本文提出了一种基于深度学习的焊接缺陷检测系统，该系统利用ResNet18网络模型对焊板图像进行分类，可有效区分焊接完成及三种常见焊接缺陷类型。系统采用PyQt5框架构建可视化界面，实现了图片的直接加载、原图与CAM激活图叠加展示、预测结果及时间显示等功能。实验结果表明，该系统具有较高的分类准确率和良好的可视化效果，为焊接缺陷检测提供了一种高效、直观的解决方案。

多无人机空中机器人施工任务分配旨在通过协同规划与动态调度，将施工任务（如结构搭建、材料运输、质量检测等）高效分配给无人机群，满足时间、资源、空间等多重约束。其核心目标是通过优化任务执行顺序、路径规划及负载均衡，提升施工效率与安全性。典型应用场景包括结构构建：如分布式桁架结构组装（Lindsey等人，2011）、立方体框架搭建（Lindsey等人，2013），通过多无人机协同完成复杂几何构件的空中定

本文通过顶视投影方法将六足机器人简化为3PRR并联构型，重点研究其运动学建模与控制策略。基于Quanser公司六足并联平台实验数据，结合MATLAB仿真验证，提出一种基于逆运动学冗余度优化的PID伺服控制框架。实验表明，该方案在平面轨迹跟踪任务中实现0.05mm级定位精度，较传统RRR构型控制效率提升42%，为复杂地形适应性研究提供理论基础。

RRT（Rapidly-exploring Random Tree）算法背景：为了解决概率路线图（PRM）算法的局限性而提出，适用于高维空间和复杂障碍物环境。核心思想：基于随机采样，以增量的方式构建搜索树，逐步找到从起点到终点的路径。优点：能够处理狭窄通道和障碍物，增量式构建搜索树，适应动态环境。缺点：不保证找到最优路径，只保证概率完备性；路径可能包含许多折角，不够平滑。RRT-Connect算法

DistFlow模型是一种用于描述配电网潮流的数学模型，它考虑了线路的电阻和电抗，以及功率的损耗。该模型通过引入支路功率和节点电压等变量，能够准确描述配电网的潮流分布。在含分布式电源的配电网中，DistFlow模型能够更好地反映分布式电源对系统潮流的影响，为优化重构提供更准确的依据。

本文针对OFDM+QPSK通信系统，构建了基于深度学习的信道估计与均衡框架，通过误码率（BER）仿真对比传统LS、MMSE、LMMSE算法的性能。仿真结果表明，深度学习模型在低信噪比（SNR）和快变信道场景下可降低误码率，尤其在多径时延扩展超过循环前缀（CP）长度时，深度学习方案较传统LS算法误码率下降显著。研究为5G/6G高动态场景下的信道估计提供了新思路。

烟幕干扰弹主要通过化学燃烧或爆炸分散形成烟幕或气溶胶云团，在目标前方特定空域形成遮蔽，干扰敌方导弹，具有成本低、效费比高等优点。随着烟幕干扰技术的不断发展，现已有多种投放方式完成烟幕干扰弹的定点精确抛撒，即在抛撒前能精确控制烟幕干扰弹到达预定位置，通过时间引信时序控制起爆时间。现考虑运用无人机完成烟幕干扰弹的投放策略问题。具有长续航能力的无人机挂载某型烟幕干扰弹在特定空域巡飞，受领任务后，无人机投

Ballbot是一种动态稳定的移动机器人，它通过一个单球轮移动，并能够实现全方位运动。Ballbot是一个具有非完整动态约束的欠驱动系统。作者提出了一种离线轨迹规划算法，该算法为未驱动关节提供了一类参数化轨迹，以便在动态约束下使系统达到期望的静态配置。轨迹的参数是通过优化技术获得的。此外，作者还提出了一种反馈控制器，以确保精确的轨迹跟踪。通过实验验证了轨迹规划算法和跟踪控制器的有效性。作者还将离线

海洋观测、水下巡检、管线探测等水下作业任务对自主水下机器人（AUV）的轨迹跟踪精度、动态稳定性与环境适应性提出了严苛要求。针对 AUV 水平面直线、圆形、八字形三类典型作业轨迹的高精度跟踪需求，本文以 Infante 提出的耦合非线性水动力模型为载体动力学基础，采用四阶龙格 - 库塔数值迭代方法实现水下非线性系统高精度状态更新；构建分层双闭环增量式 PID 控制架构，分别完成前向推进速度闭环与艏向

在空地一体化移动边缘计算场景中，无人机凭借机动灵活、部署便捷、覆盖范围广的优势，可作为移动边缘服务节点，搭载算力设备对地面分布式终端用户的计算任务进行实时卸载与就近处理，有效解决传统地面固定边缘基站覆盖盲区大、部署成本高、应急响应能力弱的问题。然而在复杂野外、陌生城市、动态干扰环境下，多无人机协同作业面临飞行障碍物规避、动态环境自适应、终端服务优先级差异化、多机无冲突协同等多重约束。