预测热声不稳定性仍是工业界设计更可靠、更高效燃烧系统的主要挑战。为实现这一目标，常用方法包括使用亥姆霍兹求解器[1]或网络模型[2]等声学工具，通过数值求解特征值问题来获取目标热声模式的增长速率和频率。然而，由于特征值方程的非线性特性，预测的热声行为对几何形状、边界条件、运行条件、模型参数（基于含噪声的实验或计算数据校准）等变量的微小变化都可能高度敏感[3]。在某些情况下[4]，当输入参数略微偏离

在高比例新能源并网的电力系统中，第四类（全变流器）风力发电机（Type 4 WTG）因 “发电机 - 电网完全解耦” 特性成为主流机型。其电磁暂态（EMT）模型是分析电网故障穿越、谐波交互、次同步振荡等关键问题的核心工具。系统架构与建模边界：Type 4 WTG 由 “风力机 - 发电机 - 全功率变流器 - 变压器 - 电网接口” 五部分组成。全功率变流器是 EMT 建模的核心，需精确刻画开关动

随着人们生活水平的提高和消费观念的转变，对生鲜食品、医药等冷链产品的需求日益增长，推动了冷链物流行业的快速发展。冷链物流供应商作为保障冷链产品质量和供应链稳定的关键环节，其选择至关重要。优质的冷链物流供应商能够确保冷链产品在运输、储存过程中始终处于适宜的温度、湿度等环境条件下，减少产品损耗，保证产品品质，从而维护企业声誉和消费者权益。同时，合理选择供应商还有助于降低物流成本，提高供应链的整体效率和

在现代制造业中，柔性作业车间调度（Flexible Job - Shop Scheduling Problem，FJSP）具有至关重要的地位。随着市场竞争的加剧和客户需求的多样化，制造企业需要具备更高的生产灵活性，能够快速响应市场变化，生产多种不同类型的产品。FJSP 正是解决这一需求的关键环节，它涉及到如何合理安排多种工件在多个具有不同加工能力的机器上的加工顺序和加工时间，以达到提高生产效率、降

在众多科学与工程领域，如机械工程、电气工程、生物医学工程等，非线性静态系统广泛存在。准确识别这类系统对于理解系统行为、预测系统输出以及优化系统性能至关重要。例如，在机械结构分析中，某些部件的力学响应呈现非线性特性，识别其非线性模型有助于精确评估结构的稳定性和可靠性；在生物医学领域，人体生理系统的许多过程是非线性的，对这些系统进行准确识别能够辅助疾病诊断和治疗方案的制定。

多旋翼无人机（UAVs）以其独特的垂直起降能力、悬停稳定性以及操作灵活性，在军事、民用、科研等领域展现出巨大的应用潜力。从空中侦察、环境监测到物流运输、农业植保，无人机已成为现代科技不可或缺的一部分。然而，要使无人机能够稳定、精确地完成各项任务，对其姿态的准确估计至关重要。姿态估计是指确定无人机在空间中的方向，通常由欧拉角（俯仰、滚转、偏航）或四元数表示。精确的姿态信息是无人机飞控系统、导航系统以

针对光伏发电功率受气象、环境等多因素影响呈现的强波动性、间歇性特征，以及实际电网调度中对超前多步功率预测的迫切需求，提出一种基于卷积神经网络（CNN）与双向长短期记忆网络（BiLSTM）结合的多变量输入超前多步光伏功率预测模型。首先，筛选影响光伏功率的关键多变量特征，包括全局水平辐照度、直接法向辐照度、组件温度、环境温度、相对湿度等，通过局部异常因子（LOF）算法剔除异常数据，结合横向归一化消除量

在众多工程领域，如机器人控制、航空航天、工业过程控制等，常常需要将系统状态稳定控制到特定的目标点。这些系统往往具有高度的非线性、强耦合性以及不确定性，传统的控制方法难以满足高精度、高可靠性的控制要求。例如，在机器人的路径跟踪任务中，机器人需要在复杂环境下准确地移动到指定位置，同时要应对自身动力学特性的变化以及外部干扰。

为实现对架无人机的规范控制及点对点运动精准模拟，解决传统固定桨叶四旋翼在翻转等高速机动动作中推力调节受限、响应滞后、能耗偏高的问题，本文聚焦可变桨叶四旋翼的优化推力分配策略，重点开展翻转动作的对比研究。通过建立可变桨叶四旋翼的动力学模型，设计基于状态相关Riccati方程（SDRE）的闭环控制系统，引入虚拟约束实现位置与姿态的解耦控制，提出四种推力分配优化方法，并针对轴向翻转与倾斜翻转两种典型机动

主动配电网（ADN）中分布式电源（DG）的间歇性、负荷波动性及量测误差，导致故障恢复策略面临显著的不确定性风险[2][5]。传统确定性故障恢复模型忽略上述不确定性，在极端场景或参数波动下易出现恢复失败、线路过载、电压越限等约束违反问题，无法满足配电网安全可靠运行的需求[4][6]。现有研究虽已探索配电网故障恢复与灵活调度的协同优化，但多数未充分考虑不确定性因素的影响，或采用的不确定性处理方法（如模