所获奖项：我最喜爱的项目
项目名称：桥梁箱梁内部自主感知监测机器人（项目编号：202310247113）
指导教师：王达磊、潘玥
项目成员：崔屿杰、肖子恒、卞政、郑星云、张戬
学院：土木工程学院

项目简介：混凝土箱梁是在桥梁工程被广泛应用的梁结构，可以理解为桥梁的胃，其在长期服役后，常出现掉块、露筋、裂纹等病害。在桥梁全生命周期中的运营阶段，高精度的检测维护就像胃镜检查，对其稳定安全服役具有重要意义。现有的检测方法依然为人工型，仅依靠人力进行肉眼检查有诸多痛点。目前市面上虽然有较多桥梁检测机器人，但都集中于桥梁路面、桥梁外部的侧面和底面或者斜拉桥的缆索结构，针对箱梁内部的检测极少且较为粗糙。

因此项目研发了适应于混凝土箱梁场景的标准化无人自主检测机器人及配套的箱梁内部病害检测解决方案，实现桥梁内部病害数据自动化采集与智能化诊断。项目立足于桥梁结构检测和自动化开发领域，针对相关痛点，采用机器学习、计算机视觉、SLAM等技术，攻克混凝土箱梁巡检机器人工作环境与探测对象重叠的技术难题，开发集寻迹、避障、探测于一体的控制系统，在此基础上扩展到多机器人集群中，并且建立了内嵌数字孪生模型的病害信息管理系统，实现对病害维护的智能决策，助力实现安全、高效、智能化的桥梁健康检测任务。项目的愿景是通过自动化智能化技术赋能传统土木行业，助力人工开展安全、高效、智能化的桥梁健康监测

所获奖项：我最喜爱的项目
项目名称：曼德尔布罗特分形天线的研究与设计（项目编号：202310247027）
指导教师：童美松
项目成员：窦为嘉、奚睿豪、陈森、李明轩、卫星
学院：国豪书院、电子与信息工程学院

项目简介：本项目致力于开发高性能多频带天线，特别是曼德尔布罗特分形天线。通过独特的分形结构，我们的天线不仅能够有效缓解频带挤占问题，还能显著提升通信质量，满足未来智能家居、路由器等设备的需求。项目的核心内容包括共形映射理论分析、自动化仿真程序开发，以及二维与三维曼德尔布罗特分形天线的设计与开发。我们在理论分析中发现，分形结构因其自相似性，能够在同一天线中实现多频带特性。通过引入拟曼德尔布罗特集，我们能够生成多样化的天线结构，适应不同的应用环境。

在自动化仿真方面，我们开发了高效的仿真工具，解决了大规模矩阵处理的问题，提升了仿真效率和准确性。此外，我们的研究方法还结合了粒子群优化算法，进一步优化了反射阵列天线的设计，确保其在多个频段下的高增益和低电压驻波比。

研究成果已经在多个国家级和省部级竞赛中获得优异成绩，在国际会议上发表了多篇论文，展现了项目的学术价值和应用前景。

项目名称：城市绿地影响下微环境变化与社会公平性讨论（项目编号：202310247069）
指导教师：姚佳伟
项目成员：沈彦廷、孔维康、费凡、陈熙隆、徐艺文
学院：建筑与城市规划学院

项目简介：本项目旨在探讨城市绿地在低碳和健康城市建设中的关键作用，特别关注其对微环境、热岛效应及城市三维形态的影响。随着城市化进程加速，热岛效应已成为影响居民生活质量的重要因素，因此量化城市绿地特征（如规模、形态和数量）与微环境的关系尤为重要。我们利用机器学习技术，建立预测模型，分析城市绿地特征与微环境之间的联系，评估其在缓解热岛效应方面的效益。此外，项目进一步耦合了建筑和绿地要素，综合性地探讨城市三维形态如何影响热岛效应，通过量化建筑密度和绿地分布，提出合理的城市设计方案。通过构建综合评价体系，将城市绿地、微气候、热岛效应及社会公平性结合，为未来城市建设提供科学依据。这将推动可持续发展，为居民创造更健康的生活环境，提升城市宜居性。研究成果已为Meteodyn PV软件开发提供支持，并得到其他学术论文的认可，也衍生出了系列学术成果。

项目名称：异质结纳米带的微纳加工和光谱研究（项目编号：202210247067）
指导教师：江涛
项目成员：徐俊波
学院：物理科学与工程学院

项目简介：光子在纳米尺度上的局域和操控是当前纳米光子学和片上光子学领域的研究重点。极化激元作为光子与粒子或准粒子耦合形成的元激发，展现出优异的光场限域能力，为实现纳米尺度光子操控提供了巨大的潜力。相比于传统体材料，二维材料的极化激元具有传播损耗低、空间局域因子高和易于集成等优势。近年来，在天然范德华材料α相三氧化钼(α-MoO3)中发现了具有低传播损耗、沿面内特定方向传播的双曲型声子极化激元。在此基础上，通过堆叠具有一定旋转角度的两层α-MoO3或将α-MoO3与石墨烯进行耦合，可以实现α-MoO3声子极化激元的拓扑转变和主动调控。然而，电学调控α-MoO3声子极化激元的机制仍然缺乏系统性研究。

鉴于此，该项工作将转角α-MoO3与石墨烯堆叠并制备成异质结电学器件，通过精确控制石墨烯的费米能级，成功实现了对转角α-MoO3声子极化激元的原位、主动电学调控。基于搭建的散射型扫描近场光学显微系统(s-SNOM)，对α-MoO3声子极化激元随石墨烯费米能级变化的传播行为进行了系统性研究，并发展了相应的理论模型，揭示了转角α-MoO3声子极化激元的电学调控物理机制。该研究成果以“Gate-Tuning Hybrid Polaritons in Twisted α-MoO3/Graphene Heterostructures”为题发表在《纳米快报》（Nano Letters）上。

项目名称：基于稀疏图结构学习的图卷积网络性能提升（项目编号：202310247097）
指导教师：曾进
项目成员：张桂彬、陈奕乔
学院：计算机科学与技术学院

项目简介：图神经网络（Graph Neural Network，GNN）在各种图学习任务中表现出色，但在应用于大规模图时面临相当严峻的计算挑战。一种有前景的解决方案是去除非必要的边，以减少图神经网络的计算开销。此前，图稀疏的研究线通常分为两类：拓扑引导和语义引导。前者保持某些图的拓扑属性，但通常在图神经网络上表现不佳——这是因为它不能无缝整合到神经网络的训练过程；后者在应用到图神经网络上时，在低稀疏度下表现良好，但在高稀疏度下面临性能崩溃。基于此，我们提出了一个新的研究方向和概念，称为图稀疏训练（Graph Sparse Training，GST），它在数据层面动态操控稀疏度。具体来说，图稀疏训练最初以较低的训练成本构建一个拓扑和语义锚点，随后执行动态稀疏训练，使稀疏图与锚点对齐，这一过程通过引入平衡拓扑和语义信息保存的均衡稀疏化原则来指导。最终，图稀疏训练生成一个拓扑完整性最大化且无性能退化的稀疏图。在6个数据集和5个图网络框架上的广泛实验表明，图稀疏训练（I）识别出的子图在更高图稀疏度水平（1.67% ∼ 15.85%↑）超过现有的最先进稀疏化方法，（II）保留了更多关键的谱图属性，（III）在图推理中实现了1.27 − 3.42×的加速，（IV）成功帮助图对抗防御和图彩票等主流图学习任务。

项目名称：航空发动机检测与维修蛇形机器人构型设计与远程操控（项目编号：202310247123）
指导教师：齐鹏
项目成员：姜博予、宋正非、卫家庆、王锡睿
学院：电子与信息工程学院

项目简介：航空发动机叶片作为高速旋转件所受的载荷复杂，使用环境恶劣，在高温、高压、高速和多负荷环境下易腐蚀、振动，从而导致疲劳裂纹、掉块、凹坑等损伤，易致使叶片断裂而引发飞行事故。有关叶片损伤的定期检测和维护成为保证飞机安全运行的重要一环，影响着大飞机的运行安全、运行效率，乃至大飞机商用的国际竞争力。传统叶片探伤方法存在人力成本高、效率低、主观性高等痛点。探伤机器人的一体化关节灵活度、柔性和可扩展性考虑不足会导致设备利用率不高。AeroEye项目开发了一种专门用于发现并修复飞机引擎故障的新型蛇形机器人，具有操作方便、高自由度、强连续性与顺应性等优点。该机器人直径只有大约在2-3厘米，它通过摄像头在飞机发动机内部进行探伤，远程操控其使用多模块感知功能对航空发动机叶片损伤进行识别，以网页程序为客户端，利用5G+WiFi技术组成智能机器人控制物联网。项目针对航空发动机中复杂环境和极限暗光条件的问题，设计了一个包括可见光和红外双目摄像头的成像方案，并通过红外补光灯保证暗光条件下画面细节的捕捉。并且针对少样本情况下的损伤识别与分类模型性能较低的问题，提出了结合数据库扩增与深度学习技术的新型模型，利用深度学习算法，基于Yolo v5模型，增加CA-net注意力机制，实现了对多种损伤类型的准确识别与分类。