本文针对多无人机协同目标运输任务，提出了一种基于分层控制架构的协同运输方案。通过三维快速扩展随机树（RRT）算法实现避障路径规划，结合双机协同同步机制和实时质量估计器，实现了两架无人机对未知质量物体的协同拾取与运输。实验结果表明，系统能够在复杂三维环境中高效完成任务，并通过动态更新质量估计值提升控制精度。未来工作将聚焦于在线重规划算法、路径优化及三维动画可视化改进。

在强背景噪音和谐波干扰下提取冲击信息对于轴承故障诊断是一个具有挑战性的问题。多尺度变换在提取冲击特征信息方面取得了巨大成功，然而，在强噪声干扰的情况下如何选择合适的变换是一个困难的问题。因此，字典学习方法近年来备受关注。本文提出了一个加权多尺度字典学习模型（WMSDL），将多尺度变换和故障信息整合到一个统一的字典学习模型中，并成功地克服了传统字典学习算法的四个缺点，包括缺乏多尺度特性；将训练样本限

局部放电（Partial Discharge, PD）是绝缘系统中局部区域发生的非贯穿性放电现象。电晕放电模型：由电极尖端电场集中引发，表现为针-板电极间空气间隙的放电（见图1(a)）。其脉冲集中在电压负半周的90°相位，频谱覆盖0 Hz至数十MHz。沿面放电模型：发生在固体介质与空气界面，如环氧树脂与脂板的交界面（见图1(b)）。放电空间一端为介质，另一端为电极，导致波形不对称。气隙/内部放电模

本文针对太阳能、风能及水力混合抽水蓄能系统的多能互补特性，提出基于粒子群优化算法（PSO）的容量配置与调度优化方法。通过构建以度电成本最小化为目标、兼顾供电可靠性与系统稳定性的多目标优化模型，结合实际气象数据与负荷需求进行仿真验证。结果表明，PSO算法较传统优化方法可降低系统总成本12%-18%，显著提升可再生能源消纳率至95%以上，为高比例可再生能源并网提供了可行的技术路径。

随着可再生能源的广泛接入，电力系统的不确定性显著增加，对电力系统灵活性和可靠性的要求也随之提高。独立储能系统（IESS）凭借其快速响应、灵活调控等特性，成为应对这一挑战的重要手段。本文深入探讨了IESS参与现货电能量市场与调频辅助服务市场出清的协调机制，分析了其必要性、面临的挑战，并提出了相应的解决方案。通过构建数学模型和算例分析，验证了所提机制的有效性和实用性。

【电动汽车响应率】考虑到电动汽车充放电调度问题中的放电奖励不同可能导致部分车主不愿意参与放电，设计响应率计算方法是很有必要的。响应率可以用来衡量车主对于放电任务的参与程度或者积极性。1.EV需求响应模型EV需求侧响应机制的主要目的是通过改变EV用户充电起始时间，使EV充电负荷在时序上避开电网负荷高峰，考虑到V2G技术，EV可在电网负荷用电高峰时，反向向电网供电，在电网低谷时再进行充电，从而实现削峰

1. CNN模块功能：CNN模块主要用于从多源输入数据中提取时空特征。这些输入数据可能包括历史风电功率数据、风速、风向、温度、湿度等气象数据以及地理信息数据等。优势：通过卷积层和池化层的组合，CNN能够自动学习并提取输入数据的局部特征，为后续的预测提供丰富的特征信息。2. BiLSTM模块功能：BiLSTM模块用于捕捉输入序列中的长期依赖关系。与传统的LSTM相比，BiLSTM能够同时处理正向和反

定义分布式电源（Distributed Generation, DG）是指靠近用户侧或负荷中心的小型发电系统，容量通常为几十千瓦至几兆瓦，具有分散布局、灵活接入的特点。其核心特征包括地理分散性、低传输损耗、多能源类型兼容性。主要类型可再生能源类：如太阳能光伏、风力发电、生物质能发电，依赖自然资源但清洁环保。化石能源类：如微型燃气轮机、柴油发电机，具备快速启动和稳定性，但碳排放较高。储能类：如电池储

VMD-CNN-LSTM模型是一种结合了变分模态分解(VMD)、卷积神经网络(CNN)和长短时记忆网络(LSTM)的混合预测模型。数据预处理：收集历史电力负荷数据，并进行必要的清洗和规范化处理，以消除异常值和噪声。VMD分解：利用VMD技术对预处理后的负荷数据进行分解，将其分解为多个固有模式函数(IMF)。每个IMF分量代表原始信号中不同频率的成分，有助于分离噪声和信号，并揭示隐藏在复杂负荷数据中

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动