本文针对矿山智能巡检机器人在路径规划和危险识别算法方面进行了优化研究。通过分析传统路径规划算法如A算法、遗传算法（GA）和蚁群算法（ACO）在矿山复杂环境中的局限性，提出了结合多种算法优势的改进方法。在路径规划方面，采用融合优化遗传算法和变步长蚁群算法的方法，显著提高了全局最优解的收敛速度和搜索精度。在危险识别方面，利用深度学习和图像处理技术，结合卷积神经网络（CNN）和目标检测算法（如YOLO和Faster R-CNN），有效提升了危险源识别的准确率。此外，针对矿山环境的实时性和稳定性挑战，引入了基于深度强化学习的Actor-Critic算法和改进的动态窗口算法（DWA），确保了算法的高效运行和鲁棒性。实验结果表明，优化后的算法在复杂矿山环境中表现出良好的性能，为矿山安全生产提供了技术支持。

设计了一种基于尺寸渐变超表面的宽带高增益低剖面天线，该天线由双层超表面和一层微带缝隙组合而成。双层超表面由分别印刷在2个介质板上的尺寸渐变六边形阵列贴片组成,贴片之间存在非等距间隙。超表面单元尺寸渐变设计能够使天线产生多个邻近的谐振点，从而展宽带宽。通过改变超表面天线尺寸结构，分析天线的宽带辐射特性。为获得最佳宽带性能，采用遗传算法优化天线几何参数。制作并测试了一款边长为43.3mm，厚度为4.853mm的样本天线用于验证仿真结果。实测结果显示，该天线-10dB阻抗带宽达到了54%(3.99～6.93GHz)，最高增益达到12.05dB，在4～6GHz范围内增益保持在8dB以上。该天线实现了宽频带、高增益、低剖面的特点，适用于宽带高速率无线通信的诸多领域。

为了精准预测水产养殖过程中最重要的两个环境参数溶解氧和氨氮,针对预测模型需要解决的有效影响因子确定、预测算法和网络结构优化等问题,将Levenberg-Marquardt（LM）神经网络、遗传算法（genetic algorithm, GA）和主成分分析（PCA）算法相结合,提出一种基于GA-LM-PCA的水产养殖环境溶解氧和氨氮含量预测模型,即采用PCA确定影响因素,实现影响因素的去耦合降维,采用遗传算法对网络结构进行优化,确定合适的隐层节点数目和权值,采用LM训练神经网络,提高神经网络的收敛速度。为了验证GA-LM-PCA的预测效果,将GA-LM-PCA的预测效果与未用PCA方法的GA-LM预测模型进行了试验比较,并探讨了影响因素数量对预测效果的影响。结果表明:用GA-LM-PCA方法预测的溶解氧和氨氮值与实测值吻合较好,平均绝对误差和均方根误差分别为0.004 7、1.872 7×10-4（溶解氧）和0.006 5、9.428 7×10-4（氨氮）,适用于影响因素数量较多的场合。研究表明,GA-LM-PCA是一种有效的水产养殖环境溶解氧和氨氮预测工具,尤其对于影响因素复杂繁多的非线性系统效果更好。

火力发电厂作为我国主要的电力供应载体，其汽轮机的热效率直接关联着电力生产的成本和环保问题。基于此，本研究专聚于火力发电厂中汽轮机过热器的性能优化问题。本研究首先建立了过热器的性能预测模型，并通过灵敏度分析找出影响过热器性能的主要因素。在此基础上，进一步对过热器的设计参数进行优化，成功提高了热效率并验证了模型的有效性。本研究有望对火力发电厂的热效率提升、运行成本降低、环境污染减少等方面产生实际应用价值。希望本研究结果对于提高火力发电厂的热效率、降低运行成本和减小环境影响具有一定的实际参考价值。

随着社会的不断进步和经济的快速发展，作为现代化工业基础的旋转机械设备被广泛的应用于各行各业。滚动轴承作为旋转机械的关键部件，对其运转状况进行长期的状态监测，能够及时且准确地进行故障诊断是十分有必要且有意义的事情。在早期滚动柱式轴承设备故障类型诊断中,信息的分析采集对早期机械设备运行的故障状态类型变化判断起着重要的技术桥梁支撑作用,获取准确的早期故障类型特征消号信息,是早期故障设备类型特征识别、故障类型分类以及设备寿命风险预测不可或缺的一个前期工作。所以,合理的提供故障信息是减少恶性事件发生率和提升企业制造效率的最有效手段。