基于扩展卡尔曼滤波器的同时定位与地图构建（EKF-SLAM）是移动机器人自主导航的核心经典算法，凭借结构简洁、实时性强的优势被广泛应用于各类无人设备场景。但算法固有的状态估计不一致性问题，会导致机器人位姿与环境地图的估计误差随迭代累积、协方差矩阵失真，严重制约SLAM系统的长期运行精度与稳定性。现有研究多聚焦于算法迭代优化与误差修正，较少从系统本质的可观测性缺陷层面剖析不一致性的根源。

自主水下航行器（AUV）是海洋资源勘探、水下环境监测、海洋工程作业的核心智能装备，其运动控制精度与环境适配性直接决定水下作业的可靠性与稳定性。复杂海洋环境存在水流扰动、浮力波动、水体阻力非线性变化等不确定干扰，导致传统固定参数PID控制器难以适配动态工况，存在参数整定繁琐、抗干扰能力弱、轨迹跟踪误差大、动态响应滞后等问题。

铁木辛柯梁理论充分计入横向剪切变形与截面转动效应，适用于短粗梁、复合材料梁、动力冲击与高频振动等工程场景，其控制方程组为空间、时间耦合的高阶偏微分方程组，传统有限元、有限差分等网格类数值方法存在网格剖分复杂、剪切闭锁、逆问题数据依赖度高、全域连续场重构成本大等固有缺陷。物理信息神经网络（PINNs）以自动微分技术为核心，将结构力学控制方程、边界约束、初始条件转化为可优化损失项，实现无网格全域连续解

布洛赫 - 托雷方程是描述磁共振成像中自旋磁化强度时空演化、分子扩散弛豫行为的核心偏微分方程组，传统有限差分、有限元等数值求解方法存在网格剖分成本高、多参数反演迭代耗时、小样本临床数据适配性差等固有缺陷。物理信息神经网络（PINNs）将布洛赫 - 托雷方程对应的物理约束嵌入深度学习损失函数，无需密集离散网格，仅依靠少量观测信号数据即可同时完成方程正问题求解与组织弛豫、扩散系数等生理参数反演。

语音信号分类是语音信号处理领域的核心研究方向，广泛应用于语音识别、声纹认证、语音情感分析、智能人机交互等诸多领域。由于语音信号具有非线性、时变性、随机性的复杂特征，传统分类方法难以精准挖掘语音特征与信号类别之间的关联关系，存在分类精度低、抗干扰能力弱、泛化性差等问题。BP神经网络凭借其强大的非线性映射、自适应学习和容错能力，能够有效适配复杂语音特征数据的分类任务。

本研究聚焦于由两个四旋翼飞行器协同驱动的缆绳机器人系统，旨在实现复杂任务（如协作运输、环境探测）中的动态稳定性与精确控制。四旋翼动力学耦合：需协调双飞行器的升力、扭矩与姿态；缆绳悬链线效应：大跨度缆绳的自重下垂与非线性张力分布；刚柔耦合建模：缆绳柔性特性与四旋翼刚体运动的交互；协同控制鲁棒性：通信延迟与外界扰动下的稳定性。

无人水面艇（USV）是一种无需人工直接操控的水面机器人，具备自主/半自主航行能力，通过远程控制或预设程序执行任务。多功能性：适用于海洋勘测、环境监测、搜救、军事防御等场景。持久性：采用锂离子电池或太阳能供电，支持长时任务。安全性：替代有人船执行危险任务（如反海盗、水雷清除）。

全覆盖路径规划是机器人、无人机及自动化设备在环境监测、农业喷洒、建筑3D打印等领域的关键技术。传统螺旋规划虽能实现区域遍历，但存在路径冗余、复杂环境适应性差等问题。本文提出一种融合A*算法的螺旋式全覆盖路径规划方法，通过构建分层栅格地图、设计动态启发函数及优化螺旋扩展策略，实现复杂环境下的高效、无遗漏覆盖。实验表明，该方法在路径长度、覆盖率及死点数量等指标上显著优于传统螺旋算法，为动态环境下的全覆

随着“双碳”目标和绿电直连政策的推进，利用风电、光伏等新能源生产绿氨成为工业深度脱碳的重要路径。本文针对绿电制氨园区的运行优化与系统影响问题，基于逐时功率平衡、多场景调度优化和源荷储协同思想，选取新能源自发自用比例、总用电量绿电比例、新能源上网比例、吨氨成本、产能利用率和区域净负荷爬坡等指标，建立了逐时能量平衡、离散开停机、连续负荷调节、储能联合调度和多园区渗透率分析模型。针对问题一，建立典型日逐

文献来源：采用外层容量配置-内层能量调度的双层耦合结构（图1）：外层目标函数：其中CPV​为光伏系统成本，ISUB​为政府补贴，IINlayer​为内层日收益反馈值。内层目标函数：涵盖电价收益、光伏上网收益、电池充放电成本及运维成本。分时电价初始化：根据峰谷电价分布特征初始化粒子位置，提升初始解质量。随机两维速度变异：迭代中随机选择两个维度进行速度扰动，避免局部最优。认知系数时变控制：动态调整个体