为了使莱维(Lévy)过程驱动的连续随机系统保持稳定，提出了一种离散控制方法。首先，设计了一种滑模控制器，通过合理设计控制律，确保系统在莱维噪声干扰下仍然能保持均方指数稳定；然后，对连续控制器进行离散化，使其适应实际数字控制系统的需求；之后，通过推导得出，离散控制器作用下和连续控制器作用下的系统状态之差的二阶矩有界，表明离散化过程未显著增加系统的不稳定性；最后，通过理论分析证明了离散控制器作用下闭环系统的稳定性。实验结果表明，离散化后的控制器仍然能使系统保持稳定。

：数据中心空调末端系统预测控制的基础是对机柜入口温度的多步预测。为了改善预测模型的预测精度和可移植性，提出一种数据中心机房温度非线性Takagi-Sugeno(T-S)模糊模型构建方法。首先，采用计算流体动力学(computational fluid dynamics, CFD)数值模拟方法建立机房CFD模型，并设计了数据采集策略，以捕捉系统的完整动态特性；然后，为了解决模糊C-均值聚类算法易陷入局部最优的问题，采用改进天牛须搜索算法对其进行优化，实现了T-S模糊模型的前件结构辨识；最后，采用容积卡尔曼滤波算法进行T-S模糊模型的后件参数辨识和在线修正。实验结果表明，与传统T-S模糊模型相比，此方法构建的T-S模糊模型具有更高的计算效率和预测精度，通过后件参数的更新可满足模型可移植的要求。

针对一类受高斯噪声和非高斯噪声混合干扰的非线性系统的滤波问题，若将混合噪声作为一类非高斯噪声进行处理，则滤波精度会因为忽略高斯噪声特性而受到影响。为此，基于“系统拆分+算法融合”的思想，设计了一种新的非高斯非线性滤波算法。首先，引入系统拆分权重，将多噪声混合干扰下的非线性系统拆分为若干个受单类噪声影响的子系统；然后，依据各个子系统的噪声特性设计对应的子滤波算法；最后，对各子滤波算法的滤波结果进行融合。此外，介绍了平分和动态更新2种权重设计方法。仿真结果表明，相比于将多类噪声视为一类高斯噪声或非高斯噪声的非线性滤波算法，所提算法在滤波精度方面具有明显优势。

针对鹈鹕优化算法在寻优过程中存在的种群多样性降低、收敛速度下降、易陷入局部最优等问题，融合多种策略对其进行改进，提出了改进鹈鹕优化算法(improved pelican optimization algorithm, IPOA)。首先，利用帐篷(tent)混沌映射和折射反向学习策略初始化鹈鹕种群，在增加种群多样性的同时为算法寻优能力的提升打下基础；然后，在鹈鹕逼近猎物阶段引入非线性惯性权重因子以提高算法的收敛速度；最后，引入樽海鞘群算法的领导者策略以协调算法的全局搜索能力和局部寻优能力。实验测试了单一改进策略的改进效果，并将IPOA与其他9种优化算法进行了对比。实验结果证明了各改进策略的有效性和IPOA的优越性和鲁棒性。

串级控制系统与单回路系统相比具有更强的抗扰动能力和自适应能力，因此被广泛应用于工业系统中，且大多为非高斯系统。非高斯系统的性能评估常用熵作为性能指标，但熵指标存在平移不变性的问题。因此，将最小熵指标与詹森-香农(Jensen-Shannon, JS)散度指标进行加权混合，提出了混合评估指标。非高斯系统性能评估要求基于闭环数据对系统参数进行有效的辨识。为了获取准确的基准，基于粒子群优化算法与分布估计算法的思想，结合二者的优势，提出了混合优化算法用于系统参数辨识。最后，在不同非高斯噪声扰动下对串级控制系统进行仿真，仿真结果验证了所提混合优化算法和混合评估指标的有效性。

在支气管镜机器人控制中，传统比例积分微分(proportional integral differential, PID)控制的精度不足，反向传播(back propagation, BP)神经网络易陷入局部最优。针对此问题，提出了一种改进鲸鱼优化算法(improved whale optimization algorithm, IWOA)优化的BP- PID控制方法。首先，IWOA在传统鲸鱼优化算法的基础上，引入非线性收敛因子动态平衡全局搜索能力和局部搜索精度，通过帐篷(tent)混沌映射优化种群分布，利用莱维(Lévy)飞行策略增强全局寻优，并结合贪婪选择机制维持种群多样性，为BP神经网络提供最优初始连接权重。然后，BP神经网络在输入层融合参考输入、系统输出和跟踪误差，通过反向传播动态调整PID控制参数。仿真结果表明，与PID控制、BP神经网络-PID控制及其改进方法相比，所提方法能够大幅度降低系统的超调量，缩短调节时间，使稳态误差趋近于零。该方法具有较高的控制精度和抗干扰性，可显著减少操作中机械振动和组织摩擦，提高支气管镜手术的安全性。

飞机防滑刹车系统影响飞机降落过程的安全和舒适性。为了解决传统比例积分微分(proportional integral differential, PID)型防滑刹车控制器存在的平稳性差和抗干扰能力弱等问题，设计了基于改进积分滑模控制的防滑刹车控制器。首先，对飞机防滑刹车系统进行动力学分析，建立飞机防滑刹车系统模型；然后，针对传统积分滑模控制的积分器存在积分饱和现象的问题，以滑移率为控制目标，改进积分滑模面，完成控制器的设计和仿真验证。仿真结果表明，改进积分滑模控制器不仅能使滑移率快速跟踪目标滑移率，具有较强的鲁棒性，而且能有效减弱控制器输出抖振，提高了飞机防滑刹车系统的性能。

针对传统中枢模式发生器(central pattern generator, CPG)在应用中引入过多具有强耦合性的动态参数，导致其难以适配昆虫式腿部结构机器人的问题，提出了一种结合逆运动学并面向足端控制的改进CPG控制方法。首先，在系统层面，设计了线性转换器、功能生成器和逆运动学求解模块，以面向足端控制的方式对传统CPG应用进行了参数化改进；其次，在细节上，对CPG的极限环进行改进，提高其对地形的适应能力；最后，基于改进CPG模型规划了线性转向等功能步态，实现了基于足端偏差补偿的姿态稳定闭环控制。实验结果表明，所提方法简化了步态控制，使昆虫式六足机器人能够在起伏地形上实现线性转向并保持姿态稳定。

传统同时定位与地图构建(simultaneous localization and mapping, SLAM)在弱纹理场景中的鲁棒性差，在动态场景中受动态物体干扰。针对这些问题，提出了动态视觉SLAM。首先，在视觉前端使用几何对应网络2(geometric correspondence network version 2, GCNv2)提取特征点并生成二值描述子，提高SLAM在弱纹理场景中的鲁棒性；然后，引入目标检测网络对动态物体进行检测，获取当前帧的语义信息，结合多视图几何剔除动态物体，去除动态物体对SLAM的干扰。实验结果表明：在弱纹理场景中，所提方法可以持续提取足够数量的高质量特征点；在存在动态物体干扰的场景中，所提方法的绝对位姿误差和相对位姿误差较小；在静态场景中，所提方法的性能仍然较优。

针对机械臂系统存在未建模部分、摩擦力、外加扰动的问题，提出了一种考虑输入饱和的积分快速终端滑模控制方法，用于各关节角的轨迹跟踪控制。首先，建立机械臂模型，将未建模部分、摩擦力、外加扰动、输入饱和误差看作集中扰动；其次，设计了一种固定时间收敛的扩张高增益观测器对集中扰动进行估计，解决了传统扩张高增益观测器的估计误差在初始时刻存在峰值和只能渐近稳定的问题；再次，将积分滑模控制与快速终端滑模控制相结合，利用反步法完成积分快速终端滑模控制器的设计，通过观测器所估计的集中扰动削减控制输出的抖振；最后，对所提观测器与控制方法进行仿真实验。仿真结果表明，所提观测器能够精确估计集中扰动，所提控制方法能够提高机械臂系统的轨迹跟踪速度和精度，同时在考虑输入饱和的情况下保证了机械臂系统的安全性。

为了提升交流微电网逆变器输出电压的暂态响应速度与抗扰动能力，提出了一种线性二次最优控制与残差生成器相结合的性能提升控制策略。首先，建立了三相电压型逆变器的状态空间模型，并设计了具有较快响应速度的二次型最优控制器；其次，根据二重互质分解和尤拉参数化理论，得到基于残差生成器的性能提升控制结构；再次，基于模型匹配原理对性能提升控制器进行求解，从而提升系统的抗扰动能力；最后，设计了阶跃扰动、三相不平衡负载和非线性负载接入的仿真实验，实验结果验证了所提控制策略的有效性。

为了得到高品质、低成本的水泥生料，对原料配比优化问题进行了研究。首先，针对原料氧化物含量波动和立磨工况变化的问题，提出了原料氧化物含量等效值的概念，将其作为水泥生料氧化物含量和原料配比之间的关系参数，并利用系统辨识方法对其进行求解；然后，建立了以最小化原料成本和原料配比调整量为目标的原料配比多目标优化模型，将各项生料质量控制指标加入约束条件以保证解的可行性，并提出了改进多目标粒子群优化算法对模型进行求解。实验结果表明，相比于非支配排序遗传算法II(non-dominated sorting genetic algorithm II, NSGA-II)和人工配比，采用所提算法优化原料配比，不仅将各项生料质量控制指标较好地控制在目标范围内，还降低了原料成本。

热连轧过程中的加热炉系统具有大惯性和大滞后的特点。为了提高加热炉的温度控制性能，提出了一种基于信息物理系统(cyber-physical system, CPS)的综合优化控制策略。首先，建立了具有延时的传统比例积分微分(proportional integral differential, PID)温度控制系统模型。然后，通过引入一个转移参数来构造修正后的状态方程，进而计算出中立型延时系统的控制器参数，并提出了基于CPS的延时优化控制与PID控制相结合的控制策略。最后，将所提控制策略应用在某钢铁厂的步进加热炉中，实验结果表明，该控制策略提升了温度控制的智能化程度，实现了更精确的加热过程，优化了生产流程，提高了加热效率，减少了能源浪费。该控制策略具有工程实用价值和推广意义。

针对目前超薄非晶合金生产过程中存在的厚度不均匀问题，提出一种超薄非晶合金厚度的多模态模糊仿人智能纠偏策略。首先，对生产现场数据进行分析，利用厚度偏差信息对厚度变化趋势进行划分；然后，根据现场专家在不同厚度变化情况下对过渡包内压力和温度设定值的调整经验，设计了包括继电(bang-bang)、模糊、补偿、保持模态的多模态模糊仿人智能纠偏策略；最后，利用改进粒子群优化算法优化的广义回归神经网络建立超薄非晶合金厚度回归模型，用于厚度纠偏策略的仿真研究。仿真结果表明，多模态模糊仿人智能纠偏策略可以使厚度偏差稳定在±1 μm内，避免产生厚度不均匀问题，并具有较强的抗干扰能力。

工业过程数据存在高维度、不平衡等特点，会影响工业过程性能评估精度。针对此问题，提出了基于潜变量技术和粒子群优化(particle swarm optimization, PSO)算法的最小二乘支持向量机(least squares support vector machine, LSSVM)多数据空间集成模型，用于工业过程性能评估。首先，将采样得到的过程变量数据划分为不同性能等级的数据空间；然后，对不同性能等级的数据空间进行特征映射以提取潜变量，并通过互信息进行潜变量筛选以达到降低数据空间维度的目的；最后，在不同数据空间中建立LSSVM子模型，并利用PSO算法对其进行集成性优化，得到离线模型。离线模型通过计算在线数据与每个性能等级之间的相似度，得到性能评估结果。实验将所提方法应用在乙烯裂解炉运行性能评估的仿真中，仿真结果证明了其有效性。

传统微电网孤岛检测方法中，被动法存在检测盲区大、阈值设定难的问题，主动法存在干扰电能质量的问题。因此，提出一种基于自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)-Teager-Kaiser能量算子(Teager-Kaiser energy operator, TKEO)和优化深度置信网络(deep belief network, DBN)的微电网孤岛检测方法。首先，使用CEEMDAN算法分解公共耦合点处的电压和电流信号，得到一系列本征模态函数(intrinsic mode function, IMF)，并计算相关系数，确定有效IMF；其次，对有效IMF进行乘积融合，采用TKEO计算融合后的IMF的能量序列，得到重构的孤岛特征；最后，利用粒子群优化算法优化DBN，将提取的特征输入优化后的DBN中进行训练与测试。实验结果表明，所提方法能有效区分不同工况下的孤岛和非孤岛状态，检测准确率可达到99.52%，检测时间为25.326 ms，且抗噪声能力较强。

现有图像修复模型无法高质量地修复大面积缺损的图像。针对此问题，提出了一种Transformer和生成对抗网络相结合的图像修复模型。首先，设计了一种新型掩码自适应输入模块，用于从输入图像中提取未被掩码遮蔽的图像块；其次，利用Transformer从有效图像块中提取全局上下文信息，增强模型对缺损区域的补全能力；再次，使用快速傅里叶卷积(fast Fourier convolution, FFC)模块增强模型的细节修复能力，并消除输出图像中的伪影；最后，利用判别器网络对抗训练以提升整体网络的性能。利用所提模型对Place2数据集进行图像修复，测试结果表明：当掩码比例为50%~60%时，修复结果的峰值信噪比达到了19.748 2 dB，结构相似性(structural similarity, SSIM)达到了0.714 7。

点云是表示三维空间的非结构化数据的集合，广泛应用于机械加工、机器人装配和自动驾驶等领域。当前的特征点检测算法基于人工设计的规则，限制了特征点的表征能力，并损害了后续分类和配准的精度。因此，提出了一种基于深度学习的特征点检测算法，通过弱监督的方式学习分类和配准所需要的特征点。首先，通过特征点检测器获得点云中的特征点；然后，将特征点用于后续的分类和配准任务中，通过最小化分类和配准的损失使特征点检测器获取优异的特征点，以克服无法获取特征点标记的难题。实验结果表明，相较于传统特征点检测算法，所提算法获取的特征点能够表征机械零件点云的整体状态，提高了后续分类和配准的精度。

为了提高输电线路选线的效率，降低输电线路的建设成本，提出了一种基于地理信息系统的改进蚁群优化算法。首先，对规划区域进行栅格化建模，阐述传统蚁群优化算法在输电线路选线中的应用原理；然后，针对传统蚁群优化算法易陷入局部最优和搜索到的路径存在较多拐点的问题，提出了信息素浓度自适应更新机制和节点优化机制对其进行改进。实验以安徽省某区域为例进行输电线路选线。实验结果表明，与传统蚁群优化算法相比，改进蚁群优化算法的搜索效率更高，搜索到的路径具有更少的拐点，可以有效减少输电线路的建设成本。

针对实际工业生产中滚动轴承的故障样本不足导致故障诊断不够准确的问题，将添加了高效通道注意力(efficient channel attention, ECA)机制的卷积神经网络模型（即ECNN模型）与生成流(generative flow, Glow)模型相结合，提出了基于Glow-ECNN模型的故障诊断方法。首先，通过连续小波变换将一维故障振动信号转换为包含时频特征信息的二维时频图像；然后，将时频图像输入Glow模型中进行数据增强，生成足量的且与原始时频图像具有相似分布的时频图像，并将生成时频图像与原始时频图像共同作为训练样本；最后，通过添加了ECA的ECNN模型对故障进行分类。实验结果表明，所提方法在小样本条件下对滚动轴承的故障诊断准确率可以达到99%，所提方法是可行且有效的。