航空动力、装甲车辆等军事装备中的齿轮传动系统长期工作于高速、重载及高功率密度等严苛工况，啮合区摩擦生热易引起局部温升并诱发胶合失效，准确预测齿轮本体温度场对保障传动系统热安全性与服役可靠性具有重要意义。针对齿轮温度预测过程中摩擦生热、换热边界及模型参数确定问题，结合齿轮本体温度试验开展模型参数确定与结果验证，提出了一种融合混合润滑、生热分析、喷油换热及有限元传热的齿轮温度预测方法。采用混合润滑理论计算齿面摩擦热流，结合旋转对流换热、喷油强化换热及甩油冷却构建换热边界，并利用有限元方法求解齿轮稳态温度场；通过不同喷油量试验确定换热模型中的关键经验参数。采用DU齿轮接触疲劳试验机开展两组直齿轮副不同转速、扭矩及喷油量工况下的本体温度试验。结果表明，齿轮高温区域主要集中于啮合接触区，并沿齿体向轮体传导；齿轮本体温度随转速、扭矩增大及喷油量减少而升高。各阶梯工况下仿真温度与试验温度的均方根误差均不超过3.81 ℃，归一化均方根误差均不超过4.99%，验证了所提方法能准确预测不同工况下直齿轮本体温度的变化规律。

低慢小无人机探测技术的研究是新形势下军事防御的重要任务，现有的单一探测模式往往存在局限，而声光融合探测利用声学的全向感知与光学的精细识别能力，正成为多模态融合探测的主流方向。围绕声光融合，梳理低慢小无人机探测研究现状和发展方向。从麦克风阵列声源定位、光纤分布式声学传感器、典型系统应用对声学探测进行了分析，阐述了光学探测中的可见光探测、红外探测、可见光与红外融合探测和典型工程应用，重点分析了声光融合探测的融合策略、多模态融合、边缘部署和系统应用，展望了声光融合探测可能的发展方向。未来研究将利用AI技术推动探测技术向自适应标定、跨模态注意力融合、标准化数据集、鲁棒性增强和多模态深度融合方向发展，为构建无人机低空防御体系提供理论支撑。

为解决军用防护板“轻量化-高承载-强稳定”协同优化难题，针对传统结构承载冗余不足、抗失稳能力弱等问题，提出了波纹板夹层结构、三柱支撑点阵结构、四柱支撑点阵结构和框架式四柱支撑点阵结构4种防护板的设计方案。选用钛合金材料和Johnson-Cook本构模型，利用ABAQUS仿真软件对4种防护板结构的承载性能进行了系统仿真。结果表明，当防护板结构关键参数处于同量级尺寸时，四柱支撑点阵结构防护板的综合承载性能最优；三柱支撑点阵结构防护板兼具轻量化与良好承载的特性；波纹板夹层结构防护板具有强初始承载、多阶段抗载能力与高比吸能效率等优势，展现了优异的承载性能；框架式四柱支撑点阵结构防护板依托复合结构设计，构建了多层级冗余体系，稳定性最佳。此外，通过仿真分析明确了各类结构的军用场景适配范围，可为防护板的结构设计与选型提供数据和理论支撑。

针对军事装备轴承现有故障识别方法在多转速、变载荷及强噪声等复杂工况下易出现识别精度低、鲁棒性差的问题，提出了一种融合多尺度卷积结构与增强型注意力机制的轴承故障识别方法。通过多尺度卷积分支提取振动信号在不同时间尺度与频率段的特征，利用通道-时序联合注意力模块强化关键故障特征的响应，实现对微弱特征的有效识别。为贴近军事装备真实运行环境，构建了包含多转速、变载荷与噪声扰动的混合工况数据集，引入工况模拟、噪声注入与时序变形等机制扩展数据分布，从而提升模型在复杂环境下的适应性与泛化能力。实验结果表明，所提方法在混合工况轴承数据集上的整体分类准确率达到97.7%，各类别F1分数均保持在0.97以上，误判率为2.3%，优于多种对比模型。

随着熵方法的发展，越来越多的超参数被引入，虽提高了熵的表征能力，但也增加了算法的复杂度。为提高旋转机械故障诊断的效率与自动化水平，提出了一种分数阶注意力熵(fractional order attention entropy,FAE)算法。该算法具有计算速度快，无超参数设置的特点，使其在故障诊断领域具有较好的适用性，同时分数阶的改进增强了注意力熵的表征能力。利用混沌系统验证该方法的有效性并选择分数阶数。自采数据集的实验以及混沌系统有效性验证表明，在数据样本长度为2 048时，分数阶注意力熵具有较高的准确率。

利用复合材料齿层间抗剪传递荷载，可实现复合材料型材节点的高效承载。为研究玻璃纤维增强聚合物（glass fibre-reinforced polymer，GFRP）拉挤型材层间剪切性能，利用压力可控的新型夹具，在改进的对称双切口剪切试件上施加不同大小正应力并分别加载，获得试件荷载-位移曲线和破坏模式，总结出GFRP拉挤型材层间剪切强度随正应力变化的影响规律。基于零厚度Cohesive单元建立层间剪切行为表征模型，根据双切口试件试验结果，系统探讨了界面强度、刚度、断裂能等单元参数的取值方法，实现对应GFRP型材齿层间剪切行为的全过程有效描述。将所提层间剪切性能的数值表征方法用于实际FRP型材齿承载能力预测，准确性较高。所提方法可为复合材料预紧力齿连接层间剪切性能评估提供有效手段，并用于相关复合材料齿连接节点的设计。

针对双体船艉部港池内波浪易引起船舶间剧烈相对运动、造成作业困难的问题，设计了倾斜多孔板，以及分别与弧形板、“倒V形”竖直平板、竖直多孔板组合的消波装置。利用STAR-CCM+软件构建了短波（波长/船长小于等于1）与不同消波装置相互作用的数值模型，分析了带有不同构型消波装置的双体船运动响应特性，以及不同构型消波装置的消波效果及消波机理。结果表明，较无消波装置的对比方案，4种构型的消波装置对双体船的垂荡和纵摇运动不存在影响，且在0.30~0.60短波作用下消波效果良好；倾斜多孔板与竖直多孔板的组合装置消波性能最优；倾斜多孔板结构能破碎波浪并产生涡旋，从而降低波浪能量。所提消波装置为提高过驳作业效率提供了理论依据和技术支撑

基于视觉的火灾识别系统虽在深度学习的推动下取得了明显进展，但现有深度学习模型在监督训练过程中依赖大量标注数据，且在训练与推理阶段对硬件性能要求较高。针对上述问题，提出了一种高效的基于迁移学习的火灾识别方法——TLFire。该方法通过集成迁移学习与轻量化混合模型，有效解决了标注数据匮乏及计算资源受限场景下的模型训练与部署难题。在FD测试集上的结果显示，TLFire以1.20M的可训练参数和0.39 GFLOPs的计算开销，达到了98.20%的识别准确率。较目前最优的有监督CNN方法，TLFire在准确率仅降低0.47%的情况下，模型大小压缩了80.71%，推理时间加速了1.75倍，且训练过程无需依赖目标场景的样本标签。实验结果表明，TLFire在资源受限的火灾识别任务中建立了新的性能基准，为深度学习方法在实际火灾识别场景中的部署提供了可行的解决方案。