基于全局注意力动态联合增强的图像超分重建

针对注意力机制的移位窗口建立的长程依赖不能使全局信息得到充分交互以及多层级特征如何有效融合问题，提出一种全局动态联合增强注意力算法(global dynamic union enhances attention, GDUEA)。首先，使用叠加卷积聚合模块用于在网络的浅层聚合图像局部低频特征；其次，提出的深层全局注意力算法将注意力机制只用于进行全局信息的获取；最后，使用动态联合增强模块对不同层级的特征进行动态联合均衡以及深层特征增强。通过在Urban100、B100、Set5、Set14测试集上对比SwinIR网络，GDUEA获得了更快更稳定的训练并使得网络的性能在峰值信噪比(peak signal-to-noise ratio, PSNR)上显著提高了0.075～0.32 dB。     

基于快速排序绝对值特性全连接分类器的轴承故障诊断

工业生产中的机械设备故障是一个反复出现的问题。一个微小的故障会对机械设备造成不可逆转的损伤。严重的机械设备故障会导致企业生产部门停产，进而导致企业的经济效益下降。提供准确及时地故障诊断能最大程度避免轴承故障的出现。提出一种快速排序绝对值特性全连接分类器(fast sorted absolute feature Fully-connected classifier, FSAFCC)用于轴承的故障识别。FSAFCC有两个部分。FSAFCC第1部分是数据预处理部分。数据预处理部分是对采集到的原始信号进行随机时刻截取、取绝对值和排序的操作。FSAFCC的第2部分是利用全连接分类器进行轴承的故障分类。FSAFCC在数据预处理部分只需要进行取绝对值和重新排序的计算；FSAFCC的数据预处理部分计算步骤简单，而且计算量很小，所以FSAFCC的运算速度很快。FSAFCC方法在美国西储大学轴承故障数据集，轴向柱塞液压泵数据集和自吸离心泵数据集中进行实验，实验结果表明，FSAFCC的方法在轴承故障诊断领域不但有着很高的准确度，而且所用时间很短。     

单腿失效六足机器人蒙特卡洛树容错步态规划

为解决稀疏立足地形中单腿失效六足机器人无法继续稳定行走的问题，提出一种失稳躲避蒙特卡洛树搜索算法(IAMCTS)用于容错步态规划。将容错步态规划问题转化为马尔科夫序列优化过程；根据稳定性判据制定了失稳状态躲避策略，并将其引入蒙特卡洛树搜索算法模拟阶段动作选择策略中，避免选择失稳支撑动作以生成容错步态序列。仿真系统环境中进行模拟对比分析表明，所提规划算法具有一定可行性和优势性；在IAMCTS规划的自由容错步态模式下，单腿失效六足机器人在稀疏立足地形中的平均前进距离增长了88.45 cm,平均前进速度提高了18.91%。