为消除压电驱动柔性微定位平台高精控制对平台不确定动力学模型的依赖性，提出了一种数据驱动无模型迭代前馈补偿和自适应陷波滤波结合的控制方法来提高平台的跟踪性能。首先，建立了数据驱动无模型迭代前馈控制器，提高系统对噪声和其他干扰的鲁棒性，同时，证明了在无模型迭代前馈作用下，连续参考输入跟踪误差的有界性和闭环系统的稳定性；其次，构建了自适应陷波滤波器来消除平台谐振的影响，对误差信号进行快速傅里叶变换，并设计谐振频率在线提取算法，实现对陷波滤波器参数的在线实时整定，来进一步提升轨迹跟踪精度；最后，利用所设计的无模型迭代前馈控制器和自适应陷波滤波器对压电微动台进行轨迹跟踪实验。实验结果表明：在跟踪三角波信号时，与单独比例-积分（Proportional Integral，PI）控制和结合自适应陷波滤波器的PI控制相比较，最大跟踪误差分别减小78.25%和70.83%，能够有效提升平台的稳定性和跟踪精度。

小模数齿轮在实际制造中，单条产线多台设备通常同时生产多种不同参数的齿轮，迄今无法用单台齿轮测量仪器在生产线上同时实时全检这些不同参数的齿轮。开发了基于Facet的齿轮亚像素边缘定位算法、基于迭代重加权最小二乘的齿轮中心定位法、圆与齿廓交点快速定位法、正弦函数拟合齿数法和齿廓近似测压力角法等；若结合适当的送料与定位机构，本文方法能够在未知参数时，实现多种不同型号齿轮的混合测量，无需装夹，测量效率高。可以实现齿数、模数、压力角、齿顶圆直径、齿根圆直径、全齿高、齿宽、公法线变动量、变位系数、齿廓偏差和形位误差的测量。实验结果表明：该方法测量0.5~1.0 mm模数的直齿轮的重复性精度为4 μm。该方法在小模数齿轮柔性化生产线具有重要应用前景。

With the rapid development of machine learning, the demand for high-efficient computing becomes more and more urgent. To break the bottleneck of the traditional Von Neumann architecture, computing-in-memory (CIM) has attracted increasing attention in recent years. In this work, to provide a feasible CIM solution for the large-scale neural networks (NN) requiring continuous weight updating in online training, a flash-based computing-in-memory with high endurance (10⁹ cycles) and ultra-fast programming speed is investigated. On the one hand, the proposed programming scheme of channel hot electron injection (CHEI) and hot hole injection (HHI) demonstrate high linearity, symmetric potentiation, and a depression process, which help to improve the training speed and accuracy. On the other hand, the low-damage programming scheme and memory window (MW) optimizations can suppress cell degradation effectively with improved computing accuracy. Even after 10⁹ cycles, the leakage current (I_off) of cells remains sub-10pA, ensuring the large-scale computing ability of memory. Further characterizations are done on read disturb to demonstrate its robust reliabilities. By processing CIFAR-10 tasks, it is evident that ~90% accuracy can be achieved after 10⁹ cycles in both ResNet50 and VGG16 NN. Our results suggest that flash-based CIM has great potential to overcome the limitations of traditional Von Neumann architectures and enable high-performance NN online training, which pave the way for further development of artificial intelligence (AI) accelerators.

针对当前海洋、湖泊、水库、河流等水体放射性在线监测和应急监测的实际需要，研制了一套水体γ放射性在线监测系统。监测系统由基于NaI探测器的γ射线监测装置、4G远程终端（4G Remote Terminal Unit，4G-RTU）通信单元、供电一体化防水抗压浮体装置以及配套软件组成。利用监测系统开展了γ射线监测装置的主要性能指标、系统的适应性和准确性以及软件功能等测试，采集了足量的原始能谱数据，进行了设计指标与实测指标的对比分析，并开展了初步应用研究。结果表明：在4G网络覆盖的范围内，该系统能够实现全天时远程操控设备，完成实时在线监测并上传数据，满足应用需求，达到预期功能。系统的可探测能量范围为30~3 000 keV，对¹³⁷Cs的662 keV γ射线的能量分辨率为7.3%；对²⁰⁸Tl的2 614 keV γ射线的能谱漂移为0.33%，能谱能量线性度为0.999 970；系统在连续工作7 h条件下，能谱稳定性最大值为2.28%，最小值为-2.36%，对¹³⁷Cs的最小可探测活度（Minimum Detectable Activity，MDA）为0.75 Bq?L^-1；系统的工作温度范围为-5~+50 ℃。该系统可用于海洋、湖泊、河流等水体的放射性在线监测和应急监测领域，具有重要的推广价值和应用前景。

单片机课程实验教学如果缺乏有力的支持平台，难以对实验进程进行有效的管控。为了方便学生实验和任课老师管理，构建了单片机线上实验及管理平台，该平台基于前沿开发搭建技术，结合课程实验教学需求，在云服务器环境下进行开发部署、远端实施，突破地域限制，管控便捷，可满足单片机线上实验的开展和管理。该平台也可为师生开展线上线下混合教学提供支持。

电子系统设计与实践是一门基础性综合设计实验，是电专业学生重要的实践环节。针对电子系统设计与实践课程线下教学存在的实验项目分立、学时紧张、不同能力学生对课时需求不同的问题，提出了建立实验示范性操作及易错知识库，升级考核方式，线上教学与线下实践相结合的混合式教学体系。实践表明，相关措施在电子系统设计与实践课程教学中取得较好的效果，满足了不同能力学生的需求，对于提升学生创新实践能力有显著的效果，对于基础知识与专业知识的衔接发挥了重要作用。