基于网络信息体系的联合作战中，破坏敌杀伤网、降效敌杀伤体系作战效能，要求能够识别敌杀伤网中关键节点。基于OODA环理论及杀伤链概念建模，利用节点删除法，通过网络作战能力及网络循环效率两项指标的下降程度评估杀伤网节点的重要性，克服传统评估方法在指标计算中存在冗余的问题，提高评估精度。采用该方法评估某作战演练中敌方杀伤网节点的重要性，精准识别指挥决策节点的枢纽作用，验证方法的有效性，并对杀伤网节点的重要性进行评估排序，为选择进攻要点提供依据。

针对当前飞行器轨迹预测准确性低的问题，引入双向传播机制和Mogrifier数据耦合模块，改进传统门控循环单元网络，提出基于Mogrifier-BiGRU的飞行器轨迹预测算法，加强网络对历史数据的学习与记忆，使得输入信息与隐藏层数据的充分耦合，提高预测准确度。仿真结果表明，所提方法对飞行器轨迹预测的准确度可达到96.26%，满足我方作战指挥人员对战场态势趋势准确预测的实际需求。

针对水下弱目标跟踪受干扰和噪声影响容易出现量测丢失或偏差，导致传统Kalman滤波方法跟踪误差显著增加甚至出现发散的问题，为此提出一种基于神经网络的目标跟踪方法，利用深度神经网络解决不同运动模式下目标方位跟踪的问题。水下目标跟踪的神经网路模型可通过运动模型生成大量量测数据进行充分训练，有效解决水声目标数据少、标记样本不足的问题；在量测不连续条件下，提出一种新的损失函数用于增强目标跟踪模型的稳健性；对未学习的仿真数据及实测海试数据进行测试。研究结果表明：构建的卷积神经网络(Convolutional Neural Network， CNN)模型适用于3种不同运动模式下的目标，能在平台静止和运动两种情况下稳定跟踪目标；CNN模型较传统Kalman滤波方法跟踪误差分别降低了7.75°和1.41°，验证了该模型的稳健性和可推广性。

为探索增材制造316L不锈钢球形破片的弹道性能，采用选择性激光熔化（Selective LaserMelting，SLM）技术制造316L不锈钢材料毛坯，通过机加工、抛光等操作得到了直径12 mm的增材制造316L不锈钢球形破片。开展打印态316L不锈钢材料的显微计算机断层扫描（Computed Tomography, CT）和静动态力学试验研究，获得了打印态316L不锈钢在材料沉积方向的Johnson-Cook（JC）模型参数，进行了增材制造和传统冷轧工艺制造的316L不锈钢球形破片侵彻6 mm厚Q235钢靶的弹道试验。研究结果表明：增材制造球形破片的弹道极限速度比传统冷轧制造破片低2.5%左右，弹道性能有小幅提升，暗示了增材制造工艺用于制造战斗部预制破片的潜力；开展的数值仿真研究获得了与试验结果一致的剪切冲塞穿靶机理，仿真与试验穿靶速度数据比较吻合，弹道极限速度误差仅为1.4%左右，仿真结果也表明JC模型用于描述增材制造316L不锈钢材料穿靶行为的可行性。

为满足作战任务需求，对装备群进行选择性维修的同时进行作战任务分配，可有效提高装备群的整体作战效益。针对选择性维修决策与任务分配独立优化的问题，以最大化任务完成概率为目标，构建装备群选择性维修决策与任务分配联合优化模型，引入环境系数表征不同子任务的工作环境对单元状态的影响；通过求解马尔可夫模型得到单元的任务完成概率，进而得到子任务和整个任务的完成概率；采用基于随机密钥的遗传算法进行求解，分析环境系数对联合优化结果的影响，通过算例验证了模型和算法的有效性。研究结果表明：在选择性维修决策时考虑作战任务分配能够得到更优的结果；该模型可为战场环境下装备维修决策问题提供理论指导和技术支持。

在永磁同步电机控制系统中，逆变器的延迟效应会降低系统的跟踪性能和稳定裕度。引入Smith预估补偿器可以补偿延迟环节对系统性能的影响，但Smith预估补偿器要求延迟时间和被控对象模型参数已知，这不符合实际情况。为此提出时变模型自适应预估方法，分别对延迟时间和被控对象模型参数进行自适应估计，实现Smith预估补偿器的全参数自适应。设计基于位置输出超前值预测和扰动抑制的滑模前馈控制器，与全参数自适应Smith预估补偿控制相结合，确保控制系统的全局稳定，降低系统对参数不确定的敏感性，并提高系统的抗扰性。仿真结果表明，与传统及多种改进的Smith预估补偿方法相比，该方法有着更高的跟踪精度，即使在非理想条件下，对参数不确定依然具有较强的鲁棒性，对随机扰动依然具有较强的干扰抑制能力。

为快速提高轻武器操作人员射击精度、缩短瞄准时间, 设计一种超轻型、多种轻武器复用的弹道解算系统，并创新了火控修正方法。建立人体据枪-瞄准-击发过程模型，规划火控诸元解算、实时环境感知、多轻武器复用、交互和数据管理等基本模块，提出可快速、实时解算，基于国产化硬件平台的火控修正软件架构，通过系统综合设计，实现总重量394 g情况下的有效工作。针对显示滞后、击发装置延迟和传感器噪声等问题，结合人体卧姿射击运动特征提出一种瞄准线非线性扩展卡尔曼滤波预测方法，其误差补偿效果相比于匀加速预测补偿方法要好53.1%。为验证系统整体有效性，搭建600 m外场射击实验进行初学者分组对比测试。研究结果表明，该系统经短暂培训后可使新手迅速掌握白光瞄具射击要领，瞄准偏差方位方向为1.15 mm、俯仰方向为0.9 mm，可降低轻武器射击对个人经验依赖，提高射手的远距离射击能力。

针对深海环境下拖船自噪声在靠近端射和非端射方向产生的多途角扩展干扰影响拖曳声纳探测性能的问题，提出一种利用归一化最小均方误差(Normalized Least Mean Square，NLMS)噪声抵消器和经验模态分解(Empirical Mode Decomposition，EMD)的拖船干扰抑制方法。通过借鉴逆波束形成(Inverse Beamforming, IBF)的思想，对靠近端射方向的干扰波束进行相位补偿，重构出时域干扰信号，并将其作为自适应噪声抵消器的输入信号，基阵接收信号作为期望信号，利用NLMS方法调整滤波器的权值，进行初步干扰抑制。在此基础上通过EMD对噪声抵消器的输出结果进行分解得到多个本征模态(Intrinsic Mode Function, IMF)和残余分量，再利用匹配滤波方法筛选出用于重构拖船噪声的IMF，并在阵元域抵消完成干扰抑制，其中匹配模版为靠近端射方向频域干扰波束逆傅里叶变换得到的时域干扰信号。仿真数据和海试数据分析结果表明，与其他方法相比，所提方法能够大幅度抑制拖船自噪声产生的多途角扩展干扰，提升拖曳声纳在干扰盲区内对弱目标信号的检测能力。

针对传统方法对水下非合作跳频信号的多维参数估计效果不佳的问题，提出一种基于单矢量水听器时频声强法的非合作水声跳频信号空时频参数估计方法。利用矢量水听器声压通道与振速通道的接收信号建立时频域的短时互谱分布，分析噪声与信号在时频域分布的差异，通过迭代去噪法与连通域方法，对噪声进行抑制并平滑每跳的能量分布；采用复声强法对短时互谱矩阵进行处理，得到清晰稳定的跳频信号空时频分布；提取空时频分布的脊线并利用Haar小波变换对脊线进行奇异点检测，估计出信号的多维参数。仿真和水池试验结果表明，当信噪比大于-5 dB时，所提方法得到的参数估计归一化均方根误差小于0.05。

沃尔特拉非线性后均衡器（Volterra Series Nonlinear Post-Equalizer,VS-NPE）可以补偿可见光通信（Visible Light Communication, VLC）的非线性失真和多径效应，但其结构复杂且均衡精度有限。在VS-NPE内核求解基础上，提出一种基于阈值自学习近似消息传递（Learned Threshold ApproximateMessage Passing，LTAMP）网络的非线性均衡器。修正样本观测矩阵以克服其列高度相关的缺陷；在改进近似消息传递（Approximate Message Passing, AMP）算法迭代的基础上，将算法每一次迭代的计算过程映射为一层特殊的神经网络，经逐层展开后构建出完整的LTAMP均衡器。所提方法融合了模型求解和深度学习的优势，可从样本中学习最佳的AMP参数，以克服其对噪声敏感且输出不稳定的缺陷，进而提升内核求解稳定性与计算精度。仿真结果表明，与稳固阈值AMP算法相比，所提方法在误码率为1×10^－3时能取得2 dB的信噪比增益，且对样本噪声具有较强的自适应性，展现出优异的非线性失真补偿能力。

针对多云天气条件下，云团对激光信号产生较大衰减作用从而影响末制导性能这一问题，提出一种考虑云团对激光衰减作用的滑翔增程激光制导炮弹弹道规划方法。经过合理假设建立云团近似模型，在此基础上设计云团规避—控制能量最优复合规避目标函数（Compound Evasion Objective Function, CEOF）。根据激光导引头工作特性和制导炮弹的飞行特性建立弹道规划模型，采用Radau伪谱法将弹道规划问题转化为非线性规划问题（Non-linear Programming，NLP）。调用NLP求解器SNOPT求解。选取多组云团算例进行仿真分析，仿真结果验证所提弹道规划方法的有效性。研究结果表明，与传统弹道规划方法进行仿真对比，新的弹道规划方法以增加较少动能损耗、控制能量消耗和攻击时长为代价，大幅减少了云团对激光的衰减作用，验证了其优越性。

针对现有复杂网络节点重要性排序方法无法处理目标体系网络节点异质连边有向有权的难题，提出一种面向目标体系网络的节点重要性排序方法。利用K-shell算法计算网络节点的初始重要值，并在PageRank算法的节点重要性传递中考虑重要性分配趋强的特点和连边权重，提出K-shell和PageRank扩展（Extended K-shell and PageRank，EKSPR）算法，并给出EKSPR算法的收敛性证明，进行了作战仿真实验验证和算例对比分析。实验结果表明，EKSPR算法相对于K-shell算法和PageRank算法更适用于处理目标体系网络节点重要性排序，并且效率优于均值EKSPR算法。

图像跟踪算法是弹载图像末制导及光电侦查装备的关键技术，其高效低延时的实时实现可以极大提高光电载荷跟踪的稳定性和精确性。为解决弹载环境受体积、功耗等因素约束下图像末制导跟踪算法的高效性，基于背景感知的相关跟踪算法，提出一种基于数据驱动的多任务分配策略，并针对相关滤波计算是影响算法实时性的关键路径，提出Cache优化的快速傅里叶变换高效实现方法。通过将跟踪算法映射到多核DSP处理器平台上并行实现，相对原处理方法多核处理实时性能整体提升约56.3%。经无人机挂载试验验证表明，该优化方法可以满足空间约束条件下目标跟踪实时性需求，为智能化弹药的工程化应用提供了有力的技术支撑。

针对现代战场环境下线性调频引信干扰技术的迫切需求，提出多项式Chirplet变换的方法实现低信噪比下对调频连续波无线电引信的信号参数估计，并针对调频连续波引信重构了干扰信号。基于线性小波变换原理，选取适当的核函数，将无线电引信信号经过旋转与平移操作后进行短时傅里叶变换，再利用遗传算法求得变换核的最优参数，实现对调频连续波信号的参数估计，并重构干扰信号。仿真对比结果表明，该方法可以在较低信噪比下实现对调频连续波无线电引信信号载波频率、调制周期、最大频偏等参数进行精准估计，相较于周期调制类干扰，重构干扰信号能够以更低功率对调频引信产生较好的干扰效果。

再生效应引起的铣削颤振，是制约加工效率和工件质量的主要因素之一。准确高效地识别铣削颤振的稳定域，是抑制颤振、提高生产效率的关键步骤。为此，根据铣削振动微分方程，利用柯特斯积分法（Cotes Integration Method，CIM）提出一种新的铣削稳定域预测方法。利用CIM获得主轴转速-轴向切深平面二维稳定性叶瓣图（Stability Lobe Diagram，SLD），与半离散法(Semi-discretizationMethod，SDM)和全离散法(Full-discretization Method，FDM)等方法进行比较，结果表明CIM的收敛性更优。考虑径向切深的影响，建立三维SLD的迭代计算方法，通过等效地离散三维SLD曲面为节点集合，随机以90%的节点作为训练集，构建轴向切深与主轴转速、径向切深之间的神经网络预测模型。10%验证集的预测结果表明神经网络的预测误差不超过6%。以材料去除率为效率目标，刀具寿命为成本目标，建立稳定铣削多目标优化模型并应用基于分解的多目标进化算法(Multiobjective Evolutionary Algorithm Based on Decomposition, MOEA/D)求解，为获得高效率、低成本的最优铣削参数提供基础理论和技术支撑。

潜艇水压场特性是信息化海战场的重要信息源。基于势流理论研究潜艇水压场特性的工程简化预报方法，构建基于兰金体线型的解析模型和基于回转体线型的数值模型，预估多种线型的潜艇水压场特性，并在验证性研究基础上，揭示潜艇线型、潜深等因素对潜艇水压场负压峰值、负压持续时间等重要特征的影响规律。研究结果表明：随着潜深增大，潜艇水压场负压区形状由单峰值的V形逐渐变为U形，甚至双峰值的W形，线型、潜深等因素对重要特征的影响逐渐增强；同一潜深下，随着航速增大，负压持续时间均呈现先突增、后缓降规律，且无论艇体胖瘦，其水压场重要特征在1倍艇长的横距外均已衰减，即该横距外水雷已难以捕捉其目标特性。

基于耦合欧拉-拉格朗日方法，开展了初始运动参数对带滑板跨介质航行体近水面滑跳过程的影响规律研究。采用参数回归方法分别建立最大浸深、最大过载和俯仰角变化3个变量随航行体初始速度、入水角、滑板倾角变化的关系式，得到了跨介质航行体稳定滑跳的参数包络，在入水角2°~5°、滑板倾角10°~25°、速度60~80 m/s范围之间，且在范围内各参数之间会相互制约。在此基础上，基于多目标优化算法获得了最适宜航行体稳定滑跳的初始参数为入水速度60.1 m/s、滑板倾角18.8°、入水角2°，在此参数范围内，跨介质航行体的水面滑跳过程可以在不超过航行体过载要求的条件下获得相对最小的入水浸深和俯仰角变化。

针对军事交通运输网络中的高价值目标选择问题，提出一种基于超网络的节点价值评估方法。考虑多层网络内部和网络之间的交互机制，构建由通行枢纽子网、军事力量子网和后勤保障子网组成的军事交通运输超网络模型；提出综合拓扑维度和功能维度的超网络综合效能评价算法，在此基础上运用节点删除法，获得超网络中节点的体系价值和优先打击顺序。实验结果表明：节点的功能属性对其体系价值起决定性作用，且所处位置越优、邻近节点越重要，其体系价值越高；经过多轮打击后，通过该方法获得的节点打击排序相近，表明了该方法的鲁棒性；与现有方法相比，该方法能够全面客观地判断目标的重要度，有效提高决策的准确率，具有较高的战场普适性。

针对潜艇综合防御决策时存在的目标类型不明、目标运动信息解算不明、对抗环境信息不明3类信息不确定问题，构建基于不确定信息的潜艇防御鱼雷组合优化框架，设计基于蒙特卡洛模拟的随机搜索优化模型，采用基于离散边界收缩的粒子群优化(Particle Swarm Optimization, PSO)方法计算局部最优决策。建立战术对抗仿真模型对潜艇防御鱼雷策略进行选择与优化，针对不同鱼雷报警位置和行动策略，以安全余量作为评价标准，综合考虑3类不明条件下使用潜艇转向+定深 规避与潜艇转向+使用水声器材防御两种策略，并结合PSO方法与过程仿真分别给出两类策略的选择边界条件及不同作战态势下的决策建议。防御效能分析结果表明：目标解算不收敛是最主要的防御行动影响因素，基于PSO方法的潜艇转向角度决策精度为±10°/20°；在相同的条件下，组合优化框架的决策加速比相比于传统搜索方法达到92~156，相比于并行计算方法达到10~16， 在满足决策实时性的基础上可以为潜艇防御鱼雷争取更大的防御决策时间。

针对综合传动装置在恶劣环境下传感器数据跳变、可靠性差，导致依赖单一传感器信息带来的状态判断虚警率高、服役状态难以准确辨识的问题，提出一种基于多传感器数据关联的综合传动装置服役状态辨识方法。通过时间窗均值关联网络，充分考虑关联传感器数据在各时间段的关联程度，可以有效表征复杂工况下传感器数据的关联关系。在时间窗关联度计算方法的基础上进一步构造了误差反向传播（Back Propagation，BP）数据映射模型，完成对关键传感器数据的映射。采用变分模态分解和样本熵（Variational Mode Decomposition-Sample Entropy，VMD-SE）方法对数据进行预处理；利用所提方法计算各传感器数据间的关联性，选取出相关性高的数据；将相关性高的数据输入构造出的BP数据映射模型进行映射。油压数据的案例验证结果表明，时间窗关联度计算方法能准确地衡量传感器数据间的关联性，BP数据映射模型输出的数据能够良好地表征关键传感器数据，二者结合能够有效提升服役状态判断的准确性。

针对现有小口径定距空爆弹末端防空拦截及开舱距离模拟中，无法体现开舱后子弹云团与目标的动态交会过程，并忽略了定距空爆引信实际启动规律，导致毁伤效能评估不准确的问题，开展小口径定距空爆弹末端防空拦截实时模拟及开舱距离进行研究。通过建立多束定向预制破片战斗部、弹目交会及以巡航导弹为拦截目标的等效目标数值模型，搭建小口径定距空爆弹末端防空拦截实时模拟平台。基于实时模拟平台，引入武器系统误差与定距空爆引信实测启动规律，分析炮弹在不同射击距离下开舱距离与毁伤效能的关系，并对小口径定距空爆弹引信技术发展方向进行展望。研究结果表明，引信实际启动规律使得最优毁伤效能随射击距离的增加而减少的幅度增大，在射击远距离目标时，0~20 m的开舱距离内都存在着较高的完全脱靶率。

针对大深度环境水下发射技术需求，提出一种利用水压驱动两级提拉式水下新型发射方案。利用大深度环境高压水驱动两级活塞实现武器快速发射。建立武器出管过程动力学模型，开展高压水驱动方案原理验证试验，并与高压气体驱动方案进行了对比分析。研究结果表明：水压驱动与气体驱动方案的内弹道结果基本一致，高压水发射方案在大深度环境具有显著优势；加速度峰值出现在发射瞬时和级间转换过程，级间转换过程武器加速度存在显著的陡变现象；水下发射武器出管过程弹道预报结果得出，在发射水深100~500 m条件下，武器出管过程最大速度范围为 7.4~ 15.3 m/s，最大加速度小于100 m/s²；研究结果验证了水压驱动两级活塞式发射方案的可行性，为装置的进一步研制开发提供了设计依据。

受干扰机对雷达脉冲重复频率、波束扫描周期测量精度影响，密集假目标干扰在回波中的慢时间分布与目标不同。针对该差异，提出一种慢时间维的密集假目标干扰主瓣匿影（Main-Lobe Blanking, MLB）算法。该算法与副瓣匿影（Side-Lobe Blanking, SLB）具有一定相似性，区别在于SLB是利用辅助通道回波，对主通道回波沿快时间进行选通，而所提MLB算法是利用主通道内的多个脉冲重复周期回波，对各距离单元回波沿慢时间进行选通。仿真与实测数据表明，所提方法可有效抑制主瓣或副瓣进入的密集假目标干扰。

Miura-ori超材料是一种重量轻且多孔的材料，其机械性能通常是由自身的折叠方式和几何形状决定的，它的机械响应可以通过几何设计来进行修正调整，是一种具有多功能的、可调控且设计空间多样的超材料。为研究厚度渐变（Thickness Gradient，TG）模式以及锐角渐变模式对超材料能量吸收能力的影响，结合有限元分析软件参数化分析超材料的力学特性。研究结果表明， TG梯度为负梯度的超材料能量吸收能力较好，并且负梯度时的TG梯度超材料的平均力和能量吸收比锐角梯度超材料表现更佳。

在末制导阶段，由于制导目标位于弹体纵轴附近，滚仰式结构的导引头易出现奇异性问题而难以精确跟踪目标。针对上述问题，提出基于斜置方案的滚仰式导引头过顶奇异问题控制策略。在导引头稳定平台相对弹体斜置边界俯仰框架角的基础上，通过控制弹体的滚转运动，保证导引头光轴始终避开过顶奇异区域，实现目标位于弹体纵轴附近和斜置导引头初始光轴附近两个过顶奇异区域的稳定跟踪。研究结果表明：所提策略相比于增设第三轴的方法，导引头体积小、质量轻；相比于分区域变参数控制策略，解决了静止和减速控制时过顶奇异区域内导引头对视线角速度跟踪失效的问题；仿真对比结果验证了所提策略具有跟踪精确度高、有效抑制控制系统失稳、降低探测器失调角的特点。

针对地基增强系统（Ground Based Augmentation System, GBAS）完好性风险事件的极端性而导致的无法通过风险事件发生频率评估系统性能的问题，提出一种基于极值理论的GBAS完好性评估方法。根据机载端（位置域）输出的位置误差和保护级计算安全系数，并利用区间极大值模型对安全系数进行建模描述以获得其分布模型；利用极大似然法估计安全系数模型参数，进而利用模型外推法计算GBAS完好性风险值。给出GBAS完好性评估流程，并利用GBAS系统进行了验证实验。研究结果表明：对于C类GBAS进近服务而言，基于全球定位系统（Global Position System,GPS）增强GBAS和基于北斗卫星导航系统（Beidou Navigation Satellite System, BDS）增强GBAS可用性均大于99.999 9%；对于F类GBAS进近服务而言，BDS GBAS可用性能要优于GPS GBAS；根据7 d观测数据外推得到的GPS GBAS垂直和侧向完好性风险值分别为4.557×10^-8/进近和5.152×10^-8/进近，BDS GBAS垂直和侧向完好性风险值分别为1.612×10^-7/进近和1.823× 10^-7/进近，满足航空器终端区I类进近与着陆导航性能需求。

传统枪管内膛表面采用的六价铬镀层，高温耐磨性好，但对环境污染严重。为开发环保镀层，采用超景深三维显微镜、扫描电子显微镜表征了室温和高温（400 ℃）摩擦磨损试样，对比分析了六价铬、三价铬、钴-镍和镍-钨四种电镀层的磨损特征。研究结果表明：在500 ℃定性回火后，三价铬、镍-钨、六价铬和钴-镍镀层硬度依次递减，与六价铬层相比，三价铬层脆性大，镍-钨和钴-镍镀层韧性高；室温下与H62黄铜对摩后，六价铬和三价铬镀层摩擦程度较轻，钴-镍和镍-钨镀层呈现明显粘着特征，二者摩擦系数高于两种铬层；400 ℃下与08Al钢对摩后，六价铬呈粘着磨损特征，摩擦程度较大；三价铬层摩擦系数相对较高；镍-钨镀层呈磨粒磨损特征，摩擦系数与六价铬接近，摩擦程度相对较轻。

机械装备的位移测量是状态检测和运动控制的关键，基于激光、电涡流、电感和电阻等原理的常规位移测量方法无法应对高端装备紧凑测试空间和高温、油污等恶劣环境条件下的位移测量挑战。基于材料力学与弹簧结构，构建一种新的弹簧功能-传感共形的位移测量模型，对弹簧整体受力及位移进行分析，确定位移-应变映射关系；基于有限元方法建立弹簧的应变-位移模型，分析弹簧位移测量的敏感点、不同组桥形式、位移激励频率等因素影响；通过搭建电液伺服高频冲击试验台，在扫频和加热工况下进行弹簧位移测量装置及方法的有效性和动态性能测试。试验结果表明：加载频率在100 Hz及以下时测试精度可达0.06 mm，高温适应性不低于275 ℃；经车用干片式制动器高温制动试验应用验证，在工作温度160 ℃以上仍能实时稳定获取机构的动态位移信号，为高温制动器状态检测及其故障诊断提供了嵌入式测试技术支撑；该共形位移测量方法在高温条件下具有良好的线性度和精度，为紧凑空间及高温等恶劣环境下位移测量提供了一种有效方法，尤其是在具有弹簧等弹性元件的情况下能够实现对原系统无影响的嵌入式测试。

烟雾作为现代战争中最常见的作战产物，不可避免地会降低作战场景的可视性，进而影响下游军事智能系统的性能，因此对含烟图像进行复原处理非常重要，现有算法通常忽略图像中高阶的语义信息和降质图像本身都可以为提高网络去烟能力提供有价值的监督信息。为此，提出一种基于语义引导和对比学习的生成对抗网络来去除战场图像中的烟雾。通过在低阶视觉任务中融入高阶语义特征，将语义信息作为引导帮助网络更好地恢复图像的结构和色彩信息；利用对比学习范式将清晰和含烟图像构建为正、负样本，并采用对比约束使去烟后的图像与清晰图像接近，并远离含烟图像。此外，为模拟真实的战场含烟场景，首次构建一套含烟战场数据集，推进了相关研究的发展。实验结果表明，与现有图像去烟算法相比，所提方法在定量和定性指标上均达到了先进水平。

柴油发动机故障特征提取是对其故障识别过程中的关键步骤，直接关系到识别的准确性和时效性。将纹理分析理论应用于柴油发动机故障特征提取，提出基于改进层次分解（Modified Hierarchical Decomposition, MHD）和灰度图像处理的故障特征提取方法。使用MHD将单个一维的振动信号样本分解为多个一维子信号并分别转换成灰度图像；加速分割测试获得特征（Features from Accelerated Segment Test, FAST）算法被用于检测灰度图像的特征点；通过Gabor滤波器组的实部对图像进行卷积，利用特征点的响应计算直方图作为特征向量。为检验通过该方法提取的故障特征对柴油发动机不同故障类型的识别能力，引入非支配排序遗传算法Ⅱ（Non-dominated Sorting Genetic Algorithm-Ⅱ, NSGA-Ⅱ）和支持向量机(Support Vector Machine, SVM)进行故障状态识别。通过实验台开展预置故障实验，将提出的方法与传统方法对比。实验结果表明：该方法的故障诊断准确率最高，为开展柴油发动机故障诊断提供一种新的思路。