为了解决联邦学习在车联网中终端设备数据的异质性导致模型训练准确率不稳定和性能下降，以及车辆分 布广泛，通信和计算资源有限的问题，提出一种数据类型和数据规模并行优化的群联邦迁移学习数据共享方法 （ｓｗａｒｍｆｅｄｅｒａｔｅｄｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇ，ＳＦＴＬ）。提出基于高斯混合模型的共识设备组划分机制，通过对数据分布建模构建 共识设备组，实现对异质性数据的有效管理和分析；面向划分的共识设备组，设计蜂群学习训练机制，加强相似设备 组之间的协同学习过程；提出组间迁移学习机制，通过模型预训练法增量迁移不同共识设备组信息最小化模型差 异，提高联邦模型聚合准确率。在公共数据集上的实验表明：与基线方法相比，ＳＦＴＬ模型训练准确率平均提高 ７％， 通信时间平均降低 １０％。

为解决点云三维目标检测算法中单阶段网络与双阶段网络在检测精度和检测效率之间难以平衡的问题，提 出一种基于点云体素的伪双阶段三维目标检测网络—ＡＦＰＮｅｔ。构建轻量化的中心热图模块预测目标中心点，去除 传统区域建议网络中的锚框设置与非极大值抑制操作。为更好地利用多尺度体素特征，设计了 ＡＦＰＣｒｏｓｓＡｔｔｅｎｔｉｏｎ 模块，通过设计的自适应特征池化（ＡＦＰ）方法，在多尺度体素中提取高价值特征并进行交叉注意力计算，与全局注 意力相比有效减少了计算量。基于 ＡＦＰ方法搭建了 ＡＦＰＴｒａｎｓｆｏｒｍｅｒ检测头，建模查询特征与高价值特征的依赖关 系，提升网络精度。实验结果表明：在 ＫＩＴＴＩ数据集上，所提方法在 ３种主要目标类别的平均精度均值（ｍＡＰ）方面相 较基准方法分别提升了 １．４３％、５．２３％和 ４．４１％，平均每帧推理时间为 ３４．１９ｍｓ，有效缩短了单阶段和双阶段网络 之间的精度差距，保留了良好的检测效率。

为提高自动驾驶汽车轨迹跟踪精度与行驶稳定性，提出考虑路面附着系数的自适应 ＭＰＣ轨迹跟踪控制算 法。建立三自由度车辆动力学模型和轨迹跟踪模型预测控制器，基于横向跟踪偏差和道路曲率自适应调整模型预 测控制器的价值函数；基于递推最小二乘法实时估算路面附着系数，将估算结果作为轮胎侧偏角以及横向加速度约 束相关的变量引入到控制器中，解决车辆在低附着路面下转向时轮胎侧向力易超出轮胎线性区间导致车辆失稳的 问题。搭建 ＣａｒＳｉｍ与 Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ联合仿真平台进行仿真实验。结果表明，在不同附着系数的路面环境下，该算 法相较于传统 ＭＰＣ控制算法具有更高的跟踪精度和稳定性。

针对轨迹跟踪过程中轮胎侧偏刚度动态变化的问题，提出一种考虑轮胎侧偏刚度的轨迹跟踪控制器。以分 布式电动汽车为研究对象，建立七自由度整车动力学模型，仿真分析垂向载荷和侧偏角对侧偏刚度的影响；设计基 于径向基神经网络（ｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ，ＲＢＦＮＮ）的侧偏刚度估计器，考虑 ＲＢＦＮＮ初始化参数的不确 定性，利用 ｋｍｅａｎｓ算法改进其函数中心，通过最小二乘法（ｌｅａｓｔｍｅａｎｓｑｕａｒｅ，ＬＭＳ）调整 ＲＢＦＮＮ的隐含层和输出层 的权值，改善侧偏刚度估计器的预测精度和收敛速度。结果表明，优化后 ＲＢＦＮＮ测试时间缩短 ４ｓ，训练时间缩短 ７００ｓ，绝对误差和相对误差分别降低 ４４．３％、５５．２％。基于模型预测控制（ｍｏｄｅｌｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌ，ＭＰＣ）设计了轨迹 跟踪控制器，将侧偏刚度估计值代入预测模型中，同时添加动力学约束以提高跟踪的稳定性。搭建了 ＣａｒＳｉｍ／Ｓｉｍｕ ｌｉｎｋ联合仿真平台，将考虑侧偏刚度的轨迹跟踪控制器与未考虑侧偏刚度控制器进行对比。结果表明，无论是在高 附着路面还是低附着路面，考虑侧偏刚度的轨迹跟踪控制器具有更好的稳定性，说明所提出的改进估计模型和轨迹 跟踪策略具有良好的应用价值。

分布式驱动电动汽车各轮转矩独立可控，可通过控制左右车轮力矩差实现转向功能。以分布式驱动电动无 人车为研究对象，针对该类车辆的差动转向特性，提出了一种基于速度优化的路径跟踪控制策略，旨在提高车辆在 复杂路径下的路径跟踪控制精度。根据驾驶员驾驶习惯，考虑到道路曲率、路面附着系数等道路条件对车速的影 响，基于动力学模型确定最大安全车速，通过速度优化算法实现车辆的纵向速度控制。采用线性时变模型预测控制 方法求解期望前轮转角，设计了滑模变结构的差动转向控制策略，实现速度优化下的路径跟踪功能。基于Ｃａｒｓｉｍ与 Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ进行联合仿真验证。结果表明：控制器能根据道路条件变化实时调节车速，在实现路径跟踪功能的 同时，也具有良好的稳定性。

考虑到伺服系统在不确定性摩擦影响下难以达到期望的控制效果，摩擦现象给电机参数辨识带来不确定性 影响的情况，针对转速规划的伺服系统，设计了一种摩擦和转动惯量的辨识方法。采用 ＴＳ型模糊神经网络对摩擦 和转动惯量进行在线辨识。将辨识得到的基于 ＴＳ型模糊神经网络的摩擦模型作为补偿控制、转动惯量用来自整定 ＰＩ控制器的参数。仿真实验结果显示，设计的在线辨识方法具有良好的逼近性能，获得了满意的轨迹追踪效果。

轮胎载荷是车辆稳定性控制以及车辆参数估计的关键，提出一种结合物理模型和数据驱动的轮胎载荷估计 算法。采用 ＡＢＡＱＵＳ建立轮胎模型，搭建试验台架对模型进行验证；根据柔性环模型研究轮胎载荷与中心角的内在 机理，提取轮胎不同位置的应变信号，对不同载荷下的应变进行响应分析，采用皮尔逊相关系数法选取特征点；基于 中心角等模型参数和应变数据，通过 ＢＰ神经网络搭建轮胎载荷预测模型。结果表明，结合应变信号与柔性环模型 参数的预测效果比单一使用应变信号或物理模型的效果更好，该方法增加了数据驱动的可解释性，可为研究车辆的 稳定性控制提供参考。

为提高智能汽车轨迹跟踪精度，基于鲁棒最优理论，设计了一种考虑参数不确定性的路径跟踪控制器。利 用不考虑不确定性的二自由度线性模型，设计基于线性二次型调节器（ＬＱＲ）路径跟踪控制器，针对参数不确定性和 外部扰动，将 ＬＱＲ最优控制和积分滑模控制相结合，设计了鲁棒最优控制策略。利用李亚普洛夫稳定性理论，对所 提出的鲁棒最优控制器进行稳定性分析。最后通过 Ｃａｒｓｉｍ和 Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ进行双移线干湿路面工况仿真验证， 结果表明，所设计的控制器相较于普通 ＬＱＲ控制器，控制精度有效提高。

针对泊车过程中由于混合 Ａ 算法生成的泊车路径存在扭结和曲率不连续导致的车辆行驶顿挫的问题，提 出了一种融合路点重排与最小二乘样条曲线的泊车路径优化方法。通过对混合 Ａ 算法生成的路径的挡位与长度 特性进行分析，确定并剪除其中存在的路径扭结路段，利用路点重排算法对关键路点的顺序进行排布，引入最小二 乘 Ｂ样条曲线，对移除扭结后的不连续且不平滑的曲线进行拼接与平滑。在仿真环境和实车实验中对算法的可行 性进行验证，结果显示：该算法可以消除泊车或低速行驶路线中的扭结，使车辆平稳无顿挫行驶，提升使用者体验， 有利于进一步拓展泊车和低速行驶功能的应用场景。

为探究大模型发展过程中涌现出新能力的原因，通过 ＡＩ大模型发展过程中参数数量变化进行解释。论述 了大模型与参数的关系，因素在人工智能中的作用；提出了人工智能的能力涌现源于因素的论断并加以证明；讨论 了大模型带来的启示和人工智能核心要素。研究认为，ＡＩ大模型能力涌现与参数的迅速增加有直接关系，参数的本 质是因素；在数据、因素、算法和算力之中因素最为重要，特别是 ＡＩ大模型的自我意识觉醒必然需要大量参数与适 合的系统功能表示方法；人工智能能力涌现是人工智能的核心，并融入了人的安全意识。论证了人工智能的能力涌 现源于因素增加的观点。

在应用增强现实技术的变电站巡检工作中，背景纹理复杂难以提取特征点，大视角变化情况下匹配正确率 低，针对以上问题提出改进特征匹配算法 ＲＬｏＦＴＲ＋＋。引入高斯滤波进行预处理，有效减少图像噪声并平滑部分纹 理，降低了匹配的复杂度。设计了特征方向描述子模块，增强了网络对图像关键点的方向敏感度，提高了大视角差 图像间的匹配率。集成 ＭＡＧＳＡＣ＋＋算法，优化匹配过程、剔除误匹配点，提升了匹配的正确率。实验结果表明，Ｒ ＬｏＦＴＲ＋＋算法在变电站真实数据集上的匹配效果都优于参与对比的其他特征匹配算法。在 ＭｅｇａＤｅｐｔｈ相同特定场 景子集的实验中，ＲＬｏＦＴＲ＋＋在户外姿态评估实验中 ＡＵＣ指标相比于原网络提升了约 ０．９２％ ～１．６３％。

针对通风条件下，气候室相对湿度控制精度对甲醛检测准确性的影响，提出一种相对湿度预测模型。模型 选取控温水箱、控制露点水箱和气候室相对湿度等 ７个数据采集点的数据作为输入和输出。基于多策略改进鹈鹕 优化算法和最小二乘支持向量机构建 ＭＳＰＯＡＬＳＳＶＭ相对湿度预测模型。针对鹈鹕优化算法寻优能力不足的问题， 使用随机对立学习初始化种群，引入融合鲸鱼优化的正余弦策略和动态权重因子策略，提高算法性能。将 ＭＳＰＯＡ ＬＳＳＶＭ模型与 ４种机器学习模型进行对比实验，结果表明，ＭＳＰＯＡＬＳＳＶＭ模型决定系数、均方根误差分别为 ０．９６４ 和 ０．０７３８９，均低于其他模型，可为解决相对湿度控制精度不足问题提供参考。

针对机器人施釉中人工示教给定的初始轨迹优化问题，提出一种基于 ＮＳＤＥ算法的多目标优化方法。在给 定初始轨迹基础上，以釉层厚度均匀性高和施釉工作时间短为优化目标建立多目标优化模型，采用 ＮＳＤＥ算法对喷 枪移动速度和喷枪高度参数进行优化，计算得优化参数解集，通过仿真分析比较优化前、后釉层厚度的均匀性，并采 用优化参数下的喷涂轨迹对坯体试样进行施釉试验及厚度检测，依据此轨迹优化方法喷涂的釉层厚度均匀性误差 为 ９．２１％，验证了所规划施釉轨迹的可行性及有效性。

作为一种低碳、环保的交通工具，油电混合电动汽车（ｈｙｂｒｉｄｅｌｅｃｔｒｉｃｖｅｈｉｃｌｅ，ＨＥＶ）发展迅速。为保障推荐过 程中用户的隐私安全，提出了一种面向纵向联邦学习算法的 ＨＥＶ站点推荐算法。通过本地训练、中央聚合的模型训 练机制，在保证用户隐私数据安全的前提下，更新局部训练模型。将区块链技术与云计算相结合，通过使用加密算 法和分布式存储，提供一个安全可信的云服务网络，负责传输本地计算的训练参数。利用去中心化的数据聚合器取 代易出现单点故障的集中式架构，创建了一个灵活且可扩展的云网络。实验结果表明，具有 １０个云节点的分散式算 法比传统的集中式算法快 ５．２ｓ。可见，基于纵向联邦学习的推荐算法既能保证推荐的精准性，也能充分调动闲置站 点，有效提高推荐效率。

针对传统粒子群算法（ＰＳＯ）存在收敛精度低以及易陷入局部最优等问题，提出一种多策略融合改进粒子群 算法（ＭＦＰＳＯ）。利用中垂线算法（ｍｉｄｐｅｒｐｅｎｄｉｃｕｌａａｌｇｏｒｉｔｈｍ，ＭＡ）更新粒子的位置，提升粒子的收敛速度；在最优粒 子周围生成爆炸粒子挖掘最优粒子的作用，提升算法的精度；引入非线性惯性权重，增强算法的局部探索能力和全 局搜索能力。选用 ８个基准函数对算法进行性能测试，测试结果显示：ＭＦＰＳＯ收敛速度更快、收敛精度更高。将改 进粒子群算法应用于感应加热电源恒功率控制中，在 Ｓｉｍｕｌｉｎｋ中建立模型，仿真结果表明，ＭＦＰＳＯ优化的功率控制 不仅超调量很小、调节时间短、抗干扰性强，而且系统能够很快达到稳态，验证了策略的有效性。

为提高多式联运订单合并运输决策质量，提升运输工具满载率，优化运输结构，构建了总成本最小为目标的 订单合并运输决策模型。设计的遗传算法改进了种群更新机制，算法三段式编码分别对应订单的路径节点、采用的 运输方式和运输班次，通过算例验证了模型与算法的正确性与有效性。敏感度分析结果表明，提高碳排放成本有助 于运输结构朝着低碳运输方式转换，合理的碳税值对运输结构优化调整与成本优化控制效果明显；平均满载率随着 单位时间惩罚成本的提高呈下降趋势，但对不同运输方式的满载率呈现不同的影响规律；订单合并能够降低总成 本，节约运输工具的使用数量，订单数量越多，降低的总成本越大。

滑阀作业时可能遇到液压侧向力导致阀芯运动卡滞甚至锁死的现象，影响系统正常运行。为解决这一问 题，以某特定型号滑阀阀芯上均压槽结构尺寸为研究对象，采用有限体积法，基于不可压缩的 ＮａｖｉｅｒＳｔｏｋｅｓ方程，结 合 ｋε湍流模型进行流场仿真分析。结果表明：均压槽的宽度和深度达到滑阀间隙的 １０倍以上时，减小侧向力的效 果开始显著，尤其是超过 ２０倍后效果最佳；均压槽尺寸的增加虽然会导致泄漏量上升，但与无槽状态相比，这种增量 并不显著。研究成果可为均压槽设计提供理论依据和参考。

针对六直叶涡轮桨搅拌过程中速度、湍动能等流体力学特性分布不均匀的问题，设计了一类新型分形双层 几何涡轮桨，通过计算流体动力学（ＣＦＤ）数值模拟实验，对这一类分形桨的流场速度、湍动能、湍能耗散率进行分 析。研究结果表明：流场速度分布特征为风轮状，并向槽壁逐渐递减；风轮状的流场速度区域随着分形维数与迭代 次数的增加而增加；无迭代桨流场湍动能强度明显大于分形桨，流场湍动能强度随着分形维数与迭代次数的增加而 减少；流场湍流耗散率特征为锯齿状，分形桨湍流耗散率明显小于无迭代桨，矩形一次迭代桨湍流耗散率效果最好； 分形桨搅拌功率随着分形维数与迭代次数的增加而减少；矩形迭代桨在流场速度分布、湍动能和湍流耗散率方面明 显优于无迭代桨和三角形迭代桨。研究结果可为新型结构搅拌桨设计提供参考。

为提升对航空管路无扩口接头退化预测的精度和效率，提出一种基于时间卷积网络 ＴＣＮ（ｔｅｍｐｏｒａｌｃｏｎｖｏｌｕ ｔｉｏｎａｌｎｅｔｗｏｒｋ）和 Ｔｒａｎｓｆｏｒｍｅｒ的特征融合模型（ＴＴ模型）。通过 ＴＣＮ模块提取增强后的特征信息，利用融合卷积 Ｔｒａｎｓｆｏｒｍｅｒ模块进一步处理，在编码器末尾添加池化层以降低过拟合风险，最终通过全连接层得到预测结果。为验 证 ＴＴ模型的有效性，针对航空管路无扩口接头密封性能使用单向流固耦合方法完成泄漏率模型的建立并获取数 据，利用数据集进行试验。结果表明，ＴＴ模型与 ＣＮＮ、ＲＮＮ、ＬＳＴＭ和 Ｔｒａｎｓｆｏｒｍｅｒ模型相比，预测误差分别减少 ３５３％、６．０８％、１．６３％和 １．７５％，有效提高了航空管路无扩口接头退化预测的准确性。

汽车动力总成悬置橡胶结构的疲劳特性很大程度上决定了悬置的使用寿命，从橡胶疲劳寿命的影响因素、 预测模型、仿真分析与性能优化、测试４个方面进行归纳，综述了国内外橡胶疲劳寿命研究的最新进展。介绍了影响 橡胶疲劳寿命的因素，论述了橡胶疲劳寿命预测模型及其预测效果，阐述并分析了橡胶疲劳寿命有限元仿真及测试 现状，指出了汽车动力总成悬置橡胶疲劳寿命进一步研究的方向，对其发展趋势进行了展望。

ＣＢＢ系列摆线齿轮泵通常被用作航空发动机燃油泵测试系统中的油液增压泵，为确保测试系统在高压和高 振动环境下能够稳定油压并均匀供给油量，需要进行建模设计和流量特性分析。目前摆线泵齿廓参数设计多依赖 传统机械理论分析，未能结合流量特性分析，工作可靠性不高。通过分析转子副啮合特性，确定弧径系数与创成系 数，结合流体特性优化配流面结构，建立转子模型。流量分析采用基于转子几何特征的集中参数思想，离散泵内流 体域，计算各腔室动态流量，对泵体泄漏情况进行归类分析，建立数学流体模型。最后利用 ＡＭＥＳｉｍ平台搭建摆线泵 动态流量模型，与优化前相比，误差控制在 １％，流量不均匀系数低于 ５％，出口压力波动在 ２％以内，满足工作需求。

滚动接触疲劳试验机的有效工作时长受限于转子系统的轴承疲劳寿命，以转子系统中的滚动轴承为研究对 象，建立其疲劳寿命的预测方法。采用多体动力学与有限元方法，建立滚动轴承动力学模型以及滚子滚道接触的有 限元模型，分析轴承运转的动力学过程，通过结合 ＩＨ理论，分别计算轴承的内外圈以及滚子的疲劳寿命。在对模型 验证的基础上，模拟分析了不同径向载荷工况下滚动轴承的疲劳寿命，结果表明，相较 ＩＳＯ标准和 ＬＰ理论模型，模 型更全面考虑了轴承滚子滚道的疲劳寿命，计算的轴承疲劳寿命更小，为疲劳试验机主轴轴承的疲劳寿命预测和分 析提供了支撑。

研究旨在探究不同阻尼器支承对高速电主轴减振性能的影响及其对系统动力学特性的作用。设计并构建 了 Ｏ型圈和金属橡胶阻尼器，搭建了阻尼支承特性参数测量试验台，进行了关键参数的测量。通过数值计算，利用 拉格朗日法对高速电机系统的模态频率和振型进行了分析，系统在 ０～２５００Ｈｚ频率范围内存在 ２个临界转速。基 于理论模型，搭建了相应的试验台，进行了低速与高速运行试验。试验结果表明，丁腈橡胶阻尼器减振性能最佳，金 属橡胶和硅胶阻尼器的性能次之，而氟橡胶阻尼器的减振性能较差。此外，试验结果验证了理论计算的准确性，证 实了理论临界转速的预测与试验观测相吻合。

为提升搅拌过程中混合效率，提出一种错位穿流桨并基于计算流体动力学（ＣＦＤ）建立其流场模型。研究错 位穿流桨安装位置和穿孔对流场的影响，对比不同工况下流场变化，明确错位穿流桨工况；探究错位穿流桨上穿孔 分布与功率的相互关系，通过多元线性回归分析确定穿孔位置；以混合效率作为桨叶混合能力的评价指标，分析错 位穿流桨、错位桨和 Ｒｕｓｈｔｏｎ桨的混合效率，发现错位穿流桨有着较强的混合能力。结果表明：错位穿流桨结构简 单，功率消耗低，能够减少混合时间，穿孔均匀分布在桨叶上，有效发挥穿流效果，混合效率相较于 Ｒｕｓｈｔｏｎ桨提升 ３２％，研究结果可为反应器设计提供一种更高效节能的搅拌器选择。

侧重于发掘储能侧变换器及其控制能力，分析了储能侧变换器直流电流与频率的关系，提出了一种改进综 合惯性控制的风储系统一次调频策略。该策略中，为使储能模拟同步机惯量，储能侧变换器通过直流电流的变化响 应电网频率的扰动，向电网提供惯量支撑调节频率。在惯性响应模块中引入惯性元件增强系统阻尼。并在此基础 上，推导新型控制的小信号模型进行稳定性分析。在 Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ环境中搭建系统仿真模型，设置风储系统与无 穷大系统并网，风储系统接入 ＩＥＥＥ９节点系统工况对所设计的控制策略进行验证评估。仿真结果表明：储能侧变换 器在所设计的新控制下通过直流电流响应电网频率变化，有效地缓解了电网频率跌落，提高了系统稳定性。

针对军用便携式储能装备电压等级多样性的特点，提出一种适用于宽输入电压的双有源桥（ＤＡＢ）ＤＣＤＣ变 换器优化控制策略。首先，分析扩展移相控制各状态下的数学模型，推导出 ＤＡＢ变换器小信号模型。然后，将简化 自抗扰控制器接入到电压环，并结合模糊神经网络算法在线优化控制器参数，实现 ＤＡＢ变换器的宽输入电压特性。 最后，搭建一套５００Ｗ实验样机，实验结果表明，所提出的优化控制策略使 ＤＡＢ变换器具有更好的输入电压适应性， 输入电压范围从原来的 ４０～６０Ｖ扩大到 ３６～９６Ｖ；同时响应时间小于 ５ｍｓ，提高了系统的动态响应能力。

为研究大容量磷酸铁锂电池的热失控风险，以 ８６Ａｈ储能用方形磷酸铁锂电池单体为对象，通过自主搭建的 锂离子电池热失控实验平台，开展不同荷电状态（ＳＯＣ）大容量锂离子电池的热失控特性实验研究。研究结果表明： ＳＯＣ越大，电池热失控时的内部化学反应越活跃且热失控越剧烈，质量损失越多。电池从 ２５％ ＳＯＣ增加到 １００％ ＳＯＣ，安全阀打开时间缩短了 １９％，热失控触发时间缩短了 ５３．１％。锂离子电池的 ＳＯＣ与热失控时的温度成正比。 电池电压快速下降时间均早于发生热失控时间，随着电池 ＳＯＣ的增加，电压波动减小，电池电压快速下降时刻提前， 有利于利用电压变化对热失控进行预警。

精准预测质子交换膜燃料电池的长期老化趋势对于系统控制和诊断至关重要。然而，大多数数据驱动模型 仅关注短期预测，难以提供精确的长期结果。为此，提出了一种多尺度卷积神经网络，所设计的模型基于多尺度分 解将输入数据分解为线性趋势和非线性趋势，精准提取长期依赖信息并有效捕捉数据中的非线性信息，并将结果叠 加以提高长期预测的精度。基于 ＩＥＥＥＰＨＭ２０１４燃料电池耐久性测试数据验证了所提出模型的有效性和准确性。

针对直流微电网中的三端口变换器各端口功率流动以及输出电压会受到变换器时变性强、模型复杂的影 响，为提高变换器的稳态特性和动态响应，提出了一种光储隔离型三端口 ＤＣＤＣ变换器线性自抗扰控制。通过建立 隔离型三端口变换器小信号模型，将线性自抗扰控制器引入电压环，利用线性扩张状态观测器对系统状态进行实时 估算，将工况模式切换、负载投切导致传输功率波动等视作系统扰动并进行补偿。同时，通过解耦矩阵计算出对应 的移相角，实现对三端口变换器的控制。最后，基于搭建的一台 ５ｋＷ 的实验样机，通过仿真与实验分析，对所提出 的控制策略的有效性进行验证，结果表明所提出的方法在实现端口功率协同控制的同时可改善母线负载电压的稳 定性。

为了使模块化多电平换流器（ｍｏｄｕｌａｒｍｕｌｔｉｌｅｖｅｌｃｏｎｖｅｒｔｅｒ，ＭＭＣ）内环电流控制能更好地改善系统控制性能 以及满足系统的动态响应，提出了一种无源双积分滑模控制（ｐａｓｓｉｖｅｂａｓｅｄｃｏｎｔｒｏｌｄｕａｌｉｎｔｅｇｒａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌ， ＰＢＣＤＩＳＭＣ）方法。该方法在基于 ＭＭＣ的欧拉拉格朗日模型的基础上，将无源理论应用于内环电流控制，采用双曲 正切函数作为饱和函数以满足滑模控制平滑切换的要求，建立基于双积分滑模面的价值函数并结合最近电平调制 对 ＭＭＣ子模块电容进行滑模预测以得到最优的切换控制。采用 Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ进行仿真验证，结果表明，ＰＢＣ ＤＩＳＭＣ在电网不同运行方式下具有良好的抗干扰能力和稳态性能。