针对现有控制方法需要获得中间状态的局限性，将线性二次调节器与龙伯格观测器进行有机融合，建立当前控制输入与历史传感器输出和历史控制输入之间的直接关系，提出一种实用的悬架系统无状态控制方法。以四分之一车辆悬架系统模型为例，结合传感器的精度加入相应噪声，并考虑悬架系统参数的不确定性，研究了无状态控制方法的实际控制性能。结果表明，无论在冲击激励还是随机激励下，无状态控制很好地兼顾了悬架系统的3个平顺性指标，获得优良的综合控制性能。无状态控制方法只需要获得历史传感器输出和历史控制输入，即可实现传感器在布置有限情况下的最优控制效果，极大简化了控制系统的设计，具有很强的实用价值。

近年来，巡检机器人极大程度地提高了矿井作业的安全性。然而，矿井的非结构化环境造成轨道式巡检机器人费用高、维护难度大的困难，并且矿井的防爆要求限制了巡检机器人的硬件设计。首次提出了一种满足本质安全标准的矿井下巡检无人机系统，并针对防爆要求设计了低功率无人机和充电地勤舱。此外，采用无人机进行巡检的方案克服了矿井非结构化环境所带来的困难。进一步地，基于自动机建立了矿井下无人巡检任务的调度策略模型，并基于监督控制理论合成了完备的矿井下无人巡检调度策略。最后，通过无人机和地勤舱的调度实验验证了该调度策略的有效性。

PID控制算法是一种性能可靠、应用广泛的控制策略，它具有结构简单、便于调节、易于实现等优点。为了解决鲁棒性约束下的PID控制器的参数整定问题，把非支配排序遗传算法II(non-dominated sorting genetic algorithms-II, NSGA-II)这种多目标遗传算法用于PID控制器的参数整定，并将优化后的PID用于控制四旋翼飞行器的飞行姿态和高度。首先，把四旋翼飞行器中全驱动控制的高度和姿态通道模型进行线性化，得到分通道的线性化模型。然后，在多目标遗传算法中，把参数作为决策变量，把抗干扰性能和跟踪性能作为两个目标函数，同时把最大灵敏度函数作为鲁棒性约束。最后，通过仿真与传统方法整定的参数控制效果进行对比，验证了多目标遗传算法整定的PID在跟踪与干扰方面的优越性。

电控空气悬架可通过调节车身高度来提升车辆舒适性和操纵稳定性。针对空气悬架系统的调高，建立了四分之一车辆空气悬架模型，并设计了一种结合预设性能函数与Backstepping方法的车辆高度调节控制器，来保证：① 车辆的行驶高度收敛在期望高度的附近；② 调高过程中的高度跟踪误差在性能函数边界内。此外，考虑在实际应用过程中，空气弹簧内气压传感器的缺失，设计了一种滑模观测器对空气弹簧内气压进行估计。最后，通过AMESim与Simulink联合仿真和硬件在环测试，验证了所提控制器的效能与应用性。

针对非线性主动悬架系统，考虑路面干扰的有限频率特性与人体敏感频率段，提出了一种模糊有限频域输出反馈控制方法。首先，基于Takagi-Sugeno (T-S)模糊方法表征汽车非线性主动悬架时滞系统，从而更形象地描述悬架系统弹性元件和阻尼器的非线性特征；其次，在有限频域性能指标和汽车悬架动力学系统的鲁棒性能分析条件的基础上，设计了有限频域状态反馈模糊控制器；再次，考虑实际中悬架系统部分状态难以在线可测量的问题，基于矩阵分离技术提出了一种模糊有限频域输出反馈控制器的设计方法；最后，通过台架试验验证了所提模糊控制器的有效性。

针对当前人类活动识别模型识别精度不高、模型参数多的问题，提出了一种轻量化的卷积神经网络(convolutional neural network, CNN)人类活动识别模型。首先，对传感器数据进行预处理；然后，将处理好的数据输入到CNN模型中识别人体的具体活动；最后，将压缩激励(squeeze-and-excitation, SE)注意力模块嵌入特征提取主干网络中，为各个卷积通道分配不同的权重，强化关键特征，提高模型精度。在UCI-HAR、WISDM和OPPORTUNITY这三个公共数据集上对模型性能进行评估，该模型在UCI-HAR数据集上的1F为97.54%，参数为17 198个；在WISDM数据集上的1F为97.66%，参数为16 622个；在OPPORTUNITY数据集上的1F为82.38%，参数为27 545个。与现有的先进人类活动识别模型相比，识别精度更高，模型参数更少，模型泛化能力更强。

滚动轴承普遍应用于旋转机械中，其剩余使用寿命(remaining useful life, RUL)预测对确保系统的安全运行和降低维修成本至关重要。目前的方法通常只从单个尺度提取特征，忽略其他尺度的信息，且存在特征提取不充分的问题。因此，提出一种基于多头注意力(multi-head attention, MA)与多尺度时间卷积网络(multi-scale temporal convolutional network, MsTCN)的轴承RUL预测模型。该模型利用MsTCN提取多尺度特征，并引入MA机制来辅助MsTCN的工作。MA位于MsTCN的头部，通过并行处理多个注意力机制来捕捉重要特征，从而提高MsTCN的提取效率。在PHM 2012数据集上进行实验，实验结果显示，所提方法在MAE、RMSE及Score上的值至少有10个都优于其他对比模型，表明提出的预测框架提高了预测精度，具有较好的鲁棒性，适用于滚动轴承的RUL预测。

数字化口内扫描技术已逐渐发展成为现代口腔医疗的重要组成部分。为解决由于口内低信噪比的稠密型点云带来的实时配准问题，本文提出一种高效的配准模型，即三维空间一致性分组(3D-spatial consistent grouping, 3D-SCG)算法。基于注意力机制与点云的空间特性设计Tooth-Net子模块，提取点对的高维几何空间特征；设计Outlier Removal模块点云来有效剔除点对集合中的离群点对。利用口扫仪器扫描制作高密度点云数据集与真实口腔牙齿点云数据集，分别用来训练测试模型的实时配准可行性。与传统配准方案RANSAC+ ICP相比，模型实现相同的配准精度且总体的时间消耗减少了80%，匹配失败的比例降低了33%。实验结果表明，模型有效提升了口内低信噪比的稠密型点云配准的质量与速度，保证了口内扫描仪对实时性能的要求。

针对无人艇硬件在环仿真系统模拟的海上无人艇虚拟图像与真实图像之间存在较大差异，导致基于虚拟图像训练的模型面对现实场景时性能下降的问题，提出了一种基于双重语义控制扩散模型的虚实图像转换方法。利用灰度和RGB两种语义图像，通过类自适应归一化和交叉注意力提取语义信息和空间信息。对比实验表明，在真实数据集上弗雷彻距离(fréchet inception distance, FID)平均降低了6.7，平均交并比(mean intersection over union, mIoU)平均提高了近1%;虚拟数据集上的FID平均降低了12.6，mIoU与最优方法持平。消融实验表明，该方法能在更少模型参数情况下，实现语义类别信息和空间信息的互补，生成更高质量的真实图像，对真实数据的扩充具有实用价值。

信息和人工智能技术的飞速发展给高等教育带来了创新与变革的新机遇，其与高等教育教学相结合产生出数据驱动辅助教学决策的创新性应用。传统成绩分析预测模型存在结构单一、预测效果不佳、所需特征较多等问题。通过分析多种机器学习模型的特点，综合利用各模型的优势，构建Stacking模型，并通过贝叶斯超参数优化进行模型调优，从而实现高校学生综合成绩的精准预测，以较少输入特征获得理想的预测效果。以东北大学自动化专业学生的学业成绩为实验数据进行模型验证，所构建的综合成绩预测模型在辅助教学研究部门开展课程和学科建设过程中具有指导意义。

针对变分模态分解(variational mode decomposition, VMD)对信号分解出的固有模态存在端点效应现象、分解效果受噪声影响、K值需提前确定等问题，提出波形匹配度和瞬时频率相结合的波形延拓方法。利用改进的小波阈值函数对信号进行降噪，降噪后利用波形幅值特性选取最优K值，最优K值分解后，提取信号中相应谐波的幅值与频率。仿真结果表明，所提算法有效改善了VMD端点效应问题，降低了噪声影响，实现了最优K值VMD分解。与多元集合经验模态分解(multivariate ensemble empirical mode decomposition, MEEMD)和完全自适应噪声集合经验模态分解(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)算法相比，所提算法的效果更有效。

为无人驾驶系统设计了一种新型的攻击-防御框架。首先，从攻击者的角度提出了一种新的拒绝服务(denial of service, DoS)攻击机制，称为基于重要数据(important-data- based, IDB)的DoS攻击策略，以增强攻击的破坏性。与现有的大多数DoS攻击策略不同，该策略可以拦截输出数据，识别数据的重要程度，并仅对重要数据发起攻击。这样，提出的IDB DoS攻击策略将对无人驾驶系统造成更大的破坏。其次，为了应对IDB DoS攻击策略带来的负面影响，构造了一种新的弹性H∞控制技术来减轻攻击损害。最后，仿真结果表明：① 与一些现有的DoS攻击模型相比，所提出的IDB DoS攻击策略对系统具有更大的破坏性；② 设计的弹性H∞控制器可以有效地减轻所提出的IDB DoS攻击策略所带来的攻击破坏性。

风力发电系统具有非线性强和波动性大的特点，在随机风速条件下建立高精度模型并实现有效预测是当前研究的重点。针对3.5 MW风电机组，提出一种基于相关分析的Wiener模型建模辨识方法。首先，采用3σ数据清洗去除异常值，并利用清洗后的数据训练代理模型；其次，构建Wiener模型，以可分离信号和实际风速组成输入，代理模型输出与实际功率作为输出；最后，分别采用相关性分析和带遗忘因子的递推增广随机梯度法辨识动态线性和静态非线性子系统参数。仿真结果表明，该方法的平均绝对百分比误差较递推最小二乘法降低了0.55%，较多新息增广随机梯度法降低了2.46%，能够有效提升风电系统建模与预测的精度。

随着钻井自动化程度的提高，钻井目标逐渐趋向于经济、安全和有效的统一，传统钻井工程的控制仅靠司钻经验完成，在控制精度和钻井效率方面难以满足钻井的需求。为此，提出一个基于递阶结构的钻井系统闭环优化控制策略，在安全压力窗口内实现高效钻井。上层以最优机械比能为优化目标，结合压力窗口等硬约束进行稳态优化，得到当前工况下的最优钻井参数。下层将上层得到的部分参数作为优化设定值，结合井底压力控制目标进行优化控制。实验结果表明，控制策略在满足安全条件的情况下，能综合提升机械钻速与钻井效率，并实现钻井参数的自动优化。

稀土萃取过程作为典型的多变量非线性系统，存在外部未知干扰与内部参数估计误差等不确定因素，易导致控制系统不稳定。鉴于此，提出一种包含未建模动态补偿的广义预测控制方法。首先，根据稀土萃取过程工艺，将萃取过程描述为线性模型与未建模动态之和的形式，在此基础上，设计适合于稀土萃取过程的多变量广义预测控制器，利用黏菌算法优化的极限学习机对未建模动态进行估计，并设计补偿器消除其对系统的影响。通过与反向传播-比例积分微分(backpropagation-proportional integral derivative, BP-PID)控制器进行仿真实验对比，结果表明，所提方法在保证超调量小、调节时间短的同时，进一步降低了萃取剂与洗涤剂的总体用量。

为了对冷轧单回路控制系统的控制性能做出评估，确定当前工作状态下控制器性能的品质，针对最小方差性能评估方法对被控对象数学模型的依赖问题，采用了一种基于Hurst指数的控制系统性能评价方法。该方法基于轧制过程的常规运行数据，可避免最小方差方法中对被控对象数学模型的求解，得到当前轧制系统回路的控制器性能品质。通过模拟仿真模型的运行数据，利用该指标对仿真的数据结果进行评价及控制器优化。将该方法应用于轧制生产的实际过程，验证其可行性和有效性。实验结果表明，Hurst指数能准确衡量当前控制器性能的优劣，并能根据Hurst指数诊断当前控制回路的特性，再结合控制参数的特性，给出当前控制器参数的优化建议，经过参数优化后的控制器性能比初始性能有显著的提升。

针对单序列结构的非线性非仿射多智能体系统，提出了一种基于空间动态线性化的迭代学习编队控制(spatial dynamic linearization based iterative learning formation control, SDL-ILFC)方法。首先，建立了相邻智能体之间的空间动态线性化数据模型，揭示多智能体系统的父智能体和子智能体之间的动态关系；然后，考虑迭代变化的编队控制任务，基于二次性能指标，设计了迭代学习编队控制律和参数迭代更新律；所提出的SDL-ILFC方法不仅利用了之前迭代操作的信息，还利用了父智能体的信息，提高了控制性能；同时，所提方法不要求系统满足相同初始条件的假设，从而更适用于实际系统。该控制器的设计与分析直接利用系统I/O数据，无须建立精确的系统动力学模型。数学分析证明了编队跟踪误差的有界收敛性，仿真研究进一步验证了所提方法的有效性。

考虑通信信道受限下，多智能体系统的一致性跟踪控制问题，提出事件触发(event triggering, ET)机制与尝试一次加权丢弃(weight try-once-discard, WTOD)协议相结合的ET-WTOD多节点传输混合调度协议，即信息传输过程中，先对智能体各状态分量对应的调度表征值和预设的两个事件触发阈值进行比较，并对介于上下阈值之间的状态分量引入WTOD协议进行筛选。因此，发送的状态分量数动态变化，从而提高带宽利用率。在此基础上,构造ET-WTOD调度协议下的一致性误差函数，设计线性滑模函数和分布式滑模控制器，给出相应的稳定性条件。最后，仿真实验验证了所设计的分布式滑模控制策略能够实现传输调度下多智能体系统的一致性。

针对电气设备增多导致误操作风险增大的问题，提出一种基于边缘计算与改进支持向量机的电网调控防误控制系统。将深度学习与防误分析理论相结合，引入栈式稀疏自编码器构建防误分析神经网络模型。实验结果表明，在数据集尺寸为1 000时，核岭回归模型、梯度提升机模型、支持向量机模型和改进支持向量机模型的准确率分别为0.91、0.93、0.96和0.98。改进的支持向量机模型对可控操作、误操作、待确认操作、全部操作的判断准确率分别为98.1%、98.6%、96.7%、89.4%。研究结果表明，所提出的模型能够较好地实现电网调控防误优化，给电网防误领域提供了一种可靠且可行的方法。

研究了一类分数阶耦合神经网络的有限时间同步以及估计同步时间和能量消耗的上界问题。首先，利用分数阶微积分理论和不等式技术，给出了保证所考虑系统有限时间同步的充分条件。其次，根据有限时间理论，得到了分数阶耦合神经网络同步过程中的同步时间上界和能量消耗的上界。该方法将网络控制中能量消耗的研究成果推广到分数阶领域，这极大地扩展了系统的应用范围。此外，通过MATLAB仿真，揭示了系统阶数对同步时间和能耗的影响。最后，通过一个数值例子来说明所得结果的有效性。

由于永磁同步电机(PMSM)具有体积小、功率密度高等优点，因此在电机调速系统中得到了广泛的应用。该系统的控制器大多采用PI控制算法，由于PI控制器具有响应速度慢、抗扰动能力差的问题，不能解决稳定性与快速性之间的矛盾，导致PMSM不能为调速系统提供优良的控制性能。为了解决上述问题，在PMSM矢量控制系统中，将转速环用线性自抗扰控制器(LADRC)代替PI控制器。同时，利用NI平台，建立PMSM硬件在环实验系统(HIL)。利用硬件在环实验系统分别对基于PI控制器和基于LADRC控制器的PMSM矢量控制系统进行实验。实验结果表明，与PI算法相比，LADRC算法使电机调速系统具有更强的抗干扰能力，使电机控制器具有更优质的控制效果。同时，硬件在环平台实验也为高性能电机控制器的快速设计与开发提供了宝贵经验。

产品质量在工业生产中至关重要，以往的质量相关监控方法不能正确区分操作条件改变引起的运行工况变化和真正的过程故障，不利于生产的连续性和经济性。将典型相关分析(canonical correlation analysis, CCA)与动态慢特征分析(dynamic slow feature analysis, DSFA)结合，构建新的优化目标函数，提取过程数据中与质量强相关的缓慢变量，将过程变量分解为与质量相关的子空间、与质量无关的子空间，并分别建立对应的稳态和动态监控指标。该方法运用实时获得的过程数据检测故障，并判断是否影响质量，可以区分正常工况偏差和真实故障，并具有良好的动态性能。最后，通过仿真实验对比以往的方法，验证了所提出方法的有效性。

传感网云入侵检测时易受到交互信息节点能量消耗不均衡的影响，使部分节点的性能下降，进而导致入侵行为检测的准确性下降。对此，提出基于改进BP神经网络的传感网云入侵行为检测方法。首先，利用稀疏投影数据算法对传感网云稀疏投影数据进行采集。然后，利用稀疏表示基学习方法针对采集到的数据进行稀疏表示，以此得到具有时空关联性的传感网云数据特征。最后，通过自适应调整学习率和求和累加改进神经网络，将传感网云数据的特征数据作为网络输入，实现传感网云入侵检测。通过实验证明，所提方法的识别率达到了96.7%以上，检测速度仅为34 ms，均值波动系数低于0.20，CPU使用率最高时仅为14%，具备较好的入侵检测性能。