摘要:为了提高手臂疲劳模型识别的准确率,本研究在常用时域、频域特征的基础上,引入了时频域、非线性和参数模型特征, 提取 3 通道的表面肌电信号,构成特征集合。 特征降维一般分为特征提取以及特征选择,分别采用特征提取中的主成分分析 (PCA),核主成分分析(KPCA)方法以及特征选择中的互信息(MI)度量方法进行特征降维,采用支持向量机( SVM)和 K 近邻 (KNN)作为分类器,通过 3 种降维方法分与 SVM 和 KNN 的不同组合构成疲劳分类模型。 结果表明,KPCA 与 SVM 的组合模型 对于疲劳的正确识别率最高达到 99%,高于其他组合算法。

摘要:为了解决当前红外图像增强方法存在的光晕及细节模糊等不足,提出了指数同态滤波耦合细节锐化规则的红外图像增 强算法。 基于同态滤波方法,通过频域中的像素点与中心像素点的距离,构造指数型同态函数,以同时完成图像的去噪和增强 对比度处理。 联合相位一致性方法和自适应高提升滤波方法,构造了细节锐化机制。 在图像的细节锐化中,利用相位一致性方 法,通过傅里叶变换,准确提取出图像的细节特征。 并引入高提升滤波方法,利用图像的均值,构造自适应的锐化因子,以形成 自适应高提升滤波方法,对提取的图像细节特征进行锐化,完成图像细节内容的增强。 实验结果表明,较当前的红外图像增强 算法而言,所提算法具有更好的增强效果,其增强图像呈现出更为理想的对比度和更为清晰的图像边缘。

摘要:针对电子行业制造机器人对电子元器件检测精度低和速度慢的问题,提出基于改进 YOLOv4 的电子元器件检测方法。 对网络结构进行改进,利用深度可分离卷积代替 PAN 网络中的传统卷积,提高检测速度;利用一种具有线性瓶颈的逆残差结构 代替 CSP darknet53 主干网络,降低模型参数,进一步提高检测效率;在检测网络 YOLO head 前添加注意力机制,提高检测精度。 模拟工业传送带环境建立了电子元器件数据集并进行数据增强,相较于原算法,精度( mAP) 提高了 1. 31%,速度提高了 16. 34 fps,权重大小从 245 下降到 41. 20 MB。 研究可为相关电子行业制造机器人的研制提供技术参考。

摘要:针对无人机巡检图像中小目标难以检测、障碍物遮挡目标、正负样本不平衡等问题,提出基于改进 Cascade R-CNN 的输 电线路多目标检测方法。 改进了 Cascade R-CNN 的特征提取网络,基于 ResNet101 基础网络结构,设计 6 层新型特征金字塔网 络(FPN)与之融合,提高了对小目标、重叠目标的检测能力;引入了高斯形式的软非极大值抑制(Soft-NMS)方法,降低了受遮挡 影响的目标的漏检率;利用 Focal 损失改进损失函数,缓解了正负样本不平衡对检测精度的影响。 训练过程中,基于添加噪声、 亮度变换、尺度放缩等数据增强方法扩充数据集,提升了训练模型的泛化性能。 实验结果表明,改进的模型在复杂背景下能够 对 3 种瓷质绝缘子、瓷质绝缘子缺陷、相间棒、防震锤以及鸟窝同时检测,平均精度均值(mAP)达到 94. 1%,为输电线路的智能 巡检提供了一种新思路。

摘要:相关干涉仪是一种无源测向算法,具有计算复杂度低、抗干扰能力较强、样本依赖性较大的特点。 为了减少相关干涉仪 算法样本对环境的依赖,提高实际环境的测向精度,提出了一种基于理论样本的改进算法。 该算法通过搜索相关矩阵的局部峰 值、建立理论相关峰、计算相关峰评价系数(包含方差、峰度、偏度)、二次相关匹配的方法,在仅使用理论样本的条件下即可对 来波信号进行精准测向。 经过外场实验表明,在频段 340 MHz~ 3 GHz、信噪比 29 ~ 60 dB 区间内,改进算法的精度比传统采样 算法在城市环境的测向精度高 0. 8°,且测向性能稳定,多次实验的精度偏离未超过 1°。 改进算法计算复杂度较高,测向时间为 传统算法的 3~ 4 倍,在无高时效性要求的场景具有良好的实用价值。

摘要:为了提高无人机的探测识别率,对无人机飞行声音进行时频域分析,针对无人机声音特性,将梅尔倒谱系数(MFCC)与 翻转梅尔倒谱系数 (IMFCC)组合来更好地表征无人机声音信号,新的特征参数通过 Fisher 准则进行特征降维,构建无人机“声 纹库”,通过灰狼优化算法(GWO)对支持向量机(SVM)中的参数进行优化,建立无人机音频分类模型。 实验结果表明,新特征 参数可弥补单一特征在整个声音频域分辨率低的缺陷,GWO-SVM 音频分类模型可实现在 50 m 距离内无人机探测,识别率达 到 92. 9%,较传统检测方法有显著优势。

摘要:针对现阶段基于图像处理进行螺纹中径测量时算法收敛速度慢、精度低的问题,提出一种基于改进哈里斯鹰优化算法 的螺纹钢丝头中径测量方法。 首先,采用三次样条插值法进行亚像素级的边缘检测,精确提取出螺纹波峰波谷等参数后再构建 出中径适应度函数,最后,将螺旋式更新机制和非线性能量递减策略引入哈里斯鹰优化算法(HHO)来求解中径适应度函数。 实验结果表明,改进的哈里斯鹰优化算法稳定性更好、精度更高,其中径测量的标准差比传统 HHO 算法降低了 59. 33%,中径测 量结果的绝对均值误差比三针测量法降低了 5. 08%,比 HHO 算法降低 37. 78%。

摘要:转炉炼钢火焰图像特征的准确提取是预测终点碳含量的关键,针对于火焰图像相似性高进而难以区分碳含量相近的火 焰图像,导致无法准确精准预测碳含量的问题,提出一种改进完全局部二值模式(improved complete local binary pattern, ICLBP) 的彩色纹理特征提取方法,用于提取不同碳含量下更具区分性的炉口火焰图像特征并进行终点碳含量的预测。 首先,在不同颜 色通道下采用局部相位量化(local phase quantization, LPQ)提取图像相位信息,与 CLBP 提取的图像幅值信息组合成融合特征 ICLBP_MP,以增强 CLBP 算法结构的鲁棒性;然后,通过改进的颜色信息加权策略对其进行加权,以增强火焰图像的颜色对比 度信息;最后,使用 K 近邻回归模型对碳含量进行预测。 实验结果表明,碳含量预测在 0. 02%误差范围内的准确率为 83. 9%。

摘要:针对工程应用中使用光纤布拉格光栅(fiber Bragg grating, FBG)测量炮膛温度瞬变、高频振动等信号时光谱成像法数据 传输带宽高的需求,提出了一种基于直接存储器访问(direct memory access, DMA)的光谱数据高速传送方法,设计了基于 Zynq 的光谱数据高速传送硬件逻辑,利用光谱成像法原理搭建了 FBG 解调系统,实现了 DMA 方式的光谱数据同步传送以及 FBG 波 长解调计算。 数据传送仿真实验与 FBG 中心波长解调结果表明,解调系统可以将 FBG 光谱数据进行高速传送,数据传输带宽 为 320 Mbit / s,解调速率达到 34 kHz,光谱数据传送具有较高的稳定性。

摘要:为了提高短时交通流的预测精度和预测速度,基于交通流量序列的不平稳性和随机性,提出了快速集合经验模态分解 (fast ensemble empirical mode decomposition, FEEMD) 和自然选择自适应变异粒子群算法 ( selection adaptive particle swarm optimization,SAPSO)优化双向长短时记忆网络( bidirection long short-term memory,BiLSTM) 相结合的预测模型。 首先,利用 FEEMD 将原始不平稳的交通流量序列分解成多个较平稳的固有模态分量( intrinsic mode function,IMF)和残差分量( resdiue, Res),并滤除掉噪声部分,提高建模精度;其次,引入复合多尺度排列熵( composite multiscale permutation entropy,CMPE)检测交 通流量子序列的随机性并根据随机性的相近程度对其进行聚类重组,简化模型的构建,提高预测精度;然后,对重组后的子序列 使用 BiLSTM 进行预测,并利用 SAPSO 优化 BiLSTM 的权值和阈值,进一步提高组合模型的预测精度和预测速度;最后,将各子 序列预测值叠加得到最终的预测值。 实验结果表明,FEEMD-SAPSO-BiLSTM 组合模型的均方根误差比 FEEMD-PSO-BiLSTM 和 SAPSO-BiLSTM 组合模型分别降低了 22. 9%和 54. 3%,收敛速度方面,FEEMD-SAPSO-BiLSTM 明显快于 FEEMD-PSO-BiLSTM 模 型。 因此在预测短时交通流上,提出的组合模型提高了预测精度和预测速度,达到了期望的预测效果。

摘要:蒸汽喷射泵是低温多效蒸馏海水淡化系统(MED-TVC)的关键部件。 为了提升其运行效率,对蒸汽喷射泵进行了结构 优化与性能分析。 在喷射泵优化过程中,使用计算流体力学(CFD)工具研究了混合室直径对于引射比的影响,得到了喷射器引 射比与混合室直径以及临界背压之间的拟合二次函数关系式。 研究结果表明,混合室直径的增大会使引射比上升,临界背压下 降。 在一次流压力与二次流压力分别固定为 600 和 15 kPa 时,通过将混合室直径从 15. 8 增大至 20. 35 mm,其引射比可从 0. 485 提升至 0. 746,性能提升可达 53. 8%,造水比可以从 7. 425 提升到 8. 73,提升百分比约为 17. 58%。 优化后的蒸汽喷射泵 结构可有效提升海水淡化系统的日产水量,提高系统运行效率,降低能耗。

摘要:肺部三维信息利于医生做出更快更准确的诊断,但肺部三维重建的图像都是源自二维断层图像的叠加。 二维图像的数 量制约三维成像的效果,增加电极层数可获取更多层的二维图像,但同时也会增加计算量,减缓成像速度。 虽然采取层间插值 的方法可以解决这个问题,但是由于人体几何结构的特异性,肺部电阻抗图像( electrical impedance tomography, EIT)边界不规 则,传统的规则图像插值方法不适合直接应用于肺部 EIT 三维插值。 为此,提出适用于肺部电阻抗的插值算法,先获得插值图 像轮廓,再用对应点插值像素值。 通过仿真和实验验证新插值算法成像的相对误差比线性插值、样条插值成像的相对误差分别 降低 5. 69%、3. 3%。 基于轮廓形状的肺部电阻抗三维插值方法,能在测量数据量有限的条件下,进一步提高三维电阻抗成像质 量,更好地反映肺部的真实形态。

摘要:为研究气体绝缘输电线路(GIL)设备局部放电引发的 GIL 壳体异常振动机理与特征,并对 GIL 局部放电趋势进行预 测。 首先,以尖端放电为例建立了 GIL 设备尖端放电模型与实验平台;其次,通过测取不同电压等级下尖端放电的脉冲电流信 号与异常振动信号,联合机电信号研究 GIL 异常振动行为的特征与机理;最后,建立鲸鱼优化算法-极限学习机(WOA-ELM)模 型对 GIL 局部放电趋势进行预测,并与 ELM 模型进行对比。 结果表明,GIL 尖端放电脉冲电流重复频率与异常振动信号频率 一致,GIL 局部放电与 GIL 壳体异常振动直接相关,且异常振动能量多集中在 1 600 ~ 2 800 Hz 且以 20 Hz 倍频分布为主;相较 于传统 ELM 模型,WOA-ELM 具有更为优越的预测能力,可以实现对 GIL 局部放电趋势的精确预测,为 GIL 局部放电趋势预测 提供了新的方法。

摘要:针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验 模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模 型进行电弧故障识别的方法。 首先,利用搭建的电气故障实验平台采集故障及正常电流数据,并将电流数据进行窗口分段,然 后分别使用小波变换与 EMD 方法对电流信号进行分解并计算不同维度上的特征量,将该特征信息作为分类算法的输入进行电 弧故障诊断。 经实验验证,该特征提取方法在梯度提升决策树( gradient boosting decision tree,GBDT)上的电弧故障检测准确率 高达 98%,相比电流不分段的方式分类准确率提升了 1. 87%,能有效获取电弧故障特征,实现对电弧故障高效率与高准确率 检测。

摘要:针对特定辐射源个体识别(specific emitter identification,SEI)方法,指纹特征提取需要复杂公式演算推理,特征差异小、 提取困难,提取后特定辐射源个体识别正确率低的问题,提出一种基于密集连接结构与注意力机制的特定辐射源识别算法,称 之为特定辐射源识别网络(specific emitter identification network,SEIN)。 首先使用包络提取算法提取含噪声较少的辐射源信号 包络,得到含有丰富指纹特征的包络图,进而进行 SEIN 指纹特征的提取及个体识别。 实验结果表明,SEIN 可达到 95. 12%的分 类识别效果,具有准确率高、指纹特征提取自动化特点,最终较好实现了复杂环境下特定辐射源个体识别。

摘要:针对精密电子、塑形成型等高速高精加工过程滚动轴承的剩余使用寿命预测建模中存在样本少、标注难度大等问题,引 入深度置信网络,融合无监督与有监督微调学习方法开展滚动轴承剩余使用寿命预测研究。 将滚动轴承的振动数据特征作为 输入、剩余使用寿命作为输出,以能量函数量化特征准确性的概率分布作为基本组成部件,部件的上一层特征输出作为下一层 的输入,将多个这样的部件首尾相接,构建滚动轴承剩余使用寿命预测模型。 通过原始数据的无监督预训练得到模型中各个单 元的初始参数,然后利用剩余使用寿命标签数据进行模型的有监督微调,进一步提高模型预测的准确性。 实验结果表明,所提 出的方法能够对滚动轴承的剩余使用寿命进行预测,与支持向量回归( SVR)和主成分分析-深度置信网络(PCA-DBN)方法进 行比较,预测误差分别减少 28. 48%、5. 57%,该方法在现场预测方面,具有更高的预测准确度,而且本方法还能减少对专家知识 的依赖,模型的泛化能力更强。

摘要:基于压力位差式气体层流流量技术,进行了新型层流流量传感器的设计和测试工作。 传感器由本体和集成盖板两部分 组成,壳体采用一体化加工,毛细管组固定于壳体的两个流道中,取压盖板使用内部嵌入式管路联通的方式代替外部取压管,毛 细管组、滤网、管路连接件等均采用模块化设计,差压、绝压和温度传感器集成在取压盖板上。 分析了传感器工作原理,给出了 修正公式,基于活塞式气体流量标准装置进行了空气和氮气两种介质的实验测试,最大流量约为 50 L/ min。 测试结果显示,两 种气体的流量测量误差均小于±0. 8%,量程比达到 250 倍。 预计这种传感器可以在微小气体流量准确测量领域获得应用。

摘要:针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种改进 YOLOv5 算法的交通标志识别方法。 首 先改进 YOLOv5 算法的损失函数,使用 EIOU 损失函数代替 YOLOv5 算法所使用的 GIOU 损失函数来优化训练模型,提高算法 的精度,实现对目标更快速的识别;然后使用加权 Cluster 非极大值抑制(NMS)改进 YOLOv5 本身所使用的加权 NMS 算法,提高 生成检测框的准确率。 实验结果表明,改进后的 YOLOv5 算法在由长沙理工大学制作的 CCTSDB 交通标志数据集上训练的模 型的 mAP 值达到了 84. 35%,比原始的 YOLOv5 算法提高了 6. 23%。 所以改进 YOLOv5 算法在交通标志识别中有更高的精度, 能够更好的应用到实践当中。

摘要:目前文艺演出发展受舞台机械、灯光、音响等各控制系统协同困难、信号干扰严重、可靠性差等因素制约难以出现突破 性的进展,为构建稳定可靠高效的舞台设备通信系统进一步促进演艺技术的发展,在对舞台设备实际运行环境进行研究后,提 出一种基于深度网络的舞台载波通信自适应跳频抗干扰技术。 首先利用模型获取大量舞台电力线传输频道参数,然后利用深 度神经网络训练自适应跳频抗干扰模型,该模型可以根据舞台电力线通信环境自适应选择通信频段。 实验证明,该技术可以根 据舞台通信电力线环境的干扰情况快速有效的选择稳定的通信频段,信噪比接近-18 dB 时,误码率相比传统方法缩小近 10 倍,在提高通信效率的同时进一步提高了舞台设备间通信的可靠性和稳定性。

摘要:为了克服传统群智能算法在求解盲源分离(BSS)问题时收敛速度慢和分离精度差的缺点,提出一种基于改进型象群优 化(IEHO)算法的 BSS 方法。 该方法利用独立性原则,融合分离信号的峭度和互信息来构建目标函数。 在氏族更新阶段,通过 改进算法比例因子并加入邻域搜索,提高了算法搜索方式的多样性;在分离阶段,引入量子粒子群优化策略,提高了算法的全局 搜索能力。 仿真结果表明,与传统的象群优化算法和粒子群优化算法相比,IEHO 算法的寻优效果较好,并成功实现了图像信号 和语音信号的盲源分离,分离精度更高,收敛速度更快。

摘要:针对复杂环境中目标工件跟踪精度不高的问题,提出了一种基于 ECO 改进的目标工件跟踪方法。 首先基于 ECO 相关 滤波器框架,采用 VGG 特征与传统手工特征加权融合的方法,有效提高目标工件跟踪精度;然后,利用快速判别尺度空间跟踪 器实现对目标工件的尺度自适应跟踪;最后,引入一种高置信度更新指标确定跟踪模型的稀疏更新策略,提高算法鲁棒性。 在 OTB-2015 标准数据集上进行测试,并与其他主流跟踪算法进行对比,实验结果表明,该算法的平均跟踪精度和平均重叠精度均 为最优,分别达到 89. 2%和 68. 6%;对于使用 CCD 工业相机拍摄的目标工件数据集,同样具备良好的跟踪性能,进一步验证了 算法有效性。

摘要:在使用电磁感应方法诊断杆塔接地网断点的过程中,针对人工诊断引起的误差问题,提出了一种基于一维卷积神经网 络(one dimensional-convolutional neural network, 1D-CNN)的诊断模型,诊断模型以接地网正上方的一维磁场数据为输入,通过 深度神经网络输出断点故障的数量和位置。 首先通过实验验证了电磁感应方法在杆塔接地网断点诊断问题中的有效性,然后 建立了磁场断点故障数据集,之后进行了 1D-CNN 诊断模型的训练。 在诊断准确度验证实验中,1D-CNN 诊断模型在 40 个故障 磁场样本上达到了 97. 50%的诊断准确率,表现出了良好的泛化性;诊断效果对比实验表明,1D-CNN 诊断模型的 AUC 值达 0. 951,在 3 次随机训练中对各类故障的平均识别率达到了 92. 08%,在 15 次训练中的平均测试集精度达到了 94. 30%,平均每 代训练时间 0. 875 0 s,在各项指标上较 DNN、RNN 均有明显优势。

摘要:针对天然气管道气体压力超声检测模式识别问题,提出了对原始信号进行预处理去除冗余信息,然后对信号进行变分 模态分解(variational modal decomposition,VMD)提取最优本征模态函数(intrinsic model functin,IMF)对信号进行重构,接着对处 理好的信号进行连续小波变换(continuous wavelet transform,CWT)使其成为高分辨的时频域 2 维图,最后用深度卷积神经网络 (Deep convolution neural network,DCNN)对图片进行特征提取并将部分网络输出和支持向量机( support vector machine,SVM)相 连实现有监督的学习和训练并用训练好的支持向量机对剩下的数据进行无监督的模式识别。 实验表明,VMD-CNN-SVM 模型 对压力有无的判别准确率为 90. 66%,相较于其他方法准确率最高。

摘要:为了解决微型风扇气动性能测试系统中微小流量测量和流量自动调节问题,提出了基于流量平衡法的微型风扇气动性 能测试技术。 基于流量平衡法技术原理,分析了流量平衡法管路系统空气动力特性和流量调节特性。 由于采用了流量平衡管 路设计,在切换不同工作管道时,整个管路系统总体阻抗基本不变,可通过开启不同测量支路来组合调节流量;理论上并联测量 支路根据阀门开关,其流量非“1”即“0”,可以非常方便地组合出所需流量。 针对所设计的实验装置进行了流量标定实验、流量 调节性能实验和微型风扇气动性能试测,实验结果表明,组合流量调节性能符合预期,微型风扇测试中组合流量调节工作正常, 证明了流量平衡法适用于微型风扇气动性能测试技术。

摘要:为解决电容式加速度计灵敏度低,交叉灵敏度高等性能问题,设计了一种新的三质量块 MEMS 三轴电容式加速度计, 该三质量块加速度计能够测量 X、Y、Z 三个正交轴的外加加速度,单独的横向(X、Y 轴)和垂直轴(Z 轴)加速度计集成在同一 SOI 晶片上,并键合在玻璃基板上,实现了低交叉灵敏度和高机械灵敏度。 分析并建立加速度计结构的数学模型,并通过 COMSOL 仿真分析,优化获得了加速度计的结构和尺寸,设计出的该三质量块加速度计的垂直轴方向的位移灵敏度为 1. 536 69 μm/ g,水平轴方向的位移灵敏度为 6. 78 μm/ g,交叉灵敏度均小于 1%。

摘要:针对眼底血管图像存在血管细小、视网膜病变而导致分割精度低的问题,提出了一种引入残差块、级联空洞卷积、嵌入 注意力机制的 U-Net 视网膜血管图像分割模型。 首先采用提高视网膜图像分辨率,以点噪声为中心、512 为边长裁剪来扩增数 据集,然后在 U-Net 模型中引入残差块,增加像素特征的利用率和避免深层网络的退化;并将 U-Net 网络的底部替换为级联空 洞卷积模块,扩大特征图的感受野,提取更丰富的像素特征;最后在解码器中嵌入注意力机制,加重目标特征的权重,减缓无用 信息的干扰。 基于 CHASE 数据集的实验结果表明,所提模型的准确率达到了 98. 2%,灵敏度达到了 81. 72%,特异值达到了 98. 90%,与其他多尺度神经网络方法相比体现了更好的分割效果,充分验证了提出改进的 U-Net 网络模型能有效提高血管分 割精度、辅助确诊血管病变。

摘要:智能电表作为电网的终端设备,其退化情况与工作环境、运行时间等因素密切相关。 针对复杂变量条件下智能电表退 化情况难以预测的问题,提出一种基于复合核支持向量机(support vector machine, SVM)的智能电表基本误差预测方法。 首先 对智能电表退化数据进行分析,采用皮尔逊相关性分析找出与智能电表基本误差相关性极强的环境变量。 然后,为进一步提取 数据退化特征,采用模糊 C 均值聚类算法对智能电表退化数据进行聚类,确定退化特征向量。 最后,基于高斯径向基核函数与 多项式核函数构造一种新的复合核 SVM 模型用以预测智能电表基本误差。 结合新疆地区智能电表退化数据对复合核 SVM 模 型性能进行验证,实验结果表明,复合核 SVM 模型可以准确预测复杂环境下智能电表的基本误差,其预测准确率高于贝叶斯方 法、神经网络方法以及经典 SVM 方法。

摘要:针对普通商品识别算法在智能售货柜嵌入式系统平台上检测速度慢、识别率低的问题,提出了一种在 YOLOv3 基础上 的改进型商品识别算法 DS_YOLOv3。 利用 k-means++聚类算法得到适应于售货柜中售卖饮料图像数据的先验框;采用深度可 分离卷积替换标准卷积,并加入倒置残差模块重构 YOLOv3 算法,减少了计算复杂度使其能在嵌入式平台实时检测;同时引入 CIoU 作为边界框回归损失函数,提高目标图像定位精度,实现了对传统 YOLOv3 算法的改进。 在计算机工作站和 Jeston Xavier NX 嵌入式平台上进行了典型场景下的商品检测实验。 实验结果表明,DS_YOLOv3 算法 mAP 达到了 96. 73%,在 Jeston Xavier NX 平台上实际检测的速率为 20. 34 fps,满足了基于嵌入式系统平台的智能售货柜对实时性和商品识别精度的要求。