结合此前配电网供电能力评估、移动机器人路径规划的系统建模经验，短期电能负荷预测是电力系统调度运行、配电网规划、需求响应策略制定的核心基础支撑，精准的短期负荷预测可以帮助电网运行部门合理安排机组启停、优化潮流分布，有效降低电网的运行损耗，同时提升分布式新能源的消纳能力。

结合此前水下BlueROV2编队控制、多目标跟踪的运动规划相关研究积累，路径规划是移动机器人实现自主导航的核心技术，其核心目标是在存在障碍物的已知或未知环境中，为机器人搜索出一条从起点到终点的安全无碰撞路径，同时满足路径长度最短、平滑度高、实时性强等多重优化要求。

结合此前四旋翼无人机高精度控制、固定翼路径规划的相关研究积累，地面移动机器人的自主导航是智能机器人落地应用的核心基础，单一的全局路径规划算法普遍存在实时性差、无法响应动态障碍物的缺陷，而纯局部避障算法又极易陷入局部最优，无法保证全局路径的可达性。传统A全局路径规划算法在大规模栅格地图中节点扩展冗余度高、规划速度慢，很难满足大场景下的实时路径生成需求；传统动态窗口法（DWA）局部避障算法依赖局部环境

四旋翼无人机凭借结构简单、机动灵活、可垂直起降等优势，已在航拍测绘、应急救援、物流配送等领域得到大规模应用。随着应用场景对无人机飞行精度的要求不断提升，传统基于欧拉角的姿态控制方案的局限性日益凸显：欧拉角表示法天然存在奇异点问题，当无人机俯仰角接近±90°时会出现万向锁现象，导致控制器完全失效，无法完成大角度机动动作；同时基于局部线性化的小角度假设控制器，在无人机做高速机动、大角度姿态偏转时，控制

在无线传感器网络（WSN）中，能量效率是一个关键问题。传感器节点通常依靠有限的电池供电，其能量消耗直接影响网络的寿命和性能。强化学习作为一种强大的决策优化技术，为提高 WSN 的能量效率提供了新的途径。状态 - 行动 - 奖励 - 状态 - 行动（SARSA）算法是强化学习中的经典算法，通过不断试错学习，使智能体能够在给定环境中做出最优决策，从而有效提升 WSN 的能量利用效率。

在现代科技领域，从电机、传感器到磁共振成像（MRI）设备，圆柱形永磁体都有着广泛应用。深入了解圆柱形永磁体的磁场分布，对于优化相关设备性能、提升系统效率至关重要。磁场建模作为研究永磁体磁场特性的重要手段，能够通过数学模型精确描述磁场分布规律，为工程设计和科学研究提供有力支持。

本文针对不确定性二维路径规划问题（如未知障碍物探测、环境参数噪声、目标位置不确定），提出融合信息增益（Information Gain, IG）的改进 RRT 算法 ——IG-RRT。该算法在传统 RRT “无碰撞路径搜索” 的基础上，通过量化路径对环境不确定性的 “探测与消解能力”（信息增益），实现 “路径长度最短 + 碰撞风险最低 + 信息增益最大” 的多目标优化。方案适用于移动机器人、无人机

狭窄通道场景在实际应用中较为常见，如在室内环境中的走廊、工业厂房的狭窄过道、城市街道的小巷等。在这些场景下进行路径规划面临诸多挑战：空间受限：狭窄通道的空间限制使得机器人或移动对象可活动的范围极小，传统路径规划算法容易因空间不足而难以找到可行路径。例如，在狭窄的走廊中，机器人必须精确地在有限的宽度内移动，避免碰撞墙壁。障碍物密集：狭窄通道内可能存在各种障碍物，如堆放的物品、设备等，进一步压缩了可行

本项目是Fabio Ruggiero教授所授“野外与服务机器人”课程的期末作业。其目标是在外部力矩扰动的作用下，实现三种鲁棒控制器；此外，还实现了人工势场（APF）算法，以在未知环境中避障。该课题虽未涵盖在课程教学内容中，但本项目仍对其进行了实现与探索，旨在为控制算法提供更通用的轨迹规划能力，使其能够在通用且复杂的环境中运行。本项目所采用的控制器包括：几何控制（源自第3次课后作业）、两种新开发的控

欠驱动四旋翼无人机是典型的四输入六自由度欠驱动系统，凭借结构简单、机动灵活的优势，在巡检、测绘、竞速等场景得到广泛应用。在激进轨迹跟踪、传感器测量噪声、外部强风扰等复杂工况下，不同控制算法的性能差异极大，传统基于欧拉角的PID控制在高动态场景下极易出现姿态失稳、轨迹跟踪发散的问题，完全无法适配高复杂度作业需求。