摘要:光场一次成像可以同时获得空间和角度的四维信息。 现有方法进行角度超分辨率重建时多用于小基线场景的光场图 像,在处理大基线场景重建时存在模糊等现象,同时在光场重建过程中遮挡区域重建效果差、长距离的空间关系难以捕获。 针 对上述问题,提出一种结合深度线索和几何结构的稀疏光场密集重建方法。 该方法采用空间金字塔池化提取多尺度特征,更好 地保留了图像的纹理细节和高频信息;通过在深度估计模块的部分引入空洞卷积并进行密集连接,扩大了感受野,提高了大基 线场景深度估计的精度;利用视图细化模块对图像进行优化处理,在保留视差结构的同时重建了遮挡区域。 实验结果表明,本 文方法较好地解决了大基线场景光场重建问题,在光场大基线场景数据集上超越了其他算法,PSNR 提高了 2 dB,SSIM 提高了 0. 018,重建图像的质量均优于现有的算法。

摘要:光学相干断层扫描(OCT)图像中存在的散斑噪声会掩盖视网膜重要的形态学细节,妨碍视网膜病变的观察和临床诊 断。 提出了一种基于结构相似约束生成对抗网络的视网膜 OCT 图像去噪算法,基于残差策略改进生成对抗网络模型结构,并 融合结构相似性损失约束模型优化,实现散斑噪声抑制,同时增强对视网膜结构细节的保留。 在杜克大学发布的 SD-OCT 公开 数据集上的实验表明,所提算法的峰值信噪比和边缘保持指数分别为 28. 08 和 0. 960,优于所对比的其他去噪方法,且适用于其 他来自 A2A SD-OCT 研究的公开数据集。

摘要:针对轻量语义分割算法应用于无人机高分辨率交通场景图像分割时存在边缘信息模糊、小目标特征提取准确性较差的 问题,提出一种融合注意力机制与重影特征映射的轻量级语义分割算法。 首先在 BiSeNet V2 算法语义分支 8 倍和 16 倍下采样 过程嵌入混合注意力模块,重新分配深层特征图权重,增强局部关键特征提取能力;然后采用重影特征映射单元优化传统卷积 层,进一步降低运算成本;最后使用动态阈值损失函数监督训练,调节高损失困难样本训练权重。 利用 UAVid 数据集对改进后 的算法进行训练并测试,发现算法平均交并比(mean intersection over union,mIoU)为 52. 7%,较改进前的模型提升 7. 8%,且当输 入图像尺寸为 1 280×736 时推理速度达到 81. 6 FPS,满足实时分割要求。 结果表明,该算法能较好适应复杂交通场景,有效改 善边缘信息模糊和小目标分割准确性较差的问题。

摘要:偏振是光的重要特性之一,偏振成像技术能够获取场景中目标的强度信息和偏振信息,偏振信息能够反映出目标物体 表面的材质特征。 本文针对雾霾天气状况下道路场景中常见目标识别结果的准确性要求,提出了两种基于偏振信息的图像增 强方案。 首先经过多次采集实验,经过数据清洗、图像标注构建偏振数据集,共 4 649 张图像和 31 877 个标签。 针对雾霾轻度 污染的场景,通过区域自动生长算法分割出偏振强度图像中的天空区域,根据天空区域的偏振度和偏振角信息以及大气物理散 射模型反演出目标反射光,从而实现图像去雾。 针对雾霾重度污染的场景,使用小波变换的方式对图像进行增强,利用偏振度 图像来增强强度图像中的目标轮廓。 使用图像灰度方差和图像信息熵作为图像质量评价指标,使用 YOLO v5s 深度学习网络 进行目标检测。 实验结果表明,雾霾轻度污染的情况下,图像质量和目标检测准确性均有所提升,图像信息熵提升了 3. 36%,灰 度方差提升了 40. 27%,目标检测 mAP 达到了 76. 40%,提升了 12. 69%;雾霾重度污染的情况下,目标检测 mAP 提升约 1. 69%。

摘要:手和工具的交互是区分车间人员作业行为的关键信息。 为防止泵件装配工序错漏,达到实时监测的目的,提出基于空 间特征融合的车间作业工具检测算法。 首先,为了提高对目标的定位能力和检测精度,基于帧差法分割前景中的手部运动区 域,获得具有运动空间特征的纹理图像,结合装配过程的 RGB 图像构成目标检测网络的双通道输入。 设计空间感知模块实现 双通道输入的空间特征融合,获得全局空间信息。 利用特征增强模块融合全局空间信息和深层语义信息,加强显著位置的特征 响应。 然后,采用 ESNet(enhance shuffleNet)重构主干网络,基于深度可分离卷积实现多尺度特征提取,提高检测速度。 最后, 针对图像背景中局部元素变化问题,采用 CutOut 数据增强方法,提高模型抗干扰能力。 实验结果表明,本文所提算法有效降低 了误检率,较传统 YOLOv5s 的 mAP 提高 6. 4%,能够快速准确检测车间人员作业时使用的工具。

摘要:危险气体检测技术是石化等企业安全生产的必要保障之一,在工业生产中有着重要的作用。 为了弥补现阶段基于红外 成像技术的气体泄漏检测算法单帧检测的不足,提高检测精度,本文提出了光流增强的红外成像气体泄漏检测方法。 首先使用 光流网络提取视频中的运动特征,然后将运动特征与原图融合生成光流增强的气体泄漏图像送入 YOLO 网络进行检测,最终确 定视频中是否存在气体泄漏并获取其位置信息。 经过同增强前数据的对比测试,该方法将召回率保持在可接受范围内的同时, 虚警率由 17. 87%降低至 0. 60%、精确率由 77. 21%提升至 99. 99%;检测速度约为 13 fps,可实现实时检测。

摘要:随着指纹传感器采集的指纹图像趋向于小型化,指纹图像所包含的指纹特征信息越来越少。 针对传统模板匹配算法 在处理小面积滑动指纹时计算量大、精度不理想、抗干扰能力差等问题,本文提出一种基于 MOSSE 的改进滑动指纹追踪算法。 改进 MOSSE 算法使用多输入,将灰度特征与 HOG 特征在响应层加权融合,并引入 Fourier-Mellin 算法、加汉宁窗用以处理发生 旋转的指纹。 通过多种算法对小面积指纹进行跟踪的结果进行对比,表明本算法继承了原 MOSSE 算法的优点,并提高了指纹 匹配精度,对正常图像匹配精度为 99%,对含噪声图像匹配精度为 90. 3%,每帧均值计算时间为 0. 103 6 s,保证了指纹追踪的 实时性,鲁棒性强,对产生形变和旋转的指纹图像也能进行很好的跟踪。

摘要:通过摄像头实现指针式仪表自动读数时易受复杂环境、摄像头不同角度等因素影响,而且在实际的应用中难以均衡检 测速度和检测精度,为此,文章提出一种基于关键点检测的指针仪表读数算法。 以 ResNet18 为主干网络,摒弃了最后两个阶段 的残差块以及之后的全连接层,并针对指针仪表表盘的特点设计了一个轻量级特征融合网络,同时引入提高模型性能的姿态修 正机(pose refine machine, PRM)。 最后利用得到的表盘圆心、零刻度线、当前指针刻度 3 个关键点信息,通过角度法完成读数 计算。 实验结果表明,本文算法读数误差仅为 0. 506%,速度可达 53 fps,相比于传统算法具有较高的精确度;相比于其他同类 算法,在拥有更少参数量与运算复杂度的情况下,仍能实现对指针关键点的高准确度预测,充分证明所提算法的有效性。

摘要:Apriltags 标签定位在远距离测量时会出现定位精度不高的问题。 本文对其形成原因进行了简要的分析,并提出了一种 基于相对定位技术实现对 Apriltags 标签纵向测量准确度的提升和纵向测量范围拓展的方法。 该方法通过将长距离分解为多段 短距离的叠加以实现在保证测量精度的前提下对长距离 Apriltags 标签的空间位姿测量。 当直接测量与间接测量结果均存在 时,通过数据融合的方式结合两种测量方法各自的优势。 该方法可以在保证横向距离与高度测量准确度的情况下,有效提升中 远距离下标签的纵向距离测量准确度。 仿真实验与真实实验验证了该方法的有效性,并实现了在 3 m(12. 5 倍标签尺寸)的中 远距离情况下绝对测量误差降低 1 dm,相对测量误差降低 0. 45%。

摘要:针对金属缺陷分类,以深度学习为代表的分类方法主要是基于大规模数据的统计学习方法,一方面需要大量优质的标 注样本,另一方面对数据中未能涵盖的样本泛化性能差。 提出了一种利用集成学习思想,将人类分类知识嵌入到深度学习的少 样本分类方法。 首先搭建了一个卷积神经网络作为分类模型的骨干网络,并设计了一个利用机器学习的类人学习模块,利用人 类分类所用特征进行分类。 此外,为了提高模型的泛化性、鲁棒性和更好的融合效果,设计了一种以对数函数为核心的数学集 成模型,模块中的数学集成模型利用集成学习思想将骨干网络和类人学习模块的输出进行耦合。 实验结果表明,对于小训练集 大测试集的金属缺陷数据在分类性能和训练参数量方面优于深度学习方法。 此外,类人学习模块和数学集成模型嵌入到不同 的骨干网络上均取得了很好的性能,表明所提出的方法适用于多种深度卷积神经网络。

摘要:针对下肢外骨骼应用中的难点问题,开展了基于 XGBoost 算法,利用单个 IMU 采集的运动姿态数据对步态相位进行识 别的研究。 首先,采集了 6 种不同步态下的足部运动数据,然后将每种步态划分为 4 个相位;在此基础上,以足部运动数据作为 训练集,然后应用 XGBoost 算法进行步态相位识别的分析。 建立模型的过程中通过贝叶斯优化算法进一步对模型中涉及的参 数进行优化。 计算显示,模型的测试集平均正确率为 89. 26%,精度为 89. 64%,召回率为 89. 26%,F1 值为 89. 10%;结果分析表 明该模型能够实现较好的步态相位识别。

摘要:本研究提出了一种基于六自由度机械臂的遥操作人机系统,旨在设计一种不依赖穿戴设备且直观易用的操控方式。 该 系统使用 KinectV1 摄像头及 UR3 机械臂,以 Microsoft 骨骼识别库作为基本的人体姿态识别方法,通过人体手臂与机械臂关节 的映射,实现机械臂实时追踪人体手臂动作的任务。 同时,采用非线性模型预测控制(NMPC)算法对机械臂运动控制进行优 化,并设定模糊规则来实现 NMPC 参数的自适应调整。 实验结果表明,在 NMPC 的优化作用下,机械臂在 x 及 z 两个平动方向 的平均位移误差和 3 个转动方向的平均旋转误差以及关节角变化量平均误差都有了显著的降低。 测试结果也表明,机械臂整 体动作跟随效果良好,验证了本文提出的映射规则和运动学模型的准确性,以及模糊 NMPC 控制器的有效性。

摘要:故障区域检测是电路板故障诊断的重要内容之一,近年来大量研究工作致力于通过理论仿真探索电路板故障诊断方 法,但仿真条件与实测环境之间的差异降低了此类方法在实际应用中的可行性。 结合实测电路板数据的特点,本文提出了一种 基于近场扫描和时间序列相似性度量的电路板故障区域检测方法,该方法通过近场扫描获取正常状态、故障状态下的电路板的 电磁辐射数据,采用变分模态分解(VMD)方法进行原始数据降噪,此后将两种状态的数据视为两类时间序列,运用改进的时间 序列相似性度量算法计算两类时间序列的距离值,根据距离值判断电路板故障区域。 根据数据集实验结果,使用本文的相似性 度量算法处理时间序列相对其他算法展现出更佳的度量能力,距离值的分类精度也比 3 种对比算法分别高出 6. 3%、8. 4%、 4. 2%。 同时,实测数据实验结果和理论仿真结果的一致性验证了本文方法的可行性和实用性,该方法为电路板故障诊断提供 了新的实现方式。

摘要:本文提出了一种考虑多影响因素的混凝土浑浆浓度智能模糊监测算法。 首先,分析了影响商品混凝土浑浆浓度监测 周期的 4 种因素,包括生产计划、交通限制、降水量以及气温并进行了函数描述;其次,结合模糊理论建立影响因素的模糊论域 集并根据专家打分法进行权重设定;然后,分别设计了影响因素的梯形(半梯形)隶属度函数;最后,以模糊理论为基础给出了 浑浆浓度监测周期计算公式。 某厂搅拌站实验平台测试结果表明,相较于等间隔自动监测,所提出的算法能够自适应调整监测 周期,在满足监测需求同时有效减少浓度传感器使用时长达 16. 7%,显示出研究算法的实际应用价值。

摘要:燃气轮机结构复杂,工况严苛,实际针对运行过程中转子系统故障样本难以获取,样本量少导致故障诊断精度低的问 题,提出一种多通道卷积神经网络(multi-channel convolutional neural network, MCCNN)深度迁移学习的燃气轮机转子故障诊断 方法。 该方法首先以轴承一维原始振动信号为输入,将数据重新排列组合模拟转换二维图像,有效避免实际转换图像的繁琐操 作。 用西储大学(CWRU)的公开轴承数据和西安交通大学(XJTU)公开轴承数据对 MCCNN 模型进行训练更新权重并诊断,取 得了 100%和 99. 95%的故障分类准确率。 以 CWRU 轴承故障数据集为源域,燃气轮机转子故障数据集为目标域,利用迁移学 习将从源域训练得到的模型参数保留,输入目标域数据集进行训练,并对燃气轮机故障数据进行分类,分类准确率达到 97. 78%,由实验结果可知多通道卷积神经网络和迁移学习适应任务需要,可以在转子系统故障样本量少的情况下解决问题。

摘要:传统的双馈感应发电机(doubly-fed induction generator,DFIG)矢量控制因其惯性与电网频率波动解耦而不能为电网提 供额外的有功功率支持,为此在 DFIG 转子侧变流器控制中引入一种改进的虚拟同步发电机(virtual synchronous generator,VSG) 控制策略。 针对传统 VSG 控制存在的频率偏差问题,通过在有功下垂环节中加入一个 Washout 滤波器,实现了在不需要增加额 外 2 次控制回路情况下就能使频率保持在工频 50 Hz 附近。 同时,为解决传统 VSG 中电压电流双环控制中内环电流 PI 控制存 在的动态响应有限、鲁棒性不强等问题,首次在内环电流控制中引入了基于端口受控的耗散哈密顿( port controlled Hamiltonian with dissipation,PCHD)模型的无源性控制(passivity-based control,PBC)方法,设计了转子侧变流器的无源性控制器。 最后,搭建 了 DFIG 仿真系统进行实验验证,结果表明了本文所提控制策略的有效性和优越性。

摘要:针对线性化模型下二阶逆变器发生的非线性分岔与混沌行为,加入控制手段增加稳定域与抗扰性。 首先构建了二阶逆 变器的系数线性化迭代模型,运用分岔图、折叠图再现了其产生的混沌行为,并寻求系统的 Jacobian 矩阵和平衡点。 然后加入 延时反馈控制,并基于朱里判据给出了控制参数的限定条件。 最后为说明所加入混沌控制方法的优越性,开展了数值仿真模拟 实验。 结果表明,延时反馈控制使系统比例参数 K 的分岔值从 0. 573 后移至 0. 973,且当直流源输入侧电压突变时,系统仍保持 在稳定运行状态。 表明施加延时反馈控制后,二阶逆变器运行的稳定域增加且整体的抗扰性增强。

摘要:为了提高扬声器异常声分类的平均准确率,提出用卷积神经网络加门控循环单元(convolutional neural network plus gated recurrent unit, CNN-GRU) 和 麻 雀 搜 索 算 法 优 化 变 分 模 态 分 解 ( sparrow search algorithm optimization variational modal decomposition,SSA-VMD)模型进行扬声器异常声分类。 在特征提取方面,用 SSA-VMD 模型,确定 VMD 中二次惩罚因子(α)和 模态分解数(k)的最优取值问题,借此提高特征提取精度,减少提取时间,最后再利用 VMD 提取扬声器响应信号的特征;在分 类网络方面,用 CNN-GRU 网络来进行扬声器异常声分类,以 CNN 为基础特征提取网络,再用 GRU 网络进行更深层特征提取, 达到提高扬声器平均分类准确率的目标。 试验结果表明,经 SSA-VMD 模型优化参数后,VMD 可以更有效提取特征,且分解时 间缩短 59. 8%;CNN-GRU 模型具有更高和更稳定的识别率,其平均分类准确率为 99. 2%。

摘要:光学电压传感器面临温度稳定性问题。 本文以 BGO 晶体的 Pockels 效应模型为基础,结合热光效应等推导出光学电压 传感器在多物理场作用下的温度响应模型,并对输出信号进行频谱分析,得到温度对传感器输出的影响规律,即由温度引起的 输出漂移属于低频分量。 在卡尔曼滤波降噪的基础上, 提出了一种基于频谱分析的高通滤波温度补偿方法,通过滤除低频分 量提高温度稳定性,并进行标定实验和温度响应特性实验。 实验结果表明,传感器在[0℃ ,50℃ ]温度范围内输出电压测量精 度优于±1. 79%,与同平台下 BP 神经网络温度补偿方法进行对比,该方法易于实现且有效地抑制了温度漂移的影响。

摘要:针对现有航空发动机故障诊断的 1DCNN 方法缺乏故障频率多尺度特征提取能力以及对原始振动信号时域特征提取不 足的问题,通过融合内嵌多尺度层到双通道 1DCNN 提出了改进 1DCNN 的航空发动故障诊断方法。 提出了幅值变化速率的方 法对振动信号进行时域特征增强,在单通道 1DCNN 基础上增加幅值变化通道作为第二通道,构建双通道 1DCNN,加强 1DCNN 的时域特征提取能力,再改进多尺度模块为内嵌多尺度层并应用于 1DCNN 的第一通道,针对航空发动机故障频率域的多尺度 特征进行提取。 最后将改进 1DCNN 应用于航空发动机转静碰摩、叶片断裂等故障的诊断,通过对比实验证明了改进 1DCNN 检 测的优越性、抗噪性、泛化性以及改进点的可行性。

摘要:针对旋转机械零部件进行故障诊断的方法包括传统方法和深度学习,传统方法往往需要大量的专家经验,且诊断精度 欠佳,提出一种注意力机制改进多尺度深度卷积神经网络(multi-scale attention deep convolutional neural network, MADCNN)的故 障诊断方法。 MADCNN 方法提供 3 个卷积通道,每个通道差异化的核尺寸原理有效拓宽网络,实现了对原始时域数据的多尺 度特征提取。 同时, CBAM 对提取的特征进一步赋予权重,增强了模型对不同类型故障的区分度。 采用凯斯西储大学(Case Western Reserve University, CWRU)轴承故障数据和行星齿轮箱实验台故障数据分别进行实验验证,与传统深度卷积模型相比, 验证集准确率提高 7. 76%。 实验结果表明,该方法的诊断精度高,泛化性能好。

摘要:针对轮式移动机器人动力学系统难以实现无模型的最优跟踪控制问题,提出了一种基于 actor-critic 框架的在线积分强 化学习控制算法。 首先,构建 RBF 评价神经网络并基于近似贝尔曼误差设计该网络的权值更新律,以拟合二次型跟踪控制性 能指标函数。 其次,构建 RBF 行为神经网络并以最小化性能指标函数为目标设计权值更新律,补偿动力学系统中的未知项。 最后,通过 Lyapunov 理论证明了所提出的积分强化学习控制算法可以使得价值函数,行为神经网络权值误差与评价神经网络 权值误差一致最终有界。 仿真和实验结果表明,该算法不仅可以实现对恒定速度以及时变速度的跟踪,还可以在嵌入式平台上 进行实现。

摘要:针对移动机器人在遍历多目标点的路径规划中存在路径较长且不平滑等问题,本文提出一种基于 ISMA 的多点遍历路 径规划方法。 首先,结合 Singer 映射和小孔成像反向学习策略改进标准黏菌算法( SMA);然后初步构建地图,使用 ISMA 规划 路径,以确定三角网格最大边长的最优值;最后,基于三角网格最大边长的最优值重新构建三角网格地图,使用 ISMA 生成路 径,并通过 B 样条函数对路径进行光滑处理,提升路径平滑度。 基准函数测试结果表明,ISMA 收敛速度更快,寻优精度更高。 三角网格地图上的路径规划实验表明:ISMA 规划的路径长度和平滑度明显优于 SMA、SSA 和 WOA,与 SMA、SSA 和 WOA 相比, 在较复杂的场景中 ISMA 生成路径的长度依次减少了 6. 31%、18. 76%和 19. 74%,验证了 ISMA 方法的有效性。

摘要:针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于 Wasserstein 距离与梯度惩罚 措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。 首先,使用 WCGAN-GP 模型学习预处理后的时序数据的 深层分布特征;然后,利用生成器生成故障样本并与真实样本混合,作为训练集输入到基于 ConvLSTM 网络的预测模型中进行 训练。 基于 C-MAPSS 数据集开展验证比较,结果表明:与单一真实样本训练预测模型相比,使用混合数据时性能指标 RMSE 和 Score 平均下降了 12. 65%和 48. 95%。

摘要:为克服经验模态分解(EMD)去噪方法存在的模态混叠以及噪声分量与信号分量区分困难问题,本文提出了一种基于 二次互补集合经验模态分解(CEEMD)与时域特征分析的去噪方法。 该方法利用 CEEMD 来克服模态混叠问题,同时基于对 CEEMD 本征模态函数(IMF)的时域特征分析来确定噪声主导 IMF 分量与信号主导 IMF 分量的分界点,据此区分噪声分量与信 号分量,并对分界点相邻两侧的噪声主导 IMF 分量与信号主导 IMF 分量进行二次 CEEMD 分解,在保留更多有用信号的同时进 一步滤除剩余噪声。 对含冲击噪声干扰的实际机载平台数据的去噪实验结果表明,新方法通过对噪声分量与信号分量的有效 分离,可以更好地抑制噪声干扰,明显提升信噪比。

摘要:针对传统时延算法面对脉冲噪声时运算结果峰值旁瓣比较低,且存在误判点较多难以判断的问题,提出了一种新型加 权高斯相关熵时延估计方法,并将该方法应用于电缆故障定位的仿真模型中。 仿真结果表明,与现有的方法相比,不仅可以在 脉冲噪声环境下获得良好的时延估计效果,而且在强脉冲噪声干扰下依旧能够保持较高的定位精度。 在不同强度的脉冲噪声 背景下,其运算结果相比其他 3 种方法主峰值旁瓣比绝对值增加 0. 020 3 dB 以上,误判峰值与故障点峰值比减少了 0. 053 9 以 上,均方值误差减少了 1. 863 6 m 以上。

摘要:随着现在工业技术的快速发展,大型复杂机械设备在生产生活中大量长时间使用,因此不可避免的会有零件磨损,磨损 产生的颗粒会掺杂在润滑油液中,因此对于油液中的颗粒检测对于设备的状态监测尤为重要。 本文设计了一种可以产生径向 交变磁场油液磨粒传感器,基于电磁感应原理使用交变电流驱动避免了直流驱动传感器发热的问题,使用 Maxwell 软件对于传 感器内部磁场分布进行建模,分析各结构参数对于传感器输出信号所产生的影响,对于强化磁场的铁芯尺寸进行了仿真并分析 了传感器内部的磁场变化,同时设计了相应的信号处理电路和激励信号的发生电路,传感器最终实现了在 8 mm 流道中对于 200 μm 铁磁性磨粒和 500 μm 非铁磁性磨粒的检测。

摘要:倾角传感器很容易受到环境温度变化的影响,产生测量误差,即温度漂移现象。 针对此问题,设计了一种基于改进的遗 传算法(IGA)优化反向传播神经网络(BPNN)的温度漂移补偿模型。 其中遗传算法使用了新的选择策略和交叉变异因子,增加 了跳出局部最优解机制。 实验结果显示,IGABP 补偿模型的均方误差(MSE)为 0. 003 28,经过补偿模型修正后的平均温度漂移 为 0. 039°,远优于未修正时的平均温度漂移 0. 190°。 研究结果表明,IGABP 补偿模型与传统的神经网络模型相比,具有更快的 收敛速度和更高的补偿精度,能够有效的补偿因温度导致的测量误差,提高倾角传感器的稳定性和精度。