원래 이름 기록: 泸州职业技术学院

本发明提供基于多源感知的自动驾驶决策方法及系统，涉及智能控制技术领域，方法包括通过第一感知模块获取感知区域内各目标的第一感知数据；获取第一感知模块的健康度，确定感知盲区；获取感知盲区的第二感知数据；通过第二感知数据补全感知盲区，得到感知补全数据；通过自车规划轨迹和感知补全数据构建交互拓扑图；基于图神经网络，预测各目标一段轨迹；通过目标一段轨迹，生成自车一段轨迹；将自车一段轨迹作为图神经网络的输入，生成各目标二段轨迹；通过各目标一段轨迹、目标二段轨迹和交互拓扑图，生成自车决策。在传感器性能退化时，通过其他正常工作的感知模块补充缺失信息，保证了感知数据的完整性和准确性，从而提高自车决策的准确性。

本发明涉及材料性能预测与机器学习交叉领域，尤其涉及一种基于机器学习的透光相变材料性能预测系统，包括：数据采集模块，获取透光相变材料实验原始数据，数据预处理模块，获取标准化特征数据；特征工程模块，获取物理一致性特征向量；相变自适应预测模型模块，获取升温预测结果、获取降温预测结果，基于对升温预测结果和降温预测结果进行融合获取预测模型参数；性能预测模块，基于预测模型参数对输入的新材料或新条件的特征向量进行推理，输出性能预测结果。本发明通过构建“数据采集‑预处理‑特征工程‑相变自适应预测模型‑性能预测”全流程协同架构，并在各环节融入透光相变材料物理规律，实现高精度、高可靠性的性能预测，支撑工程化应用。

本发明公开了一种ZnMgZrNbO微波介质陶瓷材料及其制备方法和应用，化学式中0.1≤≤0.4，该方法包含：按照化学式的比例称取各原料粉体；将原料粉体混合均匀，采用湿磨法混合，烘干，过80目筛后以5℃/min的升温速率由室温升温至1200℃保温，得到ZnMgZrNbO粉体；将所得粉体混合均匀，采用湿磨法混合，烘干，过80目筛后按照重量比加入8~10 wt.％的有机粘合剂进行造粒，过120目筛后压制成塑坯，将塑坯在空气中于1280℃下烧结，得到微波介质陶瓷材料。本发明的微波介质陶瓷材料具有高品质因数、中低介电常数、温度系数可调等特点，具有良好的应用前景。

本发明涉及复杂环境场景下的建模技术领域，具体的是一种适用于白酒酿造的复杂环境视频扫描建模方法。在白酒酿造的复杂场景中，通过多源数据融合，RGB‑D视频流、激光雷达点云等，通过改进的ICP算法与纹理约束配准，实现了多模态数据的高一致性对齐，显著提升了场景覆盖的完整性和数据利用率。鲁棒性表现优异，在高温、高湿、蒸汽干扰等白酒酿造下，系统通过抗干扰算法和自适应权重调整，维持了稳定的建模质量，减少了环境因素导致的数据失真或误差累积。