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

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

随着新能源并网、电力电子设备普及以及非线性负荷激增，现代电力系统中电能质量扰动问题日益突出，电压暂降、暂升、谐波、振荡等扰动类型频发，严重影响电力系统安全稳定运行和用电设备正常工作。准确、高效的电能质量扰动分类是扰动治理、故障定位及电力系统优化的前提。针对传统扰动分类方法抗干扰能力弱、特征提取不充分、分类精度不足等问题，本文提出一种融合离散小波变换（Discrete Wavelet Transfo

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。

随着数字图像在医疗影像、涉密测绘、个人隐私影像等领域的大规模传输与存储，图像信息的安全防护需求持续攀升。传统基于文本加密的AES、RSA等算法，直接应用于图像加密时存在计算复杂度高、明文像素相关性破坏不彻底、难以满足实时加密需求的缺陷。基于光学变换的图像加密技术凭借并行处理、多维密钥空间、高安全等级的独特优势，成为当前信息安全领域的研究热点。