在复杂山地地形环境中，无人机三维路径规划面临着环境约束复杂、搜索空间维度高、轨迹平滑性难以保证、多性能指标协同优化困难等一系列关键技术挑战。为有效解决上述问题，本文提出一种基于球坐标参数化与多智能优化算法融合的无人机路径规划方法。该方法首先构建包含真实地形高程场、圆柱形威胁区域、安全飞行高度区间以及航迹平滑约束的三维飞行环境模型；其次采用球坐标分段链式参数化方式对无人机飞行航迹进行紧凑化表达，将传

本文考虑了具有非线性轮轨接触力的模型，用于分析高速列车与桥梁之间的动态相互作用，以研究由耦合引起的桥梁和车辆中的动态效应。（3）线性接触模型，在该模型中，允许轨道和列车车轮之间的横向相对位移，假设双圆锥车轮和轨道剖面，以及Kalker理论的正接触的线性理论；（4）非线性模型，其中使用实际的车轮和轨道剖面，Hertz的非线性理论用于法向接触，Kalker的非线性理论用于切向接触。计算和讨论了火车、轨

基于IEEE 14节点标准模型的复合微电网模型。微电网包括柴油发电机、光伏模型、电池储能系统、电弧炉等非线性负载。微电网以并网模式运行。使用了IEEE 14总线标准模型来构建这个模型。柴油发电机参数来源于文献1一种使用鲁棒控制理论的微电网软同步新方法，IEEE Transactions on Power Delivery，2017摘要：微电网是未来电力系统的主体，被称为“智能电网”。在这种情况下，

基于IEEE 14节点标准模型的复合微电网模型。微电网包括柴油发电机、光伏模型、电池储能系统、电弧炉等非线性负载。微电网以并网模式运行。使用了IEEE 14总线标准模型来构建这个模型。柴油发电机参数来源于文献1一种使用鲁棒控制理论的微电网软同步新方法，IEEE Transactions on Power Delivery，2017摘要：微电网是未来电力系统的主体，被称为“智能电网”。在这种情况下，

永磁同步电机的磁通链接模型是通过有限元分析获得的磁通链接图来建立的。有限元分析是一种强大的工程仿真工具，通过对电机的几何形状、材料特性和电磁特性进行数值建模和分析，可以准确地预测电机的磁场分布、磁通链接和电磁特性。基于这些有限元分析的结果，可以建立PMSM的磁通链接模型，用于研究电机的性能、响应和控制策略。磁通链接模型可以帮助工程师更好地理解PMSM的电磁特性，例如磁通分布、磁链响应和电磁参数。通

潮流计算作为能源网络分析的基础性应用,在各能源网络已形成成熟但不统一的计算模型与方法。为促进不同能源网络研究的学科融合,该文基于统一能路理论,针对天然气网络与供热网络,提出了相适应的潮流计算方法。在此基础上,补充了基值修正的迭代方法以提高潮流计算的精度,并应用了"边值–初值"等效的方法以在动态潮流计算中隐式地给定初始条件。基于统一能路的潮流计算方法不仅统一了不同能源网络的潮流计算,还统一了同一能源

基于蜣螂优化算法(DBO)优化CNN-BiGUR-Attention风电功率预测研究是一个结合了先进优化技术和深度学习模型的创新性课题，旨在提高风电功率预测的准确性与效率。

TCN-BiGRU-Attention模型是一种深度学习模型，通过结合时间卷积网络、双向门控循环单元和注意力机制，有效提取光伏功率时间序列数据中的特征，并捕捉长期依赖关系，实现多变量输入超前多步预测。时间卷积网络（TCN）优势：TCN通过空洞因果卷积等结构，能够有效提取时间序列中的局部和全局特征，同时保留时间信息。它能够处理任意长度的输入序列，并保持输出序列与输入序列长度相同，适用于需要保持时间分

基于CNN（卷积神经网络）和LSSVM（最小二乘支持向量机）结合的风电功率预测研究，在单变量输入多步预测场景下，虽然具体的研究案例可能更多聚焦于多变量输入，但我们可以根据CNN和LSSVM的特点，探讨其在单变量输入多步预测中的应用思路。

TCN-RNN模型结合了时间卷积网络（TCN）和循环神经网络（RNN）的特点。TCN通过卷积操作有效提取时间序列数据中的局部特征，并具备并行计算能力，避免了RNN中的梯度消失或梯度爆炸问题。RNN则擅长捕捉时间序列数据中的长期依赖关系，通过记忆单元和门控机制（如LSTM或GRU）实现信息的持久化。将TCN与RNN结合，可以充分利用两者的优势，提高负荷预测的准确性和效率。