下载专区
二维码
- 当前目次
- 优先出版
- 专辑论文
-
光纤布拉格光栅在火箭低温贮箱共底结构在线监测应用研究
摘要：
低温环境下的光纤布拉格光栅（FBG, Fiber Bragg Gratings）热输出效应显著，同时表现出较强的非线性特征，给火箭低温贮箱共底结构的应变和温度测试带来困难。从基本传感原理出发，分析了裸光纤光栅和应变传感光栅的热输出来源，针对火箭低温贮箱地面力学试验提出了光纤布拉格光栅热输出数据解耦方法，搭建了极低温环境下的光纤光栅热输出标定实验系统，获取了光纤光栅在液氦-常温温区范围内的热输出特性曲线，建立了粘贴在与贮箱共底相同材料上的应变传感光栅和裸光纤光栅的热输出响应关系。完成了光纤布拉格光栅在火箭低温贮箱共底结构的应变、温度在线监测应用，通过构建基于光纤布拉格光栅的共底结构应变和温度传感网络，获取了共底结构温度和应变实时数据。结果表明，所提研究可以有效实现光纤布拉格光栅在极低温环境下的热输出数据解耦，准确获取火箭低温贮箱共底结构的应变和温度分布，与低温电阻应变片的应变测试数据对比结果良好，数据相关性超过0.997。该方法实现了极端环境下的全光纤在线测试，具有较高的布置灵活性和传感器存活率，为光纤传感技术在结构低温测试场景的规模化应用提供了案例支撑，为实现光纤的工程化箭载测试奠定了基础。
-
数字孪生驱动的换热器结垢监测与厚度量化研究
摘要：
现有管式换热器结垢监测过度依赖历史运行工况，在波动与变工况下，现有工况与历史工况监测数据偏差大，难以准确感知结垢厚度，容易出现误报、漏报的问题。故开展了数字孪生驱动的管式换热器结垢监测与厚度量化研究。首先，构建高精度高保真的管式换热器有限元仿真模型，通过几何建模、非结构化四面体网格划分及合理仿真假设，获取运行过程中全部节点的物理信息数据。其次，利用本征正交分解（POD）提取关键低维模态，结合径向基函数（RBF）插值增强参数泛化能力，提出基于数据驱动的 POD-RBF 降阶方法；建立自适应采样布局优化方法，减少计算量的同时保证精度，生成多组训练数据，构建可实时预测运行状态的数字孪生模型，并通过卡尔曼滤波动态校正模型误差，提升实时预测精度。最后，基于传热系数公式推导结垢判断及厚度量化模型，通过对比实体与孪生体的总传热系数、进出口温度等参数判断结垢，利用污垢热阻与厚度的关联公式实现量化。试验验证采用透明壳体换热器，以饱和硫酸钙溶液为冷流体，通过监测进出口压力、流量、温度参数，测得健康工况下数字孪生体与实际运行误差在1%以内，结垢工况下结垢监测率为100%，结垢厚度感知误差为5%~25%，实现了变工况下的结垢监测与厚度量化。
-
物理知识引导的卷积神经网络故障诊断预测方法
摘要：
针对卷积神经网络预测滚动轴承故障中的捷径学习问题进行深入研究，并提出了一种基于物理知识引导的卷积神经网络故障诊断预测模型。采用滚动轴承数据集，对卷积神经网络在滚动轴承故障诊断模型的训练过程中出现的捷径学习问题进行了分析，揭示了捷径学习现象的存在：即使卷积网络在特定的故障数据集上达到了90%以上的精度，由于捷径学习的存在，卷积网络模型并没有学习到正确的与故障理论匹配的故障特征，而是学习到了错误的特征频率或频谱图中的波形形态。对故障诊断中捷径学习现象的产生机制进行了分析，揭示捷径学习的产生机制和决策规则：卷积神经网络的捷径学习行为主要源于数据集中由背景噪声、装配等因素导致的捷径机会，模型倾向学习简单特征组合，以及综合误差导致的数据统计偏差。由于故障数据集本身无法对深度神经网络模型的学习产生足够的约束，基于滚动轴承特征频率，设计了基于轴承故障特征的敏感频带，通过带通滤波器生成物理知识数据，构建物理引导信息，输入卷积神经网络模型，引导模型学习正确的故障特征。经实验验证，基于物理知识引导的卷积神经网络能够有效避免捷径学习问题，准确提取故障核心特征，提高故障诊断和预测准确度，提升了卷积网络故障诊断模型的可信度，在航空航天等领域高端装备故障诊断中具有应用前景。
-
非对称导波检测埋地聚乙烯管热熔焊接接头缺陷
摘要：
对称导波模态在传播至圆管缺陷位置时，因缺陷导致的能量不均匀反射会产生非对称导波，其传播特性与缺陷的位置、尺寸存在量化关系，可以用于检测圆管缺陷。然而，聚乙烯(PE)管中缺陷产生的非对称导波传播特性目前并不明确。针对埋地聚乙烯管热熔焊接接头开裂的问题，研究了非对称纵向导波L(M,2)在聚乙烯管中的能量分布规律，并利用该规律检测与评估聚乙烯管中热熔焊接接头的缺陷。为分析聚乙烯管热熔焊接接头缺陷产生的非对称导波，首先，通过理论研究了离散分布式压电阵列在金属圆管中激励非对称导波的可行性。并优化压电陶瓷阵列的压电陶瓷数量。其次，提出了缺陷诱导非对称导波的方法，并通过仿真验证了可以利用缺陷产生的非对称导波来检测与评估缺陷。再将优化的压电陶瓷阵列用于聚乙烯管中非对称导波的激励，并量化分析了其在聚乙烯管中的轴向传播特性。再通过实验验证了聚乙烯管中缺陷产生的非对称导波传播特性与理论相符。随后，带有热熔焊接接头聚乙烯管中的实验证明了完好的焊接接头不会产生非对称导波。最后，埋地聚乙烯管实验表明通过分析热熔焊接接头缺陷产生的非对称导波，能够判断埋地聚乙烯管热熔焊接接头是否存在缺陷，并评估缺陷的周向位置。
-
一种用于中介轴承故障诊断的网络模型Res2APCNN
摘要：
针对航空发动机中介轴承在强噪声背景下的健康监测问题,提出了一种结合数据融合和自适应注意力机制的多尺度残差神经网络(Res2APCNN)模型。首先,采用格拉姆角差场(GADF)、格拉姆角和场(GASF)以及马尔科夫转移场(MTF)方法,将轴承信号转化为二维灰度图像,并将这3种图像分别映射至RGB的3个通道,构建复合彩色图像,从而增强对时间序列信息的捕获能力。其次,引入Res2Net模块,通过并行卷积操作提取不同尺度的信息,过滤噪声干扰并优化信息流动。再次,嵌入自适应并联特征融合模块,对各特征维度的重要性赋予差异化权重,对关键特征信号进行筛选和放大。最后,通过特征提取和分类模块输出中介轴承故障类型。采用意大利都灵理工大学、哈尔滨工业大学轴承数据集和自建试验台数据集对模型进行验证。实验结果表明,所提出的Res2APCNN模型在强噪声环境下表现出优异的故障诊断性能,与当前先进方法相比,在都灵理工大学数据集上,相较于IDRSN方法准确率提升了1.52%;在HIT数据集上,相较于MC-CNN方法准确率提升了6.65%;在自建数据集上,相较于Wen-CNN方法准确率提升了2.35%。此外,该模型的诊断准确率波动最小,稳定性最高。在强噪声条件下,Res2APCNN模型仍能保持较高的识别精度,展现出良好的抗干扰能力。
-
少样本跨域混合迁移输电线路绝缘子缺陷检测方法
摘要：
绝缘子缺陷检测是输电线路智能巡检中的重要任务，目前存在图像样本不足的问题，通过生成人工样本进行数据扩增是一种有效的解决办法，但人工样本与真实样本的域特征分布不可避免的存在差异。为了解决此问题，提出了一种少样本跨域混合迁移有监督领域自适应模型，通过将大量有标注的人工图像作为源域，少量的真实图像作为目标域，实现人工样本的有效利用与跨域特征分布的优化对齐，提高少样本情形下绝缘子缺陷检测性能。首先对源域图像进行类目标域分布匹配，并利用其对目标域图像进行前景-背景混合增强，以提升目标域样本的质量和多样性。其次，对源域图像进行跨域混合风格扰动，进一步拉近其与目标域的域特征分布，最后通过基于对抗性训练的域分类器，对齐源域和目标域的跨域不变特征，增强模型在不同域上的泛化能力。该模型在仅使用8张真实绝缘子缺陷图像样本参与训练的情况下，相较于基础检测模型，AP50指标提升了9.3%，且通过消融实验验证了各模块的有效性。此外，该模型在不同绝缘子缺陷数据集上与同类型有监督领域自适应模型的对比下均取得了更高的检测性能，例如，在自建绝缘子缺陷数据集上与同类最优模型相比AP50提高了3.9%，在公共绝缘子缺陷数据集IDID上与同类最优模型相比AP50提高了2.4%。
-
基于个性化联邦域泛化框架的旋转机械故障诊断方法
摘要：
在智慧工厂加速落地的背景下，尽管分布式工业环境中各企业及工厂管理的相似旋转机械设备具有潜在的协同诊断价值，但受数据隐私保护要求无法进行共享，同时运行工况差异导致采集的数据呈现非独立同分布特性，严重制约不同客户端高效诊断模型在变工况场景中的泛化能力。为应对这些挑战，提出了一种基于个性化联邦域泛化框架的旋转机械故障诊断方法，在不共享本地数据的前提下，通过端间协同通信与本地个性化更新的交替对抗优化，有效提升边端诊断模型的泛化性与鲁棒性。其中，诊断模型基于隐态卷积网络构建，采用输入驱动的特征自适应方式实现灵活建模。在端间协同通信阶段，以公开数据集为媒介引导边端模型在共享语义空间中知识迁移，并引入结果一致性约束提升通信效率。在本地更新阶段，为防止对本地知识的遗忘，结合本地性能约束与自蒸馏机制，引导个性化保护下的模型优化，确保边端模型的本地诊断稳定性。在华中科技大学轴承数据集与机械综合诊断平台轴承数据集上进行实验验证，所提方法在两个数据集上的全局工况平均准确率分别为88.96%与92.33%，整体优于多种先进方法。该方法在提升边端模型跨域泛化能力的同时，保持了其稳定可靠的本地诊断性能。
-
基于声发射技术的CFRP/ steel粘接接头损伤行为研究
摘要：
碳纤维增强复合材料/钢（CFRP/steel）粘接接头在桥梁和船体结构加固中应用广泛，其力学性能受搭接长度的显著影响。针对现有研究中损伤演化机理揭示不足、识别精度有限的问题，提出了一种融合声发射（AE）与数字图像相关（DIC）技术的损伤监测与搭接长度识别方法。选取25、50、75和100 mm这4种搭接长度，在准静态拉伸加载过程中采集 AE 信号的幅值、能量、质心频率、均方根（RMS）及持续时间等特征参数，并结合DIC的全场应变分布，分析接头的损伤起始、扩展以及失效模式的演化规律。研究表明，接头损伤过程可分为3个阶段，失效模式主要有钢变形、纤维断裂、基体开裂、粘结失效和内聚失效。另外，搭接长度对接头的力学性能有显著影响，其中搭接长度为 100 mm 的接头的极限拉伸载荷为60.70 kN，约为 75 mm 接头的2倍。然后，以声发射的特征参数为输入，构建了基于极限梯度提升树（XGBoost）的CFRP/steel粘接接头搭接长度识别模型，识别准确率高达 94%。最后，在该模型中引入可加性解释模型（SHAP）量化各特征贡献度，结果发现质心频率、RMS 与持续时间是关键特征。该研究揭示了搭接长度对接头损伤行为的作用机制，有效挖掘了声发射特征与接头损伤状态之间的关系，从而提升了损伤预测的准确性与解释能力，为CFRP/steel粘接接头的失效模式预测和结构优化设计提供了重要参考。
-
基于YOLO-MCSL的轻量化智能电能表热缺陷目标检测方法
摘要：
针对智能电能表及其接线盒热缺陷红外检测中存在的小目标漏检率高、复杂背景干扰严重及现有模型精度与效率难以兼顾等问题，提出了一种基于改进YOLOv8s架构的轻量化智能电能表目标检测算法YOLO-MCSL，旨在满足电力现场巡检对实时检测的迫切需求。首先，将MobileNetV4轻量化网络作为骨干网，显著降低模型参数量与计算开销；其次，引入RT-DETR模型中的CCFF跨尺度特征融合模块，增强对多尺度微小热缺陷的感知能力；随后，设计轻量化C2f_Star模块替代原C2f结构，进一步压缩模型并提升特征提取效率；同时，构建LSCD轻量化共享卷积检测头，通过参数共享机制减少冗余计算；此外，结合Focaler-SIoU损失函数优化边界框回归过程，提升难易样本区分度；最后，应用层自适应幅值剪枝算法对模型进行结构化剪枝，实现性能与轻量化的平衡。基于自建的智能电能表热缺陷红外图像数据集开展实验，结果表明，在3类关键部件：接线盒、电池模块与显示屏的检测中，YOLO-MCSL的检测精度分别达到91.6%、99.2%和99.5%，整体mAP@0.5为97.9%。相比YOLOv8s基准模型，参数量为1.749 M，减少了84.3%，计算量为5.7 GFLOPs，降低了80.2%，模型内存占用为3.8 MB，减少了82.3%。该方法为智能电能表缺陷检测提供了高精度、轻量化、可嵌入部署的解决方案，具备良好的工程应用前景。
-
基于PPIR-CBAM-VAE的阻抗法不均衡数据玻璃窗胶条失效诊断方法研究
摘要：
玻璃窗胶条长时间使用会发生老化，破坏结构的密封性，带来安全隐患。这类损伤具有高度隐蔽性，采用传统的人工检查手段不能及时发现问题，并导致健康-故障数据不均衡。针对这一问题，提出了一种将压电阻抗技术与Transformer深度学习模型结合的非侵入式故障诊断方法。针对实际应用中故障样本稀缺与数据分布不均衡的核心挑战，创新性地提出了一种基于卷积注意力机制和变分自编码器的数据增强生成模型，通过学习真实故障数据分布生成新样本以扩充数据集并提升Transformer模型的泛化能力。为进一步优化生成数据质量，提升诊断准确性，引入PPIR技术，将其与CBAM-VAE结合形成PPIR-CBAM-VAE协同优化方法。PPIR技术通过精确保留关键谐振峰特征、剔除非峰值点，并利用线性插值修复非峰值区域来生成样本，在丰富样本多样性的同时显著提升数据集稳定性。实验结果表明，PPIR-CBAM-VAE方法在极具挑战性的健康-故障样本不平衡比达20∶3的条件下，诊断准确率达到92.13%；在不平衡比为4∶1的条件下，诊断准确率从基础方法的92.27%显著提升至96.45%，极大优化了模型对少数类故障样本的识别性能。该研究系统构建了融合压电阻抗技术、Transformer模型及创新性PPIR-CBAM-VAE数据增强的故障诊断框架，为建筑密封系统健康监测提供了高灵敏性、高适用性的新解决方案。
-
基于弱磁法的管道氢致损伤力磁耦合特性研究
摘要：
长输油气管道局部氢致损伤的失效过程涉及材料力学行为、磁性响应与氢扩散的耦合效应，难以通过常规无损检测技术进行有效识别，对能源运输系统的安全构成严重威胁。其中管道弱磁内检测技术因对铁磁性材料早期损伤的本征敏感性与在线检测等独特优势，在氢致损伤的检测与评估中展现出巨大的应用潜力。因此基于此技术，结合第一性原理，提出了一种面向管体局部氢致损伤与磁信号响应关系的多尺度交叉分析方法，并引入Qaverage 多分量磁特征融合响应参数对多物理场作用条件下氢致损伤失效行为及危害程度进行有效表征。研究结果表明：在漏磁检测中饱和磁化使材料磁畴高度有序排列，氢富集高压应力集中区难以对整体漏磁通产生显著扰动，因此未出现明显磁响应特征，相比之下弱磁信号特征分量变化较磁记忆检测平均提升1倍，在氢致损伤检测中展现出良好的适用性与有效性。与此同时，随着管体内压和外部励磁强度升高，氢富集区应力集中与磁畴重构行为加剧，具体表现为Qaverage 响应曲线随管体内压升高呈非线性上升，Q235和Q345钢平均响应增长率分别为137和195 A·m-1/MPa；随励磁强度增加近似呈线性上升，Q235和Q345钢平均响应增长率分别为61.24和69.06 A·m-1/A。
-
基于多目标优化与相关性分析的大口径反射镜展开系统优化设计
摘要：
大口径反射镜展开系统主要用于解决口径超出整流罩包络的望远镜发射问题，需要保证折叠后的望远镜包络满足整流罩包络的约束，并尽可能减轻展开系统的质量，降低执行机构设计复杂度。由于存在设计参数与评价指标较多的问题，故提出采用多目标优化算法与参数相关性分析相结合的优化设计方法，以提高展开系统性能。首先，提出了一种引入罚函数的多目标粒子群优化算法：根据评价指标间的耦合关系，降低优化目标数量；建立多目标粒子群优化算法，并使用罚函数作为各参数方案是否满足展开系统功能的判据，从而实现展开系统多目标优化并保证算法结果的可靠性。其次,通过改变参数搜索区间、折叠后反射镜的径向包络等初始条件进行仿真，分析算法结果的初始条件、设计参数与评价指标的相关性。最后，通过将评价指标分组，并采取分步打分与筛选的策略，选出了一组最优参数方案。相比于原始设计，其总质量降低了20.90%，最大等效转动惯量降低了28.75%，2根摇杆的伸缩行程分别缩小了64.04%与67.04%。采用最优参数方案重新构建大口径反射镜展开系统，并对其进行折叠状态下的随机振动分析。结果表明，在不改变材料的前提下，优化后的大口径反射镜系统仍可满足相应的力学条件。
-
石墨烯气凝胶加速度计低频低幅振动频域响应特性及应用研究
摘要：
石墨烯气凝胶已被证明具有响应振动的能力及开发新型加速度计的潜力，为探究石墨烯气凝胶传感器在低频低幅振动下的响应特性，根据所制备的GA力学性能表现，设计组装了一款新型GA加速度计。其中，GA既是弹性元件也是敏感元件，实现了双功能集成，简化了整体结构。在振动台上测试了该加速度计的响应特性，并在真空泵上进行了电机振动频率监测验证。测试发现,GA加速度计不仅在时域信号上表现出高灵敏度和线性度，1g加速度下的灵敏度均在3 mV/g以上，高于先前的报道2.6 mV/g。其频域信号也表现出高精度和稳定的重复性，其0.44%的最大相对误差率比商业传感器的546%低一个数量级。在低频低幅振动响应测试中，GA加速度计的频域信号表现出较大的直流偏移量，屏蔽了相对较小的频域信号,可通过高通滤波去除直流偏移量后得到直观的频域信号。此外，在GA加速度计的振动监测中，其对定频与变频振动均响应出稳定的时域信号，且对输出信号做时频分析得到的结果与所设定的工况相符。在实际监测应用中，其性能表现同样卓越，同一工况下3次频率测试的结果均保持一致，同时，监测信号能够对机身晃动异常行为产生显著的信号输出变化，证实其在设备状态监测方面具有重要的应用潜力。
-
转速波动和键相抖动下测量转频相位的跟踪回归法
摘要：
转子转速波动导致瞬时相位非平稳，键相信号抖动导致参考相位漂移。以上干扰因素叠加造成基于振动信号的转频相位测量方法的误差显著增大，严重制约了转子系统的动态辨识和动平衡效果。针对此问题提出了一种基于瞬时相位重采样的跟踪回归法，以实现实际复杂工况下的高精度转频相位测量。首先通过零相移宽带通滤波和希尔伯特变换计算振动信号的瞬时相位，完整提取了转子转速波动信息。并结合插值上采样的键相点序列对瞬时相位进行跟踪重采样，充分利用键相信号降低转速波动造成的相位非平稳性。构建了精确描述重采样相位的一、二阶循环平稳模型，实现将键相抖动干扰量化为加性噪声。进一步对重采样相位进行线性回归以充分抑制噪声干扰，通过对截距的渐近无偏估计实现转频相位的精确测量。最后通过仿真和实验验证了该相位测量方法优越的抗干扰能力。在综合了转速波动和键相抖动干扰因素的仿真测试中，所提方法与传统阶次谱校正法和峰值时差法相比，相位测量误差分别降低70.4%和40.5%。在转子动平衡实验中，所提方法在强噪声下的四通道相位测量波动均<2°，单次动平衡校正即可将振动幅值平均降低92.2%。所提跟踪回归法实现了转速波动和键相抖动叠加干扰下的高精度相位测量，能够为转子故障诊断提供有力支持。
-
中心开窗结构的GFSP磁耦合机构轻量化设计
摘要：
针对负载移动场景下无线电能传输（WPT）系统的轻量化与抗偏移性能的综合需求，提出了一种面向工程实现性的中心开窗结构的网格型扁平螺线管（GFSP）磁耦合机构轻量化设计方法。首先，采用GFSP线圈作为WPT系统的发射和接收机构，基于互感理论对分散绕制的耦合系数进行机理建模与分析，分析分散绕制方式在提升耦合系数方面的作用机制，并指出该结构在位置偏移工况下具有更低的互感波动性。在此基础上，对GFSP磁耦合机构的铁氧体平面中心区域进行开窗设计，并提出相应的参数设计流程以实现结构减重与耦合性能保持之间的权衡，同时给出具体的参数实例设计。随后，通过建立未轻量化设计和轻量化设计的GFSP磁耦合机构ANSYS/Maxwell仿真模型，对耦合系数保持率进行对比分析，结果表明该设计在显著减小铁氧体重量的同时，仍能在水平偏移、传输距离变化以及垂直偏转等工况下保持良好的耦合性能。最后，构建基于单管双路P#LCC-S补偿拓扑的200 W实验样机，相较未轻量化设计的原始结构磁耦合机构重量减轻25%，并在水平偏移60%、垂直偏转90°以及传输距离80~120 mm范围内开展抗偏移性能与输出稳定性测试，输出电压不低于25 V，传输效率始终不低于80%，验证了所提设计方法的有效性与工程可行性。
-
基于粒子群-梯度下降混合优化的物镜偏振像差测量研究
摘要：
受到镀膜及材料双折射、内部应力的影响，高数值孔径光学系统不可避免存在一定的偏振像差，使得系统的成像质量与入射光偏振态相关。现有偏振像差测量技术一般装置较为复杂，测量不便，效率较低。针对此问题，提出了使用往返式光路进行测量，利用偏振分辨波前测量技术从聚焦光场的强度分布反演显微物镜的Jones矩阵，降低系统复杂度。首先，基于光线追迹及标量衍射理论建立了数值计算模型，模拟聚焦光场不同轴向位置处的强度分布；其次，将复振幅反演转化为最优化问题，进而利用粒子群及梯度下降混合优化算法建立了反演模型，通过优化表征偏振像差的Zernike多项式系数使得预测与目标强度分布之间的偏差最小化，实现光学系统Jones矩阵的反演；再次，基于数值模拟测试了给定偏振像差时模型的反演结果，Jones矩阵元素反演结果与目标值符合较好，误差值<10-3；最后，实验测量了商用高数值孔径显微物镜的偏振像差，反演了Zernike多项式系数，预测与目标强度分布保持一致。理论与实验结果表明，所提出的算法能够有效获得显微物镜的偏振像差，且具有结构简单、操作方便的特点，有望为高数值孔径光学系统的制造检测提供一个新的技术手段。
-
高轨卫星目指自准直测量光斑实时定位方法
摘要：
针对高轨卫星目标指向在轨自准直测量系统无法在有限的计算和存储资源下实现光斑实时定位的问题，提出了一种基于并行流水线的自准直仪光斑无存储实时定位方法。基于质心计算的分解特性设计了分解质心计算方法，计算行或列质心后再合成二维质心，实现了光斑质心的无存储计算，避免了对原始图像数据的全局存储需求；基于并行流水线架构设计了滑动相关滤波方法及其FPGA实现方案，采用高斯负二阶导数模板，通过滑动窗口内像素与模板的实时相关性计算有效抑制背景梯度噪声和随机噪声，依托流水线乘法器、加法树累加器等硬件优化设计，确保在数据流式输入过程中同步完成滤波运算，降低噪声影响的同时保证了计算的实时性。采用仿真和实机部署方式完成验证，结果表明分解质心法在确保计算精度的前提下仅利用FPGA片内少量RAM即可在读取光斑信息后246个时钟周期内完成滤波和质心计算，在25 MHz时钟下计算时间仅为9.84 μs，计算结果的平均偏差为0.032 pixels，具有较高实时性和计算精度。分解质心法可显著提升高轨卫星光学载荷视轴指向在轨监测数据反馈实时性，为高速机动目标的跟踪定位提供实时数据支持，在航天遥感领域有重要应用价值与前景。
-
新生儿胫骨超声导波频散曲线提取和骨质评估方法研究
李卿，Tho N.H.T. Tran，郭佳林，陈洪磊，他得安
摘要：
超声骨质评估对新生儿代谢性骨病的诊断和预防具有重要意义，双能X射线吸收测定技术因存在电离辐射，难以满足新生儿骨质状况长程监测的临床需求；而生化指标检查作为有创性检测手段，同样无法适用于新生儿骨质状况的评估。超声导波检测技术凭借非侵入性、无电离辐射的显著优势，已被应用于骨质疏松症诊断和骨折状况评估，但针对超声导波评估新生儿皮质骨骨质状况的临床研究仍需进一步深化。为此，提出了一种基于矩阵束谱估计的超声导波波数频散提取方法，旨在实现新生儿胫骨声速与皮质骨厚度的准确评估。首先，通过数值仿真构建单层骨板模型及多通道超声相控阵导波波场，实验结果显示：该方法对1、2及4 mm厚度各向同性板参数的评估相对误差均<3%；在信噪比分别为10和5 dB的条件下横向对比皮质骨厚度评估结果，证实评估精度受噪声影响弱。进一步将该波数频散提取方法应用于新生儿胫骨皮质骨纵波速度评估，结果表明：所估计的皮质骨声速与临床超声测量仪检测结果的相对误差<10%，且皮质骨检测厚度与新生儿各项体征测量值存在显著相关性(p值<0001)。该研究论证了超声导波法在新生儿胫骨骨质状况评估中的临床应用价值，有效拓展了超声导波法在临床上的适用范围。
-
PUDet:基于生成上采样网络的3D目标检测方法
摘要：
基于LiDAR的3D目标检测在性能上表现出色，但前景目标点云分布不均匀，往往削弱了其几何特征的表达。同时，远距离目标通常点数稀少，进一步影响检测效果。为此，提出了一种创新框架PUDet，将生成模型融入判别式检测器中。利用带有先验知识的点云上采样网络，增强前景目标的几何细节，从而帮助检测器实现更精确的预测。PUDet包含2个关键模块：针对近距离目标的LDEM，通过优化点云分布来提升检测效果并降低计算成本；针对远距离目标的DDAM，通过增加点密度更清晰地勾勒物体轮廓。为了验证几何轮廓的优化效果，在增强前后分别对近距离和远距离目标的均匀损失进行了实验对比，证明了LDEM和DDAM的有效性。本研究还通过目标点云的注意力图展示了模型对关键区域的关注程度，从而进一步分析了精度提升的内在机制。在KITTI测试集上的实验结果表明，PUDet将基线模型CT3D的mAP提升了1.84个百分点。本研究为3D目标检测领域提供了一种新的方法，并为自动驾驶等应用场景中的精确目标识别和处理提供了更准确、可靠的支持。
-
基于视觉语义约束的激光雷达大目标尺寸测量方法
摘要：
针对单帧视角数据难以反映大尺寸目标的完整轮廓从而导致尺寸测量受限的问题,以汽车为大目标测量研究对象提出了基于视觉语义约束的激光雷达大目标尺寸测量方法。该方法首先通过联合标定和时间戳最近邻匹配实现激光雷达、相机和惯性测量单元数据的时空同步;然后移动小车获取整个目标3个维度上的信息,利用同时定位与建图技术实现被测目标轮廓重建,并且在该模块通过基于地面的残差优化和回环检测框架提升算法精度；之后对点云去噪后使用地面分割算法分割地面点与非地面点,并采取直通滤波保证分割效果，与此同时使用目标检测算法获取图像中目标的类别和位置信息；其次通过自适应阈值点云聚类方法,将不同点云簇中心进行视觉投影,根据视觉目标检测结果定位目标对应点云;最后,设计了一种轮廓拟合算法完成目标点云的轮廓拟合,再利用三维框拟合算法实现目标的尺寸计算。实验结果表明,对于汽车这类尺寸较大的物体,提出的方法在有较多车辆的停车场, 车辆长度的最大误差<1.97%、平均误差<0.82%,宽度的最大误差<3.26%、平均误差<2.08%，高度的最大误差<3.99%、平均误差<1.99%，具有良好的工程应用前景。
-
面向复杂工业场景的人体姿态估计性能增强方法
摘要：
人体姿态估计是工业制造5.0的重要支撑技术之一，已经在行为识别、人机交互、数字孪生等多种场景展开了应用。然而，在复杂工业场景下，告示牌、管线、立柱等物品极易对作业人员形成局部或全局遮挡，导致人体姿态估计模型在关键点定位时出现偏差，造成模型对姿态估计的准确率降低。针对该问题，提出了一种面向复杂工业场景的人体姿态估计性能增强方法，该方法首先基于量子化自编码器对人体关键点进行结构化建模，将关节点特征映射到量子化隐空间，以提升人体部分遮挡时姿态估计的准确率。然后，针对工人遮挡数据集构建困难的问题，创新地提出了一种面向人体姿态遮挡的动态数据增强训练方法，在模型训练过程中，通过评估人体姿态估计模型在数据集上对各关键点的估计结果，使用工业场景真实遮挡物动态生成符合工业场景特征的工人遮挡图片用于下一次模型训练，进一步提升模型在人体姿态估计任务中的鲁棒性。实验结果证明，所提的方法在自建数据集上相比先进方法PCT平均准确率AP和平均召回率AR分别提升了3.8%和2.7%，其能够有效地应对复杂工业场景中的作业人员人体遮挡问题。
-
MFSF-DETR:一种基于多尺度特征移位融合的PCB缺陷与元件检测算法
摘要：
随着电子产品向高性能、小型化方向发展，印刷电路板(PCB)作为电子系统的核心载体，其设计与制造日趋复杂，元件排列更加紧密，结构也更加精细，从而对元件检测与缺陷检测提出了更高的要求。虽然以YOLO为代表的基于卷积神经网络的目标检测模型已获得大量研究，但这些模型只针对单一的缺陷或元件检测场景进行设计，且在小目标和密集场景的检测上效果有限，而RT-DETR的出现使得基于Transformer的端到端检测模型在实时检测领域有了出色的表现。为此，在RT-DETR模型基础上，针对PCB场景提出了一种基于Transformer的端到端实时目标检测模型MFSF-DETR。首先，采用Faster-CGLU Block替换主干网络中的Block层，细化通道注意力机制，引入了纠缠Transformer模块(ETB)整合频域与空间域，丰富深层语义。然后，设计了自适应加权跨尺度特征融合网络(RAWCFF)代替了基于CNN的跨尺度特征融合网络(CCFF)，并与跨尺度特征移位融合网络(CFSF)组成新的特征融合编码器，实现邻层特征与非邻层特征的深度交互。最后，分别使用PCB缺陷数据集DsPCBSD+与PKU-Market-PCB、PCB元件数据集PCB_WACV、PCB与无人机数据集VisDrone2019评估提出的模型在PCB场景下的检测效果与泛化能力。实验结果表明，MFSF-DETR模型在缺陷与元件检测上达到了85.6%、98.1%与89.9%的最高精度，相比基线模型提高3.1%、1.0%与3.8%，同时FPS指标也达到了120.2、57.1与71.8，实现了PCB背景下的高效、高精度检测。
-
CNN结合Transformer的高光谱图像和 LiDAR 数据协同地物分类方法
摘要：
在高光谱图像与LiDAR数据协同分类的研究领域中，尽管CNN和Transformer在图像处理和数据分析中分别展现出对局部特征和全局依赖关系的敏锐洞察力，但二者的协同机制尚未充分挖掘，跨模态特征互补潜力未被有效释放。故提出了一种CNN结合Transformer的高光谱图像和LiDAR数据的多模态遥感数据协同地物分类方法。首先，该模型通过主成分分析对高光谱图像进行降维处理以去除光谱的冗余信息，继而利用CNN分层捕获局部纹理特征，同时借助Transformer自注意力机制构建全局光谱-空间表征。然后通过双向特征交互机制，将Transformer输出的全局上下文信息注入CNN特征通道，同时将CNN通道提取的局部细节反馈至Transformer支路，经特征耦合单元实现跨尺度特征对齐，强化模型对高光谱图像全局结构与局部细节的联合提取能力。对于LiDAR数据，采用动态卷积级联模块有效捕获高程信息和上下文关系，最终通过跨模态特征融合模块实现双源数据特征的深度交互与融合，在双模态语义互补中提升复杂地物的分类精度。在Houston2013、Trento和Augsburg这3个公开数据集上的实验表明，该方法总体分类精度分别达到99.85%、99.68%和97.34%，平均准确率分别达到99.87%、99.34%和90.60%，较GLT、HCT等主流方法的分类精度有所提高，充分证明所提方法进行多模态数据协同分类的优势和有效性。
-
城市峡谷环境下基于多级弹性策略的 RTK/ INS 紧组合导航方法
摘要：
针对GNSS/INS高精度组合导航模型在复杂城市峡谷环境下卫星信号容易受到遮挡、多路径效应和故障干扰的问题,提出了一种基于多级弹性策略的RTK/INS紧组合方法，通过“异常检测-故障排除-多源增强”的分级处理机制提升系统精度和鲁棒性。首先，该方法在卫星RTK定位阶段, 通过引入基于卡方检验的故障检测方法，实现对每个历元观测数据中故障的快速判别。若检测到故障,便执行解分离,精准定位故障卫星并进行故障隔离,从而提升卫星导航系统的可靠性。然而，由于门限检测方法原理的局限性，尽管宽松的门限设置有助于确保“大故障”被及时检测，但也可能引发虚警，导致部分“小故障”未能完全排除。为进一步提高组合导航系统的弹性和可靠性，采用IGG-Ⅲ抗差估计方法，动态调整组合导航系统的观测权重,进一步增强系统对门限下“小故障”的抑制能力,提高复杂场景下导航系统的整体性能。实验结果表明,所提出的算法在东向定位误差降低了34.29%,在北向误差上降低了13.22%,尤其在天向定位误差上取得了55.87%的显著降低。整体性能评估结果表明,所提算法的三维定位性能相比传统方法提高了46%，充分验证了该方法在复杂城市峡谷环境下的有效性与鲁棒性。
-
面向遥操作机械臂的三维柔性触觉传感器
摘要：
传统三维力传感器在应用中存在如剪切力与法向力耦合，柔性不足，解耦算法复杂等问题，制约了其在遥操作机器人精密作业场景中的应用。针对上述问题，提出了一种基于单层环形正弦化磁膜的三维磁性触觉传感器，旨在实现对三维力的实时解耦测量。该传感器通过单层磁膜结构实现了三维力自解耦，避免了传统三维力传感器的多维力耦合与对复杂算法的依赖。经标定实验测试，该传感器性能优秀，具备高灵敏度和高精度特性。其可在Z轴方向测量0~15 N的力，灵敏度为0.014 7 kPa-1，均方根误差为0.001 5 mT。在X与Y轴方向则覆盖-5~5 N的测量范围，灵敏度分别可达0.020 3与0.020 9 kPa-1，均方根误差则分别为0.002与0.001 9。同时，传感器本体由柔性结构设计，兼具了低功耗、高输出频率等特点。在滑觉控制实验中，在机械臂末端执行器上构建了滑觉控制策略。通过在增广智能夹爪上安装所设计的触觉传感器，使得该系统能够实时监测夹爪与物体接触面间的法向力与切向力，并结合增量式PID控制策略，在检测到滑动发生后迅速调整夹持力，实现对动态增重容器的稳定抓取。该实验平均响应时间为113.3 ms，验证了引入该传感器的滑觉控制策略在实际应用中的稳定性与可靠性。
-
基于局部地图复杂度动态势场引导的无人船路径规划算法
摘要：
针对河道、沿海等真实水域地图复杂度多变场景下，固定参数易引发路径规划效率低、路径震荡、碰撞风险升高，地图过度探索等问题，提出了一种基于局部地图复杂度动态势场引导的无人船路径规划算法。该算法通过实时感知环境动态调整参数，显著提升了复杂水域中的规划性能与安全性。首先，根据每个扩展节点实时进行障碍物碰撞检测并计算该节点的局部地图复杂度，根据此复杂度动态调节势场引力强度、斥力强度、自适应调节节点生成策略中的随机探索与势场引导的混合权重以及三级安全步长的切换，解决传统固定参数在实际环境中复杂度交叠水域的适配问题。同时，构建融合目标引力、障碍物斥力与边界斥力的复合导航势场，解决狭窄水道避障与贴边安全平衡问题，提高路径规划的安全性。然后，通过剪枝剔除冗余节点、拉伸优化关键转折点、三次B样条平滑路径保证曲率连续，提升路径可行性，满足无人船任务执行需求。通过电子海图仿真和无人船实验表明，本文算法在规划时间、路径长度、采样点数、路径可行性上均保持优势，对比改进算法DVSA-RRT，在复杂环境中，规划时间缩短87.27%，路径长度缩短21.6%，采样点数减少78.53%，提高了路径规划效率，缩小了路径规划空间，满足无人船任务需求。
-
基于DQN和圆拟合的机器人手眼标定方法
摘要：
近年来，随着工业机器人技术的不断发展，机器人搭载激光测距仪实现多姿态测量的应用场景和对手眼标定的需求逐渐增多，对手眼标定技术的精度提出了更高要求，而传统标定方法往往依赖专用标定物或传感器，操作复杂且成本较高。故提出了一种基于深度Q网络（DQN）算法和圆轮廓拟合的机器人手眼标定方法。利用DQN算法控制机器人末端两关节带动激光测距仪运动，使得激光测距仪返回值最小，在此基础上，建立机械臂运动学模型计算得到此时光点的理论坐标值。通过设定关节一的多个角度值，使光点在目标平面形成一个圆轨迹，对实际采集的光点坐标值进行圆拟合，建立等式约束下的优化模型，求解得到手眼标定的参数值。基于MATLAB平台模拟仿真，对该方法的可行性进行了验证，分析了角度参数和位移参数初始值对标定结果的影响和抗激光测距噪声干扰的性能。与其他标定方法进行对比，结果显示该方法具有更高的精度。搭建了实验系统，利用该方法求解标定参数，实验结果表明，标定后的系统扫描实验误差不大于05 mm，满足工业应用的精度要求。该方法无需额外昂贵的标定物，仅依靠激光测距仪的单测量量和几何约束，显著降低了标定成本与操作难度，同时具备良好的抗噪声性能，能实现工业现场高精度标定。
-
自适应蒙特卡洛法用于机器人标定定位精度可靠性分析研究
摘要：
几何参数标定是提升工业机器人末端定位精度的有效方法，定位精度是否精确可靠将直接影响机器人作业精度、产品质量及生产安全，开展已标定机器人末端定位精度可靠性分析意义重大。首先，建立了机器人MDH模型，采用轴线测量法对机器人几何参数进行标定。其次，对机器人末端定位精度可靠性分析计算，提出了基于自适应蒙特卡洛法的机器人定位精度评估方法。最后，采用Leica AT960激光跟踪仪对Staubli TX60机器人在测量重复性、关节运动范围、关节运动步长、关节运动速度等不确定因素影响下进行标定实验，实验结果表明：采用轴线测量法对机器人几何参数标定，定位精度提高了约22.9%，证实了该方法标定机器人几何参数的有效性。同时，在不同测量因素影响下采用自适应蒙特卡洛法及经典蒙特卡洛法对已标定机器人定位精度可靠度计算，结果表明：关节运动范围、关节运动速度和测量重复性对标定机器人定位精度可靠性影响较大。当数值容差取值为0.01及0.02时，采用AMCS获得的定位精度可靠性概率密度函数曲线的平均值、方差、偏度和峰度与由MCS获到结果的最大相对误差分别为1.1%及1.9%，但运算时间约为MCS的1/4及1/9。证实了采用提出的AMCS对机器人定位精度可靠性分析时能够通过设定不同的数值容差来控制算法的收敛速度和精度，适于在实际工程问题的可靠性分析中推广应用。
-
输入迟滞与全状态约束下线控转向系统自适应模糊固定时间容错控制
摘要：
针对具有执行器故障、输入迟滞以及全状态约束的线控转向系统，提出了一种自适应模糊固定时间容错控制方法。首先，建立了综合考虑执行器故障与输入迟滞的线控转向系统动力学模型，其中输入迟滞由转向电机电磁特性、机械传动间隙和传感器信号处理延时等原因引起，采用Backlash模型描述；执行器故障通过有效因子和偏置故障建模，反映转向电机性能退化现象。接着，基于反步控制理论、模糊逻辑系统以及自适应技术，设计执行器故障和输入迟滞的补偿方法，其中模糊逻辑系统用于逼近系统中的未知非线性项，且自适应律设计仅需对单一全局参数进行实时更新，有效降低计算复杂度。为了确保系统状态始终处于预设约束边界内，引入障碍Lyapunov函数，将前轮转角及其变化率的约束条件融入控制律设计，从安全性、执行器可实现性和驾驶舒适性等角度进行分析。在此基础上，构建固定时间控制器，保证系统跟踪误差在固定时间内收敛至有界紧集，从而有效提升复杂因素影响下闭环系统的控制精度与可靠性。实验结果表明，所提方法在双移线和急转弯两种经典工况以及低附着路面极端工况下均未发生状态越界，且平均最大误差和平均均方根误差分别为0.038和0.006 rad，明显优于现有文献中其他方法。
-
NPC型并网逆变器参数自适应预测电流控制策略
摘要：
针对NPC型并网逆变器在无差拍预测电流控制时因系统参数失配导致的电流跟踪精度下降问题，提出了一种基于Popov超稳定性理论的模型参考自适应无差拍预测电流控制策略。首先，利用无差拍预测控制器，通过两步预测对输出电流进行预测与补偿，在理想条件下可实现高动态响应和低谐波失真。其次，为进一步克服实际中电感参数变化带来的影响，引入模型参考自适应结构，通过构建参考模型与可调模型进行对比，得到其输出误差后依据Popov超稳定性理论设计参数自适应律，实现对关键参数的实时辨识与动态补偿，从而在维持系统动态响应速度的同时显著提升参数鲁棒性及电流预测精度。同时将基于动态因子的SVPWM策略嵌入至模型参考自适应无差拍预测电流控制中，对电压矢量作用时间进行重新分配，在输出电压矢量的同时有效抑制中点电位的波动，进一步提高系统的控制品质和运行稳定性。最后，搭建仿真模型和实验样机并与传统策略进行对比分析。结果表明，在无参数失配情况下，所提策略相较于传统的无差拍预测电流控制策略，系统的输出电流总谐波畸变率降低了9%，在参数失配下降低了28%，动态响应速度提升了34%，验证了所提控制策略在增强系统鲁棒性、改善输出波形质量以及加速动态响应方面的有效性。
-
基于HBF神经网络观测器的PMSM无模型预测电流控制
摘要：
针对风电机组变桨系统永磁同步电机(PMSM)在复杂运行环境中参数时变引发的模型失配难题，提出了一种融合超局部建模、HBF神经网络观测器以及改进双矢量调制的PMSM无模型预测电流控制(HBF MFPCC)方案。根据一阶超局部模型原理构建了PMSM无模型预测电流控制的预测模型，仅需使用电机的电流和电压等历史信息即可预测未来时刻的电流值，彻底摆脱对电机电阻、电感和磁链等参数的依赖，解决了传统模型预测电流控制(MPCC)依赖于精确电机参数的问题；设计了一种HBF神经网络观测器来对预测模型的集总误差进行快速辨识，采用决策树优化基函数中心与宽度，该观测器具有较高的辨识速度和适应性，能够有效提高预测模型的准确度；采用一种改进的双矢量最优占空比调制策略，从19组电压矢量组合中选择最优矢量作用于逆变器，并通过自适应时长分配抑制电流纹波，提高电流的跟踪性能。仿真和实验结果表明，在模拟极端参数失配的工况下,提出的HBF MFPCC策略相比MPCC策略能够使电流跟踪误差降低50%，谐波失真率降低28%;设计的HBF神经网络观测器能够使电流跟踪误差降低53%，谐波失真率降低55%；改进双矢量调制方法能够使电流跟踪误差降低24%，谐波失真率降低11%；该方案能够显著提高系统的鲁棒性且保证良好的电流跟踪性能。
工业大数据与智能健康评估
电子测量技术与仪器
视觉检测与图像测量
机器人感知与人工智能
自动控制技术
期刊介绍
主管单位：中国科学技术协会
主办单位：中国仪器仪表学会
主编：王巍
地址：北京市海淀区知春路6号锦秋国际大厦A座23层
邮政编码：100088
电话：010-64044400
邮箱：cjsi@cis.org.cn
国内统一刊号：11-2179/TH
