在热力学研究领域，传统的基于物理定律和经验公式的方法在面对复杂系统时逐渐显露出局限性。随着数据科学的发展，利用数据分析方法来构建和理解热力学系统成为新的研究方向。带有异次变量的分数阶自回归模型（Fractional Autoregressive Model with Heterogeneous Variables，FAR - HV）为这一研究提供了一种创新的视角，它能够捕捉热力学数据中的长记忆性和

在众多复杂的工程和科学问题中，多目标优化旨在同时优化多个相互冲突的目标。将反向传播（BP）神经网络、长短期记忆（LSTM）网络与非支配排序遗传算法 - II（NSGA - II）相结合，能够发挥各算法优势，为多目标优化提供强大的解决方案。BP 和 LSTM 可用于对复杂系统进行建模与预测，而 NSGA - II 则用于在多个目标间寻找最优平衡。BP 神经网络是一种有监督学习的多层前馈神经网络。它由

中压电缆作为电力传输的重要组成部分，其运行可靠性直接关系到电网的稳定供电。局部放电是中压电缆绝缘老化的重要表现形式，对其进行有效监测和分析能提前发现潜在故障隐患。建立准确的局部放电传输模型，有助于深入理解局部放电信号在电缆中的传播特性，为故障诊断和定位提供坚实的理论基础。中压电缆在长期运行过程中，由于绝缘材料的缺陷、电场分布不均匀、机械应力等因素，会导致局部区域的电场强度超过绝缘材料的击穿场强，从

在现代电力系统中，配电网作为连接发电与用电的关键环节，其运行的可靠性和经济性至关重要。然而，配电网故障难以避免，故障发生后进行快速有效的故障重构，能够迅速恢复供电，降低停电损失，优化网络运行。基于遗传算法的方法为配电网故障重构提供了一种高效的解决方案，尤其在经典的 IEEE33 节点配电网模型中展现出独特优势。配电网故障重构主要有两个关键目标。一是恢复尽可能多的失电负荷，最大程度降低停电对用户的影

在当今无人机应用日益广泛的背景下，无人机在复杂三维环境中的避障和路径规划成为关键技术挑战。基于 Q - Learning 强化学习算法的路径规划方法为解决这一问题提供了创新且有效的途径。该方法通过构建复杂环境模型、精心设计奖励函数、运用特定训练策略以及独特的路径提取方法，使无人机能够在充满静态和动态障碍物的三维空间中自主规划安全且经济的飞行路径。

在当今以电池为核心能源的众多设备与系统中，从便携式电子设备到电动汽车，再到大规模储能电站，准确估计电池的健康状态（SOH）至关重要。它不仅关系到设备的性能与可靠性，还影响着设备的使用寿命与安全性。极限学习机（ELM）作为一种高效的机器学习算法，在电池 SOH 估计中展现出一定潜力。然而，为进一步提升其性能，结合鲸鱼优化算法（WOA）对 ELM 进行改进，形成 WOA - ELM 模型，为更精准的电

在工业自动化领域，3 自由度机械臂广泛应用于物料搬运、装配、焊接等任务。精确控制机械臂末端执行器的位置以实现物体抓取和精准操作至关重要。传统控制方法依赖精确数学模型，面对复杂工况和模型不确定性时存在局限性。近端策略优化（PPO）强化学习算法的出现，为 3 自由度机械臂控制提供了新途径，通过智能体与环境的交互学习，实现更具鲁棒性和泛化能力的控制策略。

在科学与工程领域，混沌系统广泛存在，从气象学中的天气预测到电子电路中的信号处理，都能发现其身影。传统整数阶混沌系统已得到深入研究，但分数阶混沌系统由于其记忆性和遗传性，能更精确地描述许多复杂现象。基于数据驱动的分数阶混沌系统建模，通过对实际观测数据的分析，构建分数阶混沌模型，为理解和预测复杂动态系统提供了新的视角和方法。

在优化求解领域，许多实际问题可归结为带有特定惩罚项的优化模型。其中，LOG 惩罚函数因其独特的性质在诸多场景中被广泛应用，如压缩感知、机器学习中的特征选择等。计算 LOG 惩罚的近邻算子是解决这类优化问题的关键步骤。交替方向乘子法（ADMM）作为一种强大的优化算法，与共享方案相结合，为计算 LOG 惩罚的近邻算子提供了一种高效且灵活的途径。本文将详细阐述基于 ADMM 算法和共享方案计算 LOG

电池荷电状态（State of Charge, SOC）估计在电池管理系统（BMS）中至关重要，它反映了电池当前的剩余电量，对于保障电池安全、高效运行以及延长电池使用寿命具有重要意义。准确的 SOC 估计能够为电动汽车、储能系统等应用提供可靠的电量信息，帮助用户合理规划用电。然而，由于电池系统的复杂性，包括非线性特性、环境因素影响等，实现高精度的 SOC 估计颇具挑战。