传统外骨骼在可穿戴式人体助力和运动康复领域做出巨大贡献。然而，外骨骼仍然面临一些挑战，如质量大、结构复杂、刚度高、噪音大，且关节处有固定旋转中心，给老年人和肌肉虚弱者带来使用困难。相反，基于柔性智能材料的人工肌肉具有质量轻、结构紧凑、刚度低和静音驱动等特性，被认为是与天然肌肉最相似的材料。介电弹性体（dielectric elastomers，DE）和聚氯乙烯（polyvinyl chloride，PVC）凝胶致动应变和致动应力大，响应速度快，驱动寿命长，在可穿戴式人体助力和运动康复领域具有很大应用潜力。然而，这两种材料在这些领域少有研究。在这篇综述中，我们首先分别介绍DE和PVC凝胶的工作原理。接着，总结常用DE材料和PVC凝胶材料。然后，回顾这两种材料所需要的驱动电极和自传感系统。最后，介绍这两种材料在可穿戴式人体助力和运动康复领域的初步应用。

针对基座参数欠精确环境下双机械臂刚体夹持系统的自适应调控问题进行研究。提出一种自适应神经鲁棒控制器，能同时解决基座参数欠精确、系统内力、建模不确定性、关节摩擦以及外部干扰等多种问题。该控制器采用一个径向基神经网络来逼近系统包括非预期内力在内的全部动力学部分。结合仿真实验和分析，该控制器能有效保证轨迹跟踪误差渐进收敛于0，并保持内力在可接受范围。在自适应调节机制下，该方法能对系统中双机械臂进一步在线精确标定。为保证系统全局稳定性，该控制器建立定制化鲁棒补偿，结合李雅普诺夫理论，证明该控制器在基座欠精确以及其他多种不确定环境下的鲁棒性。

缆系海底观测网可实现长时间、实时、原位海洋在线观测，在海洋观测领域扮演重要角色。可靠的海缆切换方法对于建立永久、可靠、鲁棒性高的海底观测网是必要的。对比已有海缆切换方法优缺点，针对海底观测网的网络组态提出一种新颖的海缆切换方法。无需配置额外通讯路由，借助已有电力传输缆，传输基于特定序列的可编程电压信号，实现水下分支器与陆地岸基站的通讯。建立系统仿真模型，分析电压信号最大数据位频率，确保准确识别控制命令。最后，在实验室环境下建立基于所提切换方法的水下分支器样机，验证该方法的功能及可靠性。

为降低多微电网能量管理优化算法计算复杂度，提出一种基于模型预测控制能量优化管理方法。首先，采用分解协调实现供需平衡，协调多微电网系统剩余能量，使供电成本最小化。然后，根据多微电网潮流特性，建立能量管理模型并提出能量优化问题。接着，采用对偶分解法将优化问题分为两部分，引入基于全局优化的分布式预测控制算法，经过算法迭代与协调实现最优解。仿真结果表明，该方法能实时向用户提供所需能源，提高可再生能源利用率。此外，与粒子群算法（particle swarm optimization，PSO）进行比较。比较结果表明，该算法具有更好性能、更快收敛速度和更高效率。

针对铣削加工刀具磨损评估，提出一种基于判别扩散映射分析的方法。判别扩散映射分析（discriminant diffusion maps analysis，DDMA）用于时频域特征提取融合与维度缩减。通过保持内蕴特征空间的扩散距离，耦合时频域特征和判别内核，提取有效信息。该方法包含3个步骤：(1)信号处理与特征提取；(2)内蕴维度估计；(3)基于扩散距离保持的特征融合实现。将该方法应用于数控加工中心主轴驱动电流信号，评估刀具磨损状态。与常见主成分分析方法相比，该方法能更好保持刀具磨损状态相关的有用内蕴信息，大大降低与刀具磨损相关的特征维度，并可直接应用于大多数工业数控加工中心，方便获取电流信号实际情况。

云存储是面向企业和个人用户的服务模型，包括付费和免费两种方式。基于云存储服务模型，用户通过互联网随时随地享受云存储提供的存储服务和管理功能。由于大多数云存储由第三方服务商提供，因此在数据保护和访问控制方面，云存储提供商和共享多租户环境下可信任性面临极大挑战。基于属性加密（attribute-based encryption，ABE）不仅保护数据的机密性，而且其中的密文或解密密钥与相关细粒度访问策略有关，这些策略在解密过程中被自动执行，使每个数据级别的数据访问处于控制之下。但是，在实际动态用户撤销应用中该方案有一定局限性。提出两种具有隐私保护功能的基于属性加密的通用型用户撤销系统：通过密文重加密（user revocation via ciphertext re-encryption，UR-CRE）实现的用户撤销系统和通过云存储提供商（user revocation via cloud storage providers，UR-CSP）实现的用户撤销系统。这两种系统可以与任意类型基于属性加密的方案协作，实现动态撤销用户。

谱聚类是模式识别、机器学习和数据挖掘中最流行最重要的聚类方法之一。然而，高计算复杂度妨碍了谱聚类在大规模数据集的应用。对于具有n个样本的聚类问题，谱聚类需O(n³)时间复杂度计算图拉普拉斯矩阵特征向量。为解决该问题，提出一种新的基于锚点谱聚类方法（anchor-based spectral clustering，ASC）。首先，在数据集中选择m （m<<n）个可以基本保持原始数据内在（流形）结构的锚点。然后，构造原始数据与锚点之间的映射矩阵，并证明该映射矩阵能保持数据的聚类结构。基于该映射矩阵，近似得到原始数据谱嵌入。ASC方法复杂度与数据集大小呈线性关系。将该方法与经典谱聚类方法和两种最新谱聚类加速方法，即能量迭代聚类（power iteration clustering，PIC）和基于地标聚类（landmark-based spectral clustering，LSC），在10个真实数据集上比较。实验结果表明，ASC算法比经典谱聚类算法具有更快聚类速度，在效率和有效性上与现有方法相当或优于现有方法。

提出一种基于图像的三维模型检索新框架。把查询的图像建模为欧氏空间的一个点，把三维模型所有投影视图建模为一个对称正定矩阵，并视该对称正定矩阵为黎曼流形上的一个点。于是，基于图像的三维模型检索简化为欧氏空间到黎曼流形上的度量学习。为解决异质匹配问题，把欧式空间和对称正定矩阵黎曼空间映射到同一个高维希尔伯特空间，极大缩小彼此之间语义鸿沟。最后，使用核方法设计一个优化算法学习映射。任何新图像描述符，比如深度学习特征描述符，可以很容易嵌入该框架。实验结果表明，该方法相较目前最新基于图像的三维模型检索方法有一定优势。

推断查询意图对于信息检索具有重要意义。查询子主题挖掘旨在找到可能的子主题，用于表示给定查询的潜在意图。由于查询较短，子主题挖掘具有挑战性。学习词或句子分布式表示推动和影响了很多领域的发展。然而，没有清晰的结论表明该分布式表示是否有助于应对查询子主题挖掘面临的挑战。提出并比较利用分布式表示的语义组合进行查询子主题挖掘。采用两种分布式表示策略：能学习任意长度文本分布式表示的段落向量（paragraph vector）以及词向量的语义组合。探索了语义组合策略和数据类型对查询表示的影响。在国家信息学研究所信息获取研究试验平台和社区（National Institute of Informatics Testbeds and Community for Information Access Research，NTCIR）提供的公开数据集上的实验结果表明，与传统语义表示相比，分布式语义表示能获得更优查询子主题挖掘性能。文中做了更多深入探讨。

用于并网逆变器的传统模型预测直接功率控制，在每个控制周期只使用一个逆变器电压矢量，导致并网电流和功率出现大量谐波分量，降低电能质量。为提高稳态性能，预测控制需要很高的采样频率，同时由于计算复杂，预测算法需要较长执行时间，二者存在矛盾。为解决这个问题，提出一种新的无差拍模型预测直接功率控制策略，在每个控制周期使用2个有效电压矢量和1个零电压矢量。采用三矢量策略保证开关频率恒定，提高电流和功率质量。不同于传统三矢量模型预测直接功率控制策略，该方法根据功率误差而非电网电压矢量位置选择三个矢量，保证矢量计算时间始终为正。同时，无需迭代计算，有利于在数字信号处理芯片上执行算法。最后，搭建1 kW逆变器实验平台，验证了该方法的有效性。

研究了应用于无线信息与能量同时传输的协作中继波束形成设计。基于中继节点拥有理想信道状态信息的假设，提出一种非鲁棒波束形成设计。实际中信道状态信息误差通常不可避免，为此，提出一种鲁棒波束形成设计。采用二分法和半定松弛法解决非鲁棒和鲁棒波束形成设计的非凸优化问题。由于半定松弛法的解不总是秩一的，提出一种迭代次梯度法求秩一解。仿真结果表明，在非理想信道状态信息下，所提鲁棒波束形成设计性能优于非鲁棒设计。

在Jean-Pierre MAREC几何方法启发下，将两共面圆轨道之间的霍曼转移问题定义为一个不等式约束下的静态非线性规划问题。利用Kuhn-Tucker定理和最小值点存在的一个二阶充分条件，证明霍曼转移的全局最小性。该约束优化问题存在两组可行解，其中对应于霍曼转移的一个解是全局极小值点，另一个解是局部极小值点。随后将霍曼转移问题考虑为有约束的动态优化问题，并用变分法转化为边值问题求解。在静态和动态优化数值算例中验证了静态优化解析给出的两组可行解。由静态和动态约束优化，我们重新发现霍曼转移问题的解，并用非线性规划解析证明了其全局最小性。