摘要:针对传统水质检测过程中测量范围受限且测量系统不稳定等问题，设计了一种宽量程高精度电磁式电导率测量装置，并优化量程切换控制方法，完成对溶液浓度的宽量程、高精度、高稳定性检测。大量程电导率测量系统在量程切换时对阈值设定较为敏感，首先，通过实验优化选择溶液电导率的最佳阈值拐点，并对阈值附近频繁切档的信号采用逐点比较锁定量程法锁定在某一量程区间，提高系统稳定性和可靠性。其次，考虑到锁定区域信号准确度低，使用模糊隶属度函数数据融合算法，在对十种电导率溶液进行最小均方根误差实验后选定最佳模糊区间，完成锁定信号的融合处理。最后，代入多组实测数据对所提方法进行了有效性验证。实验结果表明，经过参数优化后的融合算法可实现阈值边缘电导率的准确测量，测量误差最高为0.85%，明显优于最高相对误差为2.86%的传统单一档位测量法。此外，设计的电导率传感器检测范围在0.1~2 000 mS/cm，全量程测试的相对误差均小于1%，表明本研究方法可实现溶液电导率的高精度、宽量程检测。

摘要:高效的生产过程和智能化管理是天然气井可持续发展的关键，目前实际生产中页岩气开采仍然面临着井底积液造成气井产能下降的问题。为提高天然气井的产能和排水效率，充分利用泡沫排水采气和柱塞气举的优点，设计了一套“双元合一”的柱塞-泡排复合排采装置，提出了一种新颖的基于长短期记忆网络（LSTM）和Wasserstein生成对抗网络（WGAN）的复合排采LSTM-WGAN预测控制方法。利用基于密度的抗噪聚类算法（DBSCAN）对数据进行预处理，避免异常数据对模型预测的影响。通过生成器和判别器相互对抗并更新各自梯度方向的权重，不断优化使油套压差、水气比预测值逼近真值，从而准确预测下一时刻的油套压差和水气比。通过柱塞泡排复合排采智能管理系统，实施预测的柱塞泡排投放策略。实验结果表明，LSTM-WGAN模型的误差最小，与LSTM模型相比，LSTM-WGAN模型的油套压差和水气比预测结果的均方根误差、均方误差、平均绝对误差分别降低了2.64%、5.13%、11.75%和8.81%、8.07%、6.60%。LSTM-WGAN预测模型可以准确地预测油套压差和水气比，指导柱塞-泡排复合排采系统发出正确的投放泡排球和柱塞指令，实现了泡排-柱塞的全智能化投放。

摘要:地基云的自动观测和识别对分析大气运动趋势和天气预测具有指导意义。针对目前地基云图分类算法准确率不高、在嵌入式终端部署困难的问题，提出了一种基于残差网络结构的地基云图分类网络模型GBcNet及基于ZYNQ的硬件实现架构，PS端用于加载模型的权重参数和云图数据，PL端实现DDR3读写控制和GBcNet 的硬件加速。设计了滑窗、卷积层、池化层、批量归一化层和全连接层等模块的加速IP核。实验在CCSN数据集上进行，结果表明，提出的模型在PC端的准确率达到96.02%。采用现场可编程门阵列（FPGA）硬件加速后，准确率仍然保持在94.5%。与PC端模型的识别率相比，各云类的识别精度损失均不超过3%，整体精度损失小于1.5%；FPGA的最大资源占用不超过48%，单张地基云图推理时间为0.13 s。相较于现有地基云的识别方法，识别准确率高且推理时间较短。提出的识别模型和硬件加速方法为便携式地基云观测设备的研制提供了一种参考方案。

摘要:针对传统的步态识别方法忽略了步态特征中的时间信息，提出了一种融合3DCBAM和跨时间尺度特征分析的步态识别框架。研究将注意力模块集成到模型中，自适应地关注输入步态序列关键通道和空间位置，提高模型的步态识别性能。此外，增强的全局和局部特征提取器（EGLFE）中全局特征提取将时间信息和空间信息在一定程度上解耦，在2D卷积和1D卷积之间添加额外的LeakyReLU层，增加了网络的非线性数量，在步态特征提取过程中有助于扩大感受野，从而提升模型对特征的学习能力，实现更好的全局特征提取效果，融合局部特征，弥补局部因分块带来的特征损失。多尺度时间增强模块融合帧级特征和长短期时序特征，增强模型对遮挡的鲁棒性。在CASIA-B数据集和OU-MVLP数据集上进行训练和测试，在CASIA-B数据集上，平均识别准确率为92.7%，在NM，BG，CL上的rank-1准确率分别为98.1%，95.1%，84.9%，实验结果表明，所提方法在正常行走和复杂条件下都表现出很好的性能。

摘要:放射源密度检测系统是一种利用放射性同位素进行物质密度测量的仪器。在石油化工、矿业医疗都有应用，原理是放射源信号利用其本身优秀的穿透性，穿过装有物质的密闭管道，被闪烁体和光电倍增管检测到并转换为电压脉冲信号。而化工现场复杂环境会影响系统的工作性能，最明显直观的就是低温影响。相对于系统在标定温度下工作性能，系统在低温环境中输出脉冲计数率发生明显衰减，相对于标定温度20℃时单位时间系统采集脉冲计数，-30℃时最多时衰减能达到标定温度的25%，严重影响测量密度准确性，使系统输出变得不可靠，引发现场工作人员误操作。因此，对系统在低温下的输出进行补偿势在必行，通常根据系统中受温度影响期间来进行相应补偿，如高压模块在低温下输出不稳定，则进行高压补偿，对光电倍增管低温下倍增减少情况进行阈值补偿等，这些补偿方式有效但效果有限，引入基于概率主成分回归模型的温度补偿方法，在不对硬件做改动的情况下，依据收集到的脉冲衰减数据，构建PPCR模型，并进行补偿。测试结果表明，低温环境中该补偿方法能够将计数率损失能够控制在3%以下，提升了系统在低温环境下的密度检测精度。

摘要:三维点云能够充分描述目标对象的几何信息,在自动驾驶、医学影像和机器人等领域有着广泛的应用前景。然而,现有方法在处理不同通道间的特征时缺乏差异化,同时对低级空间坐标和高级语义特征采用统一的编码策略,进而导致点云特征提取不全面。因此,提出了基于Transformer的逐通道点云分析网络。首先,为了克服传统图卷积在混合通道中难以区分有效信息的挑战,设计了一种深度可分离边缘卷积,可以在逐通道特征提取时保留局部几何信息的同时,显著提升通道间的区分能力。其次,针对Transformer在低级空间坐标和高级语义特征中采用统一编码方式,导致信息提取不足的问题,提出了两种特征编码策略，自适应位置编码和空间上下文编码,分别用于探索低级空间中的隐式几何结构和高级空间中的复杂上下文关系。最后,提出了一种有效的融合策略,可以形成更具区分性的特征表示。为了充分证明所提出模型的有效性,在公开数据集ModelNet40和ScanObjectNN上进行点云分类实验,总体分类精度分别达到93.7%和83.2%,在公开数据集ShapeNet Part上,整体部件分割的平均交并比达到86.0%。因而,研究方法在分类和分割任务中均具有先进的性能。

摘要:近年来,深度卷积神经网络在图像去噪领域表现出了优越的性能。然而,深度网络结构往往伴随着大量的模型参数,导致训练成本高,推理时间长,限制了其在实际去噪任务中的应用。提出了一种新的基于注意力机制的双卷积图像去噪网络(MA-DFRNet),它由多尺度特征特征提取网络、双卷积神经网络及动态特征精炼注意力机制组成。多尺度特征提取网络通过不同尺度的卷积获取图像特征,提高灵活性。双卷积神经网络上下分支均采用跳跃连接及扩张卷积来增大感受野。动态特征精炼注意力机制增强特征表示的精度和区分能力。这种结构设计不仅扩大了感受野,还更有效地提取和融合图像特征,显著提升去噪效果。研究结果表明,与最先进的模型相比,提出的MA-DFRNet在所有对比的噪声水平下具有更高的峰值信噪比（PSNR）和结构相似性（SSIM）值,PSNR提高了0.2 dB左右,SSIM提高了1%左右,对于噪声水平较高的图像更具鲁棒性,并且在视觉上更好地保留了图像细节,实现去噪和细节保留之间的平衡。

摘要:弹丸的气动参数直接影响其飞行轨迹，进而决定导弹的设计和性能评估。由于高速飞行中的复杂气动环境和气动参数间的相互作用，准确辨识气动参数成为一项具有挑战性的问题。针对这一问题将采用麻雀搜索算法（SSA）和核极限学习机（KELM）的组合模型来辨识弹丸的气动参数，为充分挖掘SSA算法性能，提高辨识精确度，将对SSA算法的初始化策略、收敛因子和加入者的位置更新策略进行改进，采用CEC2022测试函数对改进后的麻雀搜索算法（ISSA）的改进措施的有效性进行验证，并采用ISSA优化KELM的核参数和正则化系数，提出ISSA-KELM辨识模型。研究结果表明，直接采用极限学习机（ELM）算法的辨识精确度最低，无法描述非线性区域弹丸的气动参数特征，通过在ELM算法中引入核函数提出KELM方法可以将辨识精确度提高1~4个量级，KELM和SSA-KELM等模型在非线性区域的辨识结果与真实值还有一定的差距，而采用ISSA-KELM模型的辨识结果最为精确，相比较基本的ELM算法辨识结果提高约4~5个量级，可以准确获取弹丸的气动参数，本研究为精确飞行轨迹预测和导弹性能优化提供了可靠的技术支持。

摘要:针对现有基于雨声信号及机器学习方法的雨量识别准确率较低等问题，通过分析雨声信号的频率特性，研究雨声信号的梅尔倒谱系数静态与动态特征，提出了一种梅尔倒谱系数（MFCC）与粒子群算法优化支持向量机（PSO-SVM）相结合的雨量识别方法。通过提取雨声信号的MFCC静态与动态特征，利用随机森林算法内置的重要性评估机制进行特征选择，引入PSO算法对SVM的惩罚参数c以及核函数参数g进行微调，寻找最优参数组合，实现精准的雨量识别。实验结果表明，MFCC特征与其他特征相比能更有效的表征雨滴声纹信号特征，经过随机森林特征选择后的总体雨量识别准确率提高了5%，结合优化后的PSO-SVM进行雨量识别，其总体雨量识别准确率达到了91.1%，其中大雨、小雨的降雨识别准确率也均超过了90%，中雨的降雨识别准确率稍低，但也达到了86.5%。

摘要:光照射条件下物体表面产生的高光造成物体自身颜色信息丢失，影响立体匹配、三维重建中特征提取的质量。针对含有漫反射量和镜面反射量的双色反射模型无法准确描述透明PET瓶反射量的成分分布，提出基于L2归一化三分量双色反射模型的高光去除方法。首先对透明PET图像构建L2归一化三分量双色反射模型，阐明透明PET瓶反射量成分分布机理；再依据此模型将透明PET图像全局像素信息进行分解，计算L2归一化色度图；在此基础上依据L2归一化色度图计算全局像素的L2色度强度比；其次对指数变换L2归一化色度图聚类分析，检测透明PET瓶的高光区域并捕捉PET瓶自身颜色信息；最后结合L2色度强度比实现高光区域的像素信息恢复。实验部分建立了透明PET瓶数据集并进行验证，实验结果表明，与传统双色反射模型驱动的高光去除方法相比，所提出方法在均方误差(MSE)、峰值信噪比(PSNR)及结构相似性(SSIM)分别提高了12.1%、21.1%、11.5%。

摘要:浪涌保护器中嵌入雷电流波形测量模块为其老化分析提供了数据支撑。针对目前浪涌保护器中雷电流测量存在不能记录完整电流波形、噪声较大的问题，通过分析雷电流波形的时频特性，设计由罗氏线圈传感器、低噪声宽带放大、单端转差分、高速模数转换器和现场可编程门阵列（FPGA）等组成的雷电流波形测量系统。FPGA完成采集信号的处理、数据的缓存发送以及雷击计数等功能。通过差分电路和自适应噪声完备集合经验模态分解相结合的方法减小噪声对雷电流波形的影响，采用阈值与斜率联合触发方式，提高雷电流冲击次数计数的准确度。利用雷电防护实验室的雷电流组合波发生器对系统和去噪方法进行了实验测试，结果表明，系统能完整精确地记录雷电流波形，峰值1~10 kA范围内雷电流采集无漏触发现象，峰值的最大测量误差为1.27%，半峰值到达时间的测量误差≤0.2 μs，前峰平均坡度测量误差≤2.04%。系统将推动浪涌保护器的智能化发展，并为雷电研究提供数据支撑。

摘要:针对传统边坡位移监测方法成本高昂，对环境要求高等问题，提出了一种低成本、高精度的边坡位移视觉测量装置及其方法。首先，在监测场景中部署高精度摄像机和特制标志物，利用改进的YOLOv8-Pose算法实现对标志物关键点的初步识别。随后，采用亚像素提取技术对标志物关键点进行处理，以获得其亚像素级别的精确坐标。接着，通过比较不同时刻关键点的坐标偏移量，计算标志物的像素位移变化。最后，结合已知标志物的几何尺寸，通过尺度转换方法计算实际位移变化，从而实现对边坡位移的精确监测。为验证该方法的实际应用效果，选取贵州省某高速公路的边坡进行了现场监测实验。实验结果表明，该视觉测量方法在边坡位移监测中具有良好的精度表现。与全站仪监测结果比较，水平位移的准确率达到了90.43%，竖直位移的准确率为91.58%，均超过90%，充分验证了该方法在实际工程应用中的可行性和有效性。

摘要:针对现有运动分割方法在交通场景下实用性方面的不足，性能和验证时间难以平衡的问题，提出用于几何信息学习的图结构运动分割方法（GS-Net）。GS-Net由点嵌入模块、局部上下文融合模块、全局双边正则化模块和分类模块组成。其中，点嵌入模块将原始关键特征点数据从低维线性难可分的空间映射到高维线性易可分的空间，有利于网络学习图像中运动对象之间的关系；局部上下文融合模块利用双分支图结构分别在特征空间和几何空间提取局部信息，随后将两种类型的信息融合得到更强大的局部特征表征；全局双边正则化模块则利用逐点和逐通道的全局感知来增强局部上下文融合模块得到的局部特征表征；分类模块将前面得到的增强局部特征表征映射回低维分类空间进行分割。GS-Net在KT3DMoSeg数据集的误分类率均值和中值分别为2.47%和0.49%，较于SubspaceNet分别降低8.15%和7.95%；较于SUBSET分别降低7.2%和0.57%。同时，GS-Net在网络推理速度相比SubspaceNet和SUBSET均提升两个数量级；GS-Net在FBMS数据集召回率和F-measure分别为82.53%和81.93%，较于SubspaceNet分别提升13.33%和5.36%，较于SUBSET分别提升9.66%和3.71%。实验结果表明GS-Net能够快速、精确地分割出真实交通场景中的运动物体。

摘要:垃圾检测与分类对推动绿色经济和实现低碳循环具有重要意义,面向复杂背景环境的垃圾检测模型存在参数量大、计算成本高等问题,限制了模型在资源受限设备上的应用。为解决上述问题,提出一种轻量化的GCAW-YOLOv8n模型,旨在平衡模型轻量化与精度检测。首先,在YOLOv8n骨干网络中引入GhostNet网络中的C3Ghost和GhostConv模块,有效降低模型参数量;其次,添加上下文锚点注意力机制,增强特征提取能力,提升检测精度;然后,在特征融合阶段,构建渐近特征金字塔网络,提升多尺度目标检测能力;接着,采用WIoU v3边界损失函数优化网络边界框回归性能;最后,结合Taco数据集和人工采集数据集进行了模型验证实验。实验结果表明,相比原YOLOv8n模型,改进后的GCAW-YOLOv8n模型在模型参数量Params和计算量FLOPs分别降低了14.3%和33.3%,而精确度和召回率分别提高了4.4%和1.9%,同时mAP@0.5达到了81.3%,提升了0.7%。改进模型更好地平衡了模型轻量化和检测精度,对模型部署与应用至边缘端检测装备具有重要的工程意义。

摘要:高瓦斯矿井下供电电缆发生故障导致采煤机等设备停工，严重影响生产效率和经济效益。当前，地面电缆故障检测常用的高压脉冲闪络法、行波反射测距法等均不适用于井下检测环境，因此提出了一种感应电场磁耦合谐振式矿用电缆故障井下综合检测新方法。在低频正弦激励源条件下，建立感应电场磁耦合谐振式电缆故障综合检测方法数学模型，采用多物理场仿真软件COMSOL对电缆开路短路故障情况下的电磁场量求解，得到电场强度、磁场强度的二维分布以及探测线圈感应电压的一维曲线，仿真及实验测定了所使用线圈开路和短路时的感应电压随提离高度的变化曲线。研究结果表明，基于低频感应电场磁耦合谐振式综合方法进行矿用电缆故障井下检测具有可行性，在幅值1~20 V、频率范围1 kHz~20 MHz的激励下，在同一提离高度下对电缆沿线检测，可以检测长度在激励波长十分之一内电缆的开路和短路故障。为煤矿电缆故障井下检测以及产品研发提供了一种行之有效的方法。

摘要:为解决长江流域非法采砂船只试别困难、监测效率低、精度差等问题，提出一种基于深度学习的雾天非法采砂船只辨识方法。首先，提出改进的生成对抗网络对采集图像进行去雾处理，得到清晰水域图像。其中，利用融合特征注意力机制的生成器提取雾天环境下船只的复杂纹理特征；在判别器中加入谱归一化操作，解决网络训练梯度消失的问题；改进损失函数，引入循环一致性损失保证生成图像与原始图像间的结构一致性。其次，提出融合注意力机制的YOLOv8算法，有效增强网络对图像重要特征的提取能力，实现对清晰水域图像中非法采砂船只的精准定位与辨识。实验结果表明，本研究提出的改进生成对抗网络对图像的去雾效果较好，峰值信噪比（PSNR）与结构相似性（SSIM）分别为31.86和0.64，较Cycle GAN和GC-GAN算法分别提升了3.6%~13.1%、4.9%~56.1%。去雾后的图像经过融合注意力机制的YOLOv8算法处理，可实现对非法采砂船只的准确识别与准确定位，其mAP@0.5:0.95和帧率可达到89.6%、36 FPS，满足公安实战对精度与速度的要求，可有效提高长江流域非法采砂信息化、智能化监管与执法水平。

摘要:材料电磁参数采用复介电常数和复磁导率来表征。由于基于传输/反射法的电磁参数求解公式的非线性、诸多不确定度来源及其相关性，运用解析法分析材料电磁参数测量结果的不确定度极为复杂，本研究引入蒙特卡洛法以简化分析计算并研究影响系统不确定度的关键因素。对矢量网络分析仪测量S参数幅度和相位不确定度、波导夹具尺寸容差引入的不确定度进行了推导，并分析了各项不确定来源及概率密度函数。以聚四氟乙烯样品18~26.5 GHz频段电磁参数测量为例，使用蒙特卡洛法分析了其系统不确定度并给出了22 GHz频点处的不确定预算。阐释了样品电磁参数本身对测量不确定度的影响机理。研究结果表明：蒙特卡洛法可有效分析基于波导装置的材料电磁参数测量结果的不确定度。对于示例频段内的聚四氟乙烯样品，S参数幅值及相位不确定度的是影响电磁参数测量结果不确定度的主要因素。若被测样品电磁参数使矢量网络分析仪接收机接收功率处于底噪及串扰影响区，测量结果不确定度将显著增大。

摘要:为保证多头螺杆转子砂带磨削质量的同时提高磨削效率。采用双砂带磨削装置对多头螺杆转子进行磨削，设计正交试验，利用正交试验数据库建立鲸鱼优化算法-径向基函数（WOA-RBF）预测模型，以决定系数R2、均方根误差（RMSE）和平均绝对误差（MAE）评判预测模型准确性，结果均优于其对比模型。以WOA-RBF预测模型的输出表面粗糙度和材料去除率数值作为双目标优化模型的目标函数，建立基于多目标指数分布优化器（MOEDO）的双目标优化模型。模型求解得到帕累托最优解集，通过评价函数得到优化后的工艺参数数值以及表面粗糙度和材料去除率数值。以优化后的工艺参数进行多头螺杆转子双砂带磨削试验验证，磨削后螺杆转子的表面粗糙度和材料去除率分别为0.462 μm和7.78 mm3/s，试验结果与双目标优化结果的误差均在合理误差之内，验证了模型的准确性。双目标优化结果与正交试验中效果最好的一组试验结果进行对比，表面粗糙度升高了37.5%，但仍然符合工件的技术要求，而材料去除率提高了84.23%。表明提出的双目标优化模型可以实现保证表面质量的同时提高磨削效率，也可为其他加工工艺中，表面质量及材料去除率的决策优化提供借鉴。

摘要:针对现有视触觉传感器普遍存在的制造成本高的问题,提出了一种新型的GelSight指尖视触觉传感器设计方案,对视触觉传感器触觉皮肤中的单层弹性体反射膜改进,使用了一种双层的反射膜涂层工艺。在材料选择上,使用了两种不同性质的涂料,分别用于内外反射层的涂层,以通过化学键合的方式将两种不同的反射层紧密结合,实现对细微形变的高灵敏度响应。基于这一工艺技术,设计制造了一种新型的视触觉传感器,并基于光度立体设计了一种重建算法,以实现触觉三维重建。为了验证改进工艺的有效性,对使用该工艺制造的GelSight传感器与其他先进的视触觉传感器在感知分辨率上进行了对比实验。实验结果表明,新型传感器在感知分辨率上优于现有工艺制造的传感器。对具有不同形状和纹理的物体进行了三维重构及位姿估计的实验,结果显示,新型传感器在纹理细节方面具有更优的灵敏度,并且能够对实际物体进行高精度的三维重建和位姿估计。其中,表面接触区域的重建均方误差不超过100 μm,位姿估计的精度可以达到亚毫米级,显示了其在实际应用中的潜力。

摘要:一般的微弱信号检测方法所使用的锁相放大技术对于高频短脉冲信号还存在困难。对于一般的锁相放大器而言,短脉冲信号达不到锁相放大器后级滤波器的建立时间,难以检测到微弱的高频短脉冲信号,因此提出了一种针对高频非线性超声短脉冲信号的检测方法。该方法在锁相放大技术的基础上,考虑到非线性超声信号为周期信号,在锁相放大器的前级增加数字平均环节,增大信号的信噪比。锁相放大环节中采用滑动均值滤波代替普通低通滤波器,根据最佳匹配原则,设置滑动均值滤波器的窗长度等于脉冲持续时间,实现只对脉冲信号进行的低通滤波,避免了普通低通滤波器对短脉冲信号建立时间不够的问题,最终实现高频非线性短脉冲信号检测的锁相放大。本系统采用数模混合电路,逻辑算法部署在FPGA上。采用微弱信号发射器与电脑端搭建测试平台,对系统进行测试。测试结果表明,在输入信号频率为分别为0.6、1、2、5、10 MHz的情况下,系统均能检测到脉冲长度为5 μS,幅度为100 nV的脉冲信号,并且具有良好的线性度。选择频率为1 MHz的输入信号进行不同脉冲宽度的测试,系统能准确检测到脉冲长度为5、10、30 μS,幅度大小为100 nV的脉冲信号。

摘要:针对以结构光技术为主的钢轨磨耗测量中,因铁路运行环境干扰、钢轨表面的高光区、设备问题等因素造成的获取到的钢轨实际点云数据中包含了大量噪声点,严重影响后续钢轨磨耗计算的精度和效率问题,因此，本研究提出了一种基于局部平均的点云简化方法。该方法通过遍历点云中的每个点,利用一个指定半径的包围圆来计算圆内所有点的平均位置,从而生成一个简化后的点云。实验结果表明,点云简化方法在降噪与钢轨轮廓细节保留方面显著优于传统的统计滤波和半径滤波算法,平均降噪率达0.832 0,较统计滤波提高约4.3倍,较半径滤波提高15倍。同时,在钢轨磨损计算实验中，平均误差仅为0.025 01 mm,相较于统计滤波降低约95.7%,较半径滤波降低85.1%。在处理效率上,方法的平均耗时仅为0.006 5 ms,明显优于其他方法。此方法能够有效地减少点云数据量,最大程度保留钢轨轮廓特征,能够满足钢轨磨耗的测量需求。

摘要:针对人类学习优化算法搜索效率低、易陷入局部最优、无法实现动态避障等问题，提出一种融合改进人类学习优化算法和动态窗口算法的路径规划算法。首先，利用非线性递增和递减改进概率参数提高人类学习优化算法的收敛速率，并引入粒子群算法更新个体知识数据库与社会知识数据库，并且自适应调整惯性权重系数，避免陷入局部最优；其次，在动态窗口算法的评价函数中加入角评价函数避免与障碍物的夹角过小、动态改变速度评价函数和角评价函数权重，以调节速度及角度；最后，将改进的算法应用于自动导引车的路径规划，仿真实验表明融合算法规划路径长度比蚁群算法路径减少4%，比混合人类学习优化与粒子群算法减少15%，其他两种算法与障碍物接触次数是改进算法的5倍，减少路径长度和转折次数，提升路径的平滑性。并且成功避免在T型以及复杂地图环境的障碍物，验证所提算法的可行性。

摘要:为了提高曲面构件内微小缺陷的超声相控阵检测能力,提出了一种用于曲面构件的相控阵聚焦延时方法。本研究建立了线阵相控阵聚焦声场的瑞利积分数学模型,并对声场指向性分布规律进行了分析。应用斯涅尔定律分别推导了斜面和曲面构件中的聚焦延时法则,与传统的迭代遍历算法相比,该方法提高了延迟法则的计算效率,减少了界面结构对扫描声束波阵面的弯曲影响,从而充分发挥了线性相控阵的检测优势。在建立的曲面构件仿真模型中,基于所提聚焦延时方法,依次将延时施加于各阵元,仿真结果证明了声波能够在预设位置实现有效聚焦,并且该方法的计算时间相比于传统迭代遍历计算缩短了约70%。进一步地,展开实际检测实验,制作了含有Φ0.3 mm盲孔的环形钢试块,通过对比施加延时法则前后的B扫描图像和A扫信号图,实验结果表明,所提出的方法有效提高了曲面构件内微小缺陷的检测信噪比以及成像质量。

摘要:针对传统接触式电解质溶液电导率测量中存在测量电极被极化、被测溶液易受污染等问题，提出一种基于电涡流效应的非侵入式双线圈电解质溶液电导率测量系统。通过建立有限元分析模型，深入探讨了激励频率、线圈几何参数等对测量系统灵敏度的影响，为系统探头设计以及误差分析提供了理论基础。实验部分，优化了线圈探头参数，搭建了基于FPGA的双线圈差频式测量系统，该系统能够将电感变化转换为频率变化，实现数字信号输出。双线圈由检测线圈和参考线圈组成，其中检测线圈用于测量被测溶液，参考线圈远离被测溶液且仅受环境影响，二者信号实现差动输出，可消除外界干扰。对比实验显示，该系统能有效测量不同电导率溶液，验证了仿真模型的正确性。进一步的温度和抗干扰实验表明，双线圈差动结构在确保测量精度的同时，显著增强了系统的抗干扰性能，整体误差控制在1.2%以内，展现了该系统的实用性和可靠性。

摘要:针对常见时频分析中存在交叉项干扰或时频聚焦度较低而无法准确进行时延估计的问题，提出一种遮罩滤波魏格纳威利分布时延估计新方法。其基本原理是将WVD时频谱与SPWVD时频谱的幅度谱之比同高斯函数滤波器相结合,利用SPWVD方法能够有效抑制交叉项干扰和WVD方法时频聚焦度高的优点，将信号的SPWVD时频谱作为一个遮罩以此屏蔽WVD时频谱中的交叉项，在保持高时频分辨率的同时获得高精度的时频谱。该方法与常见时频域反射方法相比在交叉项抑制和时频聚焦度这两个关键性能指标上具有更好的性能，时延估计结果的可靠性较高。利用该方法结合时频互相关函数定位电缆微弱的低阻故障，通过仿真实验进行对比分析，结果显示所提方法在定位电缆1.5 km处的低阻故障时，均方根误差为0.652 7 m，与WVD方法和SPWVD方法相比，定位误差分别减少了1.288 4和0.683 4 m。此外，该方法在信噪比为-5、0和5 dB的情况下定位误差均小于其他常见方法，定位效果最佳。

摘要:针对输电线路中防震锤尺寸小,图像背景复杂,防震锤缺失难以检测的问题,提出一种轻量化YOLOv8-SPH的防震锤缺失检测模型。通过在YOLOv8n网络的颈部引入160×160和320×320的浅层尺度特征图,并在检测头中融入相应尺度的目标检测模块,提升了特征图之间的上下文信息融合能力,有效扩大了模型的感受野,使得模型能够捕捉到更多防震锤缺失的特征语义信息。还创新性地提出了多尺度高效特征提取模块(MultFaster),通过部分卷积、多级特征提取和残差连接机制,在保持防震锤特征检测精度的同时,减少网络的计算量和参数量。此外,在颈部网络中引入动态上采样算子,提高重建特征图的分辨率,提高了该模型对防震锤缺失检测的精度,同时,将原模型解耦式检测头更换为轻量化检测头,降低了模型计算的复杂度并提升检测效率。最后对改进后的网络进行基于幅值的层自适应稀疏化剪枝,进一步减小模型参数及计算量。在针对自制防震锤缺失数据集的测试中,YOLOv8-SPH表现卓越,其mAP@0.5达到了91.51%,相比原始YOLOv8n提高了6.3%,参数量减少了80.73%,计算量减少了48.14%,模型尺寸减少了62.41%。该模型在计算量和参数量降低的同时,提高了检测精度,充分满足了对输电线路中的防震锤进行高效和准确检测的需求,具有实用性。