- 当期目录
- 优先出版
- 最新录用
- 下载排行 过刊浏览
-
2024,38(11):1-14,
Abstract:
在无线光通信系统中,大气湍流会导致传输光束发生扩展、漂移和光强起伏,使得接收端信号质量严重下降,降低通信系统性能,因此,研究抑制大气湍流的方法是提升无线光通信系统性能的关键。大孔径接收技术、分集技术、部分相干光技术和自适应光学技术能够有效抑制大气湍流效应,是改善无线光通信系统性能的重要手段。详细阐述了各个关键技术抑制大气湍流的原理及其手段,这些关键技术可以通过改变传输或接收策略、调控光场结构、增大接收孔径、补偿波前畸变来改善接收信号的质量,提高通信系统的可靠性,同时分析了不同参数指标对系统性能的影响。讨论了相关抑制技术的国内外研究现状,并展示了相关技术在大气湍流的影响下对系统不同性能指标的改善情况。最后总结了当前无线光通信领域在大气湍流抑制方面所面临的挑战与亟待解决的问题,并对未来技术的发展趋势进行了展望,可为未来在该领域的发展提供参考借鉴。
-
2024,38(11):15-24,
Abstract:
电力变压器运行过程中故障数据远少于正常数据，数据不平衡问题较为严重，并且监测变量间耦合关系复杂，导致状态评估任务的建模难度大、评估精度低。针对相关问题，提出基于双输入残差图卷积网络的电力变压器健康状态评估方法。首先，采用SMOTE Tomek混合采样算法对训练数据进行不平衡数据预处理，解决了故障数据过少、训练数据严重不平衡的问题；然后，考虑到单一度量无法准确描述变量间相关性的问题，提出多度量融合构图方法，通过多个度量方法共同学习变量间的相关性，并构造图结构数据；最后，提出基于切比雪夫图卷积的双输入残差图卷积网络，对所构造的图结构数据进行特征提取，并通过自注意力机制进行特征融合，得到变压器的状态评估结果。在真实电力变压器运行的油中溶解气体及油化试验数据集上进行了对比实验，实验结果表明，所提出方法的状态评估准确率达到94.7%，F1分数达到0.942，高于其他深度学习方法，具有最佳的评估性能。
-
2024,38(11):25-32,
Abstract:
为提高组合导航系统的可靠性，提出了改进故障检测和信息融合方法的组合导航系统容错机制。设计了改进的序贯概率比检验法，引入了渐消因子提高对当前时刻残差信息的跟踪速度，结合马氏距离来判断故障的结束时间，并依据判断结果在恰当的时机完全重置判断信息；设计了一种基于联邦滤波的自适应归一化融合算法，构建故障检测统计量的归一化检测值，将此值作为量测噪声方差阵的权重系数，对相应的子滤波器进行加权量测更新，以此改变全局融合过程中的权重分配。车载实验的结果表明，改进的完全重置序贯概率比检验算法相较于传统的残差卡方检验法、渐消序贯概率比法和快速重置序贯概率比法，在软故障检测上的正检率分别提高了96.43%、25.00%和19.57%，采用的自适应归一化融合算法相比于传统的联邦滤波法也提高了44.70%和35.60%的定位精度。因此，所改进的两种方法可以在很大程度上提升组合导航系统的容错性能，具有较高的实用价值。
-
2024,38(11):33-39,
Abstract:
为提高阵列天线故障检测的精度，提出了一种改进差分-遗传(DE-GA)算法。该算法融合了遗传(GA)算法和差分进化(DE)算法，在基因遗传过程中采取染色体双交叉策略，对陷入局部陷阱的个体信息进行重新引导；利用自适应权重优化后代的选择过程，提高算法对故障因子的灵敏性和适应能力。本文将该算法用于阵列天线的故障检测中，通过阵列公式建立天线的模型，对该模型的辐射方向图进行优化，使其与故障天线的已知辐射方向图逐渐拟合，以此推出故障阵列幅值。实验表明，本文提出的DE-GA算法与DE算法、GA算法相比，适应度函数值最低点分别减小了11.15%和12.90%，平均绝对误差分别减小了19.36%和23.85%，均方误差分别减小了12.90%和11.15%，最大误差分别减小了12.30%和13.18%，具有更高的准确率，拟合能力更强。此外，在原有实验的基础上改变阵列的数量，该算法依然具有优良的稳定性，证明能够满足对大数量阵列的故障检测。
-
2024,38(11):40-47,
Abstract:
实际工业环境中，燃气轮机转子故障数据难以采集导致故障样本稀缺，无法满足故障模型的海量训练要求。利用DenseNet在图像特征提取方面的和Transformer结构在视觉领域上的优势，提出了一种基于改进的DenseNet-ViT联合网络的燃气轮机转子故障诊断方法。首先舍弃掉DenseNet的分类层，只需利用DenseNet的特征提取层，随后将改进的DenseNet的输出层连接到ViT模型的输入层构成联合网络；另外针对故障模型训练耗时长的问题，利用迁移学习将训练好模型权重参数进行迁移可以加快训练时间，节省计算资源。利用在实验室构建的燃气轮机转子模拟实验台可以获得燃气轮机转子故障模拟数据，在某型号燃气轮机试车台上获得了真实环境下的转子不同类型的故障数据，利用模拟数据与真实数据进行模型测试可以更好的检验所提出方法的可靠性。实验结果表明：在两种不同转子故障数据集测试中分别达到了96.8%和97.3%的故障识别准确率，表明该方法具有较高的转子故障识别精度；在后续设置的对比验证实验中，通过与CNN以及VGG-16等进行对比，该模型的故障分类准确率也均高于这些网络，从而进一步验证了该模型的优异性和可靠性。
-
2024,38(11):48-57,
Abstract:
针对轴承故障数据分布不一致导致特征偏移、标志性特征提取困难的问题,提出一种基于时频滤波器和偏移注意神经网络的轴承故障诊断方法,从离线和在线两个方向分别对故障信号进行处理。在离线部分提出时频滤波器,分别从时域和频域提取故障信号的标志性特征;提出兼顾全局特征和局部特征的空间采样方法。在线部分提出偏移注意神经网络,与自注意相比,偏移注意更有利于偏移特征的提取,从而降低数据分布不一致造成的影响。在西安交通大学和凯斯西储大学的轴承数据集上进行实验,达到了100%的精度,证明了所提方法能够很好的提取故障信号的标志性特征,并且能够有效抑制特征偏移对故障识别精度的影响。而在凯斯西储大学轴承数据集上的对比实验则证明了所提方法的优越性。除此之外,还在工业现场采集的燃气轮机主轴承数据集上进行了实验,结果证明所提方法具有实际应用意义。
-
2024,38(11):58-69,
Abstract:
针对卷积神经网络通过局部感受野对输入信号进行特征提取，在变负荷和变噪声条件下无法有效捕获全局上下文信息导致滚动轴承故障诊断精度较低的问题，提出了一种多尺度自适应深度可分离卷积(MADSC)和空间交互双流Swin Transformer(SIDSwinT)的滚动轴承故障诊断方法。首先，利用小波变换将一维振动信号转换成二维时频图以保留完整信息；接着，构建MADSC提取局部特征信息，捕捉不同尺度下滚动轴承振动信号的特征变化；然后，设计SIDSwinT提取全局特征信息，利用提出的空间交互模块(SIM)自适应地调整特征权重；同时，通过可变形注意力对采样信息进行加权消除工况波动造成的分布差异；最后，利用双向长短时记忆网络(BiLSTM)更好地理解上下文信息，提升诊断准确性和稳定性。使用两种不同数据集验证所提方法的故障诊断性能，实验结果表明，所提方法在信噪比为-4时准确率高于93.00%，在变负荷条件下准确率高于92.00%，验证了所提方法较对比方法具有更强的抗噪性能和泛化能力。
-
2024,38(11):70-78,
Abstract:
在铁路系统中，转辙机是确保列车安全顺畅运行的关键设备。S700K转辙机的故障诊断对于预防事故和维护铁路运营至关重要。为了解决传统诊断方法在速度和准确性上的不足，提出了一种融合深度残差收缩网络(DRSN)与双向长短期记忆神经网络(BiLSTM)的诊断模型。首先，对转辙机功率曲线进行预处理；其次，利用DRSN对预处理数据进行自动特征学习，并压缩数据长度，提高诊断的快速性，其注意力机制和软阈值化降低了噪声特征的影响，并且DRSN网络结构有助于克服网络退化和过拟合的问题；随后，利用BiLSTM的双向结构捕捉时间序列数据中复杂的关系；最后使用Softmax分类器进行故障分类。仿真结果表明DRSN-BiLSTM模型的准确率、精确率、召回率均超过了98.3%，并且该模型故障诊断的准确率相较于DRSN、深度神经网络(DNN)和卷积神经网络(CNN)等模型至少提高了1.47%，并且在添加15~40 db高斯白噪声情况下准确率保持在92.7%以上，较其余模型至少提升2%。该模型在确保训练过程的高效性的同时提升了转辙机故障诊断准确率，并且在噪声环境下展现出了优秀的鲁棒性。
-
2024,38(11):79-89,
Abstract:
为提高光伏阵列故障诊断精度，提出一种基于改进金豺算法（improved golden jackal optimization，IGJO）优化深度混合核极限学习机（deep hybrid kernel limit learning machine，DHKELM）的光伏阵列故障诊断方法。首先，在MATLAB/Simulink仿真平台模拟各种光伏阵列故障，在对故障特征进行了深入分析的基础上，提出了一个12维特征作为光伏阵列故障诊断的特征量；其次，通过引入透镜成像反向学习策略、正余弦算法策略和自适应T分布扰动策略对金豺算法进行改进，以提高其收敛速度和全局寻优能力，并将IGJO与其他优化算法通过测试函数进行对比；再次，将径向基核函数和多项式核函数引入极限学习机，并结合自编码器构成DHKELM模型。最后，通过IGJO对DHKELM模型的初始参数进行优化，建立了IGJO-DHKELM光伏阵列故障诊断模型。结果分析表明，与传统4维和5维故障特征量相比，利用所提12维故障特征量进行诊断时准确率更高；相较于其他故障诊断模型，基于IGJO-DHKELM的光伏阵列故障诊断方法具有更高的诊断精度。
-
2024,38(11):90-98,
Abstract:
涂层的破损缺失是船体腐蚀的主要原因之一,但由于船体检测通常耗时耗力,检查的频率较低,因此提出一种快速检测定位涂层破损的方法。利用外加电流的阴极保护系统与涂层破损引起的船体周围电解质电位的变化,通过测量船体周边两侧对称位置处的水下电势差异来检测船体涂层破损。通过水下电场传递实验证实了基于电场特征信号对破损位置测距和定位方法的可行性,并采用COMSOL Multiphysics物理仿真软件模拟了阴极保护电流产生的腐蚀电场及船体表面金属的电化学腐蚀过程。通过分析船体两侧测量线段上的电位变化,可以发现船体涂层破损点位两侧水下电势差异明显最大，根据水下电场传递规律分析测量线上电解质电势分布实现了对破损点位的纵向及横向定位,平均偏差分别为0.2 m和0.21 m。同时,发现平均电位大小与破损面积呈线性关系。这种方法具有高精度,且适用于纵向定位间隔3 m以上的多点情况, 规避了环境因素对检测的干扰,可实现对船体涂层破损的早期快速检测,改善船舶的防腐管理。
-
2024,38(11):99-108,
Abstract:
为实现风机叶片异常时的准确监测，提出一种将互补集合经验模态分解与风机叶片声纹特征进行结合的方法。首先，采集到4种异常工作状态以及正常运行状态下的风机叶片的声纹数据，对其进行降噪、分帧和加窗操作的预处理，通过实验比对，选择互补集合经验模态分解算法进行声纹数据的二次降噪，其次，对二次降噪后的帧信号进行模态分解提取模态分量，通过计算模态分量的皮尔逊相关系数筛选有效的模态分量，并对每层的模态分量提取梅尔频率倒谱系数、线性预测倒谱系数、gammatone倒谱系数、短时能量、以及短时平均过零率特征。最后，基于这些特征组合，采用支持向量机、朴素贝叶斯以及神经网络作为故障分类模型对声纹数据进行识别。研究结果表明，基于上述5种声纹特征组合在参数寻优后的神经网络模型下可以实现叶片异常的准确识别，识别准确率达到97.5%，该模型对早期异常的风机叶片识别效果较好，具有较好的泛化性能。
-
2024,38(11):109-117,
Abstract:
为提高换流站阀冷设备故障诊断的正确率和分类速度，提出了基于Fisher比准则的融合特征算法和粒子群优化最小二乘支持向量机的故障分类模型。首先，分别提取梅尔倒谱系数和逆梅尔倒谱系数的静态参数和动态一阶差分参数作为故障特征量，得到阀冷设备故障的高低频全部信息，然后利用Fisher比准则对阀冷设备故障特征进行两次融合，减少直接叠加信号带来的重复数据与干扰信号。特征信号经两次Fisher比判别后，筛选出1×13维Fisher比值数据作为阀冷设备噪声信号的融合特征量。其次，为了提高LSSVM算法故障识别的准确率和分类速度，利用PSO算法优化LSSVM算法的核函数带宽和惩罚因子，得到两个参数的最优解，建立LSSVM阀冷设备故障分类模型。最后，以阀冷设备间主泵为算例，分别采用不同特征融合算法和故障辨识方法进行对比分析，算例结果验证了所提出方法可以快速准确辨识阀冷设备在不同频率的故障信号,其故障辨识准确率可达96.67%。
-
2024,38(11):118-125,
Abstract:
针对使用多普勒微波传感器测量颗粒肥料流量时，施肥机运作产生的振动和外部多种干扰导致采集到的信号失真的问题，首先对小波分析与卡尔曼滤波算法进行寻找最优参数。通过对比两种算法的去噪效果，提出一种基于集成经验模态与样本熵联合小波的去噪算法。并以史丹利15-15-15颗粒肥为实验对象，将多普勒微波传感器等检测系统部署在施肥机上，采集颗粒肥料质量流量信号进行算法效果实验验证。结果表明：与原始信号相比，优化增益系数后的卡尔曼滤波算法，平均信号信噪比提升了3.548 dB。优化小波去噪参数后的小波分析算法，平均信噪比提高了7.184 dB。结合优化去噪参数后的小波分析联合集合经验模态与样本熵的去噪算法，去噪后的信号平均信噪比提高了7.899 dB，平均均方根误差降低了0.184，该算法对用多普勒微波传感器测量颗粒肥料质量流量信号的去噪处理上具有显著的优势。
-
2024,38(11):126-131,
Abstract:
肺炎作为全球范围内一种常见的呼吸道感染性疾病，易于引发各类并发症，因此其精准的分类是临床肺炎诊断及治疗面临的关键问题。针对呼吸道感染及肺炎精准分类的诊断需要，通过研究基于呼吸道黏液拉曼光谱的技术，发展一种有效的肺炎分类诊断方法。首先收集正常、普通肺炎以及并发塑性支气管炎的肺炎患者的呼吸道黏液样品，通过拉曼光谱技术分析各组样品中的黏蛋白糖基化和纤维化过程对应的成分及分子键变化，准确识别出疾病相关的分子特征和化学变化。再结合主成分分析和偏最小二乘判别方法，构建一个能够区分不同类型肺炎的分类模型。实验结果显示，该模型在肺炎分类上表现出较高的准确性，总体分类准确率可达到99.08%，其中普通肺炎和并发塑性支气管炎肺炎的区分准确率分别高达100%和97.4%。研究中的基于分子光谱的肺炎分类方法，不仅证实了拉曼光谱技术在感染性疾病诊断中的应用潜力，也为未来在更广泛的感染性疾病诊断中使用分子光谱技术提供了参考。
-
2024,38(11):132-145,
Abstract:
针对内置式永磁同步电机弱磁控制在弱磁程度较深时，受到电机参数摄动和外部扰动时会造成电压环输出、转矩和电流脉动增大，转速收敛过慢等问题，提出一种转速-电压环反馈超螺旋非奇异快速终端滑模控制器(FST-NFTSMC)的深度弱磁控制方法。为了减少弱磁控制对系统模型的依赖，根据内置式永磁同步电机在参数摄动时的数学模型，构建电压环超局部模型，并结合转速环超局部模型建立转速 电压环超局部模型。基于此超局部模型，结合反馈超螺旋算法和非奇异快速终端切换函数设计转速-电压环FST-NFTSMC，同时建立改进滑模扰动观测器对系统存在的未知部分进行估计，并前馈补偿给FST-NFTSMC，进一步提高系统的鲁棒性和控制精度。仿真和实验表明，与传统PI控制相比，该方法在无弱磁区、浅度弱磁区和深度弱磁区的收敛速度上分别提高了66%、40.6%和28.6%，稳定性更好，转矩和电流脉动更小，证明了该方法在弱磁控制上能有效抑制电压环受到扰动后输出的抖振以及提高转速响应速度。
-
2024,38(11):146-157,
Abstract:
本文旨在解决水下无线传感器网络中因水下环境复杂多变导致的长时延问题，该问题显著影响移动传感器节点间的信息传播效率，进而增大了节点定位误差。为此，本研究创新性地提出了一种基于CNN-LSTM声速预测的水下移动节点定位算法。首先，通过K-折交叉验证法对声速数据集进行科学划分，随后构建并训练了一个融合卷积神经网络（CNN）特征提取能力与长短期记忆网络（LSTM）序列建模能力的CNN-LSTM混合模型。此模型有效捕捉了声速数据中的空间与时间特征，显著提升了声速预测的准确度。在定位过程中，采用该模型预测的声速值进行到达时间差（TDOA）测距，并据此对测距结果进行精细修正。进而，针对不同节点密度条件下的未知节点，算法能够自适应地选择最适宜的测距定位方法，依据参考节点数量实现精准定位。实验结果显示，与现有的SLMP、DMP、NDSMP及BLSM定位算法相比，本文提出的MCLS定位算法在相同信标节点条件下，定位误差均值分别降低了46.96%、39.93%、27.64%和15.24%，显著提升了水下移动节点的定位精度与稳定性。
-
2024,38(11):158-167,
Abstract:
在基于视频的无监督单目深度估计模型训练中,光度损失一直发挥着重要作用,但其在弱纹理区域和边缘区域等特殊区域普遍存在较大误差,导致训练网络的监督信号存在较强的不稳定性。针对这一问题,提出一种更具鲁棒性的无监督单目深度估计方法。本文方法首先结合双分支编码器和通道注意力模块来提升单帧深度网络对深度特征的提取能力,然后利用单帧深度网络结果引导进行多帧深度估计,以提高深度估计的准确性。在此基础上设计一种新型光度损失函数，通过计算图像梯度上的光度损失消除局部亮度变化引起的不合理监督,并利用连续像素之间的差异特性来定义模糊像素,最后基于二进制掩模排除由于目标帧和重构目标帧上边缘模糊像素产生的错误监督。本文方法在KITTI数据集的测试结果中,平均相对误差、平方相对误差、均方根误差等多项指标均有提升,平均相对误差和平方相对误差分别降低至0.075和0.548。实验结果证明,与其他先进方法相比,本文方法进一步提高了现有模型的性能。
-
2024,38(11):168-181,
Abstract:
对于间歇过程变量深层特征提取困难，以及变量的时序性、非线性、动态特性所导致质量预测精度不高的问题，提出了一种基于卷积 时空注意力的双层长短期神经网络(convolutional neural networks spatial and temporal attention with double long short term memory networks,CNN-STA-DLSTM)的间歇过程质量预测模型。首先，对间歇过程数据沿着变量的方向展开成二维矩阵,对二维数据采用Max-Min法归一化，接着，使用PLS对原始数据降维，保留与质量变量相关性较强的变量，使用CNN挖掘过程数据的潜在特征，提高质量相关特征信息的关注；其次，引入时间注意力机制和空间注意力机制构建双层LSTM的编码器-解码器结构网络，利用注意力机制自适应地学习时间步长的相关历史信息，以提高模型的长期记忆能力，并加强过程变量与质量变量之间的时空相关性；然后，采用随机 网格搜索法寻找预测模型合适的超参数，并构建了预测模型；最后，使用青霉素发酵仿真平台和带钢热连轧生产过程数据进行实验验证，结果表明所提模型具有更精准的预测效果。
-
2024,38(11):182-192,
Abstract:
针对开关磁阻电机转矩脉动大以及传统优化设计中仅仅从电机本体出发，并未考虑驱动控制策略的问题，通过同时考虑电机结构参数与控制参数，提出一种考虑模型预测转矩控制的开关磁阻电机系统级多目标优化设计策略。首先，根据设计要求对SRM的结构参数进行了设计并采用MPTC作为控制方法，确定了电机结构和控制参数的初始值和变化范围；其次，建立了考虑MPTC的SRM设计模型，通过磁路分析确定了结构参数与预测模型之间的关系，以转矩脉动、平均转矩电流比和铜损为优化目标，确定了电机的优化流程，通过正交实验对结构与控制参数进行了灵敏度分析，并根据分析结果来选择决策变量，采用田口算法对决策变量进行了多目标优化；最后，为了验证该方法的有效性，进行了仿真验证，并根据优化结果试制样机，实验结果表明优化结果与常规设计相比，电机相电流峰值减小了33%，平均转矩安培比提高了33.3%，转矩脉动减少了26.3%，通过实验验证了优化方法的合理性及有效性。
-
2024,38(11):193-199,
Abstract:
针对区截测速领域中，传统测速装置存在有效面积小、位置固定、布置繁琐等问题，基于电磁感应原理，提出并验证了一种新型电磁感应传感单元，用于精确测量弹丸初速。与传统磁感应线圈相比，该结构采用感应线圈包裹永磁体，使弹丸无需磁化即可产生感应电动势，提高了测速靶的灵敏度和测量精度；另外传感单元与弹道同轴独立布置，有效解决了弹道方向与测试装置稳定位置之间的相对位置问题，增大磁感应有效面积，增强了测量装置的便携性，可以使其灵活运用于多种弹丸测速场合。该方案利用COMSOL软件对传感单元进行建模，对永磁体模型和在不同条件下弹丸穿过磁场的动态过程进行了详细的仿真分析。依据仿真数据制作线圈传感单元，并对仿真结果进行多次实验验证，测试结果表明，传感单元感应电压随弹丸速度的加快而增大，且二者之间在一定范围内呈线性关系，与仿真所得结果一致。该研究不仅为电磁感应测速靶的优化提供了理论依据和数据支持，而且为电磁炮和其他高速发射系统的膛内、外弹道初速测量提纲了有效解决途径。
-
2024,38(11):200-209,
Abstract:
基于海量ECG数据,辅助医生进行有效数据分析与诊断，提高效率并减少医疗资源消耗,实现ECG智能识别是当前一个重要研究方向。针对ECG智能识别单一图像、单一深度学习算法性能有限性问题,提出了一种面向ECG彩虹码的双输入改进VIT识别方法。首先,提出数学模型预测获取ECG标准周期,并以抽频方法挖掘ECG潜在特征,生成ECG彩虹码;然后,以卷积神经网络构建双输入特征提取模块,提取多种ECG图像局部特征进行融合,实现多维度ECG特征表示与融合,采用VIT编码模块对融合特征进行全局关注,实现基于多特征图像为输入的ECG识别。采用MIT-BIH数据库中的ECG进行实验,所提ECG识别方法获得99.41%的平均准确率,在现场采集的N类ECG中获得100%的准确率。实验结果表明,提出的图像变换方法能够有效可视化ECG特征，提出的识别方法能够有效实现ECG识别,与其他同类型方法相比获得了更优的性能。
-
2024,38(11):210-218,
Abstract:
在特钢企业向“灯塔工厂”转型升级中，实现钢管物料实时跟踪是其中的核心内容，由于物料多样性以及产线的复杂性使得接近式传感器无法满足物料检测可靠性要求。为此，依据车间内现有环境和需求，搭建物料跟踪摄像系统，采集了物料及产线上部分特征组成图像数据集；基于视频分析，引入了一种面向特钢车间内物料实时跟踪的钢管目标检测算法。该算法以PPYOLOE网络为基础。首先，将PPYOLOE中的CSPRepResNet主干网络替换成HGNetV2轻量级主干网络，在提升特征提取能力同时减小参数量；其次，在Neck中融合HG-Block和SPPELAN进一步减小参数提升速度；最后，在上采样阶段，运用Dysample动态上采样算子提升不同尺度特征的融合效果，提升算法的检测精度。实验结果表明，相比于原始的PPYOLOE算法，改进后的算法在检测精度上提升了1.6%达到80.5%，检测速度提升了16%达到56.4帧，GFLOPs和参数分别下降35%和33%。改进后算法有效提升了检测精度和检测速度，通过现场部署实施，满足了钢管物料实时跟踪要求。
-
2024,38(11):219-227,
Abstract:
目前关于磁定位系统的传感器阵列布局研究主要围绕传感器数量和间距展开，相关研究中传感器阵列布局一般采用均匀分布的方式，并未深入研究传感器阵列空间设计对系统定位精度的影响。针对磁定位系统中传感器阵列非均匀分布研究，提出了一种基于遗传算法结合有限元仿真的优化方法，该方法能够根据特定的永磁体运动轨迹确定对应的最优传感器布局。首先，建立仿真模型进行磁定位过程的数值模拟，通过遗传算法优化得到了每个目标运动轨迹对应的传感器阵列布局。其次，在仿真优化的基础上，设计并搭建了可自由调整磁传感器安装位置的磁定位系统实验台。最后，在5个特定的永磁体运动轨迹下，分别对采用传感器均匀分布与优化后非均匀分布的磁定位系统进行了对比实验，以布局5为例，优化布局后的磁定位系统平均定位误差比优化前减小了14.3%，平均定向误差比优化前减小了16.3%。结果表明均匀分布的传感器阵列并非最佳的布局方案，优化传感器阵列布局能够有效提高系统定位及定向精度。
-
2024,38(11):228-234,
Abstract:
针对微电子机械(MEMS)陀螺存在随机误差而导致测量精度低的问题,提出一种基于混沌粒子群算法(CPSO)优化反向传播(BP)神经网络的补偿方法对随机误差进行处理。首先采集MEMS陀螺数据,利用C-C法重构相空间,基于李雅普诺夫指数分析和验证其混沌特性,然后将重构数据作为BP神经网络模型的训练样本,利用CPSO算法优化BP神经网络的权值和阈值,获得用于误差补偿的优化模型,最后采用ADXRS624对优化模型的补偿效果进行静态实验验证，并与BP模型和粒子群优化(PSO)模型补偿结果对比。实验分析结果表明,经CPSO算法优化模型补偿后的误差均值和标准差分别为-5.76×10-4（°）/s和5.19×10-4（°）/s,相比BP、粒子群优化(PSO)模型误差分别下降68.6%、52.1%和98.4%、93.5%。通过Allan方差分析补偿后的误差系数,经CPSO-BP方法补偿后的量化噪声、角度随机游走和零偏不稳定性分别降低至0.000 59 μrad、0.001 51 （(°)·h-1/2）和2.82 （(°)·h-1）。新方法在抑制随机误差上有明显的效果,可提高MEMS陀螺的测量精度。
-
2024,38(11):235-241,
Abstract:
针对目前巡检与监控手段在高浓度烟雾环境下无法准确识别10 m2以下的着火面积，以及不能准确识别处于低洼地带的山火等问题，以组合惯导多数据融合为核心，研究山区输电线路高浓度烟雾环境火点定位技术。该技术采用联邦滤波器，对山区输电线路的卫星遥感、惯导等多源监测数据进行组合与多数据融合。 设计基于上下文判断法与绝对阈值法的着火点自适应阈值检测算法，实施山区输电线路火点信息提取。设计PSO算法与BP神经网络相结合的多波段光电复合探测目标识别方法，实现高浓度烟雾环境下的山区输电线路火点目标识别。利用基于激光测距的山区输电线路火点测距方法，实现山区输电线路高浓度烟雾环境火点定位。实验测试结果表明，设计技术对于平原地带火点（10 m2以上的着火面积）、平原地带火点（10 m2以下的着火面积）、低洼地带火点（10 m2以上的着火面积）三种情况的定位精度均高于99.5%。
2024年第38卷第11期
-
微小圆柱零件圆度精密测量及不确定度评价
Abstract:
圆度是评价微小圆柱零件制造精度和互换性的一项重要指标。针对圆度测量过程中零件定位不准导致测量数据存在倾斜误差的问题，提出一种分割－截取圆度测量方法,将零件横截面圆分割为八等分、十等分和十二等分，采用轮廓仪对等分后的零件表面进行线性扫描，利用扫描得到的一系列坐标数据表征出各段圆弧轮廓，截取各段圆弧中心部分重构零件横截面圆轮廓，拟合得到被测零件的半径和圆度，实现了微小圆柱零件的高精度圆度测量。以直径为3mm的滚针为例进行圆度测量实验，不同分割-截取情况的测量结果表明：十等分截取75°圆弧拟合得到的滚针半径和圆度分别为1.5008929mm和0.092μm，偏差均在±0.1μm内。通过GUM法对影响测量结果的不确定度分量进行分析，计算得到影响圆柱零件半径的综合标准不确定度为0.04996μm，表明了所提分割-截取圆度测量方法的可靠性和一致性。
- 1
-
基于二维熵与低维度描述符的双目视觉测量
Abstract:
针对传统算法特征点匹配时间长、误匹配率高及双目视觉测量精度低等问题，提出一种基于二维熵与低维度描述符的双目视觉测量方法。首先利用图像二维熵对特征点进行筛选，过滤部分无用特征点，保证特征点稳定性；然后，构建一种低维度而具有多梯度方向的SIFT特征描述符，同时采用马氏距离作为相似性度量标准进行特征点匹配，并用随机采样一致性RANSAC(random sample consensus)算法消除误匹配；最后用二元二次曲面拟合获取特征点的亚像素坐标，通过三角测量得到其空间三维坐标并计算被测物体相关尺寸。以连铸坯模型为测量对象，实验结果表明:该算法测量的平均相对误差为0.41%，较SIFT算法和ORB算法分别低1.45%和0.72%，满足测量精度要求；特征点匹配正确率较SIFT、BRISK、ORB算法分别提高20.94%、18.19%和11.38%，特征点匹配用时较SIFT降低57.48%，验证了该算法的精确性与高效性。
- 1
-
面向非视距环境的智能车多传感鲁棒融合定位
Abstract:
针对智能车无线定位易受非视距信号影响从而导致定位误差增大的问题，提出了一种基于非视距信号可靠判别的UWB/IMU鲁棒融合定位方法。首先，分别基于支持向量机学习模型和多传感器一致性数学模型对非视距信号进行粗判别；接着，设计了基于D-S证据理论的非视距信号精判别模型，在决策级对上述模型的结果进行有效融合；最后，提出了一种基于因子图的多传感自适应融合定位方法，根据非视距判别结果动态调节融合模型，以实现非视距环境下的智能车鲁棒定位。实车试验结果表明，在非视距判别效果方面，相较于常规的SVM模型，所提方法非视距判别的精度、召回率和准确率分别提高了6.97%、5.37%和6.36%；在定位性能方面，与现有常规的最小二乘定位方法相比，所提出方法的均方根误差、最大误差和标准差分别减少了12.55%、63.40%以及13.23%，有效提升了非视距环境下智能车的定位精度和鲁棒性，克服了传统方法在非视距环境下定位精度低、可靠性差的缺陷。
- 1
-
基于改进YOLOv8s的轻量级PCB缺陷检测算法
Abstract:
YOLO算法模型在轻量化与保证检测精度之间存在矛盾。针对印刷电路板(PCB)小目标缺陷检测任务,提出一种基于改进YOLOv8s的轻量级目标检测算法。首先,引入轻量级跨尺度特征融合模块CCFM(Cross-Scale Feature Fusion Module),并删除主干网络中最后的卷积层与C2f层,降低模型深度,在实现模型轻量化的同时提升小目标检测精度。其次,引入分布移位卷积DSConv(Distribution Shifting Convolution),将C2f与DSConv结合生成C2f_DSConv模块,再与轻量级注意力机制 CBAM(Convolutional Block Attention Module)集成,设计出C2f_DSConv_CBAM模块,分别替换骨干网络部分与Neck部分的C2f,进一步减少模型参数量,增强模型特征提取能力。最后结合辅助边界框损失函数Inner-IoU、边界框聚焦损失函数Focal IoU Loss、原边界框损失函数CIoU设计生成Focal Inner-CIoU,引入可控大小的辅助边界框计算定位损失,提高高IoU边界框的回归贡献,最终实现检测精度提升。实验表明,改进模型较YOLOv8s原模型参数量降低81.5%,计算量降低21.3%,模型大小降低72.3%,mAP提升3.0%。有效降低了算法的计算成本,便于实际应用部署。
- 1
-
基于知识蒸馏的空间通道双自编码器无监督异常检测
Abstract:
在工业检测场景下,按照是否引入正常样本中不存在的异常,可以将异常检测问题分为结构异常检测和逻辑异常检测两类,逻辑异常检测对网络的全局理解能力提出了更高的要求?针对现有无监督异常检测模型在结构异常上已有较好的检测精度,但无法适应逻辑异常检测需求的问题,提出一种包含空间聚合模块和通道聚合模块的双自编码器结构,主要由三部分组成:首先设计了并行空空间通道双自编码器架构,从空间和通道两个方向得到包含全局信息的特征向量,提升网络的长程依赖关系;其次设计一个选择性融合模块,融合双自编码器信息,放大包含重要信息的特征,以进一步提高对逻辑异常的表达能力;最后提出在自编码器与学生网络的损失函数中加入余弦损失,避免网络对单个像素差异过于敏感,从而关注于全局差异?在MVTec LOCO AD数据集上进行实验,逻辑异常检测精度达到89.4%,结构异常检测精度达到94.9%,平均检测精度92.1%,超越了基线方法和其他无监督缺陷检测方法,验证了方法的有效性和优越性。
- 1
-
基于EKF-HInformer模型估计汽车动力电池的SOC SOH
Abstract:
针对传统模型SOC和SOH估计精度低、鲁棒性差的问题,提出一种基于扩展卡尔曼滤波(EKF)和深度学习模型Informer改进优化的估计模型EKF-HInformer,实现电动汽车动力电池荷电状态(SOC)与健康状态(SOH)的实时精准估计。首先,运用EKF算法归一化整理电池实时数据,并通过调整自适应增益因子减少噪声波动,提高EKF数据滤波处理的性能。然后,运用Informer网络模型对归一化后的电池数据进行智能估计。为减少Informer模型离群点或异常值所导致的注意力权重偏差问题,采用Hampel算法对Informer进行优化,提高多头概率稀疏自注意力机制特征学习的能力。最后,把滤波整理后的数据输入到HInformer网络中估算实时的SOC和SOH。采用牛津大学与马里兰大学的电池数据集进行实验验证,结果显示SOC与SOH估计精度均超99.5%,RMSE小于1%,MAXE小于0.5%。相比传统Informer、Transformer和LSTM模型,该模型估计SOC和SOH的速度更快、准确度更高,展现出优越的鲁棒性和泛化能力。
- 1
-
多节链式倾转旋翼飞行器构形重构与策略研究
Abstract:
多节链式倾转旋翼飞行器具有多样的本体构形形态、丰富的组合变换序列以及非唯一的构形达成解集等特点。为使飞行器在应对不同任务条件时能够获得优越的飞行性能与任务达成的重构方案，进而提高其变体执行效率和任务适应性，本文研究了多节链式倾转旋翼飞行器的构形重构与策略。首先，分析了该飞行器的属性，并确定了通过性、稳定性和能耗三个关键因素作为重构策略的评价指标；其次，通过层次分析法（AHP）确定了各指标的权重，并基于加权平均法建立了重构决策方法；最后，通过仿真验证了重构策略的有效性和科学性，仿真结果表明该重构策略将综合评分平均提高了26.87%，有效改善了飞行器的性能，特别是在通过性和稳定性方面。研究结果表明，所提出的重构策略不仅提升了飞行器在复杂环境中的自适应能力，还为未来无人机技术的发展提供了重要的理论基础和实践指导。
- 1
-
多尺度反向校正增强和无损下采样的毫米波图像目标检测方法
Abstract:
针对毫米波图像中隐匿目标局部信噪比低导致检测障碍的问题,提出了一种基于多尺度反向校正增强和无损下采样的检测方法。首先设计了一种多尺度反向校正特征增强模块,在提取多尺度特征的多卷积核Res2Net上融合反向校正操作,实现大感受野区域对区域内相关小感受野区域卷积计算的反向校正,使得深度模型不仅能够获取更细粒度的特征,而且使宏观判别性表示贯穿多个尺度的特征信息；其次,利用非跨步卷积层的SPD-Conv实现无损下采样,缓解卷积下采样导致的信息丢失；最后,采用K-means++聚类算法生成适合隐匿目标检测任务的新锚框。实验在YOLO系列中选择了各方面性能都适中的YOLOv5s作为基础框架,针对现有的两种毫米波图像数据集(阵列图像集和线扫图像集)mAP@.5分别达到了96.21%和97.97%,相较于原版YOLOv5s以及YOLO其他系列等性能有显著提升。实验结果表明,该方法在不明显增加参数量和推理时间的同时,能够有效提升深度模型的检测性能。
- 1
-
基于径向基Koopman-Kalman的光学电流传感器误差预测
Abstract:
光学电流传感器(OCS)对温度的变化非常敏感，温度的变化导致其测量产生误差，难以达到电力系统计量的要求，因此准确预测由温度变化引起的OCS测量误差对监测其运行稳定性和保证电力系统的安全运行具有重要意义。由于OCS输出电流受温度的影响具有强非线性，本文提出了一种适用于非线性动力系统的径向基Koopman-Kalman预测算法，解决了温度影响下OCS输出电流因强非线性而难以预测的问题。首先通过径向基函数将非线性的OCS输出电流状态量映射至高维空间形成扩展状态，采用扩展动态模态分解算法分解扩展状态计算高维空间中Koopman算子的近似矩阵。其次，采用近似的Koopman算子在高维线性空间中进行批量预测。最后，采用Kalman滤波对批量预测的最后一个预测值更新校正，以跟随系统的状态变化。以实验测量得到的OCS温度-电流数据进行实验，结果表明在不同温度变化情况下，相较于标准Koopman预测和LSTM预测，本文提出预测算法的均方误差MSE均减小90%以上，证明了所提算法的有效性。
- 1
-
计及时空特性的变压器油中溶解气体预测模型
Abstract:
针对电力变压器复杂运行环境下油中溶解气体随时间呈现非平稳和非线性特性，仅考虑时间维度关联特征的神经网络预测模型难以满足高准确性、高可靠性需求，且在数据采集过程中不可避免的存在异常值，导致数据质量下降，进而影响预测模型精度。因此本文首先采用基于密度的噪声应用空间聚类(DBSCAN)对油中溶解气体数据清洗，然后提出自适应非线性权重和莱维飞行策略改进鲸鱼优化算法，提高其局部及全局寻优能力，利用改进的鲸鱼优化算法优化DBSCAN中超参数提高数据清洗效果，最后分析气体成分间复杂关联关系，构建时空耦合卷积神经网络模型挖掘气体的时空特征，实现油中溶解气体时间序列预测。通过某电站变压器油中溶解气体实测数据验证，结果表明数据清洗后预测拟合优度(R2)提高0.727，在6种特征气体预测中R2都在0.9以上。相较于其他模型，所提模型在特征气体预测中均取得了最佳的预测结果，充分证明所提模型的有效性。
- 1
-
基于深度聚类学习的无监督行人重识别
Abstract:
无监督行人重识别是一种在没有任何标签的情况下,通过特征提取和聚类算法对行人进行识别和匹配的计算机视觉方法。针对当前无监督行人重识别方法普遍存在的特征提取不足、聚类不准确、计算复杂度高以及模型缺乏鲁棒性等问题,本文提出了一种基于深度聚类学习的无监督行人重识别方法。首先,研究了结合广义均值池化(GeM)的IBN-Net并作为特征提取网络,使得提取出的行人特征更具判别性；其次,针对聚类算法对于超参数较为敏感的问题,提出通过有序点识别聚类结构(OPTICS)的算法辅助DBSCAN聚类算法选取超参数,进一步降低了DBSCAN对超参数的敏感度；此外,为了更加充分利用训练集的所有数据,将离群值也视为单独的聚类参与到记忆字典的初始化与更新过程中；最后,针对记忆字典更新过程中各个聚类更新速率不一致的问题,提出了聚类级别的记忆字典,消除了聚类更新速率不一致的问题。实验结果验证了研究工作的有效性,提出的方法在无监督行人重识别任务中的精度与准确度均有明显的提升。
- 1
-
全局-局部特征融合的甲状腺细针穿刺活检全玻片图像轻量化样本级分类
Abstract:
细针穿刺活检全玻片图像（fine-needle aspiration biopsy whole-slide image, FNAB-WSI）的细胞学检查对甲状腺乳头状癌或良性结节性增生的诊断至关重要。由于样本级FNAB-WSI具有上亿像素的超高分辨率，利用深度网络进行样本级别分类会消耗相当规模的计算资源。考虑到样本级FNAB-WSI兼具全局和细胞团局部细节特征，提出了一种全局-局部特征融合的轻量化样本级分类方法。首先利用轻量化GhostNet网络提取全局特征，通过设置卷积步长控制特征图谱尺寸，并用特征切片与融合获取局部特征；然后对全局和局部特征分别最大池化和降维，进而融合为全局-局部特征；最后全连接全局-局部特征，并通过 softmax 分类器达成甲状腺样本级良恶性分类。在自建的FNAB-WSI样本级数据集上，所提方法各项性能指标上均超越了其他轻量化方法，Precision、 Recall、Acc和AUC分别达到了最高的89.9%、91.2%、91.7%和92.5%，同时参数量方面具有可比性，为6.1M，展现出了良好的平衡性能。所提方法不仅提高了样本级分类的准确性，还通过减少参数量优化了模型的计算效率，有望为甲状腺癌的临床诊断提供了一种有效的辅助工具。
- 1
-
数字孪生技术及其在宇航领域中的应用综述
宋海龙, 潘建立, 姜震, 朱玉娉, 刘燕, 袭超, 罗震, 王鹏
Abstract:
随着智能传感和新一代信息技术的快速发展，数字孪生技术正在引领产业变革。概述了数字孪生的发展历史、概念、特点和相关技术，目前各机构和学者还没有对数字孪生的概念形成通用的理解，未来还需要展开广泛的讨论和研究；总结了数字孪生在美国宇航领域的应用情况，详细论述了国内宇航领域在设计、生产和运维等几个阶段中数字孪生技术的应用现状，当前的主要问题是虚实之间还没有建立起有效联系，所以还没有真正实现由虚拟模型直接对物理实体进行指导和优化；并给出了航天领域应用数字孪生仍需要持续解决的技术问题，包括传感和数据处理、高保真度模型、软件工具平台建设、与人工智能等新一代技术结合等。当前数字孪生技术在航天领域的应用还处在起步阶段，未来还需要积极拓展应用范围和场景，才能更大程度的发挥数字孪生技术的价值和作用。
- 1
-
MEMS加速度计在采煤机摇臂上的倾角检测研究
Abstract:
为满足采煤机在井下开采工况的安全采高控制需求,解决传统摇臂倾角检测方法如油缸行程位移法和编码电位器旋转测距法,存在因摇臂铰接轴长期磨损导致精度和可靠性下降,且维修困难的问题。因此,本文提出了基于MEMS加速度计的采煤机摇臂倾角检测方法。首先,为抑制强振动工况下的高频高幅值振动噪声,提高倾角测量精度,本文采用临界阻尼法和组合积分法对加速度计三轴原始数据进行滤波处理,成功分离并提取出有效的重力加速度数据并得到角度；其次,通过搭建摇臂振动模拟实验台获取滤波处理后的数据,实现了振动环境下的动态倾角辨识,有效地提高了角度测量精度。实验结果表明,在5g振动环境下,两种滤波器设计具备较快的响应速度,能够迅速跟踪输入信号变化,经过组合积分滤波器后角度误差小于0.3°,经过临界阻尼滤波器后角度误差小于0.1°,测量精度能够满足实际摇臂采高需求,为实现摇臂倾角检测提供一种可行的方法。
- 1
-
基于随机森林的管道漏磁缺陷检测与量化
Abstract:
油气管道的缺陷尺寸量化是管道检测的关键问题和最终目标。传统的缺陷检测方法往往停留在缺陷分类的阶段，数据处理不具体给后续结果分析增加了难度；智能识别方法又对漏磁数据的质量有更高要求。因此提出一种粒子群优化和随机森林相结合的PSO-RF算法，实现管道缺陷长、宽、深的自动量化。首先对一组缺陷漏磁数据进行多维度的特征提取，然后利用随机森林算法进行回归预测；针对随机森林算法最佳参数不宜获得的难点，使用粒子群优化算法进行超参数调优，最终获得比较准确的缺陷长、宽、深预测数据。两种算法相结合得到PSO-RF算法，并与经典的卷积神经网络和PSO-SVR训练算法进行对比，对长、宽、深的量化精度分别提高了28%、32%、68%，验证了PSO-RF算法的有效性与优越性。最后使用一组带标签的管道缺陷数据对算法进行验证，长、宽、深量化误差在20%以内的数据分别达到80.3%、88.5%和95.9%。
- 1
-
全血光谱融合评估心血管风险方法研究（青委会推荐）
Abstract:
心血管疾病是世界人口发病和死亡的最大原因之一。及时且可靠的心血管疾病风险评估是减轻患病风险,保障生命安全的关键。本研究旨在提出一种高效，便捷的心血管疾病风险评估方法。采集了108个全血样本的傅里叶变换红外衰减全反射光谱和拉曼光谱进行风险评估模型的构建与评价。针对基于传统PLS，siPLS等算法进行特征提取而建立的风险评估模型效能低下的问题,提出了化学键驱动的区间联合偏最小二乘算法(CBDsiPLS)用于特征提取,并结合机器学习构建了单一数据的风险评估模型,测试结果表明该方法优于传统的特征提取算法。此外,利用中红外与拉曼光谱的信息互补性,进行特征级信息融合后结合机器学习方法建立融合数据的风险评估模型。最终的融合数据风险评估模型的准确率均超过90%,灵敏度均超过80%,特异性均达到95%。实验结果表明,本文提出的方法可以实现对心血管疾病风险的有效评估。
- 1
-
基于Mahony与自适CKF的多传感器姿态解算算法
Abstract:
针对低成本惯性导航器件的姿态解算精度低、磁力计易受磁干扰影响的问题,本文提出了一种基于Mahony互补滤波与自适应容积卡尔曼滤波(Mahony Complementary Filter and Adaptive Cubature Kalman Filter,MACKF)的多传感器融合算法。首先通过Mahony滤波融合磁力计和加速度计数据,实时修正陀螺仪输出,并通过关键帧机制主动补偿受磁干扰的数据。随后,修正后的姿态四元数用于容积卡尔曼滤波,利用自适应调整量测噪声协方差矩阵来减小磁干扰影响。车载实验结果表明,该算法显著提高了姿态解算的精度,相比传统方法,横滚角、俯仰角和航向角的精度分别提升了45.3%、50.2%和32.8%。因此,所提算法在抑制陀螺仪漂移和抵抗磁干扰方面表现出良好的性能。
- 1
-
面向工业环境气体泄漏检测的多模态融合模型*
Abstract:
目前工业气体泄漏检测的方法主要使用单一模态的数据,忽略了不同模态数据之间的互补性。由于单一模态数据刻画复杂环境能力的局限性,影响了检测的准确性和鲁棒性?针对上述问题,本文提出了一种融合工业多模态数据的气体泄漏检测模型 (MFT)?为了充分挖掘不同模态数据之间的信息,依据不同数据的特性,引入了两种特征编码器,有效地提取各模态数据的特征;此外,为了充分融合多模态数据,采用了基于多头注意力机制的融合策略,有效融合不同模态数据之间的潜在表示?实验结果表明,本文所提出的方法可以充分利用各模态的之间的互补信息,并在公开的 MultimodalGasData 数据集上取得了 98.05% 准确率,提高气体泄漏检测的准确性和鲁棒性?
- 1
-
复杂干扰环境下相关证据推理的故障检测算法
Abstract:
现有基于证据理论的故障检测算法通常需假设证据具备独立性，但在实际工程中这一假设往往难以成立，尤其在数据源受到复杂环境干扰的情况下，可能导致理论分析与实际结果之间存在较大差异。针对上述问题，提出一种复杂干扰环境下相关证据推理的故障检测算法。首先，根据证据可靠度确定加权模型下的证据融合顺序，以降低复杂干扰造成融合结果的不确定性；然后，在证据融合阶段中考虑证据相关性问题，计算最大信息系数以评估证据间的关联程度；其次，根据证据依赖系数计算依赖折扣因子，并将其融入证据推理规则中；最后，考虑数据源的复杂干扰特性，借鉴统计学习的提升方法思想，设计双层证据决策机制计算最终的故障检测结果。通过航空电磁继电器的故障检测实验，验证了所提算法的可行性与有效性。与现有方法相比，所提算法的优势在于放宽了对证据独立性的要求，尤其适用于受噪声干扰较大的工程环境中。
- 1
-
基于改进HLO和动态窗口的AGV动态避障路径规划算法
Abstract:
针对人类学习优化算法搜索效率低、存在易陷入局部最优、无法实现动态避障等问题，提出一种融合改进人类学习优化(Human Learning Optimization Algorithms,HL)和动态窗口(Dynamic Window Algorithm,DWA)的路径规划算法。首先，利用非线性递增和递减改进概率参数提高HLO的收敛速率，并引入粒子群算法(particle swarm algorithm,PSO)更新个体知识数据库(Individual Knowledge Database,IKD)与(Social Knowledge Database,SKD)和自适应调整惯性权重系数，避免陷入局部最优；其次，在DWA算法的评价函数中加入角评价函数避免与障碍物的夹角过小、动态改变速度评价函数和角评价函数权重，以调节速度及角度；最后，仿真实验表明融合算法规划路径长度比蚁群算法路径减少4%，比混合人类学习优化与粒子群算法减少15%，其他两种算法与障碍物接触次数是本文算法的5倍，验证所提算法的可行性。
- 1
-
2017,31(1):45-50, DOI: 10.13382/j.jemi.2017.01.007
Abstract:
火电厂排放气体中的氮氧化物（NO2、NO、N2O等）浓度一直是环保检测的重要指标。针对基于光谱分析的氮氧化物浓度检测精度受到多种因素制约和干扰（如温度、粉尘、水分、电器噪音、光学镜片老化、多组分气体吸收峰值交叉干扰等），很难采用单一方法进行改进的问题。首先设计硬件预处理装置用于气体组分的过滤和提纯，然后利用构建的径向基函数（RBF）网络对传感器测试值进行校正。RBF神经网络的自学习自训练能力省去了传统的对干扰因素进行补偿的研究建模，使得检测中数据处理工作效率更高。随机抽取国内某大型火电厂2015年实际数据进行仿真实验以及预测、分析，综合平均相对误差为0841%，表明方法的有效性。
-
2017,31(1):1-8, DOI: 10.13382/j.jemi.2017.01.001
Abstract:
球铰链具有结构紧凑、运动灵活和承载能力强等优点，是一种应用较普遍的多自由度机械关节，其回转角度的检测对系统运动误差预测分析、反馈和控制具有十分重要的意义。首先介绍球铰链的应用与结构特点，然后分析球铰链多维回转角度的测量需求，对国内外球铰链多维角度检测的相关研究发展进行综述，主要包括基于结构解耦测量、基于光学原理测量和基于磁场理论测量等方法。最后，对球铰链多维回转角度测量的研究现状进行总结，指出了其研究的重点、难点以及关键技术突破面临的挑战。
-
2017,31(1):9-14, DOI: 10.13382/j.jemi.2017.01.002
Abstract:
带钢表面缺陷形式的复杂多变给特征的选择带来了困难，为此，提出一种融合特征筛选和样本权值更新的R AdaBoost特征选择算法。该算法在AdaBoost算法的每个循环中通过Relief算法进行特征的筛选与降维，通过筛选后的特征利用样本的类内类间差去除噪声样本，然后根据AdaBoost的动态权值更新样本库，再利用每个循环优化选择得到的最优特征与弱分类器级联成最终的AdaBoost强分类器，进行带钢表面缺陷的检测与定位。实验结果表明，针对带钢实际生产线上的划痕、褶皱、山脉、污点等多种缺陷，该算法可以有效提取出具有高区分性和独立性的特征，同时提高了缺陷检测算法的准确率。
-
2021,35(12):116-125, DOI:
Abstract:
针对滚动轴承振动信号的非线性动态特性及可靠度评估精度不高的问题,提出了基于改进的交叉模糊熵( improved cross fuzzy entropy,ICFE)和威布尔比例故障率模型(Weibull proportional hazards model,WPHM)的滚动轴承健康状态评估方法。 该方法首先对原始振动信号进行改进的微分局部均值分解(Crt-differential local meandecomposition,Crt-DLMD),选取包含故障 信息最多的有效分量进行重构;然后,利用滑动均值取代原有粗粒化过程,计算重构信号的 ICFE;最后,将 ICFE 作为 WPHM 的 协变量进行健康状态评估。 通过美国国家航空航天局(NASA)和西安交通大学-长兴昇阳科技有限公司的滚动轴承全寿命周期 数据实验表明,所提方法可以准确、有效地评估滚动轴承的健康状态。
-
2017,31(1):15-20, DOI: 10.13382/j.jemi.2017.01.003
Abstract:
针对微机电系统（MEMS）陀螺仪随机误差成为制约其精度和应用范围的主要因素，提出基于回归滑动平均（ARMA）模型的卡尔曼滤波估计方法。首先基于Allan方差分析结果，确定出量化噪声、角度随机游走、零偏不稳定性是MEMS陀螺随机噪声主要组成部分；然后采用时间序列分析法对MEMS陀螺仪随机噪声的平稳性进行检验；最后基于随机漂移ARMA模型建立离散卡尔曼滤波方程对其开展误差估计与补偿。开展车载静、动态环境下的数字降噪与卡尔曼滤波估计补偿对比实验，结果表明基于ARMA模型的卡尔曼滤波估计法在MEMS陀螺随机误差补偿效果上具有更明显优势。
-
2017,31(1):21-28, DOI: 10.13382/j.jemi.2017.01.004
Abstract:
经验模态分解（empirical mode decomposition，EMD）降低噪声的同时也削弱信号能量，并会产生虚假信号，导致信号检测存在缺陷，针对这一问题，提出Levy噪声环境下经验模态分解随机共振检测方法。通过将含噪信号进行EMD分解，对分解后信号进行叠加取平均二次采样等处理方法，使其满足随机共振要求，利用自适应算法优化系统参数，进而使处理后信号能够在双稳系统中产生随机共振，达到精确检测的目的。理论分析及实验证明在Levy噪声下，此方法能实现同一特征指数下单频信号与多频信号检测，实验表明在单频信号信噪比为-28 dB情况下能有14 dB的提高，特征指数为1.8下多频信号5 Hz频谱幅值从311.8增加到724，10 Hz频谱幅值由138.9增加到143.2。此方法对在复杂噪声环境中降低剩余噪声能量同时，提高信号能量，减少虚假信号，相对于仅仅进行EMD分解无法判断信号成分，能更好的达到检测效果。
-
2017,31(1):36-44, DOI: 10.13382/j.jemi.2017.01.006
Abstract:
针对基于KAZE特征检测的图像拼接算法实时性问题，提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点，接着计算M LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离，提取出匹配的特征点对，然后利用RANSC算法估算全局单应性矩阵，根据动态线性变换算法求取重叠区域局部投影关系，结合两者统一投影平面，最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较，所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能，而且处理时间大大缩短，实现了有效的图像拼接。
-
2017,31(1):76-82, DOI: 10.13382/j.jemi.2017.01.011
Abstract:
在抢险救灾等应急情况下，传感器网络的节点能量更为有限。为减少无用转发的能量消耗，利用无线信道的广播特性，根据广播子树删除思想，提出一种基于最短路由树、具有最少转发节点的组播路由树生成算法。对该算法进了证明和详细分析，并针对实际需要，给出使用范围更广泛的分布式实现方法。仿真分析说明，算法的分布式实现方法可减少ODMRP的转发节点数，大大降低数据发送次数，接收成员节点较多时尤为明显。最少转发节点的组播路由树的网络总开销最小，是延长网络生存时间的有效方法。
-
2017,31(1):144-149, DOI: 10.13382/j.jemi.2017.01.021
Abstract:
为解决目前水表检定存在效率低、人为因素影响大等诸多问题，提出了应用机器视觉技术的水表检定系统，并重点研究实现梅花针快速定位的模板匹配算法和消除湿式水表表盘气泡的图像形态学算法。使用Harris算法预先提取梅花针模板角点，并实时提取现场图像的角点。采用部分Hausdorff距离法，实现梅花针的快速定位；利用图像形态学算法实时消除气泡影响，并完成对梅花针转动齿数的计数。实验表明，该系统在保证检定准确性的同时，可缩短检定时间，提高水表检定效率，解决了湿式水表表盘气泡对检定的不良影响，适用于各类水表的检定。
-
2017,31(1):29-35, DOI: 10.13382/j.jemi.2017.01.005
Abstract:
为帮助老年公寓监护人员及时发现老年人摔倒等动作，提出了一种基于视频监控的动作识别方法。对监控视频，首先通过基于HSV空间的混合高斯背景建模方法提取前景图像，然后利用所提出的运动特征和形态特征相结合的方式进行特征提取，最后通过具有高斯输出的HMM模型实现动作类型的识别。提出的方法能够适应光照变化影响，对不同动作的动作方向和动作幅度变化具有很好的鲁棒性，实验中动作的识别准确率达到90%。结果表明，本方法能够满足老年公寓动作识别的基本要求，具有一定的实用价值。
-
2017,31(1):51-57, DOI: 10.13382/j.jemi.2017.01.008
Abstract:
提出一种快速、简便、高效的眼底血管分割方法。分析眼底图像的灰度值分布和对比度变化，利用匹配滤波克服背景干扰，消除噪声影响，达到灰度均衡，实现眼底图像的亮度归一化。估计眼底图像中背景像素所占比例，利用直方图自动选择阈值，完成对眼底图像中血管的有效分割。在公开的眼底图像数据库上进行测试，该方法对眼底血管分割具有较好的性能指标。实验表明，提出的基于匹配滤波和阈值优化的眼底血管分割方法，准确率高、复杂度低，对眼科疾病的计算机辅助诊断有一定的实用价值。
-
2023,37(1):177-190, DOI: 10.13382/j.issn.1000-7105.2023.01.020
Abstract:
针对经典双稳随机共振(CBSR)系统在微弱信号放大检测方面的困难,提出了 Levy 噪声下的欠阻尼指数型三稳随机共 振(UETSR)系统。 将双稳态和指数势函数相结合,利用非高斯噪声可有效提升信噪比的特性,构造出 UETSR 系统。 首先推导 该系统的稳态概率密度函数,以平均信噪比增益为衡量指标,采用量子粒子群算法进行参数寻优,研究在 Levy 噪声的不同参数 α 与 β 下,系统各参数对 UETSR 输出变化规律的影响。 最后将 UETSR、CBSR 和经典三稳系统(CTSR)应用于轴承故障诊断中, 系统输出后的内外圈故障频率处的幅值较输入信号分别增长了 197. 58,1. 153,18. 81 和 238. 87,26. 63,39. 72,最高峰与次高峰 的谱级比分别为 5. 44,4. 03,3. 85 和 5. 10,3. 79,5. 05。 实验结果表明,不同系统参数均可诱导产生 SR 现象,且 UETSR 系统的 性能明显优于 CBSR 和 CTSR,具有良好的工程应用价值。
-
2017,31(1):83-91, DOI: 10.13382/j.jemi.2017.01.012
Abstract:
根据有向传感器节点感知特性，提出一种有向传感器节点模糊感知模型，以此为基础建立了模糊数据融合规则，减少网络中的不确定区域；就有向传感器网络强栅栏覆盖问题，提出一种基于粒子群的有向传感器网络强栅栏覆盖增强算法，将n维求解问题转化为一维求解，提高了算法收敛速度。仿真结果表明，对感知方向可连续调节的有向传感器网络节点，在随机部署情况下与现有算法对比，本算法对目标区域能有效的形成强栅栏覆盖，且具有较快的收敛速度，延长网络生存期。
-
2017,31(1):106-111, DOI: 10.13382/j.jemi.2017.01.015
Abstract:
速度平滑问题是高速数控加工及煤矿提升机为提高加工精度与设备寿命而提出的，针对该速度平滑问题建立分段模型，基于加速度与速度的关系，推导了各段速度、行程和时间的解析解，推导了模型中关键一元三次方程的通用解，并将其运用到速度平滑分段求解问题中。本方法应用于煤矿提升机速度平滑问题中，显示出易于程序实现、计算量小、过渡曲线平滑的特点，能很好适应高速运动设备速度平滑的场景。目前该方法已推广至多个实际项目中。
-
2017,31(1):99-105, DOI: DOI: 10.13382/j.jemi.2017.01.014
Abstract:
随钻方位电磁波电阻率测井仪器实现地层方位电阻率测量和地层层界面检测的关键在于测井仪线圈系结构的设计,且测井仪器的检测性能主要受电磁波信号发射频率、线圈源距、线圈间距、线圈倾角以及所测地层电阻率的影响。针对随钻方位电磁波电阻率测井仪器的不同检测要求，确定测井仪器的检测方式。根据线圈系结构在不同检测方式的条件下所满足的约束条件，采用仿真实验的手段设计随钻方位电磁波电阻率测井仪的线圈系结构，为实际工程应用中线圈系的结构设计提供参考依据。
-
2017,31(1):139-143, DOI: 10.13382/j.jemi.2017.01.020
Abstract:
为了提高多目标跟踪的鲁棒性，增强目标之间的区别性，使用了一种基于能量最小化(energy minimization,EM)的多目标跟踪算法，不同于现有算法，本算法专注于将多目标跟踪中的复杂问题表示为能量函数的模型，模型中包括了更优的目标区分策略（相似度模型）。通过将每个能量函数成本值对应一个多目标的跟踪轨迹方案，算法将多目标跟踪问题转化为能量最小化的问题。在能量函数模型的优化方法上，算法采用共轭梯度算法和一系列的跳转运动来找到能量最小的值。公开数据集的实验结果证明了本算法的有效性，而且定量分析结果证明了本算法提高了目标与背景、目标之间的相互区别性从而与其他算法相比能获得更好的鲁棒性能。
-
2017,31(1):132-138, DOI: 10.13382/j.jemi.2017.01.019
Abstract:
提供了一种适宜于多通道集成的低功耗、小面积14位125 MSPS流水线模数转换器(ADC)。该ADC基于开关电容流水线ADC结构，采用无前端采样保持放大器、4.5位第一级子级电路、电容逐级缩减和电流模串行输出技术设计并实现。各级流水线子级电路中所用运算放大器使用改进的“米勒”补偿技术，在不增加电流的条件下实现了更大带宽，进一步降低了静态功耗；采用1.75 Gbps串行数据发送器，数据输出接口减少到2个。该ADC电路采用0.18 μm 1P5M 1.8 V CMOS工艺实现，测试结果表明，该ADC电路在全速采样条件下对于10.1 MHz的输入信号得到的SNR为72.5 dBFS, SFDR为83.1 dB,功耗为241 mW，面积为1.3 mm×４ mm。
-
2017,31(1):118-124, DOI: 10.13382/j.jemi.2017.01.017
Abstract:
针对变压器故障诊断准确率低的问题提出了粒子群 自组织映射 学习矢量化（PSO SOM LVQ）混合神经网络算法。为了获取更加有效的SOM神经网络拓扑结构，首先采用PSO算法对SOM神经网络的权值向量加以改进，在此基础上融入LVQ神经网络，弥补了无监督学习SOM神经网络的不足。这种PSO、SOM和LVQ相结合的混合神经网络算法提高了变压器故障诊断的精度，减少了故障诊断的误差。通过仿真，对SOM、PSO SOM和PSO SOM LVQ这3种算法进行了对比。对比结果表明，PSO SOM LVQ混合神经网络算法准确度最高，其故障诊断准确率为100%。由此可见，采用PSO SOM LVQ混合神经网络算法可有效提高变压器故障诊断的性能。
-
2017,31(1):125-131, DOI: 10.13382/j.jemi.2017.01.018
Abstract:
频谱模型的乐音仿真是运用声学理论，由一系列基本函数及其时变幅度乘积的迭加来实现乐器的发声。通过对钢琴琴弦振动和衰减特性的分析以及共鸣箱共振作用的探讨，提出了一种新的数字化钢琴乐音仿真技术，仿真模型由激励系统和共振系统两部分组成。系统以琴弦振动方程为基础，先进行时域上的包络修饰，以模拟琴弦振动的自然衰减，这样可以使乐音各音符间衔接和谐；然后在频域上以频谱包络建模滤波器组，实现共振系统的仿真，对音色进行修饰。该方法能更为有效的雕刻声音，同时较好的表现音色，从而使乐音听起来更加和谐。
-
2017,31(1):150-154, DOI: 10.13382/j.jemi.2017.01.022
Abstract:
东巴象形文是由云南丽江纳西族先民创造并使用的，被誉为“世界上唯一活着的象形文字”。在图形识别、内容释读以及形、音、义信息等方面，现有的英文、汉字等识别系统及翻译系统往往不能适用于东巴象形文字，提出一种先拓扑特征处理后投影法特征提取的分步骤信息处理方法，并采用模板匹配法进行文字识别。通过实验验证表明，基于象形文固有特征的提取，利用拓扑特征与投影法相结合的特征提取方法进行东巴象形文字识别，具有准确度更高的特点，是东巴象形文识别的一种有效方法。
