摘要:无线光通信作为一种高速、高带宽和高安全性的通信技术,受到了广泛的关注。然而,噪声作为系统性能的重要限制因素,会使得系统信号失真和信噪比下降,进而影响通信质量。因此,为了减少噪声对信号的影响,从而更有效地设计和调整通信系统,就需要理解和模拟噪声的行为,而噪声模型就是一个研究噪声行为的重要工具。本文针对无线光通信系统中的噪声及噪声模型进行了系统性的研究,文中首先从无线光通信系统的信源、信道和信宿三方面对其中引入的各类典型噪声进行逐一分析,然后总结了相应噪声及其噪声模型的国内外研究进展,分析了噪声的产生机理,并给出了对应的噪声模型。此外,还总结了相关模型的特点及局限性。最后,总结了各类噪声的关键抑制技术,并展望了该领域的进一步研究方向,可为无线光通信技术在该领域的发展和系统设计与优化提供理论支持与启示。

摘要:大型燃气涡轮发动机不锈钢机匣结构中包含大量R角区域，该区域因壁厚较大且是曲面结构，制造过程中容易出现微裂纹、气孔、夹杂等缺陷。射线检测因受到R角曲面的形状限制而无法布置射线底片，并且大厚度R角区域也很难被射线穿透，造成射线检测灵敏度下降、缺陷出现漏检。由此，提出大型不锈钢机匣R角区域内部缺陷的超声水浸相控阵检测技术。将相控阵探头布置于机匣内环曲面，通过修正曲面聚焦法则控制阵元发射超声波在R角区域形成聚焦声场；通过建立数值仿真模型分析聚焦法则修正前后的声场聚焦性能，同时分析了水距对聚焦声场的影响；最后，基于修正的聚焦法则和优化的水距开展机匣R焦区区域的超声相控阵检测试验。结果表明：通过曲面聚焦法则修正和水距优化可在R角区域形成聚焦声场，该区域扇形扫描图像质量得到明显改善；能够显示Φ1.5 mm当量尺寸的横孔缺陷并具有良好的检测分辨率，-6 dB法下定量相对误差低至6.7%。

摘要:脑电的棘波自动化检测是目前研究的重点，对癫痫诊断具有重要意义。现有检测方法主要有两类：信号分析和机器学习。前者对异常值敏感，后者算法对不同数据的鲁棒性未能得到充分验证。另外，传统的基于单通道脑电的棘波检测方法容易受到伪迹干扰。针对现有算法存在的问题并结合棘波的电生理特点，提出了基于多通道数据权重融合和小波分解的棘波检测算法。首先，根据癫痫棘波的放电特性，设计一种以幅值和波形趋势为特征值的多通道权重融合方法，获得棘波数据强化后的单通道数据；其次，算法引入小波分解，有效地提取信号中的局部特征，增强检测癫痫棘波这类具有突变特性信号的能力；最后，通过临床采集的癫痫患者脑电数据，验证了该算法能实现癫痫发作间期棘波的精确检测，诊断准确率可达92.3％以上。相较于传统的单通道脑电棘波检测方法，该方法具有检测准确率高、计算简单的优势，是一种有效的癫痫发作间期的棘波检测技术。

摘要:针对传统脉搏传感器存在的穿戴不适、携带不便以及精度不高等问题，本文设计一种基于P（VDF-TrFE）柔性压电薄膜的可穿戴脉搏传感器，旨在实现人体脉搏信号的连续检测，为心血管疾病的预防和治疗提供有力支持。首先，采用溶液流延法制备P(VDF-TrFE)柔性压电薄膜作为传感器基底，并利用丝网印刷技术在制备好的压电薄膜表面印刷导电电极，结合网状屏蔽层的设计制备方形传感器和圆形阵列传感器，用于脉搏信号采集性能的实验对比。其次，为了解决脉搏信号低频微弱且容易受到各种噪声干扰的问题，设计包含信号放大和信号滤波功能的精密信号调理电路，用于获取高保真和高清晰度的低噪声脉搏波信号。实验结果表明，所制备的P(VDF-TrFE) 薄膜具有良好的介电、压电和铁电性能，其中d33值达到-25 pC·N-1，能够提升传感器快速准确捕捉低频脉搏信号的能力，设计的柔性脉搏传感器相较于传统刚性传感器能够较好地贴合人体皮肤，提升无感佩戴体验，符合可穿戴性以及舒适性的要求。其中，圆形阵列式传感器能够检测到包含大部分生理特征点的连续脉搏波信号，相比于方形传感器具备更高的灵敏度和清晰度，检测性能更好。除此之外，设计的信号调理电路能够缓解50 Hz工频干扰和高频噪声干扰，成功将平均峰值电压从0.069 V放大至5.467 V，显示出清晰稳定的脉搏波形并保留脉搏信号的主要特征，抑制噪声干扰的同时实现了对人体脉搏信号的高灵敏度、高稳定性和高准确性的采集。因此，本文设计的基于柔性压电薄膜的可穿戴脉搏传感器能够有效检测和采集人体脉搏波信号，可用于医疗健康监测和可穿戴设备研究领域，具有广阔的应用前景。

摘要:针对海陆边界、近岸岩礁等复杂海洋场景下,光学遥感小型船舶检测成像特征不明显、目标占比小的问题,提出一种改进YOLOv8s的小型船舶检测方法。首先,在颈部层引入浅层特征图的基础上修改预测层,平衡浅层位置信息和深层语义信息的权重,增强模型对小目标的关注度;其次,采用融合FasterNet Block和高效多尺度注意力机制的C2f-FE模块,利用通道分组和跨通道信息交互,加强对小型船舶的特征提取,并降低模型参数;最后,采用动态检测头模块,在不同预测层级上提高模型对不同空间尺度、任务目标的检测能力。实验结果表明,与原始YOLOV8s模型相比,改进模型的参数量减少42.3%,在MASATI数据集上,改进模型的检测精度mAP50和mAP50:95值分别提高4.2%和2.2%,在DOTA-Ship和DOTA-Small Vehicle数据集上,改进模型的检测精度mAP50:95值分别提高1.7%和1.4%。由此可知,改进模型不仅有效地实现轻量化、高精度的小型船舶检测,而且满足在遥感场景下泛化小目标的高精度检测。

摘要:针对传统齿轮箱油液分析方法存在的精度低和泛化能力有限的问题，提出一种基于PCA特征优选和AdaBoost集成学习的齿轮箱油品状态识别方法。首先，通过箱型图和smote插值对油液多参量数据进行清洗以提高油液数据的质量；其次，采用PCA进行油品特征优选，获取有助于识别的油品特征优选子集，在有效融合油液多参量信息的同时，可显著降低模型运行的时间复杂度；然后，利用BP神经网络建立油品状态识别基本模型，引入GWO灰狼优化算法对模型进行优化，构建具有最优初始权值与阈值的弱分类器GWO-BP，同时采取自适应提升AdaBoost算法组合多个弱分类器GWO-BP，集成为较强鲁棒性的强分类器。最后利用实验进行验证和分析，实验结果表明，所提方法效果最优，平均识别率99.30±0.16%，平均用时32.77±1.27 s，能够快速高效、准确识别出齿轮箱润滑油油品状态，为实现在线齿轮箱的油品状态识别奠定了良好基础，具有重要的工程应用价值。

摘要:漏磁内检测是管道内检测的核心技术,对保障管道的安全运输至关重要。管道长期处于地下或深海,复杂的环境导致管道表面存在许多小缺陷。由于小缺陷可利用信息有限,传统的深度学习缺陷检测方法识别小缺陷难以获得满意的检测结果。提出了一种基于复合骨干网络的漏磁小缺陷信号检测方法。首先,提出了一种名为背景压缩的数据增强方法,以压缩背景信号进而增强小缺陷关键特征。其次,设计一种自适应的正负样本分配策略,以改善小缺陷在区域候选网络中正负样本分配不均匀的问题。最后,提出了一种小缺陷多分支高分辨率特征提取网络,利用多分支复合结构获得高分辨率特征进行特征融合,以提高网络对小缺陷纹理信息的利用率。以试验场管道数据对所提方法进行验证,实验结果表明,设计的方法是有效的,检测精度达90.3%,与最好结果相比,mAP提升8.4%。

摘要:第三代功率半导体器件—氮化镓高电子迁移率晶体管器件(GaN HEMT)以其耐压耐温的优异特性在电力电子与通讯电子领域广泛应用。GaN HEMT器件通常工作在高温大功率等严苛的外部条件下,为了避免其突然失效对电力电子设备的正常运行产生影响,对其进行主动实时的状态检测有着极其重要的意义。通过在不同温度和漏源电压条件下设计并进行重复性实验,提取分析GaN HEMT器件开通和关断瞬间产生应力波能量的变化来探讨温度和漏源电压对GaN HEMT器件的影响。针对器件应力波采集过程中易受噪声干扰的问题,提出一种基于GOOSE鹅优化算法的变分模态分解(VMD)的应力波去噪算法。实验结果表明,所提出的GOOSE-VMD信号处理方法能够在最大程度保留应力波信号特征的同时取得良好的降噪效果；器件应力波能量与漏源电压具有良好的正相关关系；器件应力波能量随着温度升高而减小,但当温度升高至82.05℃之后,应力波能量随着温度升高而增大。

摘要:火箭撬试验在航空航天、兵器、电子、核武器研制中具有重要的试验价值，为了建立轨道测量控制网、实现火箭撬试验中时空位置参数的测量，本文提出了一种基于边角混合交汇平差模型的组合测量方法。首先，构建了基于全站仪测角信息与激光跟踪仪测距信息的混合交汇平差模型，定义了构建测量误差矩阵的原则，并采用非线性最小二乘法对全局坐标进行了最优估计；其次，采用蒙特卡洛法对测量设备布局和混合交汇平差模型的精度进行了仿真分析，仿真结果表明，测量设备布设在测量范围内的中间位置，可使整体位置标坐标测量误差达到最小，进一步减小平差模型中初始值误差，提高模型解算精度；最后，在某火箭撬试验场地进行了实验验证，在669 m的测量范围内，整个轨道测量控制网的位置标距离标准差为0.19 mm，验证了长直导轨测量中边角混合平差模型的可行性，该方法对全量程测量任务具有重要参考价值。

摘要:Wi-Fi无线感知技术已成为感知领域的研究热点，能够实现对人体活动和周围环境的智能感知。现有的无线感知模型参数量较大，在移动设备等算力有限的场景中难以实时感知。为此，提出了一种基于深度可分离卷积的轻量级特征提取模块和堆叠的门控循环单元混合的分类识别模型。首先基于深度可分离卷积构建了轻量的特征提取模块，用以捕获人体手势的空间特征，并保持特征的时序性不发生变化；然后使用双层堆叠的GRU网络学习人体手势的时空特征；最后使用开源数据集Widar对模型的性能进行验证，提取CSI信息中的BVP特征以提高跨域场景的识别准确率，并利用加权的损失函数来解决样本不均衡问题。结果表明，提出的模型在跨域场景下准确率达到77.6%，参数量仅有236.891 K。与现有的其他WiFi手势识别模型相比，提出的模型在性能基本保持不变的情况下，极大地降低了模型的参数和计算复杂度，为Wi-Fi无线感知技术在实际应用中的推广奠定了基础。

摘要:六维加速度传感器可广泛应用于类人机器人领域的动态全息检测，从而保障机器人运动柔顺性与稳定性。现有六维加速度传感器存在响应速度慢、响应范围窄等动态特性差的问题，限制了传感器对测量载体实时动态位姿信息的敏锐、宽范围响应。针对这一问题，开展六维加速度传感器时频域动态性能补偿研究。利用差分方程建立传感器的动态模型，提出一种基于NDE-FLNN的高精度动态模型参数辨识算法，并进一步推导动态补偿模型补偿传感器的响应速度，提升传感器的时域动态性能。之后，基于零极点配置法设计传感器各通道动态补偿器，消除原极点并引入新极点，拓展传感器响应范围，改善传感器频域动态性能。实验结果表明，相比于DE-FLNN算法，改进后的NDE-FLNN算法能够更高精度地辨识传感器动态模型参数，传感器补偿后各分量的调节时间减少至原先一半左右，均在150 ms以内，工作带宽由22 Hz拓展至84 Hz，传感器时频域动态性能得到显著提升。

摘要:针对因角度训练标签冲突和可抓取区域与物体区域间的非一致性导致的现有抓取检测方法在复杂的非结构化抓取场景中抓取检测准确性不足的问题,本文提出了一种自适应特征融合抓取检测网络AFFGD-Net。该网络首先采用基于分区法的角度预测方法,将角度值编码为角度类别和偏移量两部分进行学习预测,冲突的角度值划分到同一类别,减少角度训练标签的冲突,偏移量用于补偿分类部分的精度损失,提升网络对抓取角度的预测准确率。其次,引入自适应感受野模块(ARFB)和注意力跳跃连接模块ASCM,ARFB增强网络对多尺度可抓取区域特征的表征能力,并通过自适应融合不同尺度特征,提升对多尺度物体的抓取检测能力,ASCM通过自适应融合低层空间特征和高层语义特征以恢复可抓取区域的边缘特征,提高网络的抓取角度和抓取宽度预测准确率。最后,通过实验验证了所提网络的有效性。在Cornell数据集的图像划分和对象划分测试模式下,AFFGD-Net的准确率分别达到98.9%和97.7%,在Jacquard数据集中准确率达到95.2%。网络检测速度达到111 FPS,显示出良好的实时性。实验结果表明,AFFGD-Net在抓取检测的准确性和实时性方面均优于现有方法,验证了所提方法的有效性。

摘要:为解决燃气管道巡检四足机器人的地图构建问题，提出一种改进沙猫群算法优化的ISCSO-FastSLAM算法。首先，引入柯西变异策略提高沙猫群算法跳出局部最优的能力，加快收敛速度，并加入自适应遗传参数增强沙猫群算法的稳定性。再通过改进沙猫群算法输出的位置预测最优解来更新FastSLAM算法的预测粒子集，从而提高估计精度。同时利用低权重粒子优化策略代替粒子滤波中原来的重采样步骤，来保证粒子的多样性。然后搭建不同的仿真环境，将多种算法进行仿真对比，仿真结果表明：在20 m×20 m的仿真环境下，ISCSO-FastSLAM算法相比WOA-FastSLAM算法对地图的构建更为准确，对机器人位置和环境路标的估计误差分别减小了17.1%和23.3%。最后，利用四足机器人在60 m×100 m大小的居民区进行建图实验，实验结果表明：相比FastSLAM算法和WOA-FastSLAM算法，ISCSO-FastSLAM算法能够构建更准确的居民区巡检地图，对阀门井、调压箱等巡检关键位置的估计误差分别减小了16.2%和6.0%。

摘要:包覆层管道被广泛应用于化工、石油、燃气等行业,管道腐蚀引起的裂缝、局部腐蚀等都可能带来重大安全隐患，因此对管道缺陷的检测变得极其重要。但管道上较厚的包覆层导致常规的无损检测很难检测到管道的缺陷，而脉冲涡流无损检测技术因其具有强大的激励能量和出色的穿透能力，能够在不拆除包覆层的情况下对管道进行缺陷检测。本研究旨在分析不同信号特征下对缺陷检测的有效性，文章首先利用仿真软件建立带包覆层管道的三维有限元模型，其次选取差分电压峰值、差分电压峰值时间、差分电压过零时间、差分信号基频幅值作为信号特征，对信号特征与缺陷的关系进行分析，最终选取出更适合的评估信号。仿真结果表明：差分电压峰值与基频幅值随缺陷弧长增大而增大，随缺陷深度增大而增大。峰值时间、过零时间只与深度有关，且随外表面深度增大而增大、随内表面深度增大而减小。并通过信号特征与缺陷的拟合，选取出适用于缺陷分辨的信号。这项研究有助于优化脉冲涡流无损检测技术在包覆层管道缺陷检测中的应用，提高检测的准确性和效率。

摘要:针对现有超宽带雷达人体姿态识别研究领域缺少对相似动作辨识的问题，提出一种时频分析结合随机森林（RF）的动作辨识模型。提出基于平滑伪维格纳威利分布（SPWVD）的二维平滑伪维格纳-威利分布（2D-SPWVD）时频分析方法，对预处理后的人体动作回波信号进行时频特征提取；利用主成分分析法（PCA）对特征矢量进行降维处理，选择累计贡献率较高的前30个主成分作为新的特征矢量输入到麻雀搜索算法（SSA）优化的RF分类模型中，用于有障碍条件下5种不同人体相似跌落动作辨识。实验结果表明：预处理算法有效地提升了动作回波信号信噪比，PCA-SSA-RF分类模型能有效辨识5种不同人体跌落动作，克服了数据的特殊性以及障碍物的干扰，准确率高达96.6%。在实时数据流中的跌倒检测任务中，模型的分类平均准确率达到了93%，并与RF、PSO-RF等多个不同经典分类模型深入对比，准确率较高且整体所需时间较短，兼具了准确性和分类效率。验证了所提方法的优越性与有效性。

摘要:在半导体制造领域，晶圆缺陷分类是确保产品质量的重要步骤。然而，由于晶圆缺陷的多样性和复杂性，现有的混合型晶圆缺陷分类网络在准确性上仍然存在不足。针对这一问题，提出了一种基于全局和局部多尺度特征融合的混合型晶圆缺陷分类网络—MLG-Net。MLG-Net由3个主要模块组成：特征提取模块、全局分支和局部分支。该网络旨在更好地提取和利用晶圆缺陷图像的全局语义信息与局部细节特征，这两种特征通过多尺度特征融合技术相结合，最终形成一个更加全面的特征表示，有助于分类器在面对复杂混合缺陷时，做出更为准确的判断，从而提升分类精度。为了验证MLG-Net的有效性，在包含38种混合类型缺陷的数据集—MixedWM38上进行了大量实验，其分类准确度达到98.84%。结果表明，MLG-Net在综合性能上优于当前主流的六种晶圆缺陷分类方法。这一结果证明了全局与局部特征融合在处理混合型晶圆缺陷分类任务中的重要性和有效性。

摘要:针对部分轮胎X光缺陷图像中缺陷对比度较低、缺陷占比较小，导致缺陷难以检测的问题，采用了一种基于生成对抗网络的改进模型，以提高轮胎缺陷的检测精度。首先分析了传统生成器所存在的一些问题，然后以GANomaly作为基础模型，引入了注意力机制模块NAM、流对齐模块FAM和PatchGAN，旨在增强模型的特征提取能力和图像重构能力。注意力机制模块NAM通过归一化处理增强了模型对缺陷区域的关注度，流对齐模块能够将低分辨率特征图中的特征点精确地映射到高分辨率特征图的对应位置，从而确保多尺度特征之间的信息一致性和有效融合，而PatchGAN则通过局部判别器增强了模型对局部特征的识别能力。为了验证改进模型的有效性，在相同的自制数据集上对4种轮胎缺陷类型X光图片进行测试。测试结果表明，改进后的模型在受试者工作特征曲线面积（AUC）和平均精度（AP）两个关键指标上均取得了显著提升，AUC值达到了96.4%，AP值达到了95.8%。这些结果表明，改进后的模型有效增强了特征提取和图像重构的能力，提升了缺陷检测的精准度。

摘要:为提高双有源桥变换器的传输效率，提出一种基于新扩展移相控制的电流应力和回流功率双目标权重优化策略。首先，根据原边侧输出电压高电平的角度和原副边输出电压之间的移相角关重新定义新移相比，简化传输功率数学模型，再由移相比之间的关系划分出3种工作模式并求出对应的电流应力和传输功率数学模型；在此基础上，推导出回流功率数学模型并进行特性分析；然后，优选出两种覆盖全功率的工作模式并建立电流应力和回流功率权重优化函数，根据极差正规化法求解出最优移相比组合并分析其软开关特性；最后结合所求软开关条件下的最优移相比组合设计出简洁快速的闭环控制策略。通过搭建样机进行实验验证，在电流应力、回流功率以及传输效率方面对优化策略与传统策略进行对比分析。实验结果表明双目标优化策略相较于传统扩展移相控制在低功率模式下系统效率提升了20%，在高功率模式下系统效率提升了11%，验证了设计方案的可行性和有效性。

摘要:为解决智能搜索算法对于太阳电池参数辨识的精度低，收敛慢和实验数据获取困难的问题,提出了一种采用二阶Bézier曲线和改进松鼠搜索算法的太阳电池参数辨识方法。首先,在经过最大功率点并且和开路电压点和短路电流点连线平行的直线上寻找最佳Bézier控制点,然后根据控制点位置和电池填充因子之间的拟合规律,实现无需实验即可对伏安特性曲线进行简单精准建模的目的，在准确描述HIT电池的输出特性的同时，有效降低测量噪声对参数辨识的影响;其次,通过引入Sobol序列,反向学习和混沌理论对标准松鼠算法进行改进,在初始化过程中加入类随机采样中的Sobol序列,并采取反向学习策略,增强种群的多样性和搜索空间覆盖率,并融合tent混沌映射对最优解进行扰动,增强算法跳出局部最优的能力。将改进后的松鼠优化算法用于异质结太阳电池参数辨识中,并与其他智能优化算法进行对比,结果显示改进算法的均方根误差分别为0.028 25、0.017 458、0.023 61，具有最高的精度,证明了该算法在异质结太阳电池参数辨识中的有效性和准确性,为太阳电池参数辨识提供了一种可靠且准确的新方法。

摘要:针对高速列车运行时高速气流场对受电弓碳滑板与接触网之间的接触压力和电弧状态影响。通过计算得出更符合实际状态下的接触压力和电弧状态模型，建立了考虑高速气流场影响的弓网电弧实验模型。提出了改进黑翅鸢算法（IBKA）的1D-2D-GAF-PCNN-GRU-MSA故障检测模型。应用格拉姆角场（GAF）将一维接触电压信号时序图象化转换为二维图像并通过双通道卷积神经网络（PCNN）进行特征识别。另将一维时序信号通过门控循环单元（GRU）捕捉时序信号特征。将一维时序信号特征与二维图像特征进行特征融合，弥补各自局限性。针对模型中的难以确定的学习率、门控循环单元网络层神经元个数等参数，融入改进黑翅鸢算法（IBKA）对参数寻优使模型更加合理。最后，融合多头自注意力机制提高模型准确率。将提出的模型与其他3种模型分别对3组不同实验条件的弓网电弧模型进行检测，验证提出的模型具有较强的鲁棒性和较高的准确性。

摘要:为剔除含瓦斯煤破裂信号采集过程中夹杂的扰动噪声，提出一种基于改进量子群算法(IQPSO)优化变分模态分解(VMD)的含瓦斯煤破裂信号量子优化降噪模型。针对VMD受限于分解个数和惩罚参数的选取进而影响降噪效果，采用IQPSO算法优化VMD参数寻优过程，在QPSO算法中引入决策权重系数和自适应控制因子，提高算法粒子决策自适应性和参数搜索能力。利用参数优化的VMD算法分解含瓦斯煤破裂信号，计算各信号分量的有效相关系数来辨识噪声临界点，采用小波变换处理高频噪声并重构剩余分量得到降噪后的含瓦斯煤破裂信号。通过仿真信号和现场实测信号将降噪模型与EMD、VMD、PSO-VMD、SSA-VMD、GWO-VMD模型进行降噪效果对比。实验结果表明，提出模型处理后信号的信噪比提升20%以上、均方根误差降低至0.03以下，能量占比在90%以上，3项指标均优于其他降噪模型，自适应性和分解效率较强，能够有效保留信号局部特征，对现场复杂信号具有更好的降噪效果。

摘要:由于用户体验在当今通信系统的发展中起着越来越重要的作用，体验质量(QoE)成为了一种广泛使用的度量标准，它直观地反映了终端用户对无线服务的体验感受。针对智能家居环境中多业务多信道的异构认知无线电网络(Het-CRN)当中的接入与分配问题，提出了一种基于QoE驱动的无线资源分配方案，该方案结合改进的简单加权法(SAW)和层次分析法(AHP)，全面评估了用户偏好、业务需求以及影响用户体验的信道参数，以获取不同业务的客观权重和主观权重，并进一步计算出综合权重。同时，采用排队论以离散时间马尔科夫模型对系统状态进行建模，能够有效的对不同用户负载下的行为进行分析，进而对不同的接入与分配算法进行性能评估。仿真结果表明，所提出的综合权重法相对于SAW法和AHP法，显著提高了不同业务的用户满意度，显著提升了用户体验质量。通过结合相对标准偏差对性能结果的分析进一步证明了综合权重法吞吐量、时延、拒绝率等关键性能指标上展现出更高的精密度，更准确地满足了用户的实际需求。

摘要:高低温试验箱温控系统具有非线性、时滞性。传统采用的PID控制超调量高、调节时间长，而模糊PID控制效果受量化因子与比例因子拟定的影响。为了提高试验箱温控系统响应速度与稳定性，提出了一种基于DBO算法优化模糊PID量化因子与比例因子的高低温试验箱温控方法。首先建立了高低温试验箱加热模型传递函数，在MATLAB/Simulink中搭建传统PID、模糊PID、PSO优化的模糊PID以及DBO优化的模糊PID模型进行仿真，并利用PLC、触摸屏和温控箱搭建实验装置开展实际温控实验。仿真结果表明，DBO优化的模糊PID相较于PSO优化的模糊PID的超调量降低了1.02%，调节时间降低了106 s。实验结果表明，DBO优化的模糊PID相较于PSO优化的模糊PID超调量降低了1.1%，调节时间减少了120 s，验证了DBO算法优化模糊PID量化因子与比例因子相较于PSO效果更佳。补充测试DBO优化出的最佳量化因子与比例因子在不同温度下的温控效果，表明了DBO算法优化模糊PID控制方案的可行性。

摘要:针对深层网络特征参数量大和故障类别样本数量不平衡导致轴承故障诊断效果差的问题，提出了一种不平衡数据下的轻量化轴承故障诊断方法。首先，将传感器所采集的一维振动信号重构为二维灰度图作为模型输入；其次，设计了非对称多尺度特征提取模块，利用不同尺度的卷积和空洞卷积对输入信号进行特征提取，并将一部分特征映射到原始空间用于去除噪声和还原原始数据结构；紧接着，被提取的丰富特征信息送入所设计的通道位置双加权模块利用反通道卷积和局部均值的方法对关键通道和关键位置特征进行双向加权；然后，设计了深度可分离卷积(DSC)密集残差结构，在保证网络轻量化的同时增加各层网络的特征融合，并通过快捷路径优化了反向传播性能；最后，利用焦点损失函数根据不同故障类别的重要性调整模型的学习过程，从而更好地适应不平衡的数据分布。利用美国凯斯西储大学轴承数据集和本实验数据集实验验证，结果表明，所提方法在不平衡数据集下故障诊断准确率最高，轻量化程度最好，并具有较好的抗噪性能。