摘要:一个完整的通信系统必须包含完整的双向通信链路，也就是含有上行链路与下行链路，上行链路一直以来是双向通信系统的难题。而近年来可见光技术飞速发展，其具有无电磁辐射、通信容量大且绿色环保等优点可以作为传统上行链路方案的补充。本文首先介绍了可见光通信的应用场景和系统构成，并对今年来可见光上行链路国内外研究现状进行综述，另外给出了可见光上行链路的各种方案如可见光与射频、可见光与可见光、可见光与电力载波以及单光源逆向调制技术4种方案，最后总结了可见光通信上行链路目前面临的问题，并总结了各种方案的优缺点以及对未来发展趋势进行展望。

摘要:近年来预训练大模型的研究取得了显著成就，本文论述了预训练大模型在机器人技术中的应用。机器人中的传统深度学习模型是在为特定任务定制的小数据集上训练的，这限制了它们在不同应用中的适应性。相比之下，在互联网规模数据上预训练的大模型似乎具有优越的泛化能力，并且在某些情况下显示出一种探索能力，在训练数据中未出现的情况下可以找到one-shot解决方案。大模型具有增强机器人自主性任务的各个组成部分的潜力，从感知到决策和控制。本文研究了最近使用或建立大模型来解决机器人问题的论文，探讨了大模型如何有助于提高机器人在感知、决策和控制领域的能力，从而推动机器人大模型在更多领域实现应用落地。同时，讨论了阻碍大模型在机器人自主系统中应用的挑战，如机器人应用中的数据稀缺性、机器人自身的可变性、多模态表示的局限性和实时性能，并为未来的改进提供了机会和潜在的方法。

摘要:着眼于提升变焦成像深度测量的精度与实时性,在给出系统设计构型的基础上,利用液体透镜调节特性与神经网络技术,提出了一种液体光学调控的新型单目视觉深度测量方法。首先,为消除液体重力效应引入光轴漂移对测量结果的影响,以目标图像面积之比作为特征参量,并给出了基于链码分类与条状分割的目标面积测算方法。然后,为描述液体透镜参数、图像特征量与目标深度之间的映射关系,构建了液体单目深度测量的神经网络模型,并通过遗传算法对模型参数进行优化。再者,对液体透镜参数进行标定获取光焦度函数,基于数据集训练得到用于深度测量的神经网络,其预测平均相对误差为0.799%。最后,设计实验对该方法进行测试验证,不同物距目标的深度测量误差平均为2.86%,其测量速度平均为108.2 ms,在1 000 mm物距条件下对不同形状目标的测量误差不超过3.60%。结果表明,融合液体光学调控与神经网络预测的单目视觉方法能够实现高精度、快速的深度测量,并且对不同形状目标均表现出较好的泛化性能。研究成果为克服变焦成像测距法的现有局限性提供了新的技术思路。

摘要:稀疏采样与图像复原相结合不但可以压缩数据容量，而且还可以提高成像速度，对于发展高分辨率激光雷达成像技术具有重要意义。为了改善稀疏采样图像的复原效果，本文设计了一种新的残差通道注意力机制网络块，并将残差通道注意力机制引入到基于压缩感知迭代软阈值方法的深度展开网络中，抑制图像复原重建中因缺失高频信息而导致的模糊现象，形成了一种新的激光雷达稀疏采样图像的复原重建方法。该方法结合了传统压缩感知重建方法和神经网络方法的优势，与传统压缩感知重建方法相比，具有更快的重建速度；与现有神经网络方法相比，增强了结构洞察力，改进了重建图像模糊问题。以Middlebury Stereo Data 2006为测试数据集的验证计算表明，本文提出的方法与SDA、ReconNet、TVAL3、D-AMP和IRCNN等方法相比不但具有更好的图像重建质量，而且具有较高的计算效率；当稀疏采样比率为25%时，复原后图像的峰值信噪比要比其他方法高1.6 dB以上，是一种综合性能较理想的激光雷达稀疏图像复原方法。

摘要:在实际应用中,受观测条件和采集场景等诸多因素的综合作用,水下光学图像通常呈现出高维小样本的特性,与此同时,这类图像还极易伴随着各类噪声信息的干扰。导致许多降维方法在其识别过程中的鲁棒表现力不足。为解决上述问题,提出一种创新的任意三角形结构二维主成分分析方法(ATS-2DPCA)应用于水下光视觉图像识别。该方法在构建过程中,充分考虑了投影数据的重构误差和方差两者之间的关系,在此基础上成功匹配到了灵活的鲁棒距离度量机制。通过这种方式,能够切实有效地提升在面临噪声干扰时水下光学图像数据的识别精度,并且实现对于数据几何结构的合理保护。从理论层面证明了该方法的可用性和收敛性。同时,选取了3个水下光学图像数据库进行了实验验证,得出的最优识别精度分别为:89.07%、88.52%、86.00%。一系列实验结果有力地表明,ATS-2DPCA 在同类方法中展现出了更为卓越的性能表现。

摘要:由于遥感图像中目标数量多而密集,且背景信息复杂,导致现有检测算法对于小目标检测精度不够理想,针对该问题,提出了一种基于重参数化广义金字塔与扩张残差的遥感图像小目标旋转框检测算法DRS-YOLO。首先,为克服主干网络对特征提取不足的缺点,以旋转算法YOLOv8OBB为基础,在颈部网络引入扩张式残差模块,以增强遥感目标语义信息。其次,为提高网络对于多尺度目标的检测性能,使底层特征信息流向高层,引入重参数化泛化特征金字塔网络替换颈部网络结构,更高效的融合多尺度特征,易于捕捉高层语义和低层空间细节。最后,为进一步提高网络对于小目标的检测性能,基于SPPF提出SPPFI对目标感受野进行扩展,提升了对遥感目标的检测精度。在公开的DIOR数据集和HRSC2016数据集上相较于原YOLOv8sOBB基线网络的检测精度分别提升了1.5%和9.8%。实验表明改进后的算法显著增强了对遥感图像小目标的检测性能。

摘要:圆柱电池壳的多维缺陷检测是保证锂电池质量和安全的关键技术。由于生产加工和运输过程中涉及的工艺环节不同，圆柱电池壳的每个部位均会产生缺陷。为解决现有检测方法在处理种类繁多、尺度不一的圆柱电池壳缺陷时检测精度低的问题，本文根据圆柱电池壳各部位特征搭建图像采集装置，构建了圆柱电池壳多维缺陷数据集，提出了一种基于改进YOLOv8n的圆柱电池壳多维缺陷检测技术。首先，引入可切换空洞卷积改进C2f模块，增强多尺度特征提取能力；其次，结合平均池化和最大池化策略改进下采样模块，在降低特征图空间尺寸的同时保留关键信息；最后，引入LSKA注意力机制，增强多尺度特征的融合效果。实验结果表明，改进后的YOLOv8n模型在自制的圆柱电池壳缺陷数据集上平均检测精度可达77.4%，相较于原始模型提升了4.3%，计算量下降了17%，模型大小仅为6 MB，检测速度达到177 FPS，满足工业大批量实时检测的要求。

摘要:中医舌诊通过观察舌特征能够进行脏腑虚实和功能盛衰的判断，具有无创便捷等优势。伴随着计算机视觉技术的飞速发展与广泛应用，开发一种能够进行自动检测、提取和识别舌象特征的模型至关重要。面向中医临床及健康监测对舌诊数字化的需求，提出了一种基于改进RetinaNet的舌面齿痕和裂纹特征自动检测模型。该模型首先在RetinaNet基准模型的骨干网络中引入SimPSA-ResNet模块和SimSPPF模块，用以增强网络的特征提取能力和模型的鲁棒性；同时，改进多级特征金字塔网络结构，提高模型的特征融合能力，进一步聚焦舌面特征的关键信息；最后，去除冗余输出特征层，并结合ASFF结构，保留重要的特征信息，提高信息利用率。将改进后的RetinaNet模型在自制的舌象数据集中进行训练和预测，得到的平均检测精度（mAP）为94.37%，相较原算法提升了2.77%。实验结果表明改进RetinaNet模型能够有效提高舌面齿痕和裂纹特征的检测精度，有助于用户的日常自检、健康管理以及辅助医生进行诊断。

摘要:动力控制工程实现消摆需精确测量摆角，而双目摆角测量方法精度依赖相机标定结果，相机位置变化会对测量结果产生偏差，且难以高效稳定地测量。为解决以上问题，提出一种单目非标定测量方法。首先，连续捕捉目标图像，结合卡尔曼滤波颜色空间转换法定位标记点位置。其次，基于交比进行坐标转换，与初始位置对比，由三角变换算出实时摆角。最后，应用高斯与均值结合的滤波方法进行平滑处理，并与姿态传感器结果对比验证。实验结果为：在变速、匀速两种运动状态下与双目方法的对比表明，变速运动状态下最大摆角为1.871°，同时刻与传感器的最大角度误差为0.184°，相较于双目方法精度提高了0.018°；匀速运动状态下最大摆角为3.075°，与传感器的最大角度误差为0.259°，相较于双目方法精度提高了0.021°，计算效率提高了133.3%。相机位置发生偏差用标定方法计算出的值与传感器最大角度误差超过0.5°，非标定方法不高于0.3°，能有效消除偏差实现动态摆角的准确测量。

摘要:输电线路的稳定性是电网正常运行的重要保障，为防止线路施工误碰导线发生事故，针对现有检测方法精度低和可靠性差，提出了一种基于多分支双重注意力的特征提取网络DAMF-NET。该算法通过构建多分支双重注意力机制使网络更加关注目标信息的局部特征，优化模型特征提取过程；提出多分支轻量特征融合网络，用于强化模型的全局多尺度语义信息和密集任务下的特征显著性，提高图像特征完备性；提出小目标检测网络以缓解网络尺度方差，提高小目标检测敏感性；使用焦点损失函数和EIoU优化损失函数，减小正负样本不平衡产生的噪声，加快模型训练收敛速度；最后设计了一种基于风险区域定位的状态识别算法，将其部署至施工机械智能检测系统。实验表明，该方法平均精度优于当前大部分检测模型，在施工机械检测和智能巡检方面具有一定的研究意义。

摘要:为揭示信号注入法中不同信号类型及其频率幅值对永磁同步电机参数辨识精度和控制性能的影响，对方波、梯形波、三角波和正弦波4种信号注入法进行了仿真及实验对比分析。首先，根据注入信号特点将方波和梯形波归为局部恒定信号，将三角波和正弦波归为全局时变信号，并基于遗忘因子递推最小二乘法构建两类信号注入法的参数辨识模型。其次，仿真分析两类注入信号频率和幅值对待辨识参数的辨识结果影响，综合考虑各待辨识参数的辨识精度，合理选取注入信号的频率和幅值。在此基础上，对比分析4种信号注入法的参数辨识结果，并评估系统控制性能。最后，搭建实验平台进行参数辨识实验验证。结果表明：局部恒定信号注入的参数辨识精度高于全局时变信号注入的参数辨识精度，但前者对系统控制性能影响大于后者对系统控制性能影响，其中梯形波注入具有最高的辨识精度，三角波注入对系统控制性能的影响最小。

摘要:为了有效解决管道泄漏信号难以从复杂背景噪声中分离以及微小泄漏特征提取困难的问题，提出一种基于VMD和ELM的管道微小泄漏工况识别的方法。首先，利用霜冰优化算法RIME改进VMD的关键参数选取，实现VMD的自适应分解。采用VMD分解产生的各阶本征模态函数之间的互信息熵值作为RIME算法参数优化中的适应度函数值，选择最佳的VMD分解参数，建立基于RIME-VMD的管道泄漏信号去噪方法。在此基础上，计算得到的滤波信号的Bubble熵值，实现对管道微小泄漏特征提取的目的。最终，将特征输入到RIME-ELM模型中进行中，实现了4种不同管道工况的识别。实验结果表明，RIME-VMD方法在滤波效果方面表现优异，其信噪比最高，达23.922 dB，说明其滤波后的重构信号中有效信号的占比最大。同时，该方法的平均绝对误差和均方误差分别为0.187和0.056，均为最小值，表明该方法重构信号中的噪声最少。将得到的故障特征向量输入到RIME-ELM模型后，分类准确率达到了95.71%，相比将故障特征向量直接输入ELM模型提高了37.4%，验证了所提出方法的有效性。

摘要:鲸鱼优化算法(WOA)是一种高效的群体智能优化算法。与其他智能优化算法相比，WOA由于结构简单，参数少以及强大的优化能力已经被广泛使用。然而，传统的WOA存在收敛速度慢，容易陷入局部最优的问题。为了解决这些问题，本研究提出了一种改进的鲸鱼优化算法(IWOA)，该算法采用自适应更新机制，受粒子群算法的启发，在优化过程中引入个体历史最优位置，并通过自适应策略动态调整全局历史最优位置和个体历史最优位置的权重，避免算法陷入局部最优；同时通过邻域搜索策略，在迭代后期围绕全局历史最优位置进行邻域更新，提升算法寻优能力。选取16个典型的基准测试函数以及CEC2014测试集的8个复合函数进行仿真实验，与其他传统及改进的群体智能优化算法相比，IWOA的收敛精度和收敛速度更有优势，验证了IWOA的有效性；并将IWOA应用在焊接梁和压力容器设计2个工程设计问题上，相比于WOA，经济成本分别节约了3.94%、5.58%，验证了算法的有效性。

摘要:非线性元件会导致扬声器控制过程中产生较大的建模误差和控制延迟，精确控制扬声器音圈的运动，还能提升音质，减少机械部件的磨损老化。针对电动扬声器音圈精细控制中建模误差和控制延迟问题，设计了一种基于改进的RBF-MLP神经网络的反步滑模控制器，解决了电动扬声器中非线性元件造成的控制干扰与经典RBF神经网络对复杂非线性模型拟合精度不足的问题。通过引入感知层，自适应学习机制和广义径向基函数，改进的RBF-MLP网络拟合非线性函数的均方误差相比经典网络降低了超过5%，增强了对扬声器系统复杂非线性特性的捕捉能力，提升了模型的拟合精度。通过构建仿真环境，对扬声器系统在不同频率、幅度和负载条件下的控制性能进行评估，重点考察了控制精度、系统延迟和抖振问题。实验结果表明，在不同频率和负载条件下，控制延迟平均减少至0.15 ms，控制误差降低了39%。此外，改进后的控制方法在复杂负载和频率变化条件下依然保持了良好的鲁棒性和稳定性。这些结果展示了改进的控制器在电动扬声器控制中的广泛应用潜力。

摘要:针对深度强化学习在噪声干扰环境下故障诊断鲁棒性差问题，提出了一种噪声干扰环境自适应的强化学习故障诊断方法。该方法以高效通道注意力机制深度残差收缩网络为Q网络基本模型，避免Q网络结构复杂导致的梯度消失现象。采用高效通道注意力机制对深度残差收缩网络中软化阈值进行自适应调整，并在残差收缩单元的卷积层引入了膨胀卷积，以获取噪声环境下的不同尺度的故障特征信息，同时采用指数线性单元SELU作为激活函数，进一步提升网络对噪声的鲁棒性。设计了基于信噪比的量化奖励函数，结合双重Q网络竞争学习机制与优先经验回放机制方法，进行智能体的自主学习，生成智能体的最优诊断策略，并运用于干扰环境下的设备故障状态识别。实例分析结果表明，采用所提方法对轴承与齿轮箱故障的识别准确率分别能到达98.13%和93.45%，且对不同强度噪声具有较好的鲁棒性与环境自适应性。

摘要:运动想象是脑机接口领域中一类经典研究范式，该任务旨在研究仅通过大脑想象来完成对外部电子设备的信息传递与控制。共空间模式算法是运动想象研究中不可或缺的经典特征提取算法，该算法可以通过最大化类间方差来获得区分度较高的特征，从而获得分类性能良好的模型。然而，共空间模式算法对于噪声等干扰较为敏感，并且要求尽可能多的类间信息，导致其在非侵入式脑成像研究中运用效果不佳。针对该问题，提出了一种基于频域相位信息与时域趋势信息的数据处理算法，利用脑电信号的瞬时相位序列与经验模态分解残差分量构建了相位-残差序列，在保留大脑神经活动信息最大化的同时摒弃外界或其他噪声所带来的干扰，并通过共空间模式算法提取区分性更强的特征，最终获得识别和泛化性能更优的分类模型。实验结果表明，所提方法在52名受试者之间的平均分类准确率为88.19%，高于原始序列的79.67%，同时在不同受试者的运动想象数据中表现出了更为平稳的分类性能，证明了该方法在基于脑电信号的运动想象分类中具有良好的识别与泛化能力。

摘要:高强螺栓作为关键零部件，广泛应用于悬索桥、风电塔筒等重要结构中，其安装质量对整体结构的稳定性和安全性具有至关重要的影响。然而，传统的扭矩法难以准确测量螺栓的轴向预紧力，从而难以有效评估结构的稳定性。为解决这一问题，基于声弹性效应，设计了高压激励和压控增益等电路，研制了一套螺栓轴力检测系统。系统通过激励压电传感器接收回波信号，并采用互相关算法计算渡越时间差以表征螺栓的应力状态，最后对风电螺栓进行了应力渡越时间标定实验及超声法与扭矩法的对比实验。实验结果表明，当螺栓轴向预紧力达到其额定值的40%时，该系统的应力测量误差率≤2.81%，且分辨率可达0.250 7 kN，能够有效满足螺栓轴向预紧力的测量要求。与传统扭矩法相比，超声法在螺栓服役状态下的应力测量误差控制与分辨率均具有显著优势，为工业领域关键部件的应力测量提供了可靠的技术方案。

摘要:随着生物医疗领域的发展，无线植入式设备发挥着越来越重要的作用，综合考虑电磁波在人体组织中的功率损耗与比吸收率SAR值大小，对于植入式脑电极的频率选择具有重要意义。针对此问题，使用CST软件搭建高精度的人头体素模型，仿真探究400 MHz~6.5 GHz常用人体通信频段电磁波在头部组织中的传输特性，分析电磁场分布、功率密度损耗以及辐射危害SAR值。结果表明，电磁波在人头组织中的路径损耗随着组织深度的增加而变大，3.5 GHz以下频段电磁波信道损耗较小，功率密度在皮下25 mm组织内衰减不超过10 dB。人头组织对不同频率的电磁辐射吸收能力不同，高频电磁波辐射危害整体小于低频电磁波，其中1.8 GHz频段吸收的SAR达到了最大值，为1.71 W/kg。综合考虑功率损耗与电磁辐射危害，植入式脑电极的最优工作频率随植入深度变化，2.45 GHz频段电磁波适合头部皮下5 mm内植入式脑电极，1.8 GHz与400 MHz是皮下15 mm与25 mm处植入式脑电极的最优频率，功率密度相较于2.45 GHz分别增加了9.6%与77.4%。

摘要:金属磁记忆检测技术是一种新型的无损检测技术，能够识别铁磁材料的早期损伤。为推进该技术在桥梁钢领域损伤检测方面的应用，针对钢箱梁内部单U肋正交异性钢桥面板，进行了静力受弯试验，采集了U肋腹板在不同荷载等级下的磁信号数据，并结合ANSYS有限元软件获取其应力，建立了U肋腹板沿高度方向的力磁曲线及其应力集中区应力与磁信号、磁信号梯度的关系曲线，分析了力特征参数与磁特征参数之间的关系。研究结果发现：沿检测线方向，各检测线的法向、切向磁信号值均随荷载增大呈减小趋势，且在同一荷载等级下法向磁信号曲线较切向磁信号波动小，分布更平缓；U肋腹板的法向磁信号沿高度方向的变化曲线存在“波峰波谷”现象，与其应力分布具有良好的对应关系，可通过该现象判断应力集中区域；将应力集中区域磁梯度K曲线的“陡升”现象作为实际工程中构件即将达到屈服强度的危险预警信号；力磁相关特征参量μσ-λk曲线具有良好的线性关系，根据该曲线可初步判断构件应力集中区的应力集中程度。

摘要:针对遮挡目标的机器人抓取存在的遮挡干扰问题,提出了改进的YOLO-CA-SD和语义分割的遮挡目标检测模型及抓取方法,完成多目标及非目标物互相遮挡干扰情况下的抓取。首先,该模型在YOLOv5l中添加坐标注意力,在损失函数基础上考虑检测框匹配方向的问题,增加框之间的角度信息,并对原模型检测部分进行解耦,减少耦合造成的信息丢失。其次,提出了改进的DeeplabV3+目标分割模型,用MobileNetV2替换DeeplabV3+原主干网络,减小模型复杂度,在空洞空间金字塔池化结构中添加CA模块融合像素坐标信息提高分割精度,解决了遮挡干扰问题。最后,利用点云配准得到目标姿态相对于模板姿态的末端旋转角及最优抓取点。在2 750张自主构建的常用工具遮挡数据集上进行性能测试,结果表明:改进后的模型在mAP@0.5,mAP@0.5:0.95、60%目标物体遮挡率数据集及60%非目标物体遮挡率数据集上的检测精度分别提高了0.052%、0.968%、6.000%、7.400%。此基础上改进的语义分割模型分割速度和MIOU分别提升了33.45%和0.625%，并且通过ABB IRB1200机械臂实现遮挡目标的抓取实验,验证了该方法的可行性与实用性。

摘要:储层孔隙度的预测准确性决定了评估地下储层的储集空间和储层质量的可靠性。然而，现有孔隙度预测的方法存在模型算法单一、精度不高和泛化性差等问题。为了提高孔隙度预测的精度，提出了一种基于Optuna优化的Stacking集成学习方法。首先，采用灰色关联度选取声波时差、井深、岩石密度、井斜角和光电截面吸收指数作为输入参数。然后，对输入数据进行归一化处理，并通过Optuna优化模型参数。根据均方根误差、平均绝对误差和定系数选取随机森林（RF）、支持向量回归（SVM）和k-近邻算法（KNN）作为Stacking的基学习器，以及弹性网络回归（ENet）作为Stacking元学习器。各主流模型预测结果与Stacking模型比较发现：RF在处理非线性数据时表现优异，但预测结果不稳定，Stacking模型相较RF降低了约10%的均方根误差。SVM具备较强的泛化能力，但参数调优复杂，Stacking模型相较SVM降低了约39%的均方根误差。KNN对异常值不敏感，但对高维数据效果较差，Stacking模型相比KNN降低了约21%的误差。Xgboost能够较好地避免过拟合，但对异常值敏感而且参数调优复杂，Stacking模型相比Xgboost降低了约30%的误差。最终结果表明，基于Optuna优化的Stacking模型显著提高了孔隙度预测的准确性，为反应储层油气储存能力提供重要参考。

摘要:针对室内封闭场所卫星导航系统定位穿透力不够导致的定位精度太低而传统的惯导在室内行人定位时航迹偏移较大的问题，通过对行人航迹推算算法(PDR)的深入分析，提出了改进的PDR算法，旨在提高室内定位中的定位精度。该算法首先设计了卡尔曼滤波器和FIR滤波器对传感器数据进行预处理，提升数据的平滑性和抗噪性能；其次对传统的Weinberg步长计算模型进行改进，增加了新的变量作为步频检测和步长计算的联合参考，有助于减少步长估计的累积误差；然后取合适的阈值作为行人零速判断，以修正步数以及行人位置；最后设计一个扩展卡尔曼滤波器(EKF)对行人的位置进行优化,实现对行人实际轨迹的动态优化。仿真实验结果表明，改进后的PDR算法显著提高了定位精度，行人轨迹的平均误差由5.5 m降低到1.2 m。总体而言，该改进PDR算法能够有效减少航迹偏差和累积误差，提高了行人定位精度，具有广泛的应用前景。

摘要:针对老年人使用步行训练机器人康复过程中，因步行速度与机器人指定速度不协调而引发的跌倒事故问题，本文提出了一种人机速度协调防跌倒方法，该方法由跌倒预测模型和防跌倒控制方法两部分组成。首先，由惯性传感单元（IMU）采集受试者步行姿态信号，利用长短期记忆网络（LSTM）和注意力机制构建老年人跌倒预测模型；其次，在跌倒预测的基础上，设计多元相空间重构（PSR）速度预测模型，用于防跌倒控制器的设计；最后，将受试者的速度预测结果作为目标速度，利用PSR理论和模型预测控制技术（MPC），设计步行康复训练机器人的防跌倒控制器，实现对受试者步行速度的精确跟踪，避免在康复训练过程中因人机速度不协调引发的跌倒事故。仿真对比分析和实验研究结果表明，跌倒预测模型的预测准确率可达到95.2%，且跌倒预测的前置时间可达1.82 s，人机速度协调防跌倒方法可有效防止受试者步行速度与机器人指定速度不协调而发生跌倒事故，使受试者安全地完成步行康复训练。

摘要:将双幂次趋近律滑模控制引入到单相三电平逆变器，系统工作模态较多，存在复杂的非线性动力学行为。分析系统不同模态下工作原理，采用频闪映射法建立系统离散模型。结合分岔图和折叠图研究了系统参数对系统非线性行为的影响，得到了系统控制参数和主电路参数的二维稳定工作域。使用快变稳定性定理对双幂次滑模控制下系统稳定性进行分析，与分岔图、折叠图进行对比验证，并和其他控制策略下系统的稳定性进行比较。最后利用不同控制参数下系统的时域波形图和及其频谱对系统非线性行为进行验证。研究发现三电平逆变拓扑具有更复杂非线性行为，且双幂次趋近率滑模控制具有较宽的参数稳定域，控制参数的稳定工作范围由比例控制的0.15~0.95 扩大到0.05~1.65，不稳定起点由改进指数趋近率滑模控制的1.3后移到1.65。研究结论为双幂次趋近率滑模控制三电平逆变器的参数设计提供了理论依据。

摘要:局放超声信号监测是判断油浸式变压器绝缘状态的常用手段之一。然而现场的噪声干扰难以避免，常伴有白噪声，为此提出一种基于改进变分模态分解与小波变换的去噪方法。首先，以峭度-排列熵准则作为目标函数，使用蚁群寻优算法确定变分模态分解最优分解层数与惩罚因子并将含噪局放超声信号分解为多个本征模态分量，然后，使用相关系数法将多个本征模态分量分为不含噪声分量、含噪声分量、噪声分量，以最大最小排列熵准则作为目标函数，使用蚁群寻优算法确定小波最优阈值并提出改进小波阈值函数对含噪声分量进行小波去噪，最后对不含噪声分量与小波去噪分量进行信号重构完成局放超声信号去噪。通过对模拟和实测的局放超声信号去噪并与其他4种去噪方法比较，结果表明所提去噪方法效果优异，信噪比与波形相似系数较其他方法分别平均提高43.62%与2.39%，均方根误差平均降低35.46%。