针对多无人机（UAV）协同航迹规划中因编队队形约束而忽略部分较窄通道的问题，提出了一种基于自适应分布式模型预测控制的快速粒子群优化(ADMPC-FPSO)方法。该方法利用领航跟随法和虚拟结构法相结合的编队策略构造出虚拟编队引导点，以完成自适应编队协同控制任务。根据模型预测控制的思想，结合分布式控制方法，将协同航迹规划转化为滚动在线优化问题，且以最小距离等性能指标为代价函数。通过设计评价函数准则，使用变权重快速粒子群优化算法对问题进行求解。仿真结果表明，通过所提算法能够有效实现多无人机协同航迹规划，并可根据环境变化快速完成自适应编队变换，同时较传统编队策略代价更低。

针对传统级联卷积神经网络（CNN）在左心室超声图像中定位准确度较低的问题，提出一种融合更快速区域卷积神经网络（Faster-RCNN）模型提取区域的级联卷积神经网络，实现对超声图像中左心室心内膜和心外膜轮廓特征点的定位。首先，采用两级级联的方式改进传统级联卷积神经网络的网络结构，第一级网络利用一个改进的卷积网络粗略定位左心室心内膜和心外膜联合的特征点，第二级网络使用四个改进的卷积网络分别对心内膜特征点和心外膜特征点进行位置微调，之后定位输出左心室心内膜和心外膜联合的轮廓特征点位置；然后，将改进的级联卷积神经网络与目标区域提取融合，即利用Faster-RCNN模型提取包含左心室的目标区域并将目标区域送入改进的级联卷积神经网络；最后，由粗到细对左心室轮廓特征点进行定位。实验结果表明，与传统级联卷积神经网络相比，所提方法在左心室超声图像上的定位效果更好，更逼近真实值，在均方根误差的评价标准下，特征点定位准确度提升了32.6个百分点。

在不确定环境下，针对固定翼无人机（UAV）航迹规划问题，提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先，对凸多边形障碍物进行最小外接圆拟合；然后，根据静态威胁，将规划问题转化为一系列时域窗口内的在线子问题，利用模糊粒子群算法实时优化求解以实现静态避障；当环境中存在动态威胁时，使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束，同时提出固定翼UAV的碰撞检测法，可提前判断障碍物是否为真正威胁源，以此减少转弯频率和幅度，降低飞行代价。仿真实验结果表明，所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力，且克服了传统人工势场容易陷入局部最优的缺点。