随着对可再生能源需求的不断增长，太阳能光伏发电成为重要的绿色能源获取方式。DC - AC 变换器在光伏供电系统中起着关键作用，它将光伏电池产生的直流电转换为交流电，以便接入电网或为交流负载供电。传统的 DC - AC 变换器控制方法在应对光伏电源的间歇性和波动性时存在一定局限性。模型预测控制（MPC）凭借其对系统动态特性的准确预测和多目标优化能力，为 DC - AC 变换器的控制提供了新的思路，有

刚性连杆柔性关节机械臂在工业生产、航空航天等领域有着广泛应用。由于其关节的柔性，使得机械臂的动力学模型呈现高度非线性，这为状态估计和精确控制带来了挑战。扩展卡尔曼滤波器（EKF）作为一种处理非线性系统状态估计的有效方法，能够在实时环境中对机械臂的状态进行准确估计，进而为实现精确控制奠定基础。

准确评估锂离子电池的健康状态（SOH）对于确保电池供电系统的安全可靠运行至关重要。为在保持较低计算复杂度的前提下实现更精准的SOH评估，本文提出了一种考虑电解质极化与老化机制的分数阶模型（FOMeA）。该模型采用分数阶帕德近似简化固相锂离子分布，并通过二态系统描述电解质相锂离子分布；同时对导致电池老化的固态电解质界面（SEI）层形成及锂沉积副反应进行建模，从而在简化后的电化学模型中建立循环次数与老

在机器人应用领域，路径规划是实现机器人自主移动的关键技术。A 星算法作为经典的路径搜索算法，能在给定地图环境中寻找从起点到终点的最优路径。然而，传统 A 星算法的启发式函数往往基于简单的几何距离，在复杂环境下可能无法充分考虑实际运动代价。模型预测控制（MPC）则以其对动态系统的优化控制能力，可用于轨迹跟踪与调整。结合学习成本启发式，能让路径规划更好地适应不同场景需求。三者结合可有效提升机器人路径规

四旋翼无人机凭借其灵活的机动性和广泛的应用前景，在航拍、物流配送、农业植保等诸多领域发挥着重要作用。然而，四旋翼无人机在飞行过程中会受到各种内外部扰动的影响，如空气动力学干扰、传感器噪声以及模型不确定性等，这些扰动严重影响了其飞行的稳定性和控制精度。为解决这一问题，基于扰动补偿的自适应模型预测控制方法应运而生，该方法能够实时估计并补偿扰动，同时利用模型预测控制的优势对四旋翼无人机进行精确控制，有效

小车倒立摆系统是控制领域中的经典问题，它具有非线性、多变量和强耦合的特点，对其实现稳定控制极具挑战性。深度确定性策略梯度（DDPG）作为一种基于模型无关的强化学习算法，为小车倒立摆控制提供了创新的解决方案。通过与环境的不断交互学习，DDPG 能够有效应对系统的复杂动态，实现小车倒立摆的稳定平衡与精确控制。系统结构：小车倒立摆系统由一个可在水平轨道上移动的小车和一个通过铰链连接在小车上的倒立摆组成。

在现代电力系统的运行与规划中，准确的负荷预测是确保电力可靠供应、优化资源分配以及保障系统稳定运行的关键环节。传统的负荷预测方法在应对电力负荷复杂多变的特性时，往往力不从心。而基于双向门控循环单元（BiGRU）与注意力机制（Attention）相结合的模型，为负荷预测领域带来了新的曙光。它能够深度挖掘负荷数据中的潜在模式与特征，有效提升预测的准确性与可靠性。

在能源转型的大背景下，微电网作为一种将分布式能源、储能系统和负荷集成的小型电力系统，在提高能源利用效率、促进可再生能源消纳方面发挥着重要作用。然而，分布式能源的间歇性和负荷的不确定性给微电网的稳定运行带来了挑战。基于模型预测算法的混合储能微电网双层能量管理系统，为应对这些挑战、实现微电网的高效稳定运行提供了创新解决方案。混合储能系统：由多种储能技术组合而成，如锂电池、超级电容器等。锂电池具有高能量

一、IMU 姿态估计的核心需求与传统方法局限IMU（惯性测量单元）作为运动姿态感知的核心器件，广泛应用于无人机导航、机器人定位、虚拟现实（VR）等领域，其姿态估计的核心是通过陀螺仪（测量角速度）与加速度计（测量比力）的数据融合，实时输出设备的三维姿态（滚转、俯仰、偏航）。由于陀螺仪存在漂移误差（长期累积导致姿态偏移）、加速度计易受振动与噪声干扰（动态场景下精度下降），单一传感器无法满足高精度姿态估

在科技飞速发展的今天，我们对高精度定位与状态估计的追求从未停止。想象一下，一辆自动驾驶汽车在繁华的都市街道中穿梭，高楼大厦林立，GPS 信号时而被遮挡，时而受到干扰。然而，它却能如经验丰富的老司机一般，精准地规划路线，巧妙地避开障碍物，平稳地抵达目的地。再看那翱翔于天空的无人机，在复杂多变的气象条件下，穿越山谷、绕过高楼，依旧能够稳定地执行拍摄、测绘等任务。它们是如何做到的呢？