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。

配备四个执行器的四旋翼无人机属于欠驱动系统家族。此类平台的横向运动与其姿态高度耦合，因此无法在空间中跟踪任意的六维（6D）轨迹。在本文中，我们提出了一种新型四旋翼设计，该设计通过应用平行四边形原理，利用两个额外的执行器同时控制螺旋桨相对于四旋翼机身的倾斜角度。由于螺旋桨受控倾斜角度的速度并未直接出现在推导出的动态模型中，因此该系统无法通过静态反馈实现线性化。然而，该系统可在更高阶微分上实现线性化，

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

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

同步定位与地图构建（SLAM）是移动机器人实现自主导航、环境感知与智能作业的核心技术，能够让机器人在未知二维平面环境中，无需预先构建地图即可完成自身位姿估计与环境特征地图构建。针对传统定位建图方法存在的环境依赖性强、抗干扰能力弱、状态估计精度低等问题，本文依托最优估计理论，开展二维平面场景下扩展卡尔曼滤波（EKF）SLAM技术研究。

本文提出一种基于高尔夫优化算法（Golf Optimization Algorithm, GOA）的无人机三维路径规划方法，针对复杂山地环境下的地形起伏、障碍物分布及风速扰动等挑战，通过模拟高尔夫运动中的击球策略实现全局搜索与局部开发的动态平衡。实验结果表明，GOA算法在路径长度、收敛速度及鲁棒性方面显著优于传统势场法和RRT算法，尤其在多障碍物场景下路径平滑度提升23.6%，迭代次数减少41.2

无人机路径规划是提升任务效率与安全性的核心环节。本文聚焦七种智能优化算法（蜣螂算法DBO、狮群优化算法LO、蜘蛛蜂算法SWO、郊狼算法COA、光谱优化算法LSO、开普勒算法KOA、淘金优化算法GRO），系统分析其在三维复杂环境下的路径规划性能。通过构建包含路径长度、高度变化、威胁规避、转角成本的多目标优化模型，结合MATLAB仿真验证算法在山地、城市等场景的适应性。实验表明，SWO算法在威胁密集区