时滞系统广泛存在于工业过程、通信网络、机器人控制等领域，其状态估计面临信息异步性、估计偏差和相关性未知等挑战。协方差交叉（Covariance Intersection, CI）融合估计作为一种有效的信息融合方法，在处理具有未知相关性的多源信息时展现出独特优势。本文针对时滞系统，研究了协方差交叉融合估计方法，通过时间对齐、时滞补偿等技术，解决了时滞数据的处理和多源异步信息的融合问题，提高了状态估计

本文聚焦于非平稳重复过程的参数辨识与跟踪问题，提出一种基于具备动态优化能力（DOP）的粒子群算法的解决方案。该算法能够实时跟踪非平稳重复过程的参数变化，当控制器增益被定义为待跟踪参数的已知函数时，可在运行过程中重新整定这些增益。通过设置标志位，可快速切换不同系统配置与粒子群更新规则。本方案受“即插式直接粒子群重复控制器”启发，适用于重复过程参数辨识、迭代学习估计、动态优化问题以及基于种群的进化优化

在当今复杂系统控制领域不断追求高效、精准控制策略的大背景下，非线性系统的最优控制问题一直是众多科研人员聚焦的关键研究方向。自适应动态规划（ADP）作为一种融合了人工智能与控制理论的创新方法，为解决非线性系统的最优控制难题提供了崭新的思路和有效的途径。基于此，本文精心开展了一项极具价值的复现研究工作，将研究焦点精准地落在非线性值迭代自适应动态规划（ADP）上，具体深入探究离散时间非线性系统的策略迭代

直流电机因其调速性能优异、响应速度快等特点，在工业控制、电动汽车、机器人等领域有着广泛应用。然而，传统PID控制存在参数固定、难以应对非线性及环境扰动等问题。模糊PID控制虽通过引入模糊逻辑实现了参数自适应调整，但在复杂场景下仍面临规则库构建与参数优化的难题。本文将蚁群优化算法（Ant Colony Optimization, ACO）引入直流电机模糊PID控制系统中，利用其全局寻优能力对模糊PI

直流电机因其调速性能优异、响应速度快等特点，在工业控制、电动汽车、机器人等领域有着广泛应用。然而，传统PID控制存在参数固定、难以应对非线性及环境扰动等问题。模糊PID控制虽通过引入模糊逻辑实现了参数自适应调整，但在复杂场景下仍面临规则库构建与参数优化的难题。本文将蚁群优化算法（Ant Colony Optimization, ACO）引入直流电机模糊PID控制系统中，利用其全局寻优能力对模糊PI

复杂工业与机器人领域的动力学系统普遍具备强非线性、多模态演化特性，传统基于机理建模的控制方案高度依赖系统先验知识，局部线性化手段仅能在小工作区间保证控制效果，难以适配大范围工况下的预测与闭环控制需求。Koopman 算子理论为非线性动力学分析提供全新范式，通过将有限维非线性状态映射至无穷维可观测函数空间，实现非线性动力学的全局线性表征，规避传统局部线性化的固有局限。

摘要：本文聚焦于存在未知干扰和输入饱和问题的固定翼无人机轨迹跟踪控制，提出一种基于指数预定义时间控制（EPTC）的时空轨迹跟踪方案。该方案通过引入指数控制器补偿预定时间控制器在接近预定时间时控制幅度可能剧烈增长的问题，设计固定时间干扰观测器（ftdo）估计未知外部干扰和未建模项，利用高斯误差函数线性化处理非线性输入饱和并通过辅助变量寻址。严格分析表明，ftdo 能在固定时间内收敛且跟踪误差有界，在

维度PSOGA改进PSO收敛速度快慢更快（参数优化）全局最优性易陷入局部最优强显著改善（混合策略）计算资源需求低高中等动态环境适应性一般较强最优（实时参数调整）

面向高动态四足机器人早期设计验证与参数优化的工程需求，本文基于MATLAB/Simulink与Simscape物理域建模语言，构建了一套全栈式机电一体化仿真平台。该平台以生物启发的腾空-支撑离散步态为核心，深度融合了具有弹性缓冲特性的二连杆腿部运动学模型、基于拉格朗日形式主义的逆动力学解算器、分段连续的非线性地面接触动力学，以及融合超级电容器与蓄电池的混合电气储能网络。通过大规模参数网格扫描，本文

面向高动态四足机器人早期设计验证与参数优化的工程需求，本文基于MATLAB/Simulink与Simscape物理域建模语言，构建了一套全栈式机电一体化仿真平台。该平台以生物启发的腾空-支撑离散步态为核心，深度融合了具有弹性缓冲特性的二连杆腿部运动学模型、基于拉格朗日形式主义的逆动力学解算器、分段连续的非线性地面接触动力学，以及融合超级电容器与蓄电池的混合电气储能网络。通过大规模参数网格扫描，本文