为了研究钢渣沥青混合料微波加热自愈合性能，制备了全石型、粗石细钢型、粗钢细石型、全钢型4种沥青混合料，采用热常数分析仪和矢量网络分析仪测试了沥青混合料的热参数和电磁参数，利用热电偶温度传感器和红外测温仪测试了沥青混合料的温度分布，并对比分析了COMSOL软件数值模拟温度场与试验温度分布；最后，采用三点弯曲破坏试验评价了沥青混合料的自愈合性能。结果表明：4种沥青混合料具有不同的微波吸收性能和传热性能，会对沥青混合料的加热速率产生一定影响；钢渣的掺入大大提高了沥青混合料的微波加热性能，且3种钢渣沥青混合料中粗石细钢型表现出较好的加热均匀性；COMSOL软件能够较好地模拟沥青混合料在微波加热下的温度分布；相比于全石型沥青混合料，粗石细钢型、粗钢细石型、全钢型沥青混合料的自愈合性能分别提高了1.11倍、1.14倍、1.11倍，钢渣的掺入较好地提高了沥青混合料的自愈合性能。

在利用涡流红外热成像技术检测金属材料损伤缺陷时，因热波属于衰减波，且热波三维热扩散等问题，导致采集的红外图像中缺陷部位模糊。针对该问题，提出一种基于单尺度Retinex 与改进的K-均值聚类的缺陷检测方法，用于处理红外图像特征增强、图像分割和边缘特征提取等问题。该方法首先利用单尺度Retinex（single-scale Retinex, SSR）对红外热图像进行图像增强，强化缺陷特征，然后利用改进的K-均值聚类算法对图像进行分割，最后采用数学形态学算法处理图像，去除缺陷图像中无用信息，并利用Canny 算子检测出缺陷边缘。实验结果证明，该方法有效地检测出金属材料试件缺陷，并提取出完整清晰的缺陷边缘。

为了提高民航安全和飞行效率, 实现对尾涡的准确识别, 对飞机尾涡的空气动力学理论, 特别是经典的Hallock-Burnham尾涡速度数学模型进行了分析研究。结合多普勒激光雷达探测涡流风场径向速度的原理, 建立了雷达飞机尾涡探测的径向速度标准模型,引入滑动窗口思想, 提出一种基于波形相似度匹配的方法, 对尾涡进行自动识别, 并给出了详细的算法流程;利用实测的激光雷达风场及雷达底层数据和假设检验方法对该识别方法进行了理论分析和实验验证。结果表明, 该算法对飞机尾涡的有效识别率为90%。研究结果对进一步的尾涡监测具有一定参考价值。