永磁同步电机（PMSM）凭借高效能、高功率密度、低损耗等优势，广泛应用于新能源汽车、工业伺服、轨道交通等领域。传统矢量控制依赖光电编码器、旋转变压器等位置传感器获取转子位置与转速信息，虽能保证控制精度，但增加了系统成本、体积及安装复杂度，且在振动、高温、粉尘等恶劣工况下易出现故障，降低系统可靠性。无传感控制技术通过检测电机定子电压、电流等易获取的电气信号，结合观测器算法估算转子位置与转速，可有效解

多无人机协同三维路径规划是无人机集群完成复杂任务（如灾害救援、军事侦察、物流运输）的核心技术，其核心需求是在三维复杂环境中，为多架无人机规划出满足避障、能耗、协同约束的最优路径，实现任务效率与飞行安全性的双重提升。针对传统路径规划算法在高维空间中计算效率低、易陷入局部最优、协同性不足等问题，本文引入海星优化算法（Starfish Optimization Algorithm, SFOA），结合其强

高斯混合模型（Gaussian Mixture Model, GMM）作为一种基于概率分布的生成式模型，通过多个高斯分布的线性组合，能够灵活逼近任意连续概率分布，在数据生成领域具有独特优势。本文围绕基于GMM的数据生成方法展开深入研究，系统阐述GMM的核心原理与数学基础，详细拆解数据生成的完整流程，包括模型参数估计、生成过程实现、参数调优策略及生成数据质量评估，并通过实验验证方法的有效性与优越性。

为解决风、光、荷、储微网中可再生能源出力间歇性、波动性与V2G（Vehicle-to-Grid）技术引入后多主体协同调度的复杂问题，提升微网运行的经济性、环保性与可靠性，本文开展考虑V2G技术的微网多目标日前优化调度研究，并提出一种改进多目标灰狼优化算法（IMOGWO）用于求解该调度问题。首先，构建包含风力发电机、光伏组件、储能系统、电动汽车（V2G）及多元负荷的微网整体模型，明确各单元的数学特性

针对径向基函数网络（RBF）在分类预测任务中，核心参数（隐藏层中心、宽度及输出层权重）优化易陷入局部最优、收敛速度慢，且传统优化方法泛化能力不足的问题，本文提出一种基于改进的瞬态三角哈里斯鹰优化算法（Transient Triangular Harris Hawks Optimization, TTHHO）的RBF分类预测模型（TTHHO-RBF）。首先，对标准哈里斯鹰优化算法（HHO）进行改进，

本文采用Q-learning算法结合ε-greedy策略，成功解决了随机生成的方形迷宫问题。通过合理设计奖励函数、优化训练参数，实现了智能体从“盲目探索”到“自主寻优”的转变，最终能快速找到起点到终点的最优路径。实验结果表明，该方案具有收敛速度快、路径优化效果好、适应性强的特点，可适用于不同规模、不同障碍物分布的随机方形迷宫。

在全球能源结构向清洁化、分布式转型及“双碳”目标推进的背景下，微能源网作为整合光伏（PV）、风电（WT）等分布式能源、储能系统（ESS）、多元负荷及冷热电联供（CCHP）等设备的关键载体，实现了局部能源的自治运行，对提升能源利用效率、降低碳排放具有重要作用。然而，微能源网能量管理面临三大核心挑战：一是不确定性强，光伏/风电出力受天气影响短期预测误差可达15%-30%，用户负荷存在动态波动；二是多能

图像处理技术作为计算机视觉领域的重要组成部分，在现代社会中扮演着日益关键的角色。从医疗影像分析到自动驾驶，再到安防监控，图像处理的应用无处不在。而霍夫变换，作为一种经典且强大的图像处理技术，在图像特征提取和目标检测方面发挥着举足轻重的作用。本文将深入探讨基于霍夫变换的图像处理学习，从其基本原理、算法实现到应用场景，力求全面阐述其在图像处理领域的重要性。一、霍夫变换的基本原理与思想霍夫变换 (Hou

摘要: 无人机（UAV）三维路径规划是无人机自主导航的关键技术之一，其目标是在满足各种约束条件下，寻找一条最优或次优的飞行路径。传统的路径规划算法在面对复杂环境和多约束条件时，往往效率低下或无法找到全局最优解。本文针对此问题，提出了一种基于改进型粒子群优化算法（IPSO）的无人机三维路径规划方法。该方法通过改进粒子群算法的拓扑结构、速度更新公式以及引入自适应参数调整机制，有效提高了算法的收敛速度和

柔性车间调度问题（Flexible Job Shop Scheduling Problem, FJSP）是生产管理领域中的一个核心难题，其目标是在满足各种约束条件的同时，优化生产效率、降低成本。传统的调度方法在面对复杂多变的生产环境时，往往难以取得最优解。近年来，深度强化学习（Deep Reinforcement Learning, DRL）在解决复杂决策问题方面展现出巨大潜力。本文旨在探讨基于多