多机器人路径规划（Multi-Agent Path Finding, MAPF）要求在共享环境中为若干智能体寻找从各自起点到终点的无冲突路径，是仓储物流、无人机编队与自动驾驶等应用的基础问题。精确求解方法在智能体数量增大时计算代价急剧上升，而优先级规划以「按序逐个规划、后续智能体规避先前路径」的策略，在多项式时间内给出可行解，是大规模场景下的实用选择。本文对一套完整的 MAPF MATLAB 代码

多机器人路径规划（Multi-Agent Path Finding, MAPF）要求在共享环境中为若干智能体寻找从各自起点到终点的无冲突路径，是仓储物流、无人机编队与自动驾驶等应用的基础问题。精确求解方法在智能体数量增大时计算代价急剧上升，而优先级规划以「按序逐个规划、后续智能体规避先前路径」的策略，在多项式时间内给出可行解，是大规模场景下的实用选择。本文对一套完整的 MAPF MATLAB 代码

基于LSTM（长短期记忆网络）-Attention（注意力机制）故障分类模型的轴承故障诊断研究，结合西储大学的数据，是一个融合了深度学习技术和注意力机制的先进故障诊断方法。

自适应动态规划（Adaptive Dynamic Programming, ADP）算法作为一种先进的问题求解方法，在多业务领域展现出了卓越的适用性。在电力系统领域，针对新能源发电波动所引发的优化调度难题，ADP 算法能够提供有效的解决方案；在化工行业，对于非线性系统的优化控制问题，该算法同样表现出色。与传统的算法相比，ADP 算法具有明显的优势。

四旋翼无人机的轨迹跟踪控制长期依赖欧拉角等局部坐标表示，但这类方法在剧烈机动或大角度姿态变化时会遭遇奇异性和万向节锁死问题。几何跟踪控制通过在SO(3)和SE(3)李群上直接设计控制律，从根本上规避了坐标奇异，并提供了几乎全局的稳定性保证。本文系统梳理了几何跟踪控制的理论基础、核心方法学进展与当前研究前沿。首先阐述四旋翼在SE(3)上的全局动力学建模及其微分平坦特性，分析欧拉角方法的固有局限。进而

时滞系统广泛存在于工业过程、通信网络、机器人控制等领域，其状态估计面临信息异步性、估计偏差和相关性未知等挑战。协方差交叉（Covariance Intersection, CI）融合估计作为一种有效的信息融合方法，在处理具有未知相关性的多源信息时展现出独特优势。本文针对时滞系统，研究了协方差交叉融合估计方法，通过时间对齐、时滞补偿等技术，解决了时滞数据的处理和多源异步信息的融合问题，提高了状态估计

本文聚焦于非平稳重复过程的参数辨识与跟踪问题，提出一种基于具备动态优化能力（DOP）的粒子群算法的解决方案。该算法能够实时跟踪非平稳重复过程的参数变化，当控制器增益被定义为待跟踪参数的已知函数时，可在运行过程中重新整定这些增益。通过设置标志位，可快速切换不同系统配置与粒子群更新规则。本方案受“即插式直接粒子群重复控制器”启发，适用于重复过程参数辨识、迭代学习估计、动态优化问题以及基于种群的进化优化

作为一种方便、快捷的交通工具，汽车已成为人们生活和工作的重要组成部分。随着汽车数量的逐年增加，有限的城市空间显得日趋拥挤，车辆平均分配到的停放空间也日趋缩小，车辆泊车入位困难问题在人们生活中逐渐显现。人们对车辆使用轻便性及安全性要求促使越来越多汽车生产商、科研机构及高校对泊车系统进行研究。目前，国外已有部分汽车生产商推出自己的自动泊车系统，但仅装配于高端车型，我国暂时还未具有自主知识产权的汽车自动

在本文中，目标是在存在异常值范围测量的情况下以集中方式定位单个目标。我们的目标是实现异常值分布鲁棒性，这意味着估计器在不同的异常值概率分布下表现良好。最小二乘法应用于平方范围测量。虽然这个公式在ML意义上不是最优的，但它为我们提供了有效找到估计值的机会。本文可归纳如下。首先，使用平方范围公式制定一个鲁棒优化问题，该问题忽略了不可靠的测量。接下来，提出两种不同的算法来找到优化问题的解。

本方案针对感应电机（Induction Motor, IM）与异步电机（Asynchronous Motor）的转速闭环控制需求，分别构建了基于速度传感器的磁场定向控制（Field-Oriented Control, FOC）系统与矢量控制系统（Vector Control System）。