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

随着工业设备复杂度提升，传统故障诊断方法在应对多模态、非平稳信号时面临准确性与实时性瓶颈。本文提出一种基于短时傅里叶变换（STFT）、卷积神经网络（CNN）与长短期记忆网络（LSTM）的混合故障诊断模型（STFT-CNN-LSTM），通过时频分析、空间特征提取与时间序列建模的协同作用，实现旋转机械、电力系统等场景下的高精度故障分类。实验以凯斯西储大学轴承数据集为验证对象，结果表明该模型在噪声环境下

参考文献： 随着清洁能源的发展，世界各国都在利用清洁能源改善能源结构，提高能源利用率，追求节能减排的效果。区别于传统能源系统，综合能源系统充分结合可再生能源，优化调度内部多能源的使用，为能源需求增加，能源成本上升，环境污染加重等相关问题提供了有效的解决方案。其中，CCHP系统是同时具备发电、供热和制冷能力的系统，因为其具有能源利用率高的特性，受到了广泛关注。文献[29]建立了一种混合整数非线性规划

摘要本文提出了一种基于神经网络的（NN-based）数据驱动迭代学习控制（ILC）算法，用于具有未知模型和重复任务的非线性单输入单输出（SISO）离散时间系统的跟踪问题。控制目标是使系统的输出在每次迭代过程中跟踪参考轨迹。因此，在每次迭代过程的每个相对时间点上，使用广义回归神经网络（GRNN）作为估计器来解决系统的关键参数，并使用径向基函数神经网络（RBFNN）作为控制器来解决控制输入。

文献来源：目前，针对售电商交易策略的研究多集中于利 润风险管控、需求响应调用、偏差结算机制等方面。文献[1-2]提出利用期货合同、动态零售电价、多代 理服务等方法实现售电商的风险管控。文献[3-5]基 于条件风险价值法(conditional value-at-risk，CVaR) 度量风险损失，并分析了其对售电商购售电参数的 影响。文献[6]比较了最小最大后悔值法、机会约束、 条件风险价值3种方

混合储能永磁同步电机驱动系统仿真模型机理与特性解析。

在 “双碳” 发展战略全面推进的背景下，风电、光伏等清洁能源规模化并网应用已成为能源转型的主流趋势。综合能源系统作为整合多种能源品类、实现多设备协同运行的新型能源载体，能够充分发挥多能互补、梯级利用的优势，有效承接高比例可再生能源接入。但风光能源固有的间歇性、随机性与反调峰特性，使得系统源荷双侧波动加剧，电网负荷峰谷差值不断扩大，弃风、弃光现象频发，不仅增加了系统调度运行压力，也制约了清洁能源的高

无差拍预测电流控制凭借动态响应快、控制精度高、工程实现简便等优势，在表贴式永磁同步电机调速系统中得到广泛应用。但传统无差拍预测电流控制高度依赖电机精准参数，运行过程中电感、磁链等参数失配会大幅恶化电流预测精度，导致系统动态稳态性能下降、电流谐波增大，制约了其工业应用效果。针对该问题，本文提出一种融合增量模型与电流预测误差补偿的鲁棒无差拍预测电流控制及电感在线辨识方法。首先，构建电机增量式无差拍预测

无差拍预测电流控制凭借动态响应快、控制精度高、工程实现简便等优势，在表贴式永磁同步电机调速系统中得到广泛应用。但传统无差拍预测电流控制高度依赖电机精准参数，运行过程中电感、磁链等参数失配会大幅恶化电流预测精度，导致系统动态稳态性能下降、电流谐波增大，制约了其工业应用效果。针对该问题，本文提出一种融合增量模型与电流预测误差补偿的鲁棒无差拍预测电流控制及电感在线辨识方法。首先，构建电机增量式无差拍预测

永磁同步电机凭借高效率、高功率密度、低转矩脉动等优势，广泛应用于工业驱动、新能源装备、智能伺服等领域，其控制系统的动态响应速度、稳态控制精度与抗扰动能力直接决定整机运行性能。电流环作为永磁同步电机矢量控制系统的内环核心，承担着电流快速跟踪、抑制扰动、保障系统稳定运行的关键作用，其控制算法的性能优劣对电机调速、转矩输出特性影响显著。