摘要:无线光通信是一种重要的现代通信手段,具有频谱资源丰富、抗电磁干扰等优点,可以作为传统无线射频技术的重要补 充,有望为未来工业制造提供重要的技术驱动力。 文章首先介绍了工业互联网背景下无线光通信的相关应用,并对近年来国内 外的研究现状进行综述,针对较为典型的研究进展进行总结,另外阐述了无线光通信系统的信道模型及关键技术,并介绍了射 频/ 可见光异构技术用来保证通信系统上下行链路可靠传输。 最后总结了当前无线光通信在工业互联网面临的问题,并对未来 发展趋势进行展望,可为未来无线光在该领域的研究和发展提供一定的参考和借鉴。

摘要:为提高目前基于掩蔽与基于频谱映射的语音增强方法性能上界以及复杂环境下的泛化能力,提出了一种在联合复频谱 与复掩蔽学习框架下的协作式单通道语音增强方法。 该方法采用编码器-双分支解码器结构,在编解码部分设计了一种交互协 作学习单元(ICU)来监督交互语音信息流,并提供有效的潜在特征空间;中间层则是设计出一种多尺度融合 Transformer,以少 量参数在空间-通道维度上多尺度地提取细节信息后融合输出,同时对语音子频带与全频带信息建模。 在大、小数据集与 115 种噪声环境下进行实验,结果表明该方法仅以 0. 57 M 的参数量,取得比大部分先进且相关方法更优的主、客观指标,具有良好 的鲁棒性与有效性。

摘要:精密单点定位(precise point positioning, PPP)技术由于操作简单、定位精度高,现已广泛应用于许多领域。 针对 PPP 解 算过程中周围环境改变可能带来的观测噪声和多路径效应,传统滤波算法无法解决其导致的精度下降的问题,本文提出一种强 跟踪自适应 Kalman 滤波(strong tracking adaptative Kalman filtering, SAKF)算法,通过引入渐消因子调整预测误差值,同时使用 IGGⅢ函数方法重构测量噪声协方差,从而实现 PPP 解算。 实验结果表明,在静态解算时,SAKF 定位精度较传统算法提升约 20%,在仿动态解算时,SAKF 定位精度提升约 55% ~ 60%,同时具有更好的收敛稳定性。

摘要:开关柜局部放电类型识别对了解绝缘状态并及时维护有着重要的指导意义。 局部放电类型识别的关键在于提取局部 放电信号的特征。 提出一种 Choi-Williams 分布与排列熵相结合的局部放电超声信号的特征提取方法,利用 Choi-Williams 分布 获得局部放电超声信号的时频特征,求解局部放电超声信号的排列熵,得到信号时间序列的复杂度特征量,与时域特征量组合 成特征向量,使用粒子群算法优化的 BP 神经网络对放电信号进行分类识别。 实测数据分析表明,该方法对放电类型识别的准 确率达到了 96. 67%,相较于传统的分形和时频分析方法,分别提高了 11. 67%和 1. 67%。

摘要:为实现铝板表面裂纹缺陷检测,基于 COMSOL 建立铝板表面裂纹缺陷模型,分析了激光超声与缺陷的相互作用。 针对 激光超声在材料内部传播反射信号弱、信噪比较差的问题,提出了信号多次平均结合相邻三点信号差分处理方法。 利用激光超 声可视化检测系统对 5 mm 厚铝板表面 3 个裂缝进行检测,采用信号多次平均提高信噪比并增强最大振幅图中的损伤回波;提 取目标区域内各扫描点信号峰峰值重构三维最大振幅图,通过相邻三点信号差分处理方法对水平、垂直方向上的超声信号进行 处理,提供了更好的缺陷可见性。 结果表明,表面波(R)与深度 1 mm 以内的表面缺陷存在明显的相互作用;激光超声可视化检 测技术可快速检出铝板表面的裂纹且能够三维显示位置及大小,采用的多次平均及相邻三点信号差分处理方法能准确表征 0. 5 mm 以上的缺陷,这将在工业无损检测及评估中有极其广泛的应用价值。

摘要:为解决测试超高清视频处理主板需要更换不同规格 TFT 屏幕的难题,同时进一步缩短测试耗时;提出了一种 FPGA 器 件联合 DDR3 SDRAM 存储芯片的尺度变换和降场频的系统结构,将不同分辨率和不同场频的视频信号归一化为高清视频信 号。 系统以 4 K@ 60 Hz 超高清视频作为输入信号,送到由 FPGA 控制的 DDR3 组成的视频数据读写模块中,实现数据跨时钟域 传输和尺度下变换处理及视频数据的连接;连续输出尺度下变换与降场频处理后的高清视频信号。 经对比实验测试,相较于多 路 FIFO 加 DDR3 的存储结构,消耗的存储资源减少 352 256 bit,同时转换过程耗时减少 6. 761 μs。 结果表明本系统更适用于生 产线上视频处理主板的测试需求。

摘要:电子分析天平的传感器结构和测量电路比较复杂,不能够精确求出系统的传递函数。 为了估计出系统的传递函数并提 高测量数据的信噪比,先通过拉氏变换的方法估计了系统传递函数的阶数,推导了稳态下系统的状态方程,通过自回归方法估 计系统参数并结合卡尔曼滤波的方法对测量结果滤波。 试验通过离线数据估计出了方程参数和噪声强度,并验证了测量过程 数据的平稳性,显著性水平低至 0. 001。 参数估计加卡尔曼滤波混合方法与普遍采用的滑动窗口滤波法作了比较,新方法的平 滑性和稳定性均有显著提高,测量标准差可达原有方法的 30%,线性度可达 6. 7×10 -5 ,响应时间较原方法低至 10%。 4 个样品 的试验数据验证了该方法的可行性和有效性。

摘要:柔性混合电路(FHC)是将刚性电子元件集成到有印刷电子的柔性基板上形成的一种复合电路。 为了满足日趋复杂的 应用场景,FHC 上需要集成更多刚性功能电子元件,而这会导致其柔性急剧下降。 为了缓解 FHC 在高集成度与高柔性之间的 矛盾,本文从结构改进的角度出发,借助镂空蛇形导线岛-桥结构(HS-SWI-BS)对 FHC 进行柔性优化设计。 通过三维有限元仿 真实验开展了对该方法在有效性和可行性方面的验证,其结果表明,镂空蛇形导线岛-桥结构能够实现 FHC 柔性的提升,且对 模型的柔性的提升幅度可达 260%。 在柔性经皮电刺激电路上的应用与测试则证明了该方法具有良好的实用性。 研究对提高 FHC 的柔性具有参考作用。

摘要:针对水表出厂检定过程中的被检表梅花针在接近于采集频率 1 / 2 的高速转动下识别效果差的问题,提出了一种基于自 适应峰值提取算法的水表梅花针计数方法。 首先对图像进行预处理转化为二值化图像,再利用背景异或法对当前帧图像与起 始帧图像进行异或运算得到梅花针运动轨迹,统计梅花针转动过程中的白色像素占比大小变化,最后通过自适应峰值提取算法 统计转动齿数。 通过实验,证明了该算法克服了伪波峰对峰值提取算法的干扰,相较于传统统计方法,该方法对梅花针转动齿 数识别效果显著,误差不超过 1%。

摘要:外观质量是家用燃气表(DGM)国家强制检定项目之一,针对 DGM 外观质量检定中匮乏缺陷样本使基于有监督学习检 测方法难以泛化到实际应用场景问题,本文研究 DGM 外观缺陷无监督检测方法,引入 Vision Transformer ( ViT) 改进版 EfficientFormerV2-l 提取正常样本特征,融合底层和高层特征图,并通过二维标准化流 FastFlow 将正常特征图映射到标准高斯分 布,外观缺陷因离散落在分布以外使异常得分相比正常样本更高,通过设置自适应阈值识别并定位 DGM 外观缺陷。 实验采集 DGM 正常样本、真实缺陷样本、合成缺陷样本作为数据集并优化检测模型参数,优化后检测模型在图像级别指标 AUROC 达 99. 77%,在像素级别指标 AUPRO 达 96. 3%,每秒可检测 4 张以上 DGM 图像,表明本文方法能准确高效识别与定位 DGM 外观 缺陷。

摘要:针对无线传感器网络易遭受内部节点攻击的问题,本文提出了一种基于演化博弈的无线传感器网络入侵检测方法。 将 传感器网络的攻防对抗映射到博弈过程中,建立恶意节点和簇头节点之间的攻防博弈模型,改进传统复制动态方程,使得簇头 节点在演化博弈过程中考虑到其他节点的历史策略,预测恶意节点的攻击策略;同时将改进复制动态方程应用于入侵检测算 法,提高算法响应时间。 实验表明,与传统方法的复制动态方程相比,采用该算法使得演化博弈能够快速达到均衡,收敛速度相 比传统方法提高了 80%,保障了网络安全性的同时避免了传感器网络检测能量的消耗。

摘要:六维加速度传感器的高精度测量可有效提高底盘防倾翻控制系统的控制效果,但并联式弹性元件的维间耦合会给传感 器带来非线性误差,采用极限学习机算法进行标定解耦可以有效提高传感器的测量精度。 但传统极限学习机非线性解耦算法 精度较低,使用麻雀搜索算法可以获得极限学习机的最佳初始权值、阈值。 同时,将最大类间方差法融入到麻雀算法优化的极 限学习机中,可以探索六维加速度传感器固有耦合关系,把传统极限学习机黑箱模型转换为灰箱模型,从而提出一种麻雀搜索 优化灰箱极限学习机 (sparrow search algorithm-gray box-extreme learning machine,SSA-GB-ELM)的解耦算法。 通过实验验证,使 用该算法的并联式六维加速度传感器非线性解耦精度显著提高,Ⅰ类误差最大为 0. 023%,Ⅱ类误差最大为 0. 046%,解耦时间 为 1. 095 s,可以高效解决六维加速度传感器非线性耦合问题。

摘要:针对冗余捷联惯导系统在软故障检测上仍然存在实时性低、检测性能易受环境影响的问题,提出了一种 APV/ FASPRT 算法。 首先根据硬件冗余配置构造奇偶空间,对奇偶残差执行 SPRT 算法,引入了渐消因子与周期重置提高对当前残差信息的 跟踪速度;其次通过 APV 算法检测故障结束时刻以重置渐消 SPRT 并提供敏感轴信息;最后针对工程常用的四、六陀螺冗余配 置提出了一种基于可容性故障的检测阈值确定方法以增强故障检测的稳定性。 仿真结果表明,该算法在软故障检测上分别比 GLT、SPRT、APV 方法平均检测延迟减少了 50. 59%、70. 21%、2. 32%、平均虚警率降低了 69. 31%、99. 33%、64. 77%,在增强了软 故障检测的实时性的同时减少了无故障时刻的虚警率。

摘要:为实现微孔直径和深度非接触式测量,提出一种利用电涡流效应的测量方法,由单层多匝线圈构成的测量线圈在目标 体上方匀速经过被测微孔过程中,测量线圈电感值变化的时间与微孔的直径成正比;测量线圈电感峰值与微孔直径的二次方具 有线性关系,该线性关系的斜率与微孔的深度成正比。 根据等效涡流环模型,建立测量线圈电感值与微孔直径和深度之间的数 学模型,利用 COMSOL 有限元仿真,分析测量过程中微孔直径和深度对测量线圈电感值的影响规律,仿真结果与等效涡流环模 型分析结果一致。 搭建微孔直径和深度的电涡流测量系统,实现直径 1. 5~ 5 mm,深度 0. 1 ~ 0. 5 mm 的微孔测量。 当微孔直径 大于 3 mm,微孔深度大于 0. 3 mm 时,微孔直径测量相对误差在±2%内。 微孔深度的测量分辨率为 0. 01 mm,在微孔直径大于 2. 5 mm 时,微孔深度的测量误差小于 0. 02 mm。

摘要:针对水下无线传感器网络环境的复杂性和节点的动态性所导致的节点定位精度低的问题,提出了一种基于动态贝叶斯 LS-SVM 的水下无线传感器网络节点移动预测定位算法;该算法以信标节点到通信半径内所有信标节点的距离和跳数矩阵作 为训练集;利用贝叶斯证据框架构建贝叶斯 LS-SVM 模型,将未知节点与信标节点之间的跳数向量作为测试集;将测试集代入 到训练好的贝叶斯 LS-SVM 模型中来确定节点之间的距离,进而建立节点与信标节点距离矩阵的方程并利用最大似然估计法 对未知节点坐标进行估算;最后,通过循环迭代的方式对所有未知节点进行定位的同时使用自适应增减算法动态调整模型参数 和预测模型,以适应数据的动态变化;实验结果表明,该算法相同的节点密度下相较于 SLMP 算法、RTLC 算法、NDSMP 算法以 及 MPL 算法的平均定位误差分别降低了 24. 77%、22. 25%、3. 1%、6. 5%,有效地实现了水下未知节点的动态定位。

摘要:针对随钻测量(MWD)中钻具重力加速度受振动干扰大引起的井斜角解算严重失真问题,提出基于联邦自适应无迹卡 尔曼滤波(FAUKF)的钻具重力加速度提取方法。 首先,建立无重置结构的联邦重力信息融合提取框架,选取基于陀螺仪数据 的递推重力值作为联邦滤波的公共参考值,分别与解耦的地磁数据观测的重力加速度组合作为子滤波器 1,与加速度计数据观 测的重力加速度组合作为子滤波器 2。 然后,对子滤波器的重力状态进行无迹卡尔曼滤波(UKF)算法,期间根据地磁数据观测 重力值的抗振性优于加速计的特性,设计子滤波器 2 对应的抗振因子,再根据陀螺仪短时精度高的输出特性,找到基于陀螺仪 数据解耦的地磁参考斜率值,来设计子滤波器 1 对应的抗磁因子,提升子滤波器性能,接着用自适应开窗因子来确定开窗估计 法则中的开窗值,调节新息协方差,通过对新息协方差的估计实现子滤波器量测噪声协方差的实时估计,提高无迹卡尔曼滤波 算法精度,进而得到可靠的重力信息局部自适应估计值。 最后通过联邦信息融合,进一步得到重力信息的全局估计。 通过模拟 钻进和实钻实验结果表明,FAUKF 算法和 FKF 算法相比,井斜角误差减小了± 1. 9°,FAUKF 算法下的井斜角误差可控制在 ±1. 2°以内。 该方法可有效提取煤矿井下钻具重力加速度,提高井斜测量精度,是获得可靠钻具井斜角的有效方法。

摘要:针对目前金属齿轮端面结构复杂,导致缺陷的小目标占比度高和尺度变化大引起的检测准确度低,难以满足企业实时 在线检测需求等问题。 本文基于 YOLOv5s 网络提出了一种基于自适应多尺度特征融合网络的金属齿轮端面缺陷检测方法 (YOLO-Gear)。 首先,搭建了一个齿轮端面缺陷检测试验台,并制作了齿轮端面缺陷数据集。 然后,提出了自适应卷积注意力 模块(convolutional block attention module-C3,CBAM-C3),CBAM-C3 通过将通道注意力(channel attention module,CAM)和空间注 意力(spartial attention module,SAM)相结合加强了对金属齿轮缺陷小目标缺陷自适应的特征学习与特征提取,及时对模型中的 权重参数进行学习和优化,提高了模型对小目标缺陷的检测准确度;最后,提出了重复加权双向特征金字塔网络( bidirectional feature pyramid network,BiFPN),通过自适应控制不同尺度的特征图之间的融合程度,提高了模型对缺陷多尺度检测能力。 试 验表明,YOLO-Gear 模型在齿轮端面缺陷测试集上的平均精度达到了 99. 2%,F1 值为 0. 99,FPS 值为 33。 相较于其他深度学习 模型,本文提出的 YOLO-Gear 模型提高了检测的精度和效率,能够满足企业的实时在线检测需求。

摘要:目前,多传感器组合导航系统的信息融合方法是建立在测量噪声方差已知的基础上,然而测量噪声方差会随着内部及 外部的干扰而发生变化。 为此,本文首先将基于变分贝叶斯逼近的自适应卡尔曼滤波( variational Bayesian approximation based adaptive Kalman filter,VB-AKF)从单一组合导航系统扩展到多传感器组合导航系统;然后,提出了多传感器组合导航系统的两 种集中融合算法,即基于 VB-AKF 的增广式集中融合算法及基于 VB-AKF 的序贯式集中融合算法,以解决测量噪声方差未知情 况下的多传感器组合导航的信息融合问题;最后,通过 SINS / GNSS / CNS / ADS 多传感器组合导航系统对上述算法进行了仿真验 证。 实验结果表明,本文所提两种算法滤波精度相同、且接近于测量噪声方差已知情况下的理想集中融合算法( ICKF)。 在整 个仿真时段内,相对于传统集中式卡尔曼滤波器(TCKF)及具有容错功能的联邦卡尔曼滤波算法(FT-FKF),本文算法可提高位 置精度分别为 32%和 90%、提高速度精度分别为 38%和 71%。

摘要:集流盘作为新能源汽车电池的重要组成部件,其质量好坏关系到电池的性能,对车内人员的生命安全有着重要影响。 实际工业应用中,在有限的计算资源下对电池集流盘缺陷进行实时检测是一项具有挑战性的任务。 为了减小模型大小和计算 量,降低应用成本,本文提出一种轻量化的新能源汽车电池集流盘缺陷检测模型( SGCNet)。 首先,采用 ShuffleNet V2 作为主干 特征提取网络,采用分组卷积和通道重排技术,在提取有效特征的同时降低计算复杂度,降低参数量。 其次,设计了轻量化的特 征融合网络 GC-FPN,采用轻量级 GhostNet 和 CARAFE 上采样算子,在减少参数冗余和保证检测精度的情况下充分保留特征图 的语义信息,从而降低了计算成本。 实验结果表明,SGCNet 模型检测准确率达到了 90. 6%,模型大小为 3. 2 M,GFLOPs 仅为 3. 6,帧率达到了 178. 6 fps。 与目前先进的轻量化网络模型相比,具有较高检测精度和较低的计算量。 最后,在嵌入式平台 NVIDIA Jetson Nano 上部署 SGCNet 模型,进行实时检测,每张图片的检测时间为 0. 07 s,满足实际工业中电池集流盘缺陷检测 任务对精度和实时性的要求。

摘要:针对无人机航拍图像目标尺寸太小、包含的特征信息较少,导致现有的检测算法对小目标检测效果不理想的问题,提出 一种基于特征聚合与多元协同特征交互的无人机航拍图像小目标检测算法。 首先,针对主干网对特征提取不足的问题,采用 Swin Transformer 作为 RetinaNet 主干网络, 以增强算法对全局信息的提取能力。 其次,为提高网络对远处目标即小目标的检测 能力,设计出一种高效的小目标特征聚合网络(SFANet),实现对浅层特征图小目标细节信息的充分整合。 最后,为进一步提高 网络对多尺度目标的检测性能,使低层特征信息流向高层,提出全新的多元协同特征交互模板(MCFIM)。 在公开无人机航拍 数据集 VisDrone2019-DET 上的实验结果表明,所提算法相较于原 RetinaNet 基线网络检测精度提高 7. 6%,对于小目标具有更好 的检测效果。

摘要:在工业品表面异常检测中,由于异常的未知性和无规则性,人工标注异常样本难度大、成本高,有监督的深度学习算法 在工业品表面异常检测任务中存在局限性。 针对上述问题,提出一种基于对比学习生成对抗网络(contrastive learning generative adversarial network,CLGAN)的无监督工业品表面异常检测算法。 首先,建立基于无监督学习算法的 CLGAN 模型;其次,采用对 比学习加强潜在特征空间正负例样本约束,使得输入与输出图像对应 Patch 之间的互信息最大化,增强正负样本特征向量区分 度,使模型重构异常样本图像能力得到进一步提升;然后,在检测阶段,利用训练好的模型得到待测工业品的无异常重构图像, 并计算得到待测样本与其对应重构图像之间的残差图像;最后,结合双阈值分割的后处理方法和数学形态学处理,实现工业品 表面异常区域地快速检测和准确定位。 通过在公共数据集 MVTec AD 上进行实验,与其他的无监督深度学习模型算法相比,所 提算法具有更好的识别效果和更强的泛化能力。

摘要:氢燃料电池汽车的能量管理系统对燃料电池寿命、耐久、经济性等性能起着重要作用。 在对经典模糊控制策略的改进 基础上,解决控制策略存在的燃料电池输出功率变载频繁的问题,以时序规则进行优化设计,根据燃料电池运行特性、工作效率 点以及道路工况具备的特点提出了一种基于时序周期采样的控制策略,通过对车辆搭载燃料电池和动力电池输出功率的控制, 完成能量管理策略优化。 针对一款实际运营的燃料电池公交车在等速工况和中国典型城市公交循环工况下,使用不同控制策 略时的氢耗、燃料电池输出功率状态、动力电池荷电状态变化等数据进行分析,发现设计的控制策略能有效降低燃料电池变载 次数,提高燃料电池使用寿命,在氢耗方面比功率跟随策略、开关控制策略有明显优势,在初始动力电池荷电状态为 60%条件 下,后两者策略氢耗分别增加了 3. 98%和 27. 88%。

摘要:为了实现内螺纹参数的非接触、自动化在线测量,本文以通孔螺母和盲孔螺母为检测对象,提出了一种基于球面折反射 全景成像原理的内螺纹螺距参数的机器视觉测量系统。 系统采集经球面折反射得到的图像,随后分割出完整的内螺纹区域;采 用对比度受限的自适应直方图均衡化算法提高图像对比度,并采用中值滤波与双边滤波的组合来保护螺纹边界信息;再使用 Zernike 矩边缘检测算法确定每条螺纹的亚像素边缘;最终,基于折反射成像理论计算得到内螺纹螺距尺寸。 与计量用螺纹综 合测量机的螺距测量值进行了对比,实验结果表明该系统的平均测量误差为 0. 018 5 mm,满足工业生产中内螺纹螺距精度的 要求,检测效率高,可用于内螺纹在线视觉检测。 本研究为圆柱形内壁尺寸测量和缺陷检测提供了一种参考方案。

摘要:在工业建设中,螺栓零件是关键的连接件之一,通常用于连接大型机器设备和构件,如钢结构、桥梁、高速公路、建筑、石 油管道等。 其安装状况的优劣将直接关系到整个设备或结构的稳定性和可靠性。 然而,螺栓的安装位置常常处于狭窄、复杂的 环境中,利用人工检测不仅难度大,效率低,而且容易出现误判和漏检的情况。 为此本文以 Faster R-CNN 为基础开展螺栓零件 的识别研究。 针对螺栓零件检测的难点,提出了一种基于多尺度多方向螺栓的检测算法。 首先对采集到的图像进行扩增,以提 高数据集的多样性;其次,通过改变主干网络增强模型对特征信息的敏感程度,再利用多尺度融合模块加强模型对小目标的检 测;在预测框生成阶段,提出自适应旋转区域建议网络,以获取最优预测框;最后,针对多方向检测中出现的边界不连续的问题, 通过 Gaussian Wasserstein 距离和焦点损失作为损失函数来代替传统的 Smooth L1 损失函数。 螺栓零件的识别实验结果表明,改 进后的 Faster R-CNN 模型 mAP 值能达到 87. 4%,相比于原始 Faster R-CNN 模型 mAP 值提升了 7. 6%。 通过消融实验可以得 出,改进后的 ResNet50 网络相较于原始 ResNet50 网络的 AP 值提升了 0. 2%。 与其他旋转检测模型在相同数据集上进行比对 得出,本文提出的模型 AP 值更高,鲁棒性更好。 本文所提出的模型可以解决螺栓零件在识别任务中因拍摄角度和复杂环境出 现的问题,缓解了因图像尺度和旋转边界不连续带来的问题。

摘要:针对目前高压电缆绝缘层检测操作繁琐、效率低、重复测量差异大等问题,设计了一种新型电缆绝缘层检测装置,提出 了一种基于改进 U-Net 的高压电缆绝缘层图像分割方法。 首先替换主干特征提取网络为 VGG16 网络,结合迁移学习将 VGG16 在 Pascal VOC2012 数据集中训练的权重作为预训练权重,利用通道注意力模块在跳跃连接处融入自适应特征加权机制,在上 采样过程中添加分组卷积,提高了语义分割精度;然后利用训练的最优权重进行绝缘层图像分割,提取轮廓区域特征并进行二 值化处理,使用连通区域算法对轮廓区域进行填充;最后,融合原始图像和分割区域生成完整绝缘层分割图像。 实验结果表明, 平均交并比和平均像素准确率达到 99. 56%和 99. 81%,较原网络效果提升明显,验证了该方法在高压电缆绝缘层分割上的 有效性。