随着机器人技术在工业生产、仓储物流、应急救援、服务机器人等领域的广泛应用，机器人的作业环境日趋复杂，从结构化的工厂车间逐步延伸至非结构化的野外环境、拥挤的城市道路等场景。机器人路径规划作为机器人自主导航的核心技术，其核心目标是在存在障碍物的环境中，为机器人寻找一条从起点到终点的路径，该路径需同时满足安全性（避开障碍物）、可行性（符合机器人动力学约束）和优化性（如路径最短、能耗最低、平滑性最优）等多

滚动轴承作为旋转机械的核心关键部件，广泛应用于风电装备、轨道交通、航空发动机、工业机器人等重大装备领域。其运行状态直接决定了整机的可靠性、安全性与运行效率。在长期交变载荷、摩擦磨损、润滑失效等多因素作用下，滚动轴承会逐渐发生性能退化，最终引发故障，可能导致设备停机、生产中断甚至重大安全事故。

针对高海拔山地、超密集城市建筑群、强电磁GNSS拒止三类极端复杂物理场景下无人机三维路径规划存在的高维解空间寻优难度大、多强耦合约束难以协同满足、动态威胁下鲁棒性不足等行业共性难题，本文提出一种融合非线性自适应逃逸机制、准欧拉梯度局部增强与随机柯西反向种群初始化的红嘴蓝鹊优化器（Quasi-Euler Gradient Random Cauchy Red-Billed Blue Magpie Op

本仓库提供一套可直接运行的 MATLAB 仿真程序，实现。

移动机器人在未知动态环境下的自主避障是实现自主导航的核心关键技术，传统人工势场法存在局部最优陷阱、目标不可达的固有缺陷，常规DQN算法存在样本利用效率低、训练收敛不稳定的问题。本研究基于PyTorch深度学习框架，完整搭建标准DQN、优先级采样DQN、DQN+人工势场融合三类避障控制算法，在栅格化动态障碍物仿真环境中完成系统性对比验证。测试结果表明，优先级采样DQN通过对高价值样本的重点回放，训练

轮式机器人在长距离室外复杂场景运行时，纯惯性导航系统（INS）的定位误差会随时间持续累积，仅依靠轮式里程计与常规IMU融合的方案难以在长周期运行中维持高精度定位性能。本研究提出一种全新的地形特征辅助优化框架：将轮式INS实时估计的机器人横滚角进行镜像映射得到路面倾斜角序列，把该序列作为独特的地形指纹特征，通过粒子滤波器完成环路闭合检测与全局位姿校正，从根源上抑制INS的长期漂移。

无人水下航行器是海洋资源勘探、水下作业与海洋安全领域的核心装备，其六自由度运动的强非线性、水动力耦合不确定性与复杂海洋环境扰动特性，直接导致实海况试验成本高、风险大、迭代周期长。本报告针对BlueROV2型观测级水下航行器开展全维度仿真研究，基于Fossen海洋机器人动力学框架构建完整的六自由度运动数学模型，融合洋流扰动、水动力阻尼、推进器推力分配约束等工程要素，搭建包含运动控制、环境感知、编队协

自主水下机器人（AUV）是深海资源勘探、水下管线巡检、海洋环境监测等场景的核心装备，其运动控制性能直接决定了复杂水下作业任务的完成质量。传统固定参数PID控制器是当前AUV运动控制的主流方案，但水下环境存在强水流扰动、水动力模型时变、载体质量随作业载荷动态变化等复杂特性，预先整定的固定PID参数很难在全工况下始终保持最优控制效果，极易出现轨迹跟踪超调量大、抗扰能力弱、动态响应滞后等问题，严重影响A

旋转机械中的复合轴承是风电齿轮箱、工业机器人关节、航空发动机主轴等高端装备的核心承载部件，其运行过程中往往同时出现内圈点蚀、外圈磨损、滚动体损伤等多种耦合故障，故障振动信号呈现强噪声干扰、多特征混叠、非平稳调制的复杂特性。传统基于CNN、LSTM的故障诊断方法需要大量标注故障样本支撑训练，在工业实际场景中复合故障样本稀缺、标注成本极高，很容易出现模型过拟合、复合故障识别准确率不足70%的问题。

在现代农业与智能零售领域，水果的成熟度和大小是决定其品质、价格及货架期的关键指标。传统人工检测效率低、主观性强，而基于机器视觉的检测技术通过模拟人类视觉感知，结合图像处理与深度学习算法，可实现对苹果、香蕉等水果的自动化、高精度检测。本文将从技术原理、核心算法、实战流程及应用场景等维度，解析如何利用机器视觉构建水果检测系统。