下载专区
二维码
- 当前目次
- 优先出版
- 专辑论文
-
超低温铯原子喷泉钟微波腔测试系统研制
摘要：
铯原子喷泉钟是基于原子内部量子跃迁而实现的标准频率信号发生装置，广泛应用于守时系统和其它精密测量领域。超低温铯原子喷泉钟是铯原子工作在液氮（80 K）环境中的新型喷泉钟。当原子周围的温度由300 K降低到80 K时，铯原子喷泉钟的黑体辐射频移缩小187倍，黑体辐射频移的不确定度缩小79倍，微波腔相位频移和背景其他碰撞频移也会得到不同程度的改善。微波谐振腔是超低温铯原子喷泉钟的核心部件。为了使谐振腔的谐振频率和铯原子跃迁频率相近，必须对加工成型的微波谐振腔进行调谐和测试。超低温铯原子喷泉钟的微波谐振腔需要在大气、室温环境中调谐，在真空，超低温环境中使用，热胀冷缩效应引起的谐振腔的参数差别很大。为了检验谐振腔的调谐结果需要实验建立谐振腔的真实工作环境。研制了一套超低温谐振腔测试系统，依据微波谐振腔设计理论，计算了测试系统的工作参数，基于有限元方法建立了测试系统的模型，获取了超低温环境中谐振腔的温度分布。超低温谐振腔测试系统满足谐振腔对均匀温度、真空度和保温性能的所有要求。测试系统的真空度达到10-2 Pa，温度调谐范围为78～86 K，控温精度为002 K。
-
气流小温升校准方法研究
摘要：
航空发动机压缩系统效率的准确计算影响了压缩系统的设计和规划。目前计算压缩系统效率最常用的方法是温升法。而现有测温方法在气流温升不大于100 K, 马赫数不大于0.5的气流小温升环境中的测温不确定度接近1 K。严重影响了测温精度，进一步导致温升法计算的压缩系统效率精度不足。针对目前气流小温升校准中, 校准精度不足, 校准方法缺失的问题,提出一种以能量守恒和散热修正为基本思路的气流小温升校准方法。将精度更高的二等标准铂电阻作为参考气流温度传感器, 从风洞试验段出口前移至稳定段同一轴线上安装, 对参考气流温度传感器进行壁面散热温损修正, 分析得到气流小温升校准中参考气流温度传感器的不确定度为0.08 K。用气流小温升校准方法对被校气流温度传感器进行校准。在校准后测试中, 校准后的铂电阻气流温度传感器在马赫数0.398, 温升约50 K的情况下, 测温偏差在-0.075~-0.031 K之间, 与不确定分析的结果相当, 验证了气流小温升校准装置, 校准方法和不确定度评定方法。气流小温升校准方法提高了气流温度传感器在小温升环境下的指示真实气流温度的能力, 为航空发动机压缩系统效率的准确计算提供了有力支撑。
-
基于双路参考激励信号参数辨识的非接触电压测量方法
摘要：
电容耦合式非接触电压传感器在实际应用中，导线线径、绝缘层厚度、线芯与感应极板的相对位置不同会影响导线线芯与感应极板间的耦合电容大小，并且导线会对感应极板与接地极板间的结构电容产生附加效应，所引起的边缘效应会使结构电容大小也发生变化，使之无法凭借常规LCR仪预先精确测量，造成传感器增益不确定从而导致非接触电压测量精度受限。提出一种基于双路参考激励信号参数辨识的非接触电压测量方法，以实现测量过程中传感器增益的自标定。首先给出含寄生参数的等效模型并剖析其传递函数，将传感器多个内参数简化为2个集总内参数，通过仿真揭示了待测导线影响结构电容边缘效应从而改变其大小的规律。随后提出传感器参数辨识方法，获得考虑寄生参数和导线影响后的传感器内参数作为一固定参量参与电压重构以提升电压测量精度。制作传感器样机并搭建实验平台，完成参数辨识后进行多项实验。结果表明，幅值精度实验中幅值误差在1%以内，相位精度测试中相位差为0.13°，线径适应性实验可适应不同规格导线且误差最大仅0.15%，干扰信号屏蔽能力测试证实带屏蔽腔的同轴探头抗干扰性能良好。为提高非接触电压测量精度提供了有效解决方案。
-
不同地质条件下盾构机掘进速度预测方法
摘要：
盾构机掘进性能受不同地质条件影响明显。该研究以电驱土压平衡盾构机为对象，统计了961环3 761 006条掘进数据，包括砂质黏性土层等6种地质组合以及对应的盾构机掘进参数。通过相关性分析，确定与掘进速度紧密相关的特征变量，包括总推力、同步注浆量和泡沫压力等。然后，针对实际盾构工程存在数据分布不均衡问题，对原始数据高斯重采样，生成包含19 950个有效样本的数据集。随后，提出了一种基于Kolmogorov-Arnold Network（KAN）的盾构机掘进速度预测方法，KAN模型通过多层次复合函数的组合逼近非线性关系，将多因素耦合的非线性关系又近似分解为一系列单变量函数组合，在确保模型预测精度的同时，极大提高计算效率。以深圳至大亚湾地铁盾构工程为例，开展实验论证，结果表明：与卷积神经网络（CNN）、长短时记忆网络（LSTM）等模型相比，KAN在处理高维数据和非线性耦合关系方面表现出优越性能，其预测结果能够精确拟合实测数据。在地质条件较为单一（如全风化混合花岗岩、土状强风化混合花岗岩）的预测误差较低，平均误差控制在5.12%~7.02%，而在混合地层中预测误差有所增大，但总体平均误差仍控制在15%以内。该方法为复杂地质条件下盾构机施工优化提供了有力的决策支持。未来将地质空间分布信息以序列形式引入模型，并增加刀盘磨损的输出预测，为盾构施工的智能化管理提供更加全面的解决方案。
-
一种改进平稳小波去噪与扩展卡尔曼系统辨识的动态称量新方法
摘要：
针对在线检重秤在实际工作环境中受机械振动、被测试样自身冲击及外部随机扰动等多重因素影响，导致称重信号被噪声严重污染、称量精度难以满足要求的问题，故提出了一种基于收缩软阈值的改进平稳小波去噪与扩展卡尔曼系统辨识的动态称量新方法。首先，根据称重信号与理想信号的先验知识，采用7层平稳小波变换对称重信号进行多尺度分解，接着针对分解后得到的细节系数，将高频噪声占主导的细节系数d1,k~d4,k置0，并设计一种带收缩因子的软阈值函数对同时包含有用信号与干扰噪声成分的细节系数d5,k~d7,k进行处理，然后利用处理后的细节系数与原始近似系数进行平稳小波逆变换重构称重信号，从而有效抑制各种干扰噪声。最后在此基础上，采用扩展卡尔曼算法进行系统辨识，求解检重秤系统的模型参数，并利用所得模型参数计算被测试样的质量。为验证所提算法的有效性，实验采用5种不同质量的被测试样，分别在30、45、60、75和90 m/min这5种速度下进行多次加载测试，并对测试结果进行分析与比较。实验结果表明，所提算法的称量准确度优于时变低通滤波(TVLPF)算法、自适应预滤波与系统辨识(AID)算法以及自适应预滤波与扩展卡尔曼系统辨识（AEKSI）算法，满足国家标准《GB/T 27739—2011自动分检衡器》对XIII类检重秤的精度要求。
-
动态环境下AIP-RRT*与DGF-APF融合的机器人路径规划
摘要：
针对移动机器人在路径规划中存在收敛速度慢、路径冗余点较多、动态环境不适用，以及缺乏有效的协同机制综合全局与局部规划结果而导致路径长度的大幅增加等问题，提出一种基于改进势函数的自适应快速搜索随机树（AIP-RRT*）与基于动态引力场的人工势场法（DGF-APF）的路径规划融合算法。首先，构建了自适应目标偏置概率策略，通过启发函数生成新节点，以提高路径规划算法的搜索效率；其次，构建了自适应步长函数，以提高路径探索能力并加快路径规划算法的收敛速度；再次，采用了基于目标回溯的剪枝优化策略，剔除全局路径中的冗余点，以提高路径的质量；最后，提出了面向动态场景的AIP-RRT*与DGF-APF路径规划融合算法，通过以全局关键节点作为局部子目标点在动态环境下进行局部路径规划的方法，实现AIP-RRT*与DGF-APF融合算法的路径规划，并构建了基于动态引力场策略的协同机制，综合全局与局部路径规划的结果从而缩短路径长度。综合仿真实验与真实实验的结果表明，该路径规划融合算法具有较好的全局路径规划能力以及局部路径规划能力，使得机器人能够更好的适应静态以及动态环境。在真实环境中，改进融合算法相较于传统算法在路径长度方面平均减少了6.34%，在运行时间方面平均减少了10.71%。
-
基于RTSR-RRT*算法的机械臂路径规划
摘要：
针对传统RRT*算法在路径扩展中存在随机采样偏置性差、路径搜索效率低和收敛速度慢等问题，提出一种重定义采样区域RRT*（RTSR-RRT*）算法。首先，在RRT*算法中引入目标偏置策略，降低采样的随机性，增加采样点的偏向性；其次，将扩展节点与目标点的偏移角度及周围障碍物分布的密集程度按占空比转换得到的角度叠加，再以扩展节点为顶点，与目标点连线为平分线，平分两角度之和形成的采样区域，实现对采样区域的重定义，缩小采样空间，提高路径搜索效率；再次，在重定义采样区域进行二次采样，通过目标点固定引力与采样点变引力共同作用，优化新节点生长方向，进一步提高路径扩展的偏向性，加快算法的收敛速度，最终生成规划路径。为验证所提算法的优越性，通过与RRT*算法、informed-RRT*算法、GB-RRT*算法和AEC-RRT*算法进行对比，结果表明：相较RRT*算法，规划时间节省35%，采样点数量降低58%；相较informed-RRT*算法，规划时间节省40%，采样点数量降低50%；相较GB-RRT*算法，规划时间节省29%，采样点数量降低54%；相较AEC-RRT*算法，规划时间节省31%，采样点数量降低53%。最后，利用机械臂测试平台对所规划路径进行了运动测试实验，进一步验证了所提算法的有效性。
-
基于动态寻优蚁群算法的移动机器人路径规划
摘要：
路径规划算法是移动机器人研究的关键环节，蚁群算法正是较为成熟的一种算法，针对移动机器人路径规划算法所存在的收敛速度慢，转折点多，稳定性差等问题，提出了一种改进的动态寻优蚁群算法(IDOACO)，并通过3种措施进行改进。首先，设置带有方向指引的启发式信息，通过角度引导因子增强路径规划的目的性；其次，在伪随机状态转移概率中引入障碍排除因子和安全系数，提高路径的安全性；然后，提出多目标评价函数，平衡路径长度和能源损耗，实现路径规划的全局优化；最后，搭建动态避障调整模块，实时评估和调整路径，实现即时动态避障功能。将IDOACO算法进行实验对比，实验结果表明，在复杂地图环境下，IDOACO算法相较于现有算法，平均路径长度提升了约4.63%和11.78%，收敛速度标准偏差分别提高了55.21%和66.27%，实验表明IDOACO算法生成的最短路径不仅收敛更快，转弯次数更少，且具有更高的稳定性和收敛精度，随后成功验证了动态避障效果，最后将改进的算法应用于ROSMASTER-X3移动机器人，设置不同的目标点进行实际路径规划，实验结果表明，该算法可有效解决移动机器人路径规划中所面临的问题，具有一定的实际应用价值。
-
基于双分辨率栅格地图的机器人路径规划研究
摘要：
针对非平坦地形环境下移动机器人路径规划存在的存储效率低与地形适应性不足问题，提出一种基于双分辨率分层栅格地图的改进A*路径规划算法。该算法通过构建由高分辨率障碍物层和低分辨率高程层组成的复合栅格地图，其中障碍物层采用二值化表征刚性障碍分布，高程层基于数字高程模型量化地形起伏特征，从而实现地形特征的分层描述。在此基础上改进A*算法，重构其动态加权复合代价函数，改进后的算法在移动代价函数中引入地形坡度约束、能耗权重与安全系数三重优化维度，将启发式函数扩展为融合空间距离、坡度均方根及地形风险值的多模态评价指标，并设计基于距离敏感的动态权重调节策略，通过Sigmoid函数实现全局启发式搜索与局部路径优化的平滑过渡。实验表明，在边长为700 m×700 m的矩形测绘范围内，双分辨率分层栅格地图结构相较三维栅格地图减少61.7%存储负载；相较于传统A*算法，该方法规划路径的高程波动标准差降低38.9%。机器人实体实验验证了该方法可有效规避陡坡地形与障碍物。工程应用实验表明，该方法在在油田巡检等大尺度非结构化场景中内存占用减少62%，路径规划响应时间低于6.9 s，规划的路径具备平缓低起伏特性。
-
动态环境下基于深度图的无人车激光SLAM算法
摘要：
针对激光SLAM在动态环境下出现精度下降与系统鲁棒性差的问题，故提出一种动态环境下基于深度图的无人车激光SLAM算法。首先，针对激光入射光线贴近地面时，部分地面点云会被误判为动态障碍物的问题，通过角度阈值将激光点云分割为地面点云与非地面点云，排除地面点云的影响。其次，将非地面点云投影为深度图，把三维空间中的点云投影到二维图像上，采用图像领域的方法减少点云数据处理的复杂度。然后，针对稀疏的激光点云不能准确反映真实环境的问题，利用激光雷达的距离信息作为自适应调节深度图的权重设置深度图的分辨率，使得在不同距离区间的深度图具有不同的分辨率，在不同的距离区间都能够准确识别出动态障碍物，提高系统识别动态障碍物的效率。最后，将局部地图与激光雷达查询帧所形成的深度图进行像素相减，通过得到的视差图去除动态障碍物，并通过降低深度图的分辨率恢复被误删的静态点，得到高精度静态地图。通过实验验证，在仿真环境中，本算法的动态障碍物移除分数为94.13%。在KITTI数据集中，本算法的动态障碍物移除分数为95.22%。在小场景环境和大场景环境中，本算法的动态障碍物移除分数分别为96.43%和93.30%。算法能高效去除动态障碍物，提高地图精度与系统鲁棒性。
-
考虑动态因素影响的机器人磨削表面粗糙度预测
摘要：
机器人磨削过程受到动态因素与静态因素的综合影响，具有复杂耦合、高度时变非线性等动态特性。为解决动态因素特征选择困难与仅考虑静态因素致使表面粗糙度预测精度低的问题，结合深度学习技术，提出一种考虑动态因素影响的机器人磨削表面粗糙度预测方法。首先，利用卷积神经网络自动提取磨削过程中动态因素的空间特征，捕捉机器人磨削的复杂动态行为；通过双向长短期记忆网络从获得的空间特征中提取时序特征，表征机器人磨削的动态变化；引入注意力机制实现空间特征、时序特征和静态因素的自动权重分配；利用改进的鲸鱼优化算法自适应优化双向长短期记忆网络的超参数，提高收敛速度和适应机器人磨削动态变化。其次，根据所提预测方法，构建一种考虑动态因素影响的IWOA-CNN-BiLSTM-Attention表面粗糙度预测模型。再次，开展机器人磨削加工实验，将提取的动态因素空间特征和时序特征、采集的静态因素和表面粗糙度测量值归一化处理，构建实验数据集。最后，将实验数据集输入预测模型进行模型训练，实现同时考虑动态因素和静态因素的机器人磨削表面粗糙度预测；并通过对比实验验证所提预测方法的有效性，其对应预测模型的平均绝对百分比误差、均方根误差和决定系数分别为0.027 6、0.029 5和0.998 8，与对比预测模型相比，预测精度分别提高17.14%、13.65%和21.35%。
-
基于sEMG的人机交互随动控制研究
摘要：
针对人机交互条件下机械臂抓取任务中的随动性较差,导致操作流畅性较低、轨迹跟踪不理想等问题，提出了一种基于表面肌电信号（sEMG）的人机交互随动控制方法。首先，利用双gForcePro+臂环IMU数据获取肩、肘关节角度，并结合sEMG信号的特征提取，通过PSO-GRNN模型估计腕关节角度，建立人手臂与机械臂的映射关系，实现机械臂的随动控制。实验结果表明，PSO-GRNN模型在腕关节角度估计中的均方根误差（RMSE）相比传统GRNN方法分别降低了62.39%和55.18%，有效提升了控制精度。为进一步提升抓取任务中的控制精度，提出了一种基于CNN-LSTM网络的手势识别方法，实现夹爪的实时控制。同时，结合sEMG信号与实际刚度的映射关系，构建了一种人体上肢刚度估计算法，并将刚度调节信息引入自适应RBF-NFTSMC控制器，实现机械臂的柔顺控制。实验结果表明，优化后的RBF-NFTSMC方法相比传统NFTSMC方法，在轨迹跟踪误差上降低了约30-2%，并增强了系统的抗干扰能力。此外，为验证sEMG变刚度控制策略的有效性，搭建了基于双gForcePro+臂环和UR3e机械臂的实验平台。实验结果表明，基于sEMG变刚度控制的机械臂末端轨迹更接近目标轨迹，相较固定刚度控制方法，轨迹跟踪误差降低了24.6%，并改善机械臂在与物体交互时的柔顺性，提升了机械臂的稳定性、适应性。
-
螺栓/铆钉故障的视觉检测方法研究进展
摘要：
螺栓/铆钉分别作为输电线路、铁路交通、桥梁及飞行器等领域工程应用中不可或缺的连接紧固件，其在受到外界环境因素影响时，不免会出现销钉缺失、螺母松动、螺栓锈蚀及铆钉损伤等故障，准确识别有故障的螺栓/铆钉对保障输电线路、铁路交通、飞行器等安全稳定运行具有重要意义。在海量数据驱动下，基于深度学习的螺栓/铆钉故障检测方法利用卷积神经网络自动逐层学习图像的深层特征，通过训练优化网络模型参数提升特征提取能力和泛化能力，取得了比传统图像处理方法更好的检测结果。文章综述了近十年来基于视觉的螺栓/铆钉故障检测方法的研究进展。首先简述了螺栓/铆钉故障特征及视觉检测面临的挑战；然后依托深度学习技术概述了螺栓/铆钉故障检测方法，从双阶段算法、单阶段算法和级联检测模型3个方面对基于深度学习的螺栓/铆钉故障检测方法进行了总结；随后针对线路类、箱体类、构件类螺栓/铆钉典型应用场景，重点阐述了螺栓/铆钉故障的视觉检测方法；最后针对基于机器视觉的螺栓/铆钉故障检测在数据集、样本标注、小目标检测等方面面临挑战，结合现有的深度学习技术和最近的研究思路，详细分析了基于深度学习的螺栓/铆钉故障检测未来的发展趋势。
-
基于二维激光SLAM和纯跟踪方法的单舵轮AGV高精定位和鲁棒控制方法
摘要：
自动引导车（AGV）是实现智慧物流自动化装配的关键设备，其定位与运动控制的精度及鲁棒性直接决定了AGV运输系统的运行效率。而如何通过同时定位与建图技术（SLAM）进行AGV精准定位和鲁棒控制，避免传统AGV对二维码等固定标识的依赖提升场景应用泛化性，是当前AGV研究的关键问题。提出一种基于二维激光SLAM和纯跟踪方法的单舵轮AGV高精定位和鲁棒控制方法。考虑到单舵轮AGV的硬件结构和运输任务限制，将激光雷达架设在AGV顶部以最大程度获取环境信息。通过构建二维栅格地图作为系统定位基准，在室内结构化的场景中利用二维激光扫描快速定位AGV当前位置。采用基于预瞄距离的纯跟踪算法和柔性加减速方法对AGV进行车体控制与跟踪，实现平滑的路径跟踪曲线并提升长时间取送货任务的鲁棒性。实验验证中，对物流行业的真实室内环境进行了定位精度误差验证，激光算法在2 000次的激光定位结果中实现±5 mm的定位精度，直线轨迹跟踪精度在25 mm，AGV在120次的工作任务中的工作点重复定位精度在±6 mm。系统在无标识环境中实现高精度与强鲁棒性，为工业AGV升级提供高精度低成本解决方案，助力现代物流柔性化与智能化发展。
-
基于CT图像的煤矸元素成分分析算法研究
摘要：
针对常规煤矸石图像在纹理颜色上区别不大，易受灰尘等噪声干扰，难以通过常规图像得到煤矸石内部结构关键信息以及元素分布占比的问题，构建了可以深入分析煤矸石内部结构的高分辨率成像和抗干扰能力强的煤矸CT图像数据集。并基于深度学习算法对煤矸石常规图像分类识别精度不高的问题，提出了一种基于CT图像的煤矸元素成分分析算法。本算法运用改进的Res-Unet语义分割模型，对CT图像元素区域进行分割，并对其元素区域的占比进行分析，从而实现煤矸石的有效分类识别。算法设计上在Res-Unet编码器中集成高效局部注意力（ELA）模块，使模型更加关注关键信息，同时改进Res-Unet模型的跳跃连接方式来融合不同尺度的信息，有效提升模型的分割性能，确保模型对煤矸石CT图像不同元素区域的精确划分。实验结果表明，改进后的Res-Unet模型对元素区域进行了有效的分割，改进模型元素区域分割mIOU达到了84.48%，通过计算元素区域的占比对煤矸CT图像进行最终的分类，改进模型的煤矸CT图像分类准确率达到94.4%，超过了其他模型的分类准确率，结果表明了基于CT图像的煤矸元素成分分析算法的有效性。基于CT图像的煤矸元素成分分析算法为煤矸石图像分类提供了新的视角和方法，为工厂智能分类抓取煤炭提供了技术支持，推动煤炭行业的智能化和自动化发展进程。
-
机器人搭载双目视觉系统下的工件尺寸检测方法研究
摘要：
随着制造业的快速发展,工件尺寸精度要求日益提高,实现工件三维尺寸的高效精准测量对保障加工质量具有重要意义。针对机械加工工件三维尺寸检测需求,提出一种基于机器人搭载双目视觉系统的检测方法。以法兰盘为典型检测对象,搭建视觉检测系统,并设计基于双目视觉的工件尺寸检测算法流程。针对法兰盘图像易受高光和噪声干扰导致像素值污染的问题,提出一种灰度聚合算法,通过检测并重构污染像素值,显著提升了立体匹配代价计算的抗噪鲁棒性;同时,针对法兰盘图像特征重复或较弱导致的同名点匹配误差较大的问题,设计一种权重自适应计算算法,通过有效表征像素特征,进一步提高了立体匹配的准确度。基于上述研究,构建了融合灰度聚合与权重自适应计算的AD-Census立体匹配优化算法,并通过法兰盘尺寸检测实验,验证了该优化算法的有效性。此外,通过深入分析法兰盘视觉检测中视差误差的传递过程,建立相机测量位姿评价模型,确定了相机的最佳测量位姿,并开展不同测量位姿下的法兰盘尺寸检测实验,验证了最佳测量位姿确定方法的有效性。研究结果表明,所提出的方法能够进一步提高工件尺寸检测的精度,为机械加工工件的三维尺寸检测提供了新的技术手段。
-
融合双编码与元学习的小样本输电线异物检测
摘要：
输电线作为电力传输的重要设施，其异物检测是电网巡检维护的重要环节。然而，受限于输电线巡检数据的可获得性和输电线所处环境的复杂性，复杂背景下的小样本数据集输电线异物检测依然是一个挑战。就此提出一种由主编码Swin Transformer网络和次编码卷积神经网络（CNN）构成的基于两阶段元学习训练策略的双编码目标检测网络（ML-DCTDN），该网络的创新点在于：一方面主编码Swin Transformer网络通过2个阶段的元学习训练获得泛化特征提取能力，即第1阶段学习输电线特征，第2阶段学习异物特征，提高其在小样本数据集的目标检测任务中的表现；另一方面该双编码网络分别采用红绿蓝图像和灰度图像的输入方式，通过分层融合模块（LFM）和特征金字塔网络（FPN）模块实现红绿蓝图像和灰度图像的多模态特征融合，既利用了红绿蓝图像丰富的色彩和纹理信息，又借鉴了灰度图像对光线和细节纹理的鲁棒特性，强化了模型在复杂背景下的抗干扰能力与检测能力。消融实验表明，元学习训练策略明显提高了模型平均准确率（mAP），灰度图像输入方法将mAP提高了至少4%；与SSD、Faster RCNN、YOLOv5以及YOLOv8算法的对比实验表明，小样本数据集的输电线异物检测任务中借鉴元学习策略和双编码网络结构，能明显提高复杂背景下模型的目标检测精度，mAP50和mAP75值分别提高到986%和647%。
-
基于层次化多尺度特征融合的金属缺陷分类模型
摘要：
金属缺陷检测作为工业质量控制的关键环节，其检测精度直接影响制造业智能化进程。针对现有特征融合模块存在特征信息丢失、跨尺度信息交互不足以及识别准确率低等问题，提出一种基于层次化多尺度特征融合的分类模型。该模型通过融合Swin Transformer与ConvNeXt两种网络架构的互补优势，构建了具有层次化感知能力的特征学习网络。其中，Swin Transformer采用移位窗口机制和多级自注意力机制有效捕获全局特征，ConvNeXt通过深度可分离卷积和高效卷积操作精准提取局部特征。为实现全局与局部的高效融合，创新性地设计自适应层次特征融合层，该层采用通道注意力机制、空间注意力机制和多尺度融合策略，实现全局与局部特征在多层次上的有效融合，同时在该层中增加多层倒残差融合模块，通过动态调整提取特征信息，以确保特征融合的精准性与可靠性。为验证模型的有效性，在公开NEU-DET和GC10-DET数据集上进行实验，准确率分别达到99.6%和96.9%。为验证模型的泛化性，在自建数据集上进行实验，准确率达到99.8%，与目前主流算法ConvNeXt、Swin transformer、VGG16、ResNet34模型相比，准确率分别提升3.4%、2.3%、4.3%、2.7%。实验结果表明，HMFF模型在金属缺陷检测领域具有更显著的分类准确性和鲁棒性，为工业场景下的高精度缺陷检测提供了新的研究方法。
-
基于电磁多维时空特性的永磁同步电机高阻故障智能诊断研究
摘要：
永磁同步电机（PMSM）长期遭受频繁“电-磁-力-热”冲击，这会加速绕组绝缘老化，导致高阻连接（HRC）故障发生。HRC进一步诱发PMSM产生更为严重的损伤，准确诊断该类故障具有重要意义。目前，依据PMSM运行电压和负荷电流的演变规律，可为精准识别HRC提供参考。但是上述均为侵入式方法，可能会对电机正常运行造成一些干扰。由于HRC故障下电机空间电磁分布会发生显著改变，电机空间漏磁信号同样可提供PMSM的状态信息，且漏磁信号采集可使用非侵入式方法。为此，提出了一种基于电磁多维时空特性的PMSM高阻故障智能诊断方法，建立空间漏磁信号与电机差异化状态的关联关系，联合智能算法实现电机状态的智能评估。首先，依据电机绕组等效电路模型解析故障下电磁信号演变规律，明确最优电磁测试点。其次，提出了基于漏磁信号阵列的特征图像转换以及升维方法，联合GoogLeNet网络诊断电机故障。最后通过仿真模型与实验平台进行验证，实验结果表明：通过漏磁信号阵列的特征图像升维与智能评估方法能够准确识别和定位HRC，进一步实现HRC故障程度的评估，其准确率高达97%，验证了所提方法的有效性。该方法具有非侵入式和高准确性的优点，针对PMSM具有较广的应用前景。
-
改进多层自组织映射网络驱动的风电机组状态监测
摘要：
针对现有风电机组状态监测方法未充分考虑机组与其关键部件间的关联与信息传递问题，提出一种改进多层自组织映射网络驱动的风电机组状态监测方法。首先，采用皮尔逊相关系数对风电机组数据采集与监控系统(SCADA)特征进行选择，将特征信息作为风电机组树状结构的底层节点信息；其次，考虑到风电机组数据的非线性和时序的特点，基于历史数据的学习训练并构建长短期记忆网络(LSTM)模型来预测SCADA特征数值，计算预测残差；随后，使预测残差代替特征信息作为多层自组织映射网络(MLSOM)模型中底层自组织映射网络(SOM)模型的输入构建部件的正常行为模型，基于训练后的SOM模型以最小量化误差作为指标来表征研究对象的健康状态，按照上述方法分别建立发电机、齿轮箱、变流器关键部件的监测模型；然后，将不同关键部件的健康指标融合作为顶层节点信息输入到多层自组织映射网络模型中的顶层SOM模型进行训练，构建机组的正常行为模型，得到机组的健康指标用于整台机组运行状态的监测分析。最后，通过两个风电机组案例分析结果表明，所提方法可有效将部件信息逐级传递并汇集在风电机组上，进而实现整台机组的状态监测。
-
适用400 V或800 V电池的电动汽车无线充电系统的可重构拓扑
摘要：
随着越来越多的电动汽车公司加入无线电力传输的行列，互操作性问题逐渐变得明显。除了常见的耦合结构、补偿网络和通信协议互操作性问题外，电池电压互操作性问题也逐渐显现出来，即各种型号的电池电压等级不同。针对现有电动汽车动力电池的电池电压等级，额定电压可以主要分为400和800 V两种。考虑到公共无线电能传输设施的互操作性，电动汽车无线电能传输系统必须在相同的功率水平下有效兼容400和800 V的电池电压水平。为了满足实际应用场景，提出了一种具备电压等级互操作性的可重构拓扑结构。该系统采用了两个完全堆叠的单极型线圈作为磁耦合结构，并通过开关切换的方式实现相同功率水平下两种不同电压等级的输出。通过建立数学模型对所提系统进行分析建模，后续通过搭建了一个1.3 kW的小尺寸实验样机，对所提可重构拓扑结构功能进行了验证。结果表明，所提可重构拓扑结构具备在输出功率水平为1.3 kW时输出200和400 V的能力，并且系统最大直流-直流效率分别为90.97%和95.51%。最后，在所搭建的实验样机基础上对所提结构的偏移性能进行了测试与验证，结果表明所提系统在±100 mm的偏移范围内，直流-直流效率均高于90%。
-
考虑失效阈值随机性的交流接触器预测性维修决策方法
摘要：
交流接触器广泛用于控制系统，高效的维修策略是保障系统安全可靠运行的前提。由于交流接触器的三相触头不可避免地存在差异性，各相触头的失效阈值具有随机性，而现有维修决策方法没有考虑失效阈值随机性问题，不适用于交流接触器。为解决该问题，用累积燃弧焦耳积分表征交流接触器各相触头的性能状态，建立了综合考虑三相触头的失效阈值随机性、竞争失效和退化相关性特点的性能退化模型；提出了一种基于极大似然估计和条件概率公式的退化模型参数估计、三相触头失效阈值分布和剩余寿命分布的更新方法；提出了一种考虑交流接触器失效阈值随机性和维修策略更新的预测性维修策略，该预测性维修策略以最小化期望费用率为优化目标，在每个预测性维修策略更新时刻适应性地优化交流接触器三相触头的预防性更换阈值。最后，通过案例分析验证了所提维修策略的有效性，结果表明在预测性维修策略下，交流接触器的期望费用率可以近似划分为波动阶段、平稳阶段和上升阶段，并且与现有维修策略相比实际费用率降低了约10%，表明该策略能够对交流接触器更加高效地利用，经济效果更好。
-
基于温度反馈的高速开关阀变电压驱动控制方法研究
摘要：
良好的动态特性是高速开关阀流量精确控制的关键，然而现有的高速开关阀驱动控制策略忽略了变电压激励产生的温升对高速开关阀动态响应特性的影响。为了改善高速开关阀的动态响应特性并提高其工作可靠性，论文提出了一种基于温度反馈的高速开关阀变电压驱动控制方法。首先，基于Maxwell和Thermal建立了高速开关阀电磁热耦合仿真模型，分析了线圈匝数、驱动电压和环境温度对线圈温升的影响规律，结果表明增大驱动电压会引起线圈温升加剧；其次，进一步探究了温度变化对高速开关阀动态响应特性的影响规律，结果表明随着温度升高，开启滞后时间增加，关闭滞后时间减小，基于此提出了一种考虑温度反馈的变电压驱动控制策略，并在Simplorer中搭建仿真模型，验证了控制策略的有效性；最后，搭建了高速开关阀性能测试台，对比分析了单电压控制和变电压控制策略的控制效果，实验验证了所提出的变电压控制方法的有效性。测试结果表明：相比于传统的单电压控制，基于温度反馈的变电压控制策略下，高速开关阀的关闭滞后时间缩短了5.55 ms，线圈的稳态温度降低了24.5℃，有效改善了高速开关阀的动态响应特性，并提高了工作可靠性。
-
热辅助条件下微织构刀具铣削力预测方法研究
摘要：
刀具表面织构化处理能够显著改善刀具的切削性能。但激光加工有着急速升温与骤冷的加工特点，这会导致重熔层堆叠和微裂纹等问题。针对上述问题，引入热辅助激光加工技术。由于钛合金是难加工材料，因此铣削过程中刀具承受较大的铣削力，这会导致机械系统的动态响应及振动，进而影响刀具寿命和加工表面质量。因此，准确预测铣削力可以及时调整切削参数，在保证加工质量的同时，使铣削力处于合理范围，从而提高加工效率、降低刀具磨损。综上，以硬质合金球头铣刀为研究对象，将热辅助工艺与激光加工技术相结合，搭建铣削试验平台，提出一种基于蜣螂算法(DBO)优化变分模态分解(VMD)参数，并结合小波包阈值降噪(WPT)的方法来对原始信号进行降噪处理；使用希尔伯特-黄变换(HHT)进行时频分析，探讨不同热辅助温度下的刀具铣削性能变化规律。在此基础上，结合贝叶斯优化(BO)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)以及多头注意力机制(Multihead-Attention)，建立回归分析模型用于实时监测和预测铣削力；通过验证，该模型在训练集上的R2值达到了0.996 7，而在测试集上R2值达到了0.991 94，证明了该模型的准确性。为微织构制备过程中的缺陷修复提出了一种新方法，同时为钛合金铣削加工中的铣削力预测提供了一种有效的方法。
-
基于结点热光效应的点热源非接触式温度传感器
摘要：
传统点热源温度测量方法包括热电偶、电阻温度计和红外测温等，但它们通常存在体积较大、响应速度较慢或难以实现微小区域精确测量的局限性。为此，设计并开发了一种基于光波导交叉结点和热光效应的温度传感器，实现了对小尺寸点热源的非接触式温度测量。采用3D打印法制备了不同形态的光敏树脂结点，激光照射在结点交叉处，结点将激光分散到其分支结构上；氧化铝陶瓷加热片作为点热源提供小范围恒定温度，利用可调压电源实现对其温度的调节。加热片散发的热量改变结点材料的折射率（即热光效应），从而改变其分支出射光强度，光强的变化通过分支末端的光电二极管实时检测。实验证实了该传感器的温度灵敏特性和线性响应特性。结果表明，该传感器在一定范围温度变化中（330℃~554℃）的测量精度优异，具有良好的稳定性和重复性。在465℃~554℃范围内，传感器具有良好的线性特性，检测灵敏度可达-9.4 mV/℃，传感器的重复性误差δR在1.41%~2.11%之间。该方案提供了一种结构简单、成本低的微纳点热源温度检测新方法，为微型化、高灵敏、非接触式温度传感器的设计提供了新的思路，在医疗保健、激光加工和3D打印等领域的温度监测方面具有很大的应用潜力。
-
基于NSGA-III的半球谐振陀螺的频率裂解补偿
摘要：
半球谐振陀螺是目前精度最高的一种振动陀螺。对于半球谐振陀螺,在制造过程中难以完全避免的工艺缺陷会导致谐振子的质量、刚度、品质因数、密度、弹性模量、阻尼等参数周向分布不均匀,产生频率裂解现象,使得主、次振动存在误差耦合。传统的频率分裂补偿方法会导致半球谐振陀螺的品质因数降低，且存在补偿成本高、操作复杂等问题。提出了一种电平衡补偿方案,通过对不同的电极施加静电力改变谐振子的刚度，实现对频率裂解的补偿，并结合NSGA-III多目标优化算法对补偿参数进行了优化,首次将静电修调方案对谐振子本身性能的影响、功耗问题以及该方案所能提供的频率裂解补偿值同时进行考虑，以实现针对半球谐振陀螺频率裂解的最优补偿。经过验证,该方法针对不同的谐振子和频率裂解在所选参数下能够给出最优的补偿方案，频率分裂补偿值提高了50.2%，补偿电压的需求分别降低6.3%和56.3%，补偿精度高于0.5 mHz；补偿后谐振子的检测误差降低了一个数量级，固有频率仅降低2.3%。该方案可以有效提高陀螺仪的动态性能，为半球谐振陀螺的频率裂解的最优化补偿提供了一种参考，且该方法同样适用于杯型、环形等哥氏陀螺仪。
-
基于锁相环的异步电机无速度传感器矢量控制
摘要：
提出一种基于滑模观测器和锁相环的无速度传感器矢量控制方案，用于异步电机的转子磁链和速度估计。传统滑模观测器在磁链估计中表现良好，但其滑模特性易导致抖振，影响系统稳定性和控制精度。为此，在超螺旋滑模观测器的基础上应用于异步电机的电流和磁链观测，并结合预滤波器进行改进，以减少高频抖振，提高磁链估计的平滑性和相位角精度，增强对电机参数变化和谐波干扰的适应性。预滤波器能够有效削弱高频噪声对观测结果的影响，提高磁链估计的准确性，使系统在不同运行条件下均能保持良好的动态性能。针对速度估计，采用改进的锁相环，通过优化结构，提高其在中低速和变速运行条件下的速度跟踪能力，并有效消除频率斜坡输入下的稳态误差，确保速度估计的高精度和动态响应速度。此外，改进的锁相环能够增强系统对电机运行状态的适应性，使速度观测更加稳定可靠，提高系统的控制性能和抗干扰能力。实验结果表明，与传统滑模观测器方案相比，该方法大大减少了磁链波形的失真，有效提升了系统的鲁棒性。同时，该方法在不同运行工况下均表现出优异速度跟着性能，不仅提高了无速度传感器矢量控制的精度，还增强了电机运行的可靠性。
-
基于BP+NSGA-Ⅱ梳齿电容压力传感器结构多参数优化
摘要：
针对梳齿电容式压力传感器存在灵敏度低、灵敏度与量程难以同时优化的问题,提出了一种新型梁-膜结构梳齿电容式压力传感器,并采用曲线拟合与BP+NSGA-Ⅱ结合的方法对传感器进行优化。在膜片上表面添加锚点和悬臂梁构成杠杆放大结构,活动梳齿连接在杠杆输出端,通过杠杆的放大原理增加了活动梳齿的位移,提高了传感器的灵敏度。针对数据集维度高、计算量大的问题,利用MATLAB对结构与性能参数进行数据拟合和定量分析。通过对锚点、悬臂梁等结构几何参数与性能指标的相关性进行量化分析,筛选出对传感器性能影响显著的关键参数,并去除冗余变量,降低了数据集的复杂性。在确保结果准确性不退化的前提下,通过降维方法将数据集从14维降至6维,既提高了数据采集效率,又降低了算力损耗。对降维后的数据集利用BP神经网络进行训练,并结合NSGA-Ⅱ算法实现了灵敏度与量程的协同优化,增强了输出结果的可靠性。结果表明,在0~50 kPa的压力范围内,优化后的传感器灵敏度为0.106 pF/kPa,提高了30.4%,非线性误差为0.4% F.S.。该优化方法为多参数复杂结构的优化提供了参考,所设计的传感器具有高灵敏度和低非线性,为MEMS压力传感器的研发提供了新思路。
-
基于周期峰值电流的磁轴承转子位移自传感解调方法研究
摘要：
当前磁轴承自传感转子位移检测技术通常采用电流纹波作为解调信号,但该方法对纹波质量具有较强的依赖性,解析公式较为复杂,且对控制器的采样要求较高。为提高磁轴承自传感转子位移检测精度,基于降压斩波电路,提出一种周期峰值电流解调方法。首先对磁轴承的磁极线圈输入高频脉宽调制电压,利用高频脉宽电压的单个电流周期内的峰值电流与线圈电感建立非线性关系式,然后采用Newton-Raphson method对该关系式的非线性数值进行参数迭代,最后将迭代得到的结果与磁轴承的磁极线圈电感公式联立计算出磁轴承转子的位移。仿真和实验证明,磁轴承控制器的动态自传感转子位移实时检测能够有效跟踪电涡流传感器的转子位移检测信号,且两者的位移波动误差小于磁轴承悬浮控制要求的最低误差。在0.8 mm气隙的位移解调实验中, 使用不同电压幅值的5~15 kHz高频脉宽调制电压作为磁轴承转子自传感检测信号时,所有检测信号的静态自传感转子位移解调值与电涡流传感器的静态解调位移值误差都在可控范围内,且使用10 kHz的高频脉宽调制电压作为检测信号时,磁轴承的静态自传感位移解调值与电涡流传感器的静态位移解调位移值误差最大值不超过24.7 μm,最小为0.9 μm。
-
基于MIGJO的随钻重力加速度在线提取
摘要：
为获得随钻重力加速度，研究了用磁惯性金豺优化算法(MIGJO)在线提取重力加速度问题。首先对随钻振动信号特性进行分析，建立随钻重力提取模型，并把各种非重力加速度整理为解向量；其次，根据随钻磁惯性传感器的输出特性，给出理想重力加速度的输出目标函数，以及重力夹角和钻具径切向皮尔逊系数约束条件；然后，在金豺优化(GJO)的基础上，针对随钻中不同非重力加速度的变化特性，利用上一次解向量进行逐维动态尺度随机游走的种群初始化；并利用重力模值相对误差和三角函数设计重力因子平衡算法的全局搜索和局部开发；此外，根据当前解的信息交互因子和适应度值设计攻击防御系数协调磁惯性金豺的攻击防御行为，利用最优解和次优解位置的攻击搜索策略提高重力提取精度和速度，利用上下界和突变点位置的防御搜索策略避免陷入局部最优；然后利用当前重力解与当地重力设计相似度来动态更新解向量位置，进一步提高重力提取精度。最后，设计模拟钻进和实钻实验，结果表明：使用MIGJO提取的重力加速度精度得到明显提升，解算的井斜角和工具面角绝对误差平均值分别控制在0.63°和0.8°以内，该方法可有效提高随钻重力加速度的提取精度。
-
基于Sampson距离参数估计的光纤水听器弱信号解调方法
摘要：
基于3×3耦合器的干涉型光纤水听器在海洋目标监测中已经进入工程化应用阶段，其相移信号解调通常采用基于最小二乘法的椭圆拟合对干涉信号进行参数估计，以消除非理想3×3耦合器引起的解调结果偏差问题。然而，当光纤水听器接收信号较弱，通过干涉仪产生的相移较小时，干涉信号形成的李萨如图椭圆不完整，最小二乘法的高曲率偏差问题会导致拟合解调的相移信号结果出现较大偏差。此外，尽管正交距离拟合方法可以有效拟合不完整椭圆，但其计算复杂且耗时较长，不利于实现实时解调。针对上述问题，提出了一种基于Sampson距离参数估计的光纤水听器弱信号解调方法。通过Sampson距离拟合3×3耦合器光纤水听器接收弱信号时形成的不完整李萨如图椭圆，能够准确拟合估计光纤水听器输出干涉信号参数，不仅提高了解调精度，还显著提升了计算效率，优于正交距离拟合方法。通过数值仿真对比分析了Sampson距离与最小二乘法、正交距离的解调结果。结果表明，所提Sampson距离解调方法在弱信号条件下的拟合解调误差小于最小二乘法，且解调耗时远低于正交距离。依托激光干涉法自由场校准系统和振动液柱法低频校准系统，分别在10~30 kHz、20 Hz~2 kHz频率范围内对光纤水听器解调方法进行了实验对比验证，证明了所提Sampson距离解调方法的有效性。
-
基于变迭代机制改进的自适应频带划分方法
摘要：
高速列车轴箱轴承的运行状态直接影响列车的安全性和动力学性能。然而,在复杂工况下,轴承故障信号往往受到强噪声干扰和随机冲击影响,导致轴承故障脉冲易被湮没,难以有效提取,从而降低故障诊断的准确性。针对这一问题,提出了一种基于变迭代机制改进的自适应频带寻优策略,旨在提升轴承故障诊断的精度和鲁棒性。首先,所提方法运用故障脉冲的循环平稳性,改进了谐波显著指数指标,实现精确定位故障共振频带,并有效抑制噪声和随机冲击的影响。其次,针对固定迭代步长的局限性,设计了一种变迭代步长调整机制,结合能量谱趋势分析,实现快速定位,动态调整迭代步长,有效提高了故障共振频带的定位精度,同时降低运算时间,提高计算效率。所提方法是一种基于故障驱动的自适应频带划分方法,克服传统数据驱动的弊端,在应对随机冲击和强噪声方面表现出有效性和优越性。仿真与实测数据分析表明,所提方法在复杂工况下能够快速、准确地识别故障共振频带,相较于固定频带划分方法、改进的功率谱密度法和固定步长自适应划分方法,所提方法在信噪比提升、故障特征提取精度、计算效率方面均具有显著优势。
-
纵向L(0,2)模态超声导波在弯管中的传播特性
摘要：
弯管是管道工业中常见的管道形式，弯头部分是整个弯管的薄弱环节，由于弯曲应力及传输物质的冲刷很容易产生各种缺陷。超声导波可有效检测管道等结构中的缺陷，很多研究已验证并推进超声导波技术在直管检测中的应用。超声导波通过弯管弯头时会产生复杂的变化，进而影响管道导波的缺陷检测性能。针对此问题，采用有限元法通过全波场仿真数据量化研究了纵向L(0,2)模态超声导波在弯管的弯头区域及弯头后直管区域的传播特性，从能量变化、波场分布及与缺陷相互作用几个方面分析讨论了弯头结构对导波传播的影响，以及弯管不同位置缺陷的导波检测问题，并通过实验进行了验证。研究结果表明弯管中的弯头结构会使超声导波能量产生较大衰减，导波波场在轴向和周向上的分布产生变化，在弯头弯曲点前后的区域呈现不同的能量聚焦及扩散特征。超声导波在弯管弯头中的传播特性与波达轴向位置、弯头弯曲半径和激励频率有密切关系。进入弯头后直管段区域的导波引入非对称模态，呈现出更多的复杂性。此项研究有助于建立对弯管超声导波传播特性的深入了解，为进一步利用超声导波实现弯管缺陷的全面检测提供理论基础。
精密测量技术与仪器
机器人感知与人工智能
视觉检测与图像测量
先进感知与损伤评估
传感器技术
信息处理技术
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
