射波刀依赖胸部标记点提取体表特征，但存在信息提取不全及易丢失关键数据的问题。此外，呼吸引发的多结构耦合运动使不同胸腹区域的运动特征差异明显，从低相关区域提取特征易降低模型精度。为此，提出基于显著性分析的体表特征提取方法。首先，构建显著性评价函数，以区域三重属性量化显著性，并采用核主成分分析(kernel principal component analysis, KPCA)将3个属性值降维至单一显著性值，筛选与肿瘤运动高相关区域；随后，利用Octomap体素化处理目标区域，并借助局部线性嵌入(locally linear embedding, LLE)降维提取低维特征向量，以构建高精度体表-肿瘤运动关联模型。实验结果表明，相较于传统的标记点方法，该方法显著降低了关联误差，提升了模型的鲁棒性与预测精度。

针对传统人工操控塔式起重机在运输货物时易导致路径拐点多、负载摆动大的问题，提出一种改进的人工鱼群塔式起重机智能路径规划的新算法。根据塔式起重机的工作环境，建立三维的地图环境模型来模拟障碍物较多的复杂建筑环境，并结合起重机在建筑场所的运行特点，对传统人工鱼群算法(artificial fish swarm algorithm, AFSA)进行改进，采用自适应策略让鱼群在寻优过程中的状态不断变化，及时调整自身的移动步长和视野，并基于生存竞争机制对人工鱼的随机行为进行改进，在一定程度上改善了算法的寻优能力，利用三次方样条数据插值拟合曲线得到更适合塔式起重机的光滑避障路径。仿真结果表明，改进后的算法为塔式起重机在障碍物较多的复杂建筑环境下找到一条最优避障路径。

为节约网络资源，提高复杂系统的控制性能，针对旋转倒立摆非线性系统模型，提出一种事件触发机制下的漏斗跟踪控制方案。首先，利用漏斗控制方法，构建与跟踪误差相关的归一化函数和障碍函数；其次，设计基于反步法的漏斗控制律；最后，设计事件触发漏斗控制器，并提出一种新型事件触发机制，通过引入幂函数，设计与漏斗控制律的幂函数相关的触发阈值，在保证系统性能的情况下节约通信资源。理论分析表明：① 闭环系统内所有信号都是有界的；② 控制器能够保证倒立摆摆杆跟踪参考信号；③ 对于0t∀≥，跟踪误差一直在预设的性能漏斗内演化，且排除奇诺现象。最后，通过模拟仿真验证方案的实用性和有效性。

为确保隐私安全和防止失密泄密，在对作为典型城市再生资源的废旧磁性存储介质进行资源化利用前，需要销毁其所包含信息。目前，业界多采用不符合国家“双碳”战略的最高磁场强度消磁方式，缺少如何进行定制化消磁的理论与应用探索。对此，提出面向磁性硬盘定制化消磁的磁场数值建模与分析方法。首先，进行消磁机多层多匝矩形线圈磁场强度的理论计算；接着，进行基于COMSOL软件的消磁磁场数值建模，完成与理论计算的验证后，分析电流密度、线圈高度、封装尺寸与磁场强度的影响；最后，基于所研制的消磁正样机进行验证，证明了定制化消磁理论的正确性和实际的可用性，为节能减碳提供了支撑。

本文针对多自治式潜水器(autonomous underwater vehicle, AUV)水下协同任务分配问题，用拍卖算法对蜂群优化的选择过程进行部分改进，以使得任务分配的结果更接近全局最优。在模型问题上，将AUV能量储备考虑在内。在计算时，采用分级任务分配的模式，降低计算时的数据维度。在第一级目标分配中，采用拍卖算法进行准确的一对一分配。在第二级的选择过程中，利用改进的离散蜂群算法进行迭代寻优，并在适应度中引入一个收缩因子，以使任务分配的最终结果更接近于帕累托最优状态。实验结果表明，该方案具有较快的收敛速度和良好的稳定性。

针对倾转四旋翼无人机处于不同倾转角的固定翼模式以及直升机模式下的位姿跟踪控制，提出一种基于循环神经网络(recurrent neural network, RNN)的自适应滑模控制策略。首先，将四旋翼动力学模型分为全驱动和欠驱动2个子系统。鉴于无人机存在模型参数的不确定性和外部扰动，通过循环神经网络对等效控制器进行估算，以解决使用滑模控制方法得到的等效控制器不能直接应用于无人机的问题。然后，为保证控制系统的稳定性，并削弱控制器的抖振，设计了新的切换控制器。根据Lyapunov理论，2个子系统均能到达滑模面。最后，通过对比仿真验证了所提方法的有效性。

针对考虑曲线路况下的网联车辆队列控制问题进行研究。首先，结合曲线道路因素分析了车辆动力学特性；然后，考虑车间通信存在的数据丢包以及车辆执行机构存在的延时影响，构建了具有延时、切换形式的车辆队列跟踪控制系统；其次，结合切换系统理论与李雅普诺夫稳定性理论，得到了能够保证此车辆队列跟踪控制系统稳定的控制器存在条件，并以此设计反馈控制器,并分析队列稳定性;最后，利用仿真实验验证了所提算法的有效性。

为了提高工业产品表面缺陷的检测精度，提出了一种基于改进YOLOv5的表面缺陷检测方法。首先，结合MixUp、Mosaic和传统方法进行数据增强，修改YOLOv5残差单元，降低模型的浮点计算量；其次，将压缩激励(squeeze-and-excitation, SE)注意力机制插入特征提取层末端和颈部首端，去除特征图中无用的背景干扰，提高对特征的提取效率；最后，在颈部末端，插入上下文变化(contextual transformer, CoT)模块，提高平均检测精度。使用改进的形状交并比非极大值抑制(shape-intersection over union non-maximum suppression, SIoU-NMS)，剔除重复目标框。实验结果表明，在新材料地板缺陷数据集和瓶装白酒缺陷数据集上，所提算法的平均检测精度为81.2%和79.7%，较YOLOv5基线网络模型，分别提高了3.8%和4.6%，且优于其他典型的目标检测算法。这展现了该算法对工业产品表面缺陷进行识别和分类的精确性，可以更好地完成工业产品的质检过程。

Mprop组件的安装朝向检测是油泵质检的关键，针对基于旋转目标检测的目标朝向检测算法的流程复杂、精度低、检测角度受限等问题，创新性地提出了一种YOLOX-FA(YOLOX-full angle)全角度目标朝向检测算法。首先，设计了一种六参数表示方法，通过改进YOLOX算法解耦头结构实现六参数输出，能够对目标位置、宽高、朝向、类别进行同步解耦检测；其次，在解耦头前端嵌入了卷积注意力模块(convolutional block attention module, CBAM)，增强了模型对目标关键特征的学习能力，提高了识别准确率；最后，引入角度偏差校正系数，通过改进后的旋转鲁棒交并比(rotation-robust intersection over union, RIoU)损失函数完成了油泵Mprop组件的全角度检测。实验结果表明，YOLOX-FA相较于OHDet算法具有更高的检

位姿图优化(pose graph optimization, PGO)是同时定位与建图(simultaneous localization and mapping, SLAM)中最重要的后端优化技术之一，旨在搜寻具有全局最优性的解。为了检验给定候选解的全局最优性，提出了一种基于对偶的快速3D位姿图验证技术。首先，改写原始的PGO问题公式，建立一个复杂度更低的等价优化问题；其次，推导对应的拉格朗日对偶问题，并利用对偶问题的性质评估候选解的质量；最后，在模拟和真实的SLAM数据集上进行实验评估。结果表明，该算法具有可伸缩性、计算成本低等优点，可以有效地进行最优性验证。

组合的选取方法。通过对约束建立线性化模型，推导了约束和扰动之间的关系。为了选取测量变量子集，在全局自优化控制优化问题中加入惩罚项，通过列稀疏剔除对系统控制影响较小的测量变量，使稳态损耗与测量变量数量之间取得最佳均衡。在此基础上，引入罚函数内点法处理积极约束变化的情况。在实际工业过程中，由于干扰通常会导致积极约束发生变化，因此在全局自优化控制测量组合选取中考虑积极约束变化更具现实意义。通过蒸发过程的仿真结果验证了所提方法在约束处理和测量组合选取方面的有效性。

对锅炉换热器进行周期性吹灰是提高锅炉热效率、保证锅炉安全运行的重要手段。以某75 t/h循环流化床锅炉为例，提出了低温段对流换热器积灰系数计算方法，将计算得到的积灰系数及部分锅炉测点数据作为输入变量，基于XGBoost算法建立锅炉热效率估计模型，调用积灰系数历史数据生成改变吹灰周期时的积灰系数曲线，利用锅炉热效率估计模型计算改变吹灰周期对热效率的影响，进而确定改进的吹灰方案。寻优仿真结果表明，该锅炉在测试时段内每8 h一次吹灰时的吹灰收益增量最大。上述方法对制定智能吹灰策略有潜在的应用价值。

在非线性状态估计领域，针对未知有界噪声环境，提出了一种融合多胞体卡尔曼预测与超平行体观测约束的双滤波算法。该方法首先通过中心差分方法对模型进行一阶展开，采用凸差规划技术构建线性化误差的外定界空间，将状态可行集和线性化误差统一表示为多胞体形式，进而利用多胞体卡尔曼框架递推求解下一时刻的预测状态可行集。在量测更新阶段，通过将当前时刻的观测约束带分解为多个超平行体的交集，并依次与预测状态可行集进行交集运算，最终得到更新后的状态可行集。该算法通过优化集合交集运算策略，有效抑制了传统方法在交集计算中出现的维度爆炸问题，降低了估计结果的保守程度。仿真实验证明了该算法的可行性和有效性。

为实现硬胶囊生产线风干区域的温度精确控制，并解决惯性大、延时大等问题，提出了一种采用Smith-模糊PID控制器的温度控制系统。首先，根据生产线相关温度控制的经验和实际情况，构建温度控制系统的数学模型。其次，结合数学模型设计PID温度控制器，利用模糊控制算法对PID的3个参数进行模糊自调节，进而引入Smith预估算法进行延时补偿，设计出Smith-模糊PID控制温度控制系统。最后，在MATLAB-Simulink中进行3种PID控制器的仿真比较。结果显示：Smith-模糊PID控制系统具有超调量基本为零、调节时间较快、稳定性更好的优点。再结合实验，整个过程中风干区温度被控制在(40±0.5) ℃范围内，进一步证明了该温度控制方法的可行性和有效性。

针对引力搜索算法易早熟、收敛速度过快、难以平衡在进化过程中的全局和局部搜索能力、寻优精度不高等缺点，提出一种带有随机更新速度、易跳出局部最优的引力搜索算法(jump-gravitational search algorithm, JGSA)。首先，利用反向种群提高算法初始种群的质量；然后，引入粒子群优化(particle swarm optimization, PSO)算法的学习策略更新算法的速度，实现全局与局部搜索能力的平衡；最后，当算法陷入局部最优时，设计了随机更新速度，使之跳出局部最优。利用6个基准测试函数进行仿真实验，并将JGSA应用到炼钢-连铸生产调度中，与其他算法进行比较的结果表明，JGSA在寻求最优调度计划方面有更好的优化性能。

针对受外部环境干扰和输入受限影响的欠驱动水面船舶的轨迹跟踪控制问题，设计了一种带有扰动观测器的复合控制方法。首先，设计了一种快速有限时间干扰观测器(finite time disturbance observer, FTDO)，并通过Lyapunov稳定性分析证明其有效性。与普通的FTDO相比，新观测器即使初始误差远离原点，也能使估计误差快速收敛到零。然后，基于快速FTDO，利用反步法设计了一种新的轨迹跟踪复合控制器，实现了水面船舶控制系统轨迹跟踪误差在有限时间内趋于零点半径任意小的邻域内。最后，通过仿真将所设计的控制器与现有控制器进行比较，验证了所提方法的有效性。

针对永磁同步电机(permanent magnet synchronous motor, PMSM)无传感器控制中转子速度和位置的估计精度不高、系统抖振等问题，提出一种基于预滤波-双锁相环(prefilter-dual phase locked loop, P-DPLL)的新型自适应滑模观测器(adaptive sliding mode observer, ASMO)方法。首先，选择具有非线性性质的连续sigmod函数作为切换函数；然后，构造Lyapunov函数，并得到一个详尽的稳定性条件；在此基础上，结合自适应算法和滑模电流观测器对反电动势误差进行估计；最后，设计P-DPLL用于提取PMSM正、负2个方向上加减速工况下准确转子位置的信息。实验结果表明：基于P-DPLL的ASMO方法能够有效地提高PMSM无传感器控制中转子的速度和位置的估计精度，减少系统抖振。在电机受到扰动后，平均恢复时间减少0.02 s，平均位置误差减少6.7%。

工业信息物理系统中存在大量的高维数据，且各类数据之间的数量差异巨大，致使攻击检测系统难以实现对稀有样本的精确检测。为此，在深度强化学习的基础上设计多智能体对抗训练机制，以动态增加稀有样本的训练次数，并结合优先训练机制实现难检测样本的优先学习，从而加强模型对于稀有样本的检测能力。为检验模型的性能，使用以Modbus作为通信协议的真实数据集进行测试。实验结果表明，与传统的攻击检测方法相比，设计的攻击检测模型能显著改善稀有样本的检测能力。

针对双机器人难以实现合理的任务分配和协同作业的问题，提出了一种基于工作量平衡机制与主从协同蚁群优化算法完成双机器人的任务分配和协同作业的方法。首先，基于任务点集合建立不平衡任务指派模型，任务分配阶段通过迭代路径规划算法平衡两机器人的工作量。然后，通过主从协同蚁群优化算法解算机器人之间避免干涉且保持工作量最小的多目标协同作业优化模型。最后，结合钢筋绑扎场景展开实验，实验结果表明，所提方法可以在两机器人之间实现合理的任务分配，减少二者的工作差异量，使其高效地完成钢筋绑扎作业，并且可以有效避免机器人在作业过程中发生干涉。

为了提高上肢外骨骼机器人关节的柔性，结合模块化串联弹性驱动器和鲍登线，提出了一种上肢柔性外骨骼机器人。针对鲍登线产生的非线性摩擦、外界未知扰动和模型不确定性，提出了一种基于径向基函数(radial basis function, RBF)神经网络的自适应复合控制器。该控制器采用扰动观测器和RBF神经网络自适应控制器对扰动进行估计和补偿，并通过滑模控制器实现上肢柔性外骨骼机器人的跟踪控制。此外，通过李雅普诺夫理论证明了该控制器的稳定性。仿真结果表明，与传统的比例积分微分(proportional integral differential, PID)控制器和滑模控制器相比，所提控制器具有更好的扰动补偿能力、更高的跟踪控制精度和鲁棒性，实现了对上肢柔性外骨骼机器人的精准跟踪控制。

在网络通信资源有限和执行器存在饱和的情况下，保证非完整多机器人编队跟踪轨迹、保持连通性和避碰是难点问题。为此，提出了一种自适应动态事件触发编队控制方法。首先，利用模糊逻辑系统逼近机器人动力学中的未知函数，基于反步法和动态面技术，提出模糊自适应控制方案。其次，利用障碍函数和预设性能方法实现多机器人之间保持连通性和避碰，并在执行器饱和限制下设计动态事件触发机制，使控制器的执行次数更少，进一步减轻控制器到执行器的通信负担。最后，仿真结果证明了所提方法的有效性。

针对风电机轴承数据异构、样本数量少导致分布式故障诊断精度低的问题，提出一种基于加权联邦蒸馏(weighted federated distillation, WFD)的风电机轴承故障诊断方法。首先，提出一种改进的加权联邦参数更新方法，计算风电机客户端的余弦相似度进行参数更新，实现个性化的联邦学习；然后，提出一种基于卷积神经网络的加权联邦蒸馏方法，在教师网络和学生网络之间进行知识蒸馏；最后，根据小批量随机梯度下降法最小化损失函数，实现对轴承故障类型的分类。所提方法在样本数量小的情况下，能通过联邦蒸馏有效学习到其他客户端的知识，同时改进的加权联邦参数更新方法能有效降低数据异构带来的特征差异。经仿真实验可知，与其他方法相比，所提方法具有较高的精度和泛化能力。

针对孤岛运行的微网无主网支撑，在发生故障时无法保证稳定运行的问题，提出了一种结合分级优化和灰狼优化算法的重构方法。该方法以重构时间最短为主要重构目标，网损最小和可断负荷赔偿成本最小作为次要重构目标，利用分级优化的思想将微网孤岛重构问题分为负荷开关重构和设备连接开关重构2个子问题，并针对传统灰狼优化算法易陷入局部最优的问题对其进行了改进。仿真结果表明，与结合分级优化的传统灰狼优化算法和粒子群优化算法、未结合分级优化的传统灰狼优化算法相比，所提方法的搜索能力更强、重构速度更快、重构结果更优。

以典型的冷轧生产系统为研究背景，针对具有高附加值的O5产品的集批生产计划问题进行了研究。由于此类产品对表面质量的要求极高，导致其生产过程中涉及的切换费用和库存成本非常高。鉴于此，以最小化切换费用和库存成本为目标建立了用于描述O5产品集批生产计划问题的混合整数规划模型，模型中充分考虑了各种实际相关约束。同时开发了有效的拉格朗日松弛求解算法，并使用基于实际生产数据产生的400个算例进行了仿真实验，计算结果显示该算法能够在合理的时间内得到高质量的解。

目前，电厂磨煤机出口温度的设定没有考虑混煤煤质参数变化的特性和制粉过程不确定的影响。为了进一步提升能源的合理利用率，提出混煤条件下磨煤机出口温度设定值的前馈反馈建模与控制研究。首先，针对磨煤机出口温度设定系统没有考虑混煤煤质参数变化的特性问题，提出通过对混煤的挥发分和水分的在线参数监测、模糊规则挖掘和决策，形成磨煤机出口温度设定值的前馈补偿模型；然后，针对制粉过程中环境、煤种变化或设备老化等不确定因素导致传统PI控制精度降低的问题，依据专家域知识建立设定值偏置与输出温度误差的反馈模糊补偿模型，通过进一步动态改变设定值来达到提高稳态控制精度的目的；同时，在此过程中引入事件触发机制和离散补偿，以减少冷风门挡板的摆动；最后，通过实验对所提方法进行验证，结果表明，所提出的前馈反馈建模与控制能在保证安全生产的前提下，有效提升混煤制粉过程的能源利用率。

提出了一种视觉引导抓取回收车载旋翼无人机的方法，为实现旋翼无人机的回收提供了一种可行的解决方案。首先，提出了一种改进的目标检测算法，保证了在边缘设备上对无人机的实时精准检测；然后，通过ZED2i相机获取点云数据中无人机的中心点三维坐标，利用眼在手上的标定方式获取相机与机械臂末端的坐标系变换关系；最后，结合相机传感器测得的自身姿态信息，调整机械臂末端的姿态以适应抓取。实验结果表明，所提方法可以实现对无人机的实时检测和较为精准的抓取回收。

为了提高比例积分微分(proportional integral differential, PID)控制器的性能，提出了一种基于子空间模型的PID控制器参数优化方法。首先，利用子空间矩阵等式推导出控制器性能关于PID控制器参数的显式表达。然后，利用具有设定值激励的闭环数据，分别对过程模型和随机扰动模型对应的子空间矩阵进行辨识，并且将估计的动态矩阵直接应用在最优性能的计算中，得到最优的控制器参数值。最后，通过数值仿真和工业实例验证了该方法的有效性。

对无人机采集的光伏面板图像进行准确的分割提取，是提升光伏组件故障检测精度的前提。针对光伏面板红外图像的分割问题，首先对语义分割网络DeepLabV3+的空洞卷积率进行优化并引入深度可分离膨胀卷积，使模型进一步捕获全局和上下文信息；然后，设计了基于坎尼边缘检测算法和线段检测算法的边缘特征提取模块，获得细化的光伏面板边缘作为分割网络的补充特征，并通过四通道融合网络和并行融合网络实现了光伏面板的精确分割。实验结果表明，2种融合网络对光伏面板红外图像的分割精度高于DeepLabV3+，并且对不同场景下的光伏面板红外图像均能实现准确分割。

针对无人机在复杂环境下的三维路径规划问题，集成传统的粒子群优化(particle swarm optimization, PSO)算法和灰狼优化(grey wolf optimization, GWO)算法，提出了一种PSO-GWO复合算法。首先，采用了非线性控制参数和加权自适应的个体位置更新策略来平衡算法的全局搜索能力和局部搜索能力；然后，使用随机指导策略来增加解的多样性；最后，使用B样条曲线平滑所生成的飞行路径，使路径更适用于无人机。实验结果表明，PSO-GWO复合算法可以生成一条安全可行的路径，其性能明显优于GWO算法和其他改进GWO算法。

在基于形式概念分析的协同过滤算法中，概念格的构建通常需要大量计算资源，限制了其在大规模数据集上的应用。为此，伪强概念的引入可显著降低资源消耗。同时，通过对“近邻”集合进行划分，以及对影响因子和相似度进行融合，能够进一步提升推荐效果。提出了一种基于用户伪强概念的协同过滤推荐算法。该算法首先利用用户伪强概念的外延集合对“近邻”用户组进行划分，并针对不同类型的用户定义相应的相似度计算方法。随后，通过融合均方差影响因子和相似度来计算预测评分。在MovieLens-100K数据集上的实验结果表明，与传统基于用户的协同过滤算法相比，所提算法在召回率和1F值等评价指标上均有显著提升，验证了其有效性和实用性。

针对永磁同步电机内模控制中存在的模型失配、参数摄动及外部干扰导致的电流误差问题，设计了一种基于内模控制的自适应卡尔曼滤波器，来实现对电流环的补偿控制。在电流环解耦的情况下，建立内模控制器，将由模型失配、参数摄动及外部干扰引起的系统扰动与内模控制器反馈电流作为状态变量构造系统的状态方程，建立扩张状态建模下的自适应卡尔曼滤波器。在降低计算复杂度的基础上，观测系统扰动，为内模控制提供实时扰动补偿。通过仿真与实验结果验证了所提算法在模型失配时能够实现电流的补偿，有效减少了电流纹波，减小了电流的稳态误差，提高了系统的鲁棒性。

软测量技术广泛用于流程工业中实时估计难以测量的关键变量，但其性能常常受限于标记样本缺乏、特征提取不当、单一模型性能不佳等问题。为此，提出了一种新的半监督集成学习软测量方法。该方法将隐特征提取、半监督学习、集成学习融合到同一建模框架下，实现了优势互补。首先，通过极限学习机自编码器(extreme learning machine auto- encoder, ELMAE)对过程数据进行多样性隐特征提取，进而建立多样性高斯过程回归(Gaussian process regression, GPR)基模型；然后，通过多学习器伪标记生成策略为每个基模型生成伪标记样本，进而扩充标记样本集；最后，利用扩充的标记样本集重新训练基模型后，对基模型进行集成，从而构建最终的软测量模型。将所提方法应用在金霉素发酵过程的基质浓度预测中，实验结果验证了所提方法的有效性和优越性。

针对非晶带材在铁心卷绕成型过程中因卷绕张力不均匀而产生的撕裂、折叠等问题，提出了基于谐波平衡法的卷绕张力控制方案。首先，根据铁心的外形特点，构建了铁心卷绕的动态模型，并利用麦克劳林级数与傅里叶级数对模型进行简化；然后，采用谐波平衡法控制送带速度无滞后跟踪卷绕速度，从而实现对卷绕张力的控制。仿真和实物测试结果表明，该控制方案能实现送带速度在有限次谐波内无差跟踪卷绕速度，使卷绕张力稳定在设定值，同时具有良好的抗扰动性能，对非晶变压器铁心的恒张力立体卷绕具有指导意义。

开环配煤没有考虑锅炉的燃烧状况和预测负荷的不确定性，配煤精度低。为了提高配煤的准确性，提出了一种基于当前批次的配煤掺烧情况滚动指导下一批次配煤的闭环配煤方法。首先，基于单煤的煤质参数，建立开环的配煤优化模型。然后，采用变不确定覆盖域的二型模糊系统对配煤优化模型的约束边界补偿进行建模。相比于固定的不确定覆盖域，变不确定覆盖域提高了二型模糊系统的建模速度。最后，实验结果验证了所提闭环配煤方法的有效性和优越性。

针对高速列车在运行时易受外部扰动的影响和阻力模型难以描述的问题，提出了一种基于鲁棒迭代学习控制的高速列车自动驾驶控制方法。首先，将滑模控制与迭代学习控制相结合，在迭代学习控制律中加入滑模控制的积分滑模面，利用迭代学习控制减小快速时变的非参数化阻力模型对系统的影响，利用滑模控制保证系统快速响应并具有强鲁棒性，从而在使控制器保持较好跟踪性能的同时，有效提高其收敛性能。然后，基于李雅普诺夫稳定性理论，对此控制方法的稳定性进行分析，保证系统的速度跟踪误差可以在有限时间内收敛。最后，基于CRH380A型动车组进行仿真，仿真结果表明，所提控制方法有效减小了未知阻力模型和外部扰动对系统的影响，使列车能够更平稳地运行。

为了提升异步电机控制系统的动态性能，提出了一种基于内模控制与模糊滑模控制的联合控制策略。首先，通过分数阶函数对二自由度内模控制器进行改进，实现了控制器的抗扰动性能和跟踪性能分离处理。然后，考虑电机在低速运行时对外部扰动较为敏感，设计了基于双曲正切函数与Fal函数的负载扰动观测器，对负载扰动进行实时估计，并将估计值补偿到滑模控制器中。最后，为了进一步克服低速状态下滑模控制器的抖振问题，改进了非奇异快速终端滑模面，同时根据模糊控制原理对指数趋近律的参数进行实时选取。仿真结果表明，所提控制策略可以提高异步电机在低速运行状态下的跟踪性能与抗扰动性能。

针对当前无线电能传输系统多目标优化的效率不高，难以同时兼顾传输效率和功率密度等问题，提出了一种改进的多目标灰狼优化(improved multi-objective grey wolf optimization, IMOGWO)算法对系统参数进行优化。首先，推导了磁耦合机构参数的解析表达式，并以线圈半径、线圈匝数、线圈间距、工作频率和负载阻值为设计变量，以系统的传输效率和功率密度为优化目标，建立了磁耦合机构多目标优化的数学模型。然后，提出了3种改进策略对多目标灰狼优化(multi-objective grey wolf optimization, MOGWO)算法进行改进，并对模型求解。仿真结果表明，与非支配排序遗传算法II(non-dominated sorting genetic algorithm II, NSGA-II)和MOGWO算法相比，IMOGWO算法在进行优化时所得的解集更优，性能评价指标值也更优。结合实际应用需求对目标函数赋予不同权重，在最优解集中选择一组参数用于设计参考，在COMSOL Multiphysics平台和MATLAB/Simulink平台上进行联合仿真，仿真结果验证了IMOGWO算法的有效性。

针对一类噪声异步互相关的信息物理系统，研究了存在隐蔽攻击的情况下分布式安全融合估计问题。首先，考虑过程噪声与量测噪声的异步相关性，设计了一种依赖相关强度的类卡尔曼滤波局部估计器，并给出了确保估计器收敛的充分条件。其次，围绕一种线性隐蔽攻击模型，通过最大化局部估计均方误差得到了迭代最优攻击参数及相应的恶化局部估计。最后，基于矩阵加权策略融合局部估计，设计了一种分布式安全融合估计器，降低了隐蔽攻击对系统的影响，改善了融合估计性能。仿真结果验证了所设计的分布式安全融合估计器的有效性。

为了提高多智能体系统的智能决策能力，针对多智能体强化学习的经验回放存在的弊端，以及智能体决策强调动作值而忽略状态值等问题，提出一种基于优先价值网络的多智能体强化学习算法。首先，该算法引入优先经验回放机制，根据重要性权重进行经验复用，解决通过随机采样进行经验复用存在的问题；其次，该算法在智能体的值网络中引入价值优势网络形式，对比状态值与动作优势的信息，使智能体更快地学习到优势动作。多个协同场景的实验结果表明，该算法能够提升多智能体系统的学习与合作质量，使智能体更快、更好地做出决策，完成给定任务。

课程思政改革是我国高等院校落实立德树人根本任务的新理念、新实践。专业课教师课程思政能力提升是高校课程思政建设的重要着眼点和关键所在。因此，分析了自动化专业课教师课程思政能力提升面临的困境，提出了自动化专业课教师课程思政能力提升的思路，并以东南大学数学学院系统科学系为例，阐述了自动化专业课教师课程思政能力提升的实践。