摘要: 本文研究了利用扩展卡尔曼滤波器 (Extended Kalman Filter, EKF) 对猛击运动进行模拟和滤波跟踪的问题。猛击运动具有非线性、非高斯噪声的特点，传统的线性滤波器难以有效处理。EKF 通过将非线性系统线性化，并利用卡尔曼滤波的思想进行状态估计，能够在一定程度上克服这些困难。本文首先建立了猛击运动的非线性状态空间模型，详细分析了模型中各参数的物理意义和选择方法。然后，深入

近年来，无人机（Unmanned Aerial Vehicle, UAV）技术迅猛发展，并在各个领域得到广泛应用，如遥感测绘、物流配送、安全巡检等。作为无人机飞行的核心组成部分，姿态控制的精度和鲁棒性直接决定了无人机任务的执行效率和安全性。然而，无人机在实际飞行过程中，不可避免地会受到各种外部干扰，例如风力扰动、传感器噪声以及模型不确定性等，这些因素都对姿态控制系统的稳定性和精度提出了严峻挑战。

在复杂工业生产中，工艺参数优化需同时兼顾多个目标（如产量最大化、能耗最小化、质量合格率提升、生产周期缩短），这些目标往往存在相互制约（如提高产量可能增加能耗），传统单目标优化或加权求和法难以找到全局最优的平衡方案。

在三相逆变器系统中，输出滤波器对于提高电能质量起着关键作用。LC 滤波器因其结构简单、成本低等优点被广泛应用。然而，传统的 LC 滤波器设计方法往往基于固定的系统参数和工况，在实际运行中，系统参数的变化以及负载的不确定性会影响滤波器的性能。模型预测控制（MPC）作为一种先进的控制策略，能够考虑系统的未来动态行为，实现对逆变器的有效控制。将神经网络与模型预测控制相结合，应用于带输出 LC 滤波器的三

风电作为一种重要的可再生能源，其功率的准确预测对于电力系统的稳定运行、调度规划以及能源管理至关重要。然而，风电功率受到多种复杂因素的影响，如风速、风向、温度、气压等，具有很强的波动性和不确定性。传统的预测方法在处理这些复杂的多变量数据时往往存在局限性。本文提出一种基于变分模态分解（VMD）、时间卷积网络（TCN）和双向门控循环单元（BiGRU）的组合模型，旨在提高多变量输入下单步风电功率预测的精度

在众多科学和工程领域，如物理、生物、金融等，扩散过程是描述物质或信息传播的重要模型。传统的扩散模型基于整数阶导数，然而，越来越多的研究表明，具有分数阶导数的扩散模型能更好地刻画现实世界中许多复杂的、具有记忆和长程依赖特性的扩散现象。当考虑到环境等因素的不确定性时，引入随机效应来完善分数扩散模型就显得尤为必要。非参数估计方法则为准确推断这类复杂模型的参数和特性提供了有力工具，无需对模型的具体形式做出

质量 - 弹簧 - 阻尼器系统是物理学和工程学中常见的动力学模型，广泛应用于机械振动、结构动力学等领域。熵作为热力学和信息论中的重要概念，反映了系统的无序程度或不确定性。对质量 - 弹簧 - 阻尼器系统进行熵生成分析，有助于深入理解系统的能量耗散和不可逆过程。Conformable 模型是一种新兴的非整数阶导数模型，相较于传统整数阶导数，它在描述复杂动力学系统时具有独特优势，能够更精确地刻画系统的

随着可再生能源在配电网中的渗透率不断提高，其间歇性和波动性给电网稳定运行带来挑战。空调负荷作为配电网中的主要可控负荷之一，对其进行优化控制有助于平衡可再生能源的功率波动，提升配电网的稳定性与经济性。本文深入研究含可再生能源的配电网中空调负荷的最佳优化控制策略，通过建立相关模型和算法，实现对空调负荷的有效调控，促进可再生能源的消纳，降低配电网运行成本。

本研究聚焦于利用 PhasorDetect 手持近红外光谱（NIRS）设备采集的多光谱反射数据，实现对组织氧饱和度的实时监测。通过深入分析多光谱反射数据与组织氧饱和度之间的关系，构建有效的算法模型，以高精度地实时估算组织氧饱和度，为临床诊断、运动医学等领域提供有力的监测工具。

分数阶混沌系统由于其独特的动力学特性，在众多领域如通信、图像处理、生物医学等展现出巨大的应用潜力。准确地辨识分数阶混沌系统的结构和参数，对于深入理解其动力学行为以及实现相关应用至关重要。基于时域数据的稀疏辨识方法为解决这一问题提供了有效的途径，它能够从观测到的时域数据中挖掘出系统的本质特征，以稀疏表示的形式确定系统的模型。