在无人机技术快速普及的当下，传统通信技术（如 4G、WiFi）已难以满足复杂场景下无人机对低时延、高可靠性、大带宽的需求。5G 技术凭借毫秒级时延、10Gbps 级峰值速率、每平方公里百万级连接数的核心优势，成为破解无人机应用瓶颈的关键支撑。本文从通信链路、飞行控制、任务载荷、场景适配四大维度，提出 5G 辅助优化无人机的创新方案，覆盖技术原理、实施路径与典型场景验证，为无人机向 “高可靠、广覆盖

在工业控制、自动驾驶、机器人操作等领域，大量动态系统表现为单输入单输出（SISO）非线性特性，且普遍存在模型未知、参数时变及外部扰动等问题，其轨迹跟踪控制一直是控制理论与工程实践的核心难点。传统控制方法如PID控制、模型预测控制等，因依赖精确的系统数学模型，在未知非线性系统中难以实现高精度轨迹跟踪；迭代学习控制（ILC）虽能通过重复任务中的误差修正优化控制输入，但对系统模型的依赖性较强，当面对未知

本文提出了一种基于强化学习的六轴机械臂避障策略。该策略优先规划机械臂末端执行器的避障路径，然后利用计算得到的末端路径规划机械臂的姿态。对于末端路径上的某些点，如果机械臂在安全距离限制内无法避开障碍物，该策略会将这些点记录为新的障碍物，并重新规划机械臂末端执行器的避障路径。该过程通过辅助学习策略加速，并循环迭代直到计算出可行的路径。本文提出的方法已应用于六轴机械臂，仿真结果表明该方法能够有效地规划机

针对无人机（UAV）通信中高频谱效率与低延迟的需求，本文提出一种无人机赋能的双上行链路协同非正交多址接入（NOMA）系统架构，重点研究适配链路动态特性的自适应解码机制。该机制基于实时信道状态信息（CSI）与链路负载特征，动态切换串行干扰消除（SIC）解码顺序、调整功率域资源分配，并融合 AI 辅助的干扰预测补偿策略，有效克服无人机高速移动带来的信道时变、链路干扰耦合等问题。

一、研究背景与意义在全球能源转型和 “双碳” 目标的推动下，分布式电源（Distributed Generation, DG），如太阳能光伏、风能、生物质能发电等，凭借其清洁、高效、灵活的特点，在配电网中的渗透率不断提高。配电网作为连接电力系统与用户的关键环节，其可靠性直接关系到社会生产生活的稳定运行。传统配电网通常采用辐射状结构，电源单一且集中，一旦发生故障，往往会导致较大范围的停电，可靠性水平

一、研究背景与技术融合必要性移动机器人在工业巡检、服务配送、环境探测等领域的应用日益广泛，其作业场景常面临动态障碍物、传感器噪声、参数摄动等复杂问题，对运动控制的精准性、动态响应速度与状态感知鲁棒性提出高要求。传统控制方法（如 PID 控制）依赖精确模型且抗扰能力有限，单独的状态估计方法（如卡尔曼滤波）在非线性、多约束场景下估计精度易受影响。模型预测控制（MPC）凭借滚动时域优化特性，能在满足运动

一、研究背景与意义在现代工业自动化、机器人技术、自动驾驶等领域，轨迹跟踪是一项核心且关键的技术任务。其目标是使被控对象（如工业机械臂、移动机器人、自动驾驶车辆等）能够精准地按照预设的期望轨迹进行运动，确保运动过程的稳定性、准确性和可靠性。传统的轨迹跟踪控制方法，如 PID 控制、滑模控制等，在面对被控对象具有非线性、时变性、参数不确定性以及外部干扰等复杂情况时，往往难以获得理想的控制效果。例如，P

一、研究背景与意义在智能制造、无人机集群协同、智能交通等领域，多智能体系统（Multi-Agent System, MAS）凭借其分布式协作能力，成为完成复杂任务的核心载体。多智能体点对点过渡轨迹生成，是指在给定初始位置与目标位置的前提下，为每个智能体规划出满足动态约束、避碰约束及协同任务要求的平滑过渡轨迹，是多智能体系统实现精准协作的关键技术。

一、研究背景与意义在智能制造、无人机集群协同、智能交通等领域，多智能体系统（Multi-Agent System, MAS）凭借其分布式协作能力，成为完成复杂任务的核心载体。多智能体点对点过渡轨迹生成，是指在给定初始位置与目标位置的前提下，为每个智能体规划出满足动态约束、避碰约束及协同任务要求的平滑过渡轨迹，是多智能体系统实现精准协作的关键技术。

一、研究背景与意义在智能制造、无人机集群协同、智能交通等领域，多智能体系统（Multi-Agent System, MAS）凭借其分布式协作能力，成为完成复杂任务的核心载体。多智能体点对点过渡轨迹生成，是指在给定初始位置与目标位置的前提下，为每个智能体规划出满足动态约束、避碰约束及协同任务要求的平滑过渡轨迹，是多智能体系统实现精准协作的关键技术。