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。

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

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。

点云数据作为三维空间信息的离散表达形式，在诸多领域得到广泛应用。从点云数据中提取边界，是实现物体识别、场景理解以及运动追踪的关键环节。本文将简述点云边界提取的识别与追踪方法。边界识别的核心在于区分内部点与边界点。常用的识别方法包括：基于邻域分析的方法，例如通过计算邻域内点的法向量变化率判断边界；基于密度分析的方法，利用点云密度差异识别边界区域；以及基于曲率估计的方法，计算点云表面的曲率变化，识别曲

随着无人机技术在军事侦察、物流配送、灾害救援、电力巡检等领域的广泛渗透，复杂三维空间下的路径规划已成为制约无人机自主作业效能的核心技术瓶颈。传统二维路径规划方法难以适配实际飞行中的地形起伏、立体障碍物规避及多目标优化需求，而单目标优化算法无法平衡路径长度、能耗、安全性等相互冲突的目标。为此，本文提出一种基于非支配排序遗传算法（NSGA-II）的无人机3D路径规划方法。首先构建融合地形、立体障碍物、

同步定位与建图（Simultaneous Localization and Mapping, SLAM）是机器人自主导航领域的核心技术之一。它允许机器人在未知环境中同时构建环境地图并确定自身在地图中的位置，是实现机器人自主探索、导航和人机协作的关键。在各种用于实现SLAM的传感器中，激光雷达以其高精度、抗环境光干扰能力强以及提供丰富的环境几何信息等优势，成为当前主流的SLAM传感器之一。

在机器人技术迅猛发展的今天，机器人在工业制造、服务行业、医疗手术等领域的应用愈发广泛。路径规划作为机器人自主运动的核心环节，其性能直接影响机器人的工作效率、运动平稳性和任务完成质量。传统的路径规划算法如 RRT 系列算法，虽能在复杂环境中找到可行路径，但生成的路径往往存在较多冗余，平滑性欠佳，且在面对高维空间和动态环境时，优化能力有限。