移动机器人路径规划是实现机器人自主导航与智能作业的核心技术，其核心需求是在复杂环境中生成满足多约束、多目标的最优路径，同时适配不同任务场景下的决策偏好。

移动机器人路径规划是实现机器人自主导航与智能决策的核心技术，其核心需求是在复杂环境中规划出满足多约束、多目标的最优路径。针对传统路径规划算法难以同时平衡路径长度、平滑度、能耗等冲突目标，且在复杂环境中易陷入局部最优、收敛性不佳的问题，本文提出一种基于多目标人工蜂鸟算法（MOAHA）的移动机器人路径规划方法。通过模拟蜂鸟的自然觅食行为与飞行模式，结合动态拥挤距离机制（DECD）与非支配排序策略，构建

移动机器人自主导航的核心技术之一是路径规划，其核心目标是在复杂环境中为机器人寻找一条满足无碰撞、路径最短、能耗最低等多约束条件的最优路径，广泛应用于工业仓储、矿区巡检、灾后救援等实际场景。针对传统路径规划算法在多目标优化中易陷入局部最优、解集分布不均匀，以及动态环境适应性差等问题，本文提出将改进强度帕累托进化算法（SPEA2）应用于移动机器人路径规划研究。首先，构建移动机器人路径规划的多目标优化模

在现代控制系统与信号处理领域，时滞系统广泛存在于工业过程控制、无线通信网络、机器人协同控制、智能交通监测等诸多工程场景中[1]。时滞现象源于传感器测量延迟、通信链路传输损耗、数据处理单元计算耗时等多种因素，其存在会导致系统信息传递异步、状态反馈滞后，不仅会降低状态估计的精度，还可能破坏系统的稳定性，给复杂系统的精准控制带来严峻挑战[3]。信息融合技术作为提升多源异构系统状态估计性能的核心手段，通过

无人水面艇（Unmanned Surface Vehicle, USV）作为海洋工程领域的核心装备，凭借无人员伤亡风险、作业范围广、续航能力强等优势，已广泛应用于海洋环境监测、水上安防巡逻、港口物流运输、应急搜救及军事侦察等多元场景。其自主控制性能直接决定任务执行的精度、效率与安全性，是衡量USV智能化水平的核心指标。与无人机、地面机器人相比，USV的运行环境具有强扰动、高耦合、动态多变等显著特征

边缘是图像中灰度值发生突变的区域，边缘检测的核心是通过算法捕捉这种灰度变化，提取图像的轮廓特征，为后续图像分析、识别等任务奠定基础。以下分别介绍Roberts、Prewitt、Sobel、Marr-Hildreth和Canny五种经典边缘检测器。

水下成像技术在海洋资源勘探、水下目标检测、核电站水下检修、海洋生物监测及水下机器人作业等领域具有不可替代的作用。然而，水下环境的特殊性给成像质量带来了严峻挑战：水体对光的吸收与散射作用导致图像普遍存在颜色失真（多呈现蓝绿偏色）、对比度低下、细节模糊、远处物体雾化等问题。在普通海水中，距离超过10米的物体几乎无法分辨，特征波长的选择性吸收进一步加剧了颜色褪色，严重制约了水下视觉系统的应用效能。传统水

在室内自主导航领域，同步定位与地图构建（SLAM）是移动机器人实现自主作业的核心技术，而扩展卡尔曼滤波器（EKF）与超宽带（UWB）雷达的融合应用，为解决复杂室内环境下的定位与建图难题提供了高效方案。该技术组合凭借UWB雷达的环境感知优势与EKF的非线性状态估计能力，可实现室内自然点地标的精准映射，同时显著提升机器人定位的稳定性与精度，突破传统传感器在复杂场景下的性能局限。

频域电磁法（Frequency-Domain EM, FDEM）通过向地下发射不同频率的谐变电磁场，测量地表或空中的电场（E）、磁场（H）响应，反演地下介质的电导率（σ）、磁导率（μ）、介电常数（ε）等物性参数。解析灵敏度描述了**介质物性参数的微小变化对EM响应的影响程度**，是反演过程中权重分配、收敛性判断的核心依据。

多智能体系统（Multi-Agent Systems, MAS）中的共识问题是当前控制理论与工程领域的一个研究热点。传统的连续时间或周期性采样控制策略在通信资源和计算能力方面往往存在较高要求，这对于资源受限的智能体网络而言是一个显著挑战。事件触发控制作为一种有效的解决方案，能够根据预设条件动态决定通信和控制更新的时刻，从而显著降低通信负担。本文深入探讨了多智能体网络在分布式事件驱动控制下实现有限时