谣言传播模型的研究对制定辟谣策略、维护社会稳定具有重要意义。以大学生在高校社交网络平台上的谣言传播为研究对象，提出了包含6种状态的无知-信谣-传谣-辟谣(ignorant-gullible 2-debunker 2, IG2D2)谣言模型，根据平均场理论构建谣言的传播动力学模型。在此基础上，进一步考虑实际环境中个体差异、从众效应、信任度等因素对谣言传播的影响，建立了新型非一致动态谣言传播模型，并对所提出的模型进行了仿真实验研究。结果表明，网络的节点度对谣言传播峰值的影响随着从众效应的增加而减小，谣言信息本身的转发度对其传播过程至关重要。

为解决小污水处理厂难以实现化学需氧量(chemical oxygen demand, COD)的低功耗、快速在线测量问题，提出了一种基于径向基函数(radial basis function, RBF)的在线自组织神经网络(online self-organizing neural network, OSNN)预测方法，该方法通过动态控制神经元数量及其变化速度，来实现对COD的准确预测。利用RBF良好的连续函数逼近能力，结合自组织的灵活性和自适应能力，提高了测量模型的准确度及适应性；提出的神经元数量调控方法，既能维持神经网络的紧凑性，又能缓解神经元数量频繁大幅变动而导致的训练时间延长问题。实验证明，具有自组织功能的RBF神经网络能够可靠地预测COD参数值。

为解决当前仿真精度低、通用性不佳、可视化效果差等问题，设计了一种基于Unity3D与CADAC的通用型高保真空空导弹仿真系统。一方面，采用高保真度的CADAC软件包，全面考虑了导弹运动学和空气动力学特性、不同制导律与目标机动方式、燃料消耗与重心变化等因素，提高了仿真系统的保真度；另一方面，本系统适用于不同类型的导弹，如空空导弹、空地导弹等，提高了系统的通用性与易适配性；最后，利用Unity3D对导弹运行的整个过程进行可视化仿真研究，展示导弹从发射、搜寻、制导及命中目标的全过程运动轨迹。典型的仿真案例与性能分析结果验证了本仿真系统的有效性。

针对考虑序列相关机器调整时间的不相关并行机分批调度问题，以最小化最大完工时间和机器总切换次数为优化目标建立问题的数学模型，设计了一种改进的多目标生物地理学优化(IMOBBO)算法进行求解。为满足分批调度的需求，第一阶段设计了一种分区式矩阵编码，采用随机策略、Logistic映射和反向学习机制的融合策略生成初始种群，并在物种迁徙过程引入狼群游走机制，在灾变过程中采用自适应灾变算子及两阶段邻域搜索策略；为了最小化各机器的调整时间，第二阶段采用基于机器的矩阵序列编码优化各批次的加工顺序；最后，引入基于超体积的个体评价方法进行Pareto非支配排序。通过不同规模算例及实例的仿真实验，并与相关算法进行对比，证明了所提算法的有效性与优越性。

针对复杂海况下无人船位姿估计的精度改善问题，提出一种基于非高斯特征识别和高斯和容积粒子滤波(Gaussian sum cubature particle filter, GSCPF)的无人船位姿估计算法。首先，基于正态性检验思想将无人船位姿测量数据的样本分布函数与标准高斯累积分布函数之间的最大垂直差和样本偏度峰度两种指标进行结合，从多角度分析数据的分布特征；然后，若数据表现为非高斯分布特征，则采用一种基于高斯和与容积粒子滤波结合的无人船位姿估计方法，否则直接使用容积卡尔曼滤波方法来获得无人船的位姿估计；最后，两类仿真实验结果表明，所提算法能明显改善无人船的位置、速度以及航向等参数的估计精度。

针对养殖水质研究中传统模型数据特征少、预测误差大等问题，提出一种基于特征构造的养殖水质pH值预测模型，模型主体为混合双卷积层门控循环单元(mix double convolutional layer gated recurrent unit, MDconv-GRU)神经网络。首先，通过相关性计算以及特征构造的方法将原有的3个有效特征增加至6个；然后，将特征构造后的数据输入到MDconv-GRU模型中进行训练和预测仿真实验。结果表明，该模型在刺参养殖水质pH值预测实验中的准确率为92.26%，均方根误差为0.083 8，平均绝对误差为0.063 5，平均绝对百分比误差为0.830 2，评价指标均优于GRU等其他模型。该模型不仅可以较为精确地预测刺参养殖水质的pH值，而且能为后续的pH预警以及水质调控奠定基础。

目前，室内移动机器人被应用于智能仓储、安防系统等行业，而高精度的定位技术在其中发挥着重要的作用。为此，设计了一种基于视觉伺服的室内三维定位技术，在实现高精度定位误差的同时，摆脱视觉图像处理定位技术中相机摆放位置和视场角的限制。首先，介绍了定位算法的框架与应用场景；然后，设计基于几何关系的三维定位算法，并求解其最小二乘问题，利用图像处理和反馈控制技术解决视觉云台对目标的追踪瞄准问题；最后，对目标机器人的定位实验结果表明，提出的室内三维定位算法在实验室的场景下有4 cm以内的定位精度，具有高精确性和稳定性。

针对含有齿隙的四电机同步驱动系统，提出了一种高性能四电机同步驱动伺服系统部分失效(partial loss of effectiveness, PLOE)容错控制技术。首先，使用模糊逻辑系统分别逼近电机侧和负载侧的非线性项，在控制设计过程中进行补偿，减小跟踪误差，保证跟踪性能。在所设计的控制方法中，只需要对一个自适应参数进行估计，减小设计难度。其次，采用电流观测器实时监测电机电流并估计失效因子，获取当前系统参数信息。最后，基于交叉耦合同步控制的四电机同步架构，设计同步控制信号，保证四电机间的同步性能。为验证该方法的有效性，通过仿真将所提方法与动态面容错控制进行了对比。结果表明，所提方法可以有效减小伺服系统的跟踪误差。

针对双吊具桥吊系统普遍存在的建模不精确、系统参数变化和不确定性扰动等问题，提出了一种基于迭代学习的无模型控制框架来实现双吊具桥吊系统的同步协调控制。首先，为提高系统状态的收敛速度，提出了一种利用类Sigmoid函数的时变滑模面；然后，引入了基于时变滑模面的迭代学习律对包含系统未知动态和外部扰动等进行补偿，实现了无模型控制；同时，设计了动态学习率代替固定值学习率，提升了双吊具桥吊系统误差的收敛速度以及稳态性能；其次，提出了一种改进的自适应趋近律，降低了不必要的抖振，提高了双吊具桥吊系统的鲁棒性，实现了有限时间收敛；最后，利用李雅普诺夫稳定性理论证明了受控系统的稳定性。仿真实验验证了所设计的同步控制方案的有效性。

针对汽车非线性主动悬架系统，提出一种基于自适应事件触发机制的动态输出反馈控制方法。首先，为了更贴切地刻画出悬架系统弹性元件和阻尼器的非线性特征，建立一种基于区间二型模糊方法的汽车悬架模糊模型；其次，提出一种自适应事件触发通信机制，相较于采样通信机制，能减小网络负载，从而节约通信资源；再次，在时滞理论的基础上，建立非线性悬架自适应事件触发控制的闭环系统模型，并提出一种事件触发器和动态输出反馈控制器的协同设计方法；最后，在不同道路干扰条件下进行台架试验。结果表明，所提方法能够实现悬架系统乘坐舒适性和通信资源节约性的双重提升。

同步定位与建图(simultaneous localization and mapping, SLAM)技术是移动机器人研究及应用的关键问题，旨在解决机器人在复杂环境中实现自主定位与地图构建等功能。对SLAM的系统组成、关键技术及应用进行了简要介绍；重点围绕特征点法、滤波法、图优化法、多传感器融合和动态场景5个方面，综述了SLAM系统的关键技术、国内外研究现状及标志性应用进展；并结合代表性系统，比较分析了不同方法之间的优缺点，详细阐述了多传感器融合SLAM系统，同时对复杂场景下的SLAM技术进行了展望。

针对存在外界扰动及系统模型参数不确定性的多移动机器人编队控制问题，提出了一种基于扰动观测器的有限时间预设性能编队控制策略。首先，设计了自适应快速终端滑模扰动观测器来估计系统的总和扰动；其次，为使跟踪误差能够在预先设定的有限时间内收敛至稳态值，引入了一种新型时变有限时间预设性能函数，结合反演法构造编队跟踪控制器，通过ln型障碍函数使编队跟踪误差达到预设性能的要求，并理论分析了闭环系统状态的有界性；最后，通过对5个移动机器人的编队仿真研究，验证了该控制策略的有效性。

针对CRH380A型动车组制动过程中出现的制动控制装置执行器故障问题，提出了一种基于多模型的自适应容错控制策略。首先，推导了存在未知系统参数及执行器故障的动车组制动系统动力学模型。然后，分析所有可能的故障模式，得到故障模式集，再针对每一种故障模式分别设计了自适应容错控制器。最后，设计基于状态估计误差的性能损失函数，选择最小性能损失函数值对应的控制器作为系统当前的控制器。仿真结果表明，所设计的控制系统能实现对未知故障的快速精确补偿，使动车组在发生故障后仍能渐近跟踪目标的制动曲线，保证动车组安全、平稳地制动。

溶出矿浆的苛性比值是氧化铝溶出过程中用来表征质量、效率与消耗的运行指标，由于溶出矿浆成分频繁波动，目前使用的国外苛性比值检测仪表的检测精度低，只能采用人工离线化验苛性比值，而化验结果的严重滞后导致无法实现苛性比值的自动控制，影响氧化铝产品的质量。在分析氧化铝溶出过程动态特性的基础上，建立了由线性模型和未知非线性动态系统描述的苛性比值预报模型，将参数辨识与自适应深度学习相结合，提出了端边云协同的氧化铝溶出过程苛性比值智能预报方法，同时利用氧化铝生产企业的实际生产数据对所提方法进行应用验证，应用结果表明所提智能预报方法可以实时、准确地预报溶出过程苛性比值，为实现苛性比值的闭环优化控制提供条件。

板凸度是评价热轧板断面轮廓的最重要的质量指标，良好的板凸度能保障生产的正常进行，因此精确预测不良凸度对保障生产具有至关重要的意义。在热轧实际生产中，合格凸度的样本数量要远多于不良凸度，并且大量的非线性参数和参数间的强耦合性，导致板凸度预测成为一个非常复杂的非平衡分类问题。根据热轧板凸度复杂的数据特性，考虑到深度学习的强大非线性拟合能力，并结合代价敏感学习来提升不良凸度的错误分类代价，提出了代价敏感深度置信网络(CS-DBN)模型。将Macro-F1、Micro-F1、G-Mean以及Aacc等评价指标作为模型的评价指标。通过调整模型超参数、优化器等来确定最优CS-DBN，并将其与传统机器学习算法ANN、SVC、KNN、DBN、LR进行对比分析，结果显示CS-DBN在各项评价指标上均优于传统机器学习模型，板凸度预测结果良好。

短期负荷预测对电力系统的稳定运行至关重要，为进一步提高负荷预测精度，提出一种基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)和改进的北方苍鹰优化(improved northern goshawk optimization, INGO)算法的组合短期电力负荷预测模型来优化双向长短期记忆(bidirectional long short-term memory, BiLSTM)神经网络。首先，利用CEEMDAN将原始负荷序列分解以获取更加平稳的数据；然后，通过Arnold混沌反向学习初始化、自适应柯西-高斯混合变异策略和非线性收敛因子改善了INGO算法中出现的问题，并显著提高了其寻优能力和收敛速度，以此来优化BiLSTM的相关超参数；最后，整合重构各子序列得到CEEMDAN- INGO-BiLSTM电力负荷预测模型。仿真结果表明，相比于对比算法，该模型能有效提高预测准确度。

针对火电机组典型设备运行状态的智能在线监测问题，设计了一种基于改进的海鸥优化算法-时间卷积网络(improved seagull optimization algorithm and temporal convolutional network, ISOA-TCN)的火电机组典型设备智能状态监测系统。首先，采集现场机组设备历史运行数据，采用Spearman相关系数法选取与监测参数相关性较高的特征参数对数据进行降维；其次，通过ISOA优化TCN超参数，建立设备运行状态智能监测模型，并以现场实时数据进行驱动；最后，基于JS散度衡量模型输出与实际值之间的距离，完成设备运行状态健康度评价。以一次风机和磨煤机为例，详述了监测模型的开发过程。该系统已被实际应用于某电厂，结果表明其能够实现对火电机组典型设备运行状态的在线智能监测。

为实现准确合理的电网企业投资预测，提高投资综合效益，提出一种投资效益优化模型。通过灰色关联度法确定电企投资要素，利用萤火虫算法改进支持向量机计算需求规模。基于现金流量平衡理论，设计投资能力测算模型。通过模糊综合评价法与模拟退火遗传算法，优化电气项目投资组合。结果表明，在2017年至2022年期间，所提出的优化模型较同类模型对电气投资预测的准确度更高，其相对误差仅为2.31%。投资项目与投资额分别减少11个与102 914元，项目综合效益增长了10 930元。该优化模型能精确预测电网投资能力，其优化结果对实现投资效益最大化具有重要的理论价值。

针对欠驱动桥式起重机系统的定位防摆问题，提出了互补滑模PD控制策略。在小车位移、负载摆角及各自一阶微分的状态误差作为变量所组成的线性滑模面的基础上，引入位移与摆角的误差积分形成积分滑模面，并对应设计一个补充滑模面来形成互补滑模控制，使系统变量运行空间限制在滑模面的相交处，缩短变量到滑模面的距离，进而提升系统的快速性。同时，引入对负载摆角的PD补偿控制，增强对负载摆角的抑制能力，使小车的运行更加平稳，并构造Lyapunov函数证明了系统的稳定性。仿真和实验结果验证了该控制策略对定位和防摆的有效性。

面对国内外激烈的市场竞争，传统选矿厂依靠操作工人来实现设备操控的模式已经不符合行业的发展趋势，对于新建特大型选矿厂而言，采用自感知、自调控的“无人化”建设方案，对于降低成本、增强竞争力至关重要。以建设特大型磁铁矿“无人化”选矿厂为目标，研究其自动化系统建设的核心内容和关键技术，从生产过程全面感知、网络互联、智能控制、工业网络安全防护4个方面，阐述了磁铁矿选矿厂自动化系统关于在线检测仪表选型、第三方设备接入、智能控制系统和工业网络安全防护方面应建设的内容和需要实现的关键技术，从而实现“无人化”选矿厂的建设。