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。

针对数据不足且存在非线性的间歇过程的产品质量预测问题进行研究。多源域适应学习中，源域和目标域数据量的差异造成数据不平衡，同时该过程存在非线性，进一步导致无法进行精准建模。为此，首先采用SMOTE算法消除数据不平衡对模型预测结果的不利影响。然后，提出一种基于RBF网络的非线性MDAJYPLS算法来捕捉非线性特性，并充分利用多个相似源域的信息辅助目标域过程建模。进一步，提出了一种基于SMOTE的非线性MDAJYPLS的间歇过程质量预测方法，以提高模型的预测精度。最后，通过青霉素发酵过程质量预测的仿真实验，验证了所提方法的有效性。

针对大型铝电解槽氧化铝浓度分布不均匀的问题，提出了一种基于自适应分布式子空间预测控制的下料策略。首先，依据下料口的空间分布将铝电解槽划分为多个相互耦合的子系统，通过在线数据直接构建各子系统氧化铝浓度自适应分布式子空间的预测模型；然后，设计了残差驱动模型切换机制，仅在模型偏差超出阈值时触发模型参数更新，平衡计算效率与模型精度；最后，基于纳什最优理论构建分布式预测控制器，实现了铝电解槽全局协同下料优化。基于某铝厂实际生产数据的仿真验证表明，所提方法显著改善了大型铝电解槽氧化铝浓度的时空均匀性。

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。

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。

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。

针对通信受到间歇性拒绝服务(denial-of-service, DoS)攻击的网联车辆系统，提出了基于观测器的协同输出反馈安全控制方案。首先，分析纵向网联车辆系统的动力学模型并进行反馈线性化，获得线性动态方程。其次，利用公共李雅普诺夫函数，设计安全控制方案，使得协同跟踪误差达到渐近稳定。最后，以最大化DoS攻击持续时间为目标，选择适当的参数设计优化算法，来确保网联车辆系统的安全运行。实验以由4个跟随者和1个领导者组成的网联车辆系统为控制对象进行仿真，仿真结果验证了所提方法的有效性。

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。

：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。

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。

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。

研究具有未知输入时滞的一类线性系统的无记忆反馈镇定控制问题。针对开环极点位于虚轴的一类不稳定线性系统，当输入时滞存在且未知时，提出了一种有限维的无记忆反馈控制方案。通过设计一个无记忆的截尾预估器反馈(truncated predictor feedback, TPF)控制器，避免了由传统的无限维控制方案带来的实现问题。当未知的输入时滞在一定范围内时，闭环系统的全局渐近稳定得到了保证，且给出了未知输入时滞的变化范围的显式表达式。最后，将设计的无记忆截尾预估反馈控制器应用到延迟双振子系统和高速双体船的减纵摇控制中，通过MATLAB仿真验证了它的有效性。

精确的轨迹跟踪是智能驾驶汽车实现自主运动控制的关键。针对系统不确定性影响轨迹跟踪控制精度的问题，提出了一种新型鲁棒自适应滑模控制策略。首先，根据车辆运动学原理建立二自由度车辆动力学模型；然后，基于轨迹跟踪误差设计具有自适应性的比例积分微分(proportional integral derivative, PID)型滑模面，通过设计自适应更新律实时在线估计滑模控制增益和系统不确定性的上界，提高了轨迹跟踪控制的精度和鲁棒性。之后，利用粒子群优化算法优化了控制器的控制参数，进一步改善了轨迹跟踪控制性能。最后，在不同路面和车速条件下对所提控制策略进行仿真验证。仿真结果表明，所提控制策略能够保证智能驾驶汽车在系统不确定性影响下跟踪目标轨迹，控制性能优于分数阶PID控制。

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。

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。

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。

小型热电联产汽轮机的蒸汽比焓及干度是汽轮机安全性和经济性评估的重要指标，但现有的在线测量手段非常少，针对这一问题，提出了一种在线计算汽轮机各级蒸汽比焓及干度的方法。判别汽轮机级组出口蒸汽的过热状态，对于过热蒸汽，通过求解级组的等熵焓降及内效率，从而求得级组出口蒸汽的比焓；对于饱和蒸汽，利用级组等熵焓降、内效率及饱和蒸汽比焓解算模型，求得级组出口蒸汽的比焓及干度。以某15 MW热电联产汽轮机为对象的验证结果表明，所述方法具有在线应用的可行性，且精度较高。

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。

智能水下机器人易出现故障，影响水下作业，进而提出一种基于自适应强化学习的容错控制方法。该方法引入Actor-Critic算法，通过Actor网络学习制定行动策略，而Critic网络则评估行动的价值，根据外部环境变化自适应地调整策略。同时，设计了基于积分机制的改进扩张状态观测器，并采用抗积分饱和算法避免积分饱和。仿真结果显示，当智能水下机器人推进器发生故障时，研究所提容错控制器在x轴、y轴方向上的误差值均15 s后逐渐趋近于0，证明了所设计的容错控制器具有优异的容错性能及稳定性，可为水下智能机器人的安全运行提供有效的技术支持。

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。

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。

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。

为提高系统在模型失配和白噪声干扰下的控制性能，在预测滑模控制方法基础上，针对其在模型失配、随机干扰以及控制输入饱和下控制效果不佳的问题，提出一种基于卡尔曼滤波器的预测滑模控制方法。该方法通过将模型失配等效为干扰，将失配信息以参数协方差矩阵的形式表示出来，并同外部白噪声干扰一起视为系统的过程噪声，将传感器测量误差等效为系统的测量噪声，利用卡尔曼滤波器估计新的状态变量，并运用于预测滑模控制器设计中。最后以倒立摆为例进行仿真研究，结果验证了该方法的有效性。

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。

以六自由度串联机械臂为研究对象，首先提出关键关节的概念，在机械臂的关键力控关节处实行力矩控制的同时，使其输出角度参与到机械臂的位置控制中，进而提出一种基于主动力控关节的力/位混合控制算法，在机械臂动力学与逆运动学理论的基础上完成了对既定位置轨迹下力的控制。最后，针对RM65_B型灵巧六自由度机械臂，利用MATLAB软件搭建仿真平台系统进行仿真实验，分析该机械臂的力位混合控制的跟踪情况，仿真结果良好，证明了该控制方法的可行性。

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。

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。

基于多元统计分析的过程监测需要大量的历史数据来进行离线建模，数据中存在的异常值会影响建模的准确性，从而降低过程监测的性能，甚至产生误报和漏报。针对数据中含有异常值的问题，提出一种基于人工神经网络(artificial neural network, ANN)和典型相关分析(canonical correlation analysis, CCA)的鲁棒过程监测方法。该方法分为离线训练和在线监测2个阶段。离线训练阶段：根据异常值服从亚高斯分布的原理，将扩展后的峭度函数作为ANN的损失函数进行训练，消除异常值的影响。在线监测阶段：首先根据异常值和故障连续发生的概率不同来剔除异常值，然后利用CCA进行过程监测。为了验证所提方法的有效性，使用数值算例和连续搅拌釜式反应器的仿真案例进行仿真验证。结果表明，所提方法可以有效消除异常值的影响，提高故障检测率，并降低误报率。

针对数据中的异常值或噪声导致预测模型的准确性低和泛化能力差的问题，提出了基于贝叶斯分位数回归的鲁棒随机配置网络预测区间方法。首先，采用随机配置网络(stochastic configuration network, SCN)算法确定隐含层节点的数量、输入权值和偏差；然后，将贝叶斯分位数回归嵌入SCN以代替经典的最小二乘回归，采用非对称拉普拉斯分布作为SCN噪声的先验分布，使用最大后验估计将SCN噪声的先验分布转化为输出权值的后验分布；最后，通过期望最大化算法迭代优化SCN噪声和输出权值假设分布的超参数。实验基于标准数据集和城市固废焚烧过程的历史数据对所提方法进行了测试，并将其与其他基于SCN和分位数回归的预测算法进行了对比。实验结果表明，所提方法在点预测的准确性和泛化能力、预测区间的可靠性、鲁棒性和计算效率方面均具有优势。

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。

针对具有外部扰动的二阶多智能体系统在无向拓扑图下的一致性控制问题，提出了一种基于滑模技术的分布式固定时间控制协议。首先，设计了一种二阶分布式固定时间观测器，用以实现每个跟随者在固定时间内对领导者状态信息的精确估计；然后，为有效提高系统的收敛速度，利用系统状态误差设计了一种新型的分布式固定时间滑模面，并提出了一种分布式固定时间一致性控制协议，保证系统状态跟踪误差在固定时间内到达零点；同时，利用李雅普诺夫理论证明了闭环系统的稳定性，并且在系统初始状态未知的情况下，能够根据系统参数明确地获取稳定时间上界的估计值；最后，通过数值仿真验证了理论分析结果的正确性和有效性。

当前电梯群控调度系统的调试安全性不足、设计评估难度大、调试成本高昂。为此，构建了电梯群控仿真模型，并基于该模型，根据乘客平均候梯时间、长时间候梯率、电梯能耗等指标对电梯群控调度方案进行动态评估。针对电梯运行效率和乘客乘梯舒适度有待提高的问题，采用深度Q网络(deep Q network, DQN)实现电梯群控优化调度，根据影响电梯运载效率的主要因素设计相应的状态空间、奖励信号和智能体结构；鉴于强化学习智能体的在线训练耗时长，无法提供实时决策，利用电梯群控仿真模型的运行数据训练前馈神经网络，构建电梯群控环境预测模型作为智能体训练环境。在电梯群控仿真模型中进行仿真实验，结果表明：相较于目前广泛应用的最小响应时间策略，所提策略减少了乘客平均候梯时间、乘客平均乘梯时间、长时间候梯率、电梯启停次数，增加了5 min平均到达人数。

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。

针对桥式吊车系统的定位防摆控制问题，提出了基于数据驱动的无模型自适应控制与带有双跟踪微分器(tracking-differenttiator, TD)的非线性PID控制并联的控制方法。在仅考虑系统位移输出和控制输入的前提下，给出桥式吊车系统的动态线性化数据模型，并基于该模型设计无模型自适应控制(model-free adaptive control, MFAC)器；考虑到无模型自适应控制方法对系统干扰数据较为敏感，且对数据精度要求较高，将双TD的非线性PID控制与无模型自适应控制并联，并对系统稳定性和误差收敛性进行了证明。仿真结果表明，采用这种复合控制方法，不仅实现了小车的精确定位和对负载摆角的抑制，而且降低了干扰对系统的影响，提高了系统的鲁棒性。

为抑制传感器噪音干扰、外部扰动、模型参数摄动等不确定因素对输出电压的影响，提出一种计及不确定因素的逆变器在线补偿控制结构。首先，建立模型参数摄动影响下逆变器的状态空间模型和残差生成器模型，基于残差生成器输出的残差，分析扰动和参数摄动问题对系统的影响；其次，考虑到运行过程中的传感器噪声干扰会影响观测精度，引入卡尔曼滤波器，提升观测效果；然后，针对外部扰动，设计基于模型匹配原理的补偿控制器Q(z)，并利用梯度下降算法对补偿控制器在线优化，增强补偿控制器对参数摄动的抑制能力；最后，使用基于PXI半实物仿真实验平台验证了该方法的有效性。

针对电动车在配送过程中存在续航里程有限、充电时间长等问题，提出了一种考虑充电模式决策的电动车路径规划问题，以最小化总配送成本为目标，构建了混合整数规划模型。针对该问题的特性，设计了一种充换电特征驱动的改进自适应大邻域搜索算法，并基于充电时间的灵活性、充电站与客户间的紧密关联性等特点，在此算法中引入了充电站关联破坏与比较修复等邻域操作算子。实验结果表明，相比于大邻域搜索算法，所提算法在求解大规模算例时，可以得到更优的解；合理选择充电模式决策可以有效缩短电动车的充电时间，降低总配送成本。