摘要:针对永磁同步电机(PMSM)失磁故障中磁链变化较快,近似认为磁链变化率为0会导致传统PMSM失磁容错控制方法性能受限的问题,本文提出一种基于智能比例积分微分的无模型超螺旋滑模复合容错控制(iPID-MFSTSMC)方法。首先,构建考虑永磁体磁链变化量的PMSM失磁故障数学模型,根据这一模型设计了磁链滑模观测器,实现了对于磁链及其变化率的观测。此外,针对快速变化的负载转矩设计了负载转矩导数滑模观测器。然后,基于磁链及其变化率、负载转矩导数的观测,设计了iPID无模型容错控制方法,该方法采用超螺旋滑模算法对观测误差及其他扰动进行抑制,改善了动态性能且降低了控制器参数的设计难度。利用Lyapunov稳定性定理证明了所设计容错控制方法的稳定性,并给出了参数的设计条件。最后,在磁链以及负载转矩快速变化工况下,通过仿真和实验分析表明，该方法可以有效减少系统抖振并降低超调量。

摘要:为了探究多剥落齿轮系统中振动响应的演变规律，融合时变啮合刚度构建了多剥落齿轮动力学模型。首先，融合修正的能量法和单/双齿对啮合角位移计算方法，建立多剥落齿轮啮合刚度模型；其次，考虑时变啮合刚度、齿侧间隙和初始压力角等因素，构建6自由度多剥落齿轮动力学模型，并从仿真、理论和实验维度开展模型有效性分析；最后，基于所构建的模型，研究齿根、节线和齿顶位置同时发生剥落时，剥落尺寸变化对啮合刚度影响，获得多剥落齿轮振动响应的演变过程。研究结果表明，所构建模型与理论及实验误差小于0.5%，并得到了齿根、节线和齿顶位置剥落的啮合刚度及振动响应的演变规律，随着剥落宽度的扩展，节线附近振动幅值增大显著；随着剥落深度的增加，齿顶位置受到的振动冲击更为强烈；而随着剥落长度的增加，剥落的波及范围扩大。所得结论为齿轮系统的健康监测和早期故障诊断提供了理论指导。

摘要:为深入剖析滚动球轴承局部故障对轴承整体振动特性的影响，利用Hertz接触理论构建了转子偏心力激励下的球轴承-转子系统动力学数字仿真模型，并结合深沟球轴承外圈、内圈、滚珠的局部故障引起的轴承间隙变化，推演了滚珠与各类故障区域间的冲击激励响应方程。在此基础上通过分析单点损伤引起的滚珠内部接触负载变化，揭示了单个滚珠接触应力对相邻滚子负载与系统整体振动特性的影响规律。通过分析轴承转动过程中有效承载滚珠个数的变化情况，建立了的滚珠负载占比时间对故障冲击振荡幅值的影响关系。分析结果表明，滚珠与故障区域的接触分离会使其负载发生振荡，且各故障状态下的振荡频率都为系统共振频率；在2个等效承载滚珠上的运转时间占比越大，故障冲击振荡的强度越大；各类型早期故障状态下的Poincar-映射点的保持在相同幅值附近；当局部故障程度增大到一定程度时，系统振动混沌特性增强，振动幅值相应增大。

摘要:针对滚动轴承完全失效阈值的设置多根据人工经验选取、退化轨迹适配忽略时间序列整体形态趋势变化的问题，提出一种基于形态波动一致性偏移距离的滚动轴承失效阈值设置与剩余寿命预测方法。首先，引入前向差分（FD）对振动信号进行预处理，并对处理后的信号计算均方根（RMS）值作为退化指标（DI）；其次，融合双指数模型对DI曲线进行拟合确定最终参考轴承的完全失效阈值（TFT），降低TFT的设置偏差；最后，利用形态波动一致性偏移距离（MFCDD)计算DI曲线相似度，完成对测试轴承失效阈值的设置，并利用粒子滤波更新双指数模型完成滚动轴承的剩余使用寿命（RUL）预测。在XJTY-SY数据集上的实验结果表明，滚动轴承RUL预测的score得分较动态时间规整匹配方法、卷积神经网络-双向长短期记忆网络预测方法分别提升了82.97%和73.64%；在PHM2012数据集上的实验结果表明，滚动轴承RUL预测的score得分较动态时间规整匹配方法、卷积神经网络双向长短期记忆网络预测方法、长短期记忆-自注意力机制预测方法分别提升了99.99%、60.65%和99.90%。

摘要:针对变转速工况下,轴承振动信号容易发生信号特征混叠、频率偏移、信号截断和噪声污染问题,提出了一种结合角度重采样、主成分分析(PCA)和极端梯度提升树(XGBoost)的故障分类模型。首先,采用脉冲信号估计轴承转速的方法对轴承振动信号进行角度重采样并求取时频特征指标;其次,利用主成分分析(PCA)对时频特征参数进行降维核心提取,选取总贡献大于95%的主元作为XGBoost模型的输入样本;最后,利用网格搜索法对XGBoost进行主要参数调优,并划分训练集和测试集对该模型进行训练,验证其故障分类的准确性。结果表明该方法的故障诊断准确率为96.44%,相较于未降维后的数据运行时间缩短了27.24 s,且角度重采样后的诊断效果明显优于未角度重采样的诊断效果,故障识别率提高了7%以上,证明所提方法能够更加快速、准确的做出诊断。

摘要:针对串联电弧故障检测判据选择难、阈值设置难的问题，本文在传统基于电流检测方法的基础上融合使用电压信息，提出了一种电压电流能量信息融合的交流电弧故障检测方法。以分析开关电源和非开关电源类负荷下的各自故障特征为基础，提出了利用电压半波总能量的开关电源类电弧故障直接判定方法，并融合使用电压电流特征能量波形相关性实现故障线路的选择；提出了基于敏感域电压电流最大瞬时特征能量相位匹配的适用于非开关电源类负荷下的故障检测方法，以特征能量相位信息构建判据，克服了传统检测方法的阈值设定困难问题。本文检测方法判据虽利用了负荷分类思想，但由于开关电源类负荷下的故障检测可利用电压半波总能量幅值实现故障直接判定，因此实际应用中无需辨识负荷类型。相较传统利用电流特征的检测方法，本文方法具有判据简单、易于阈值设定的优势。试验结果表明，本文方法可有效用于多种类型负荷的电弧故障检测，检测时间满足相关标准规定。

摘要:为解决变压器故障诊断精度较低的问题，提出了一种多策略改进黏菌算法（ISMA）阶段优化混合核支持向量机（HSVM）的变压器故障诊断新方法。首先，利用主成分分析（PCA）来消除变量之间的信息冗余并降低数据集维度。其次，引入黏菌算法（SMA），并结合Logistic混沌映射、二次插值、自适应权重多策略改进SMA，以提高SMA算法收敛速度和局部搜索能力；然后，与原始SMA、WHO和GWO算法进行寻优测试，对比验证改进后SMA算法的优越性；最后，使用改进SMA算法分阶段对混合核支持向量机参数寻优，构建ISMA-HSVM变压器故障诊断模型。将降维后的特征数据输入HSVM模型与BPPN、ELM和SVM进行比较，HSVM模型的诊断准确性分别提高了5.55%、8.89%、5.55%。使用ISMA优化HSVM模型参数，与WHO、GWO、SMA算法优化效果比较，结果准确性提高了13.33%、12.22%、5.55%。其中，ISMA-HSVM模型的诊断精度为93.33%。实验结果表明，所提模型有效提升故障诊断分类性能，且具有较高的故障诊断精度。

摘要:飞行器电缆网承担着电气、信号和数据传输等关键职能。在飞行器超声速飞行过程中电缆网面临诸如高温、振动、电流过载和低气压等挑战，对飞行器电气系统的安全性和可靠性产生影响。本研究设计了电缆网多传感器监测系统和基于多传感器融合的电缆网健康状态监测算法。在监测系统中实现了电压、电流、温度、加速度和气压等数据采集、存储以及无线传输功能。算法在预处理阶段通过归一化的方式，综合考虑了高温、振动、电流过载和低气压等稳态和瞬态值对电缆网健康状态的影响，算法健康状态分类部分设计了多层分类网络对电缆网状态进行分类，在实际实验数据集与仿真数据集中，本文多层分类网络相比于SVM分类网络正确率平均提升6.4%,虚警率平均降低了77.2%；本文的多传感器监测算法相比于单通道监测算法，正确率有显著提升，对比实验结果验证了本文算法在电缆网健康状态分类任务中的有效性。实验结果表明，电缆网多传感器监测系统可以有效监测并识别飞行器电缆网的健康状态，为飞行器电气系统运行提供了有力保障。

摘要:超宽带谐波混频器一般采用本振中频双工器，从本振通路引出中频信号。但是当本振频率和中频频率相近或者重叠时，难以实现本振到中频高隔离。本文采用了不同于常用谐波混频器结构，用射频中频双工器替代了本振中频双工器，从射频通路引出中频信号，设计了30~110 GHz 4次谐波混频芯片，并进行了封装实验测试。经测试，4次谐波混频器射频频率30~110 GHz，中频频率1 GHz的变频损耗小于25 dB，DC-15 GHz本振和中频端口间的隔离度可达30 dB，固定本振时中频频率DC-7 GHz变频损耗小于28 dB。因此，本设计可有效隔离频率相近的本振和中频信号，为拓宽中频带宽提供可能。

摘要:目前跨模态行人重识别研究注重于通过身份标签在全局特征或局部特征上提取模态共享特征来减少模态差异，但却忽视了具有辨别力的细微特征。为此提出了一种基于特征增强的聚类学习网络，该网络通过全局和局部特征来挖掘并增强不同模态的细微特征，并结合多级联合聚类学习策略，最小化模态差异和类内变化。针对训练数据设计了随机颜色转换模块，在图像输入端增加模态之间的交互，以克服颜色偏差的影响。通过在公共数据集上进行实验，验证了所提方法的有效性，其中在SYSU-MM01数据集的全搜索模式下Rank-1和mAP分别达到了70.52%和64.02%；在RegDB数据集的V2I检索模式下Rank-1和mAP分别达到了88.88%和80.93%。

摘要:近年来，基于视频的人体异常行为识别算法取得了一定的研究成果，但由于监控视频中存储的数据量庞大且视频时间跨度较长，在进行长视频或多行人异常动作检测与识别时，现有的识别方法并不适用。为此，提出了一种基于关键帧定位的人体异常行为识别模型，首先，通过基于标准化流和注意力增强时空图卷积的关键帧定位网络学习正常帧的概率分布，筛选和提取出长视频中的异常帧（关键帧）序列，并将其作为后续网络模型的输入。然后，为了更好地捕捉人体姿势的运动特征和异常情况，提出一种融合注意力和增强残差的时空图卷积异常行为识别算法，将关键帧序列输入到该模型网络中以实现对监控视频中的人体异常行为的高效准确识别。使用公开数据集和自建数据集对该方法的有效性进行验证，实验结果表明，在公开数据集ShanghaiTech Campus上人体异常行为识别的TOP-1准确率达到82.86%，TOP-5准确率达到98.10%，该方法可以更好的完成监控视频中的人体异常行为识别。

摘要:针对航姿参考系统（AHRS）易受到环境与传感器自身噪声干扰，导致姿态估计精度下降的问题，提出了一种基于变结构误差状态卡尔曼滤波（VS-ESKF）的噪声数据处理方法。首先，通过分析AHRS传感器观测数据与新息序列统计特征，设计了基于加速度范数与遗忘序贯概率比检验（F-SPRT）的方法，分别检测加速度计与陀螺仪的噪声数据。其次，基于噪声检测结果，将平滑变结构滤波(SVSF）策略引入到误差状态卡尔曼滤波（ESKF），以提高ESKF对噪声模型不确定性的处理能力。然后，结合磁场强度与磁倾角参数特征，利用马氏距离法评估磁干扰并实时调整磁力计补偿权重，获取准确的AHRS修正数据。最后，基于自主搭建独轮机器人平台进行实验验证，结果表明所设计的VS-ESKF算法可以及时、准确地检测AHRS噪声数据，并有效地抑制噪声干扰，相比于ESKF算法，对横滚角、俯仰角和偏航角的估计精度分别提升了31.05%、32.32%和40.07%，提高了姿态估计的准确性和稳定性。

摘要:随着芯片工艺的不断升级，芯片设计的频率不断提高，时延故障是引起高速芯片失效的重要因素。在硅后验证阶段，由于缺乏一种对芯片全局路径延时测量的手段，传统构建延时测量电路的方式仅能得到特定关键路径的延时变化情况，在芯片失效时无法进行全面的路径延时分析。本文提出一种基于扫描链的频率扫描实速测试方法对芯片内部大量时序路径的延时进行测量并获取时序裕量。针对生成测试向量时间长，依赖专业测试设备的问题，在自研硬件平台上通过自生成多频率测试向量以及改进数据校验算法成功实现了频率扫描实速测试，对芯片测量的路径延时误差在8 ps左右。通过对不同芯片在不同温度下的实验验证了该方法对路径延时表征的有效性，为今后通过延时参数对高速芯片进行环境适应性分析、寿命预测等研究提供了一种快捷有效的方法。

摘要:针对室内WiFi定位中指纹信息冗余、空间边界划分困难和RP集获取精准度缺失的问题，提出一种信号指纹测量下双度量协同的室内定位方法。通过S度量和欧氏度量下指纹矩阵融合，精简形成低维指纹信息，考量指纹间“点类”关联度和“类类”相似度，兼顾子区域边界新增指纹数目的可控性，确立子区域边界模糊深度调整机制，形成边界模糊泛化能力，以区域稀疏度判定插值方法完成指纹库扩充，以构建高密度离线指纹库。在优选子区域中，结合信号空间和位置空间，对比两类度量的差异度，实现对高价值指纹点的定向筛选，削弱在线指纹匹配集合的误差影响。在全局实验场景中，分区结果规整有序，较为符合实际空间构造。指纹库构建效果较其他方案至少提升11%，定位精度相对同类型算法提升了12%以上，论文所提方案定位精度优势显著，在具备高扰动特点下的复杂室内环境中，具有较好的场景适应性。

摘要:超宽带雷达具有高分辨率，穿透能力强，低功耗等优势，工作时人体无需接触任何电极或传感器，可以穿透衣服、废墟等非金属介质在较远的距离内检测人体生命体征信息，在非接触式生命体征检测方面具有很重要的应用价值。由于人类心跳信号容易被呼吸谐波和其他噪声干扰，为了准确提取人体生命体征信号，提出一种基于改进的自适应噪声集合经验模态分解（ICEEMDAN）与小波包分解（WPD）结合的生命体征信号去噪方法。先通过超宽带雷达测量待测者的生命体征，获取人体所在空间位置提取出体表微动信号，对体表振动信号进行补偿与欠采样处理；利用ICEEMDAN-WPD的阈值去噪方法对微动信号进行模态分解，选取合适的模态分量去噪并进行重构，获取人体心跳微动信号的时频特征。实验结果表明，该算法相较于传统的去噪算法将相关系数提高到了0.940 5，信噪比提高到了9.093 8 dB，保留更多的生命体征信息的同时拥有更高的信噪比，可有效应用于生命体征检测领域。

摘要:无线传感器网络的定位问题可以转化为适应度函数最优问题，并通过经典的麻雀搜索算法进行求解。然而该算法所用的适应度函数并未使用未知节点之间的测量距离数据，从而导致定位精度的提升有限。为了解决这一问题，提出了一种基于麻雀搜索的协同定位算法。该算法主要包括两个搜索阶段：粗略搜索和精细搜索。在粗略搜索阶段，未知节点到锚节点之间的测量距离数据被用于确定未知节点的初始位置。在精细搜索阶段，未知节点之间的测量距离数据被用来确定未知节点的精确位置。首先，采用Cat混沌映射方法来保证初始种群的均匀分布，从而有助于确定最佳位置。其次，构建了两种不同的适应度函数，一种用于粗略搜索，另一种用于精细搜索。其中，用于精细搜索的适应度函数利用未知节点之间的测量距离数据来提高定位精度。最后，提出了一种新的精细搜索方法，以避免协同定位结果收敛到局部最优位置。通过对仿真和实测数据进行分析，验证了所提方法的有效性。

摘要:视频动作识别在视频监控、自动驾驶等多个领域都有着广泛的应用。SlowFast网络是视频动作识别领域经常使用的网络。目前SlowFast相关网络中使用注意力进行相关信息增强，注意力机制与网络的结合方式是将注意力机制嵌套到网络的各个卷积块之间，如果将注意力机制深层嵌套到卷积块的具体卷积层中，SlowFast网络的信息提取能力将更进一步。首先提出了一种深度嵌套注意力机制，该深度嵌套机制内部包含一种可以提取时空与通道信息的注意力SCTM，使SlowFast网络的3种信息提取能力得到了进一步加强。此外，目前多流网络融合的信息并没有充分的交互与处理。提出了一种基于交叉注意力与ConvLSTM的多流时空信息融合网络，使多流网络中每个流的信息充分交互。改进后的SlowFast网络在UCF101数据集上的Top-1准确率已达到98.5%，在HMDB51数据集中的准确率达到了80.1%。均优于目前已有的模型，比原始SlowFast网络提高了2.64%，且鉴于上述数据，深度嵌套注意力的 SlowFast 时空信息融合网络在信息提取与融合方面具有优越性能。

摘要:精确的荷电状态(SoC)是锂电池安全高效运行的重要保障, 文章针对传统无迹卡尔曼滤波(UKF)对非线性系统突变状态跟踪能力差, 导致SoC估计精度低的问题, 提出一种新型自适应渐消无迹卡尔曼滤波(AFUKF)SoC估计方法。首先, 通过设计新型衰减因子对UKF误差协方差矩阵进行加权, 并基于新型衰减因子完成AFUKF的设计, 减小陈旧量测值对估计结果的影响, 提高传统UKF的估计精度和跟踪能力。其次, 基于自主实验平台测试数据, 验证了本文所提AFUKF算法存在初始误差时, 相较于传统UKF算法, ECE工况下平均绝对误差和均方根误差分别下降了47.95%和33.92%, DST工况下分别下降了36.40%和27.73%; 相较于同类改进的AUKF算法, ECE工况下平均绝对误差和均方根误差分别下降了43.36%和33.51%, DST工况下分别下降了39.01%和25.63%。模型结果表明, 相比于传统UKF算法以及同类型改进的AUKF算法, AFUKF具有更高的估计精度, 且在相同初始SoC误差条件下具有更好的鲁棒性。

摘要:针对纯激光SLAM算法定位漂移问题，提出一种基于点云特征描述子全局搜索的粗匹配回环检测算法。该算法首先采用基于图像距离的快速分割方法对激光点云进行地面点去除，基于点云曲率和关键点聚合算法实现了边缘特征提取和聚类，通过特征描述子生成算法得到当前帧点云的特征描述符，其次经过计算当前帧和历史帧的相似度评分完成全局匹配搜索实现对候选回环帧的选取，完成回环检测粗匹配过程；然后采用NICP算法进行当前帧与候选回环帧的精确匹配，从而完成回环检测过程；最后搭建了移动机器人实车平台，完成对校园数据集的采集，验证了本文算法的定位效果，通过对实车实验结果的分析可知，在实车采集的校园数据集上误差优化程度均值为13.15%，为了进一步验证本文算法的整体性能，在KITTI数据集进行测试对比，结果显示相比较Lego_loam和Lio-sam算法，本文所提算法在保证了运行效率的基础上，有效地改进了定位精度。

摘要:为提高军工零件的内孔加工的可靠性和加工质量，通过正交试验法，分析磨粒流加工中，磨料粒度、磨料质量分数、磨粒流工作压力和循环加工次数对阶梯内孔倒圆角半径、材料去除率、内孔表面粗糙度的影响规律，磨粒流工作压力是内孔倒圆角半径的首要影响因素，较为显著，材料去除率的首要影响因素是磨料质量分数，而内孔表面粗糙度的首要影响因素是循环加工次数，通过非线性回归分析建立了复杂内孔磨粒流加工效果评价的模型。以改进的带精英策略的快速非支配排序遗传算法(NSGA-II)进行多目标工艺参数寻优，得到了综合平衡权重下的最佳工艺方案（磨料粒度1 000#，磨料质量分数为50%，工作压力为7.5 MPa，循环加工次数为30次），验证试验表明优化结果和实际加工效果具有较好的一致性。

摘要:针对机器学习在流量异常检测中存在选择特征过于依赖专家经验、原始特征表达能力不足、数据受噪声和离群点影响导致模型鲁棒性差以及处理非平衡海量高维数据时少数异常类检测率低等问题，提出一种特征增强的改进LightGBM(light gradient boosting machine)流量异常检测方法。首先，采用隔离森林(isolation forest, iForest)实现异常值处理，并利用异常值处理后的数据训练引入全局平均池化(global average pooling, GAP)的一维卷积去噪自编码器(convolutional denoising autoencoder, CDAE)，间接地消除数据中的噪声，得到原始特征的低维增强表达。然后，采用自适应合成采样(adaptive synthetic, ADASYN)对异常值处理后的数据实现数据增强并运用训练完成的CDAE进行特征提取，将得到的低维特征作为LightGBM的输入，训练并进行贝叶斯参数寻优。最后，通过得到的CDAE+LightGBM组合模型实现对异常流量的精准分类。在NSL-KDD数据集上所提方法的五分类准确率和F1分数分别达到了87.80%和87.75%，能够有效提升检测精度，增强未知攻击的检测能力。在CICIDS2017场景数据集上的测试进一步验证了所提方法可行性，且优于与同类型的深度学习算法。

摘要:瓷砖生产过程中由于环境的复杂性和随机性导致缺陷特性各异，实际中要构建大规模、高质量的瓷砖表面缺陷数据样本非常困难，而小样本条件下的可分特征信息不足对瓷砖表面缺陷检测的精度有较大影响。针对这一问题，探索了一种融合深度迁移学习和改进两阶段ThunderNet网络的瓷砖表面缺陷检测方法。首先，提出了一种基于改进ThunderNet网络的瓷砖表面缺陷检测模型，阐述了模型的结构与功能特点；其次，构造了瓷砖表面缺陷深度特征空间参数迁移决策机制，以有效提升样本特征表征能力；第三，基于可切换空洞卷积（switchable atrous convolution, SAC）优化ShuffleNet骨干网络，增强模型对缺陷形状变化的学习能力；第四，提出了基于多尺度映射和通道注意力（squeeze and excitation, SE）的特征融合算法，实现有限特征层次中瓷砖表面缺陷特征信息多层次差异化表征；最后，给出了融合深度迁移学习和改进ThunderNet网络的瓷砖表面缺陷检测算法。实验数据表明，在相同的瓷砖表面缺陷测试集上，本文方法对于小样本条件下瓷砖表面缺陷检测具有优越的性能，模型平均精度、平均召回率和平均检测速度分别达到87.22%、93.69%、61.6 ms/img，与传统ThunderNet模型相比，平均精度和平均召回率分别提高了9.30%、4.16%，其中，基于SAC最优空洞率组合{1,2}，模型精度提高了5.51%，基于SE的最优压缩率24，模型精度提高了6.16%，基于本文迁移机制，模型精度提高了3.86%，同时加速了网络收敛。本文方法相比于传统ThunderNet网络和其他主流检测模型，通过迁移机制知识共享提高小样本对象特征表达能力，通过引入SAC和SE在控制模型规模的前提下实现对象特征的层次化表征，有效提升了模型的实时性和可靠性。

摘要:当前生产线上自动化测试设备对高速串行电路接口只能进行通、断、短路传统静态测试，对眼图时域特征动态测试则难以在有限的生产节拍时间内完成。为了在生产线上低成本、快速地完成动态测试，开发了一个多相位、多判决电平的二维误码率统计电路，通过等误码率插值的方法来构建时域眼图。首先分析抖动的不同来源特征，根据双狄拉克模型得到抖动和误码率的关系，Q尺度因子和误码率P的关系，推导出Q-P曲线的切线斜率收敛到随机抖动均方根值σ的倒数。然后通过测量切线斜率求解σ，得到高斯随机抖动的模型。最后根据高斯模型对所有判决电平处的误码率曲线插值，求出二维误码率图谱上的等误码率点，连接这些点绘制眼图的内轮廓线。对高斯函数和眼图仿真数据以及实验测量的误码率数据进行计算分析表明，Q-P曲线斜率插值法在误码率小于10-4以下区域内能够恢复出眼图内轮廓线，可定量地评估眼高、眼宽、幅度、上升下降时间等基本眼图时域参数，相关数据精度误差在10%左右。

摘要:针对堆料盘点时工作效率低、结果不准确等问题，研究了一种基于修正剑桥模型的质量测量方法，并通过对小型石英砂堆料进行质量测量实验验证了该方法的可行性。为了提高堆料质量盘点时的工作效率以及测量结果的准确度，基于积分原理，结合修正剑桥模型描述的应力应变关系构建堆料的应力-密度模型，基于薄膜式压力传感器设计密度测量装置，根据储料场中常见堆料的形式设计两种不同的堆料，对两种石英砂堆料分别进行质量测量实验，通过获取堆料不同高度以及径向不同深度处的压力进而得到密度，结合三维激光扫描仪采集到的点云数据得到堆料体积，从而实现堆料质量的测量。实验结果表明，对于质量为92.1 kg和86.1 kg的石英砂堆料，该方法测得结果的相对误差均在4%以下。实验结果证明了该测量方法的可行性，后续可为大型堆料的盘点提供参考，有助于企业进一步进行生产计划安排。

摘要:压接导线主要应用于架空线路建设，其对边距对线路安全运行及服役期限起到重要作用。针对传统人工测量存在的可靠性差、效率低的缺点，提出了一种基于图像处理的压接对边距测量方法。首先根据图像的累计灰度突变点自动裁剪被测区域并进行中值滤波，然后基于改进Otsu阈值法获得边缘连续的二值图像；再分别使用形态学处理和高斯曲线拟合法对边缘进行二次定位，得到亚像素级边缘点；最后采用基于随机抽样一致性（random sample consensus,RANSAC）的最小二乘拟合方法完成上下边缘点的曲线拟合，实现压接对边距的测量。通过模拟试验表明了RANSAC拟合经过10次迭代后测量算法的效果较好，测量误差小于0.1 pixels；而实际导线测量试验结果表明，改进Otsu算法对光照强度具有适应性，同时与人工测量相比，图像测量方法的最大相对偏差为1.82%，重复标准差提高60%，平均耗时仅为人工测量的1/10，能够实现压接对边距高效可靠的测量。