针对索驱悬吊式重力卸荷系统被动缓冲器带来的欠驱动问题，提出了基于气动人工肌肉（Pneumatic Artificial Muscle， PAM）主动式缓冲器控制方法。首先，分析用于地面微/低重力模拟的悬吊式重力卸荷系统，为了克服PAM高度非线性特性，提出基于块结构的非线性神经网络建模方法，其次分析吊索与航天器相互作用过程中挠性引起的力扰动，最后采用非线性模型预测跟踪控制。相比传统PID控制方法，该方法具有参数调节简单，实时跟随性能好，以及对卸荷系统目标惯性参数的摄动具有控制性能不变性等优势。实验结果表明，设置不同扰动情况跟随力误差都能保证在3%以内，实验证明了基于PAM主动缓冲器的可行性，所提出的控制方法能够在挠性不确定性的情况下实现力跟随控制。

针对新型多通道双晶单色器系统易受晶体片平行度误差影响导致性能失效的问题，提出一种迭代学习模型预测控制器（Iterative Learning Model Predictive Control，ILMPC）策略。该策略将主-从轴晶体片平行度误差转换为从轴电机的重复参考运动轨迹，采用ILC迭代消除周期性机械安装误差，再利用MPC对单个转动周期内从轴电机的随机性误差进行抑制。最终在单轴电机运动实验平台上对该策略进行轨迹跟踪验证。实验结果表明，在晶体片有效工作区间内从轴电机的位置跟踪误差达到1.44″，相比于PID控制、MPC、DOB+MPC以及ILC+PID组合控制器策略，分别降低了99.64%，98.52%，98.26%和73.33%。研究结果验证了所提出的ILMPC策略在补偿晶体片平行度误差和提高平行对准精度方面的有效性，该策略对于改善新型多通道双晶单色器性能具有较好的实际应用价值。

为了提高永磁同步电机控制系统电流环控制器的性能，降低模型参数失配对控制系统的影响，提出了基于高斯过程参数辨识的永磁同步电机有限集模型预测电流控制策略（FCS-GPMPC）。首先，介绍了永磁同步电机电流预测模型并分析了模型参数失配对系统性能的影响；其次，为简化一般机器学习参数辨识算法中超参数复杂的调试过程，提出了一种基于高斯过程的模型参数的辨识方法；同时，引入预测值的置信区间作为参数预测效果的实时评估参考；最后，将高斯过程参数辨识与基于模型的有限集模型预测电流控制（FCS-MPC）相结合，在得到准确辨识的参数后对系统电流预测模型更新以提高系统鲁棒性和电流环跟踪性能。实验结果显示：在本文训练数据的统计特征下，测试数据均方根误差RMSE为0.002 1，R2达到0.99。在参数波动条件下，与FCS-MPC相比，FCS-GPMPC策略下电流波动度降低了30.5%，电流平均偏移度降低了19.6%，另外对参考电流的阶跃变化，FCS-GPMPC有更好的动态响应。实验结果表明，基于高斯过程的模型预测控制方法可有效抑制模型失配对控制系统的影响，能够提高永磁同步电机控制系统电流控制器性能。

星地量子通信传输距离长，卫星与地面存在相对运动，提高了对量子跟踪仪的跟踪性能要求。为了提高星地量子通信的跟踪精度，降低量子通信的误码率，本文对量子跟踪仪的跟瞄控制系统展开研究，并对影响跟踪精度的总扰动进行补偿。首先，介绍了星地量子通信链路、量子通信过程及其影响因素。接着，搭建了量子跟踪仪的运动数学模型。基于跟踪仪的数学模型，设计并提出自抗扰模型预测控制算法；针对模式切换问题，提出了分数阶跟踪微分器以优化轨迹减小超调。根据与“墨子号”卫星进行量子通信的实验结果：分数阶跟踪微分器对模式切换后的目标捕获速度提高了22%，提出的自抗扰模型预测控制相比于传统的PI控制有更强的抗扰动能力，削弱了俯仰换向的脱靶量尖峰，跟踪精度达到2.9″，提高了量子偏振数据接收量，总误码率降低到1.18%。本文提出的控制算法能够进一步提高量子跟踪仪的跟踪精度，降低了误码率，满足星地量子通信的精度要求。

小麦是我国的主要粮食作物, 在国民经济发展中具有举足轻重的地位。 然而, 盐与物理损伤等非生物胁迫, 逐渐成为制约小麦产量和品质的重要因素。 研究表明, 细胞壁是植物细胞直接抵御逆境胁迫的重要防线。 盐胁迫下, 细胞渗透压增大, 质膜的透性会受到一定程度的影响。 为了维持细胞的形态和结构, 植物细胞壁中的果胶等多糖物质会发生不同程度的转化和改变。 物理损伤, 会加深植物细胞膜脂过氧化的程度, 使膜通透性增大, 导致营养物质的流失和降解。 受到损伤的部位及其周边细胞还会发生栓化以阻塞病菌的侵入。 构成植物细胞壁主要成分且能够反映细胞壁以及膜系统完整性和透过性的果胶, 可以作为研究胁迫下植物内部物质响应规律的重要指标。 目前, 质量法、 比色法、 液相色谱法等常用的果胶检测方法操作繁琐、 实时性不强且对样本损耗较大。 亟需一种操作简便、 检测速度快、 无损的检测方法。 将烟农0428小麦作为研究对象, 采用水培方式, 以向培养液中施加氯化钠(NaCl)溶液和对小麦第一片叶主脉两侧针刺分别模拟盐胁迫和昆虫叮咬造成的物理损伤, 并完成小麦叶片果胶及高光谱信息的采集与处理。 利用相关分析法筛选光谱敏感波段, 将主成分回归(PCR)、 偏最小二乘法(PLS)、 逐步多元线性回归(SMLR)三种建模方法分别与多元散射校正(MSC)、 标准正态变换(SNV)、 一阶导数(FD)、 卷积平滑(S-G)、 Norris导数滤波(NDF)等预处理技术相结合, 建立果胶含量反演模型。 最终, 选定PLS+SNV+FD+NDF方法建立的模型为最优模型, 并对其性能进行了测试。 结果表明: 果胶含量的预测值与实测值一致性较高, 拟合系数(R²)和均方根误差(RMSE)分别为0.997 6和0.35; 预测值重复性较好, 相对标准偏差(RSD)为1.2%。 该研究以新方法实现小麦果胶的高精度、 快速、 无损检测, 有助于小麦响应逆境胁迫机理的深入探索, 并为大田作物胁迫程度预测及种植环境的精准管控提供参考。

为预测宫颈癌容积旋转调强（VMAT）放疗膀胱和直肠剂量，建立相关模型指导临床。以44例宫颈癌VMAT放疗为例，提取靶区和危及器官膀胱和直肠的解剖空间位置关系，以宫颈癌靶区体积、靶区处方剂量、膀胱体积、直肠体积以及靶区和膀胱、直肠的空间位置特征为输入量，基于剂量-体积直方图（DVH）数据和Python工具包，以膀胱、直肠的V₄₀和D₃₃作为输出量，经主成分分析建立回归方程模型预测膀胱和直肠的剂量。实际值与预测值相比，膀胱和直肠的结果都较为精确，其中，直肠V₄₀的相对误差范围在1.40%~6.89%，直肠D₃₃的相对误差范围在2.12%~6.81%；膀胱V₄₀的相对误差范围在2.47%~6.67%，膀胱D₃₃的相对误差范围在0.38%~4.28%，实际值与预测值的差异均无统计学意义（p>0.05）。该模型可以有效预测宫颈癌调强放疗计划膀胱直肠受量，对临床放疗工作有指导作用。