发展高效绿色电炉冶炼技术是淘汰落后产能、钢铁产业调整升级的重要举措。电弧炉作为核心生产设备，防止其生产运行中无功冲击造成的电压跌落至关重要。而目前单一的有源、无源补偿方式无法同时满足电弧炉负荷日益增长的大容量且快速响应的无功补偿需求。研究了静止无功补偿器(SVC)和静止无功发射器(SVG)相结合的混联补偿方式，分析了SVC在分相不平衡大容量补偿及SVG在无功快速响应方面中的特性，并针对某钢厂电弧炉工作运行情况，计算其无功需求，充分利用其原有的SVC装置，设计混联SVG方案来抵消剩余无功缺口，使用PSCAD/EMTDC进行了联合应用仿真，证实其理论有效性。

利用动态随机点立体图，排除心理暗示线索对深度运动的影响，对立体视觉深度运动特性进行了研究。利用主观实验，分析了深度运动物体的运动位置、运动方向和运动速度等运动特性对于立体视觉舒适度(Stereo visual comfort，SVC)的影响, 并提出深度运动情况下的SVC与运动速度的预测模型。实验结果表明，动态随机点立体图中，运动物体的深度运动诱发了透视效果；在交叉视差(屏幕前)和非交叉视差(屏幕后)情况下，立体视觉深度运动导致的SVC不同。对计算得到的SVC的预测值和实测值进行相关性检测，三种深度运动的皮尔森相关系数(Pearson correlation coefficient，PCC)分别为0.956、0.972、0.977，充分表明该预测模型能够准确地预测SVC。

利用光纤布拉格光栅(FBG)构建了传感器网络;结合小波分解与重构算法、频谱分析和支持向量多分类机算法研究了碳纤维复合材料板损伤的模式识别算法。首先, 对带有不同损伤模式的复合材料结构进行冲击试验, 探索损伤模式与信号特征之间的关系。然后, 对信号进行小波分解与重构去除基线干扰;采用傅里叶变换频谱分析提取信号幅频特性, 构建了复合材料结构损伤模式识别方法。最后, 将提取的信号幅频特性作输入, 复合材料结构损伤模式作输出, 利用支持向量多分类机, 实现了复合材料结构损伤模式识别。在500 mm×500 mm×2 mm的碳纤维复合材料板中心, 选定200 mm×200 mm的实验区域, 对30组测试样本进行了损伤模式识别。实验结果表明: 29组损伤模式得到了准确识别, 正确率为96.7%。研究结果为碳纤维复合材料板的损伤模式识别提供了一种可靠的方法。

可伸缩性视频编解码(SVC)系统是一种能够实现时间、空间、质量等可调节可伸缩的视频编解码技术。它是通过采用运动补偿时域滤波(MCTF)和运动估计(ME)技术结合有损编码及熵编码等技术,实现对视频序列进行成组编解码的任务。其中,如何更加有效地提高对时间相关性的利用以及如何根据视频性质进行自适应调节图像组(GOP)大小问题是提高系统编码效率的关键环节。文中通过采用一种利用时间信息的快速运动估计技术及对应的自适应GOP结构(AGS),有效提高了可伸缩性视频编解码系统的编码能力。

运用可见光/近红外光谱仪获取正常的和受稻飞虱、穗颈瘟危害而倒伏的水稻冠层光谱反射率, 采用主成分 分析(PCA)方法对反射率光谱进行降维处理, 提取2个主分量光谱.其中, 第一主分量PC1代表了水稻冠层的光谱 特性, 第二主分量PC2反映了倒伏水稻的冠层光谱变化信息.将前2个主分量作为支持向量分类机(SVC)的输入 向量, 建立分类模型.结果表明, 对受稻飞虱危害倒伏的水稻验证数据的识别精度为100%, 对受穗颈瘟危害倒伏的 水稻验证数据的识别精度为90.9%.研究表明可见光/近红外光谱可能是一种有效的倒伏水稻识别方法.