创新性地提出像素损失和感知损失的联合损失函数，同时考虑像素级别的误差和感知质量的提升。在输电线覆冰数据集上高斯噪声标准差分别为 １０～４０、２０～５０和 ３０～６０，ＰＳＮＲ和 ＳＳＩＭ分别达到了｛３１．０１５ｄＢ、２９．２６２ｄＢ、２７．７１７ｄＢ｝和｛０．９５６、０．９４３、０．９３０｝。结果表明，该算法的性能优于主流去噪方法，具有更强的抑噪能力和抗干扰性。

验证码是一种用来区分计算机与人类的技术，以避免出现自动化程序自动注册、登录、恶意投票、恶意尝试密码等安全问题。而验证码识别技术研究可以使人们及时发现和改正验证码的缺点，对加强网络安全性有着重要的意义。通过对验证码识别算法的研究，设计了验证码识别系统，分别以模板匹配、Ｈｕ不变矩和深度学习 ３种算法对验证码图像进行处理识别，最终对带有多类型干扰的验证码分别得到识别结果。结果表明，前 ２种验证码算法的识别准确率分别为 ６０．３％、６６．０％，而基于深度学习算法中 ２种形式的识别准确率分别为 ８７．７％和 ９５．５８％，尤其在线干扰和混合干扰等复杂干扰方面，识别准确率的提高尤为突出，表现出深度学习算法应用于多类型干扰验证码识别的可行性。

主要阐述跨介质航行器后掠结构的设计和分析。对航行器介质转换的平滑过渡，包括机翼的收放机制、结构设计、静力学和动力学分析等多个方面进行重点研究。利用有限元分析和模态分析，展示了机翼结构在受到载荷时的响应，分析了机翼在折叠展开过程中对机构整体的气动影响。此外，通过力矩仿真进一步验证后掠机构设计的合理性和实用性，有效减弱 ５０％入水冲击，水下航行速度提升 ２．５倍，过渡时间缩短 １．８ｓ。研究成果揭示了后掠机构在改善航行器介质转换性能方面的有效性，为跨介质航行器的设计和性能优化提供了新方法。

针对不同工况条件下，行星齿轮系统的齿侧间隙因热变形所发生的改变，提出一种包含内啮合副热变形的行星齿轮系统齿侧间隙改变量理论计算模型。利用 ＡＮＳＹＳＷｏｒｋｂｅｎｃｈ稳态热 －结构耦合场对所提出的模型进行验证，获得不同工况下的稳态温度场数据。基于所提出的模型并结合稳态温度场数据，分析变转速、变扭矩以及恒功率３种工况下，行星齿轮系统齿侧间隙随工况参数的变化规律，可为行星齿轮系统的动力学分析提供理论依据。

从微观角度分析沥青老化后与集料界面粘附愈合行为，采用 ＭａｔｅｒｉａｌｓＳｔｕｄｉｏ２０２０软件，分别构建老化沥青、集料、老化沥青 －集料界面粘附愈合模型，从密度、玻璃化转变温度和溶解度参数验证构建模型的准确性。基于分 子动力学模拟，分析再生剂类型和温度变化对老化沥青 －集料粘附愈合模型的界面相对浓度、粘附能的影响。结果表明：构建的老化沥青模型参数合理，能够表征真实老化沥青特性；随着温度的升高，界面相对浓度先升高后降低，温度为 ２９８Ｋ时达到最大；界面相对浓度由大到小对应的再生剂类型依次为 Ｒ２＞Ｒ１＞Ｒ４＞Ｒ３，链状、小分子量再生剂对界面相对浓度提升幅度最大；温度和再生剂通过改变沥青与集料界面的粘附能，影响模型愈合速率，范德华势能是影响界面模型粘附能的主要因素。

为获得具有优良气动性能且兼具结构强度及轻量化的复合材料飞机机翼，提出考虑气动分析和结构分析多目标多工况优化方法。分别对机翼进行气动分析及结构强度分析，以机翼展弦比、锥度比、后掠角为几何优化变量，以机翼上下机翼蒙皮的 －４５°、９０°、４５°、０°层厚度和夹芯厚度为结构优化变量，建立以应力、位移为约束，以升阻比最大化和质量最小化为目标的协同优化模型。针对复合材料机翼多目标优化设计存在的计算量大难以取舍的问题，提出基于多准则和物理规划的自适应约束 Ｋｒｉｇｉｎｇ模型多目标优化算法（ａｄａｐｔｉｖｅｃｏｎｓｔｒａｉｎｔｋｒｉｇｉｎｇｍｏｄｅｌｍｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｍｕｌｔｉｃｒｉｔｅｒｉａａｎｄｐｈｙｓｉｃａｌｐｒｏｇｒａｍｍｉｎｇ，ＡＫＢＣＰ）。该算法引入了物理规划法和多准则加点，通过测试算例对比分析表明该算法具有较好的优化效果。将该算法应用到机翼多目标优化中，与初始机翼相比，优化后机翼升阻比提高 ３．１２％，质量减轻 ３１％，研究结果可为复合材料机翼优化设计提供参考。

大规模分布式能源并入电网，其波动性与随机性对网侧的安全稳定带来挑战。而柔性负荷的合理调控可促进需求侧响应，柔性负荷的分解与识别是实现源荷积极互动的前提和关键。传统非侵入式负荷监测需要先验信息，在实际中较难获取。为此，提出一种基于欠定式盲源分离模型的负荷分解方法，利用开源数据集 ＲＥＤＤ进行实例验证分析。首先，对功率序列进行邻点做差处理，构建负荷功率与时间分布特征，通过聚类识别出独立负荷个数；随后，采用概率归一思想求解欠定混合矩阵，将独立负荷有功功率矩阵的输出转化为几种概率事件；最后，采用盲源分离模型将总功率信号分解为各独立负荷功率的叠加。实例分析结果表明：所提方法具有普适性，分解精度高，可满足实际需求。

为进一步研究覆冰输电线的非线性振动问题，在考虑气动荷载和外部激励的前提下分析输电线的舞动特征，建立覆冰输电线在气动荷载及外部激励作用下的力学模型，推导模型的非线性舞动方程。基于 Ｇａｌｅｒｋｉｎ方法将推导的非线性舞动方程转换成常微分方程，利用多尺度法得到模型的主共振及谐波共振的幅频响应函数。数值分析结果表明：输电线产生主共振时，响应幅值随着调谐参数的变化会出现同步与失步现象，外部激励荷载或风速的增大均会使系统响应幅值增大并呈多值性及不稳定性；张力的增大使系统响应幅值减小，并减弱其非线性特性；谐波共振的响应幅值随外部激励荷载或风速的增大而增大，呈现多值性和跳跃性；共振峰向调谐参数右方向偏移，系统呈硬弹簧特性。

电动汽车的快速发展和普及已经呈现规模化效应，随着配电网中清洁能源逐渐呈现高比例趋势，规模化电动汽车接入主动配电网作为储能配置参与协同调度成为研究热点。然而在实际应用中，电动汽车参与储能的形式面临诸多不确定性与挑战。为此，分析了协同储能调度的目的及影响因素，从计及需求响应、考虑供需双方、结合多方利益、参与虚拟电厂储能四个方面综述协同储能调度的研究现状，结合国内外应用案例分析探讨其未来发展方向。

考虑到合理的公交导向式（ＴＯＤ）慢行系统规划设计能够引导居民减少私家车出行，优化城市交通出行结构，降低碳排放量，提出了公交导向式慢行系统设计的定义，通过分析公交路线和站点的空间结构，给出 ＴＯＤ＋ＴＩＤ模式慢行系统空间布局方案以及模式慢行系统设计流程和方法。采用多目标线性规划模型对城市交通出行结构进行建模，选取碳排放、能源消耗、社会成本、出行舒适度作为目标函数，将路网最佳容量、停车场容量、慢行系统容量作为约束条件构建城市交通出行结构优化模型，计算并对比优化前后交通出行对碳排放变化的影响。最后，结合广州市荔湾区实际案例分析 ＴＯＤ模式下慢行系统对碳排放及能源消耗、交通出行结构的影响，表明 ＴＯＤ模式下慢行系统的合理建设能够降碳减排，优化城市交通出行结构。

为缓解高峰时段机场候机厅内局地过度拥挤现象，对既有廊桥分配方案进行再优化，构建数学优化模型，以最小化各登机口候机区域客流密度最大值为目标，综合考虑停机位预分配方案、前后航班及相邻登机口航班时刻、候机厅面积等约束，在不影响廊桥利用率的前提下，优化候机区客流时空分布，避免因局地过度拥挤而诱增潜在的管理风险。鉴于模型的计算复杂性，运用遗传算法进行优化求解。实例计算结果显示：算法收敛性能良好；优化后候机区内局地的客流密度峰值下降近 ５０％，候机厅资源利用均衡性明显改善，对应均方差指标降幅超过 ５１％，表明所提方法实现了预期效果，可提升机场运行管理水平和服务质量。

烟气中的零价汞 Ｈｇ０难以被脱除，是燃煤电厂汞排放的主要形式。过硫酸根可以有效地氧化脱除 Ｈｇ０，但其本身反应效率不佳限制了其在燃煤电厂中氧化脱除 Ｈｇ０的工业应用。为此，从催化 Ｓ２Ｏ２-８与 Ｈｇ０ 的氧化反应入手，以商用 ＨＺＳＭ５为原料，通过浸渍法成功制备了不同 Ｆｅ含量的 ＦｅＺＳＭ５催化剂。结合 ＥＳＥＭＥＤＳ、ＸＲＤ、ＢＥＴ和ＸＰＳ等分析方法对制备的催化剂进行了表征，发现随着 Ｆｅ负载量的增大，分子筛表面的分散度越大且 Ｆｅ均匀分布在表面上，有助于催化反应的进行，同时浸渍的 Ｆｅ主要以 Ｆｅ２＋和 Ｆｅ３＋形式存在于 ＺＳＭ５，Ｆｅ负载量的增大也会导致 Ｆｅ２＋占比增大，而 Ｆｅ２＋对氧化反应有极大的促进作用，Ｆｅ主要以 ＦｅＳｉＯ形式存在，ＺＳＭ５被铁改性后仍保持其完整的骨架结构和孔隙形状。实验结果表明，３．０ＦｅＺＳＭ５作催化剂时效果最佳，氧化脱除 Ｈｇ０ 效率最高能达到８８．３１％。

针对时序特性的光伏不合理接入配网带来的电能质量下降和线损增加问题，建立满足多约束条件下的储能投资成本和配电网线损率的储能配置模型；在此基础上，提出一种约束违反评价策略下结合曼哈顿距离的非支配总排序的 ＭＯＩＳＣＺＯＡ多目标配置算法，该算法利用正余弦算法强化优势个体的引导作用，并引入一种多子群策略模拟了个体的信息传递，优化储能投资成本和配网线损。测试结果表明该配置方法在降低储能成本的条件下，能将 ３３节点网络的年度平均线损率降低 １４．７％，同时改善了节点系统的电压偏差。

针对国内太阳辐射观测站少，地表太阳辐射资料缺乏，导致难以精确地预测光伏发电功率的问题，提出一种无地表辐照度的预测方法。首先在原始数据上进行特征增广，并提出对数据进行逐时划分的思想，以进一步增强重要特征的相关性；其次，提出 ＤＳ证据理论对多种特征评分方法进行综合评分，以 ｎ比值法确定阈值实现对特征的筛选；最后，提出交叉验证方法以及对输入层进行 ＢｏｘＣｏｘ正态变换实现对 Ｓｔａｃｋｉｎｇ模型的改进，并对划分的样本集进行整合预测。实例分析表明，所提方法在所选预测日的准确率（ＣＲ）和合格率（ＱＲ）分别为 ０．９４８、１．０００，相比未对数据进行处理的方法分别提升 １６．５％和 ２０．３％，具有良好的预测精度，满足光伏出力预测的精度需求。

针对常规粒子群算法对部分遮光条件下多峰值光伏阵列的最大功率跟踪容易陷入局部最优等问题，引入混沌映射函数初始化种群，同时引入非线性动态惯性权重系数以及动态学习因子设计自适应粒子群优化算法，构建基于混合改进自适应粒子群（ＩＡＰＳＯ）的最大功率点跟踪算法，解决粒子群算法在部分阴影条件下容易陷入局部最优以及稳态波动大等问题。结果显示，ＩＡＰＳＯ算法能够适应光照条件的变化，实现光伏阵列快速、高精度的最大功率点跟踪，有效解决了常规最大功率点跟踪方法存在的局部最优、稳态振荡等问题。