下载专区
二维码
- 当前目次
- 优先出版
- 专辑论文
-
大型薄壁构件加工变形误差综合补偿方法
摘要：
针对大型薄壁构件弱刚性和壁厚不均匀特性，导致在断续开槽铣削加工中槽底易发生加工变形，影响加工精度的问题，提出了一种加工变形误差综合补偿方法。首先，基于经验法开展铣削力测量试验，通过回归分析建立加工参数与铣削力映射关系，构建铣削力预测模型。针对大型薄壁构件仿真计算效率低的问题，采用等效刚度理论对薄壁构件的变形区域进行简化；在此基础上，提出了一种通过替换主结构模拟多层铣削加工的改进子结构仿真方法，并结合铣削力预测模型对大型薄壁构件进行预测加工变形，相较于全结构有限元方法计算效率提高了27.27%。其次，基于在机测量系统采集槽底壁厚数据，构建变形修正模型，综合应用层间修正系数与节点修正系数修正预测加工变形量，结合割线法对层间修正系数进行迭代计算，并基于非均匀有理B样条对离散补偿点进行加工路径拟合。最后，设计并搭建适用于大型薄壁构件机器人铣削系统的在机测量系统，并开展铣削加工误差补偿对比试验。试验结果表明，采用综合补偿方法后，加工误差较无补偿和采用镜像迭代补偿方法分别减少92.09%和77.63%。结果验证了所提出的加工变形误差综合补偿方法有效性。
-
基于改进遗传算法的离散波长消色差氧化石墨烯平面透镜逆向设计方法
摘要：
纳米光学成像技术是现代光学成像系统和光学测量系统的主要手段之一，但是传统宽波段消色差超透镜随着工作波长数量的增加而引入的单元结构复杂度骤增、成像效率降低、聚焦分辨力降低等问题，限制了高性能、集成化微型光学系统的发展。氧化石墨烯是一种具有高折射率和高透射率的二维材料，通过激光直写技术将氧化石墨烯的特定区域热还原为还原氧化石墨烯，其材料的光学性能发生改变，因此可以制作成氧化石墨烯超薄平面透镜。针对氧化石墨烯透镜的离散波长色散问题，提出了一种基于改进遗传算法的氧化石墨烯透镜逆向设计方法。通过设置遗传算法的优化目标，引入目标函数的惩罚因子，对透镜结构进行目标性优化，可以设计出能够对离散波长进行单一焦点等强度聚焦的氧化石墨烯透镜。使用真空过滤法和飞秒激光直写技术加工了所设计的氧化石墨烯透镜(厚度约200 nm)，并对其聚焦特性进行了表征。实验结果表明，该透镜可对450、550以及650 nm入射波长进行出色的色散调控，与预设焦距的最大偏差仅为2.23%。该透镜对工作波长的焦点平均径向半峰全宽为324.3 nm，可以达到超衍射极限聚焦。该设计方法为需要高分辨率、宽波段色散控制的微型光学系统提供了新的可能。
-
无线电能传输系统最优负载优化与最大效率跟踪控制方法
摘要：
针对无线电能传输系统因忽略逆变器与整流器损耗，仅考虑补偿网络最优负载，导致最大效率点偏移的问题，提出一种减小最优负载偏移的最大效率跟踪和恒压输出复合控制方法。首先，分析LCC-S型无线电能传输系统参数与各部分输出电压、电流之间的关系，建立非线性整流桥负载等效模型，揭示整流二极管压降对负载转换的影响机制。之后构建纳入逆变器和整流器损耗的系统效率量化模型，定量分析系统效率随负载变化的特性，对比仅考虑补偿网络损耗时的效率特性，减小最优负载偏移误差。同时，分析补偿元件参数变化对逆变器输出阻抗的影响，提出一种基于补偿电容参数优化的零电压开通实现方法。然后，在副边采用基于Buck-Boost电路的阻抗匹配技术进行最大效率跟踪控制，在原边增加一个Buck电路调节逆变器输入电压，实现输出电压稳定控制。最后，搭建实验平台对理论分析进行验证。实验结果表明，将逆变器与整流器损耗纳入整体系统效率分析后，系统仍然存在最大效率点，与传统方法相比，所提策略使最优负载偏移误差降低24.6%，最大效率提高1.1%，且在较宽的负载变化范围内实现逆变器零电压开通运行，整体系统效率能够保持在90%左右并实现恒压输出。
-
基于双目视觉的大直径零件转角高精度测量方法
摘要：
角度测量作为精密计量领域的关键技术，在航空航天、装备制造、高精度检测等现代工业中具有重要应用价值。为了解决大齿轮等大直径零件在精密制造、装配过程中小角度高精度测量的问题，故提出基于一种基于双目视觉协同的扩展视场高精度转角测量方法。首先，基于改进的二维四参数坐标变换算法建立测量基准板标定模型，实现测量基准板的高精度标定，为转角测量提供可靠的参考基准。其次，针对大尺寸工件测量时单相机视场受限的问题，通过构建具有空间视场互补特性的双目视觉测量系统，提出基于特征点匹配的视野中心坐标解算算法，实现相机视野中心在测量基准板坐标系下的坐标求解，为转角测量奠定了理论基础。最后，基于上述方法研制了双目视觉转角测量系统。并以模数为20 mm、齿数30的大齿轮为验证对象，在0°~20°转角范围内进行了系统的精度测试和重复性验证。结果表明，测量系统的绝对测量精度达到6″，测量重复精度为5″，具有较高的测量精度和稳定性，所提方法和设计的系统满足了大直径零件转角高精度动态测量的需求，为大直径零件转角测量提供了新的技术手段。
-
无人机载激光测距仪校准和引导定位方法
摘要：
激光测距因其优异的方向性、长距离传输能力及抗干扰性能，已成为高精度空间感知领域的主流技术手段，特别是近年来智慧城市建设与军事侦察需求的增长促使无人机载高精度测距和定位技术成为研究热点。针对机载激光测距仪误差来源广泛和定位误差大的问题，提出了多维度联合校准和引导定位方法。首先，系统地研究和分析了机载测距仪校准和定位的误差来源、产生机制和时空相关性，为算法研究提供了理论基础；其次，设计了一种联合机械对齐、吊舱空间校准和传感器时间同步的机载激光测距仪校准方法，减少了无人机在低空飞行场景下的测距误差；随后，提出了一种基于双机协同交会的无人机载激光测距仪引导定位算法，通过主动探测—激光引导—几何解算的方式，实现了高精度的目标定位；最后，在变速运动和转弯运动场景下进行了校准和定位方法的实验验证。实验结果表明，校准后对10 000 m内目标测距时，距离测量值与真实值的差值<2 m。相较于单无人机定位方法，引导定位算法在变速运动情况下的平均距离误差为2.22 m，且定位精度提升80%，满足无人机探测的高精度校准和定位需求。
-
基于正四面体照度计的全景照度测量方法
摘要：
全景照度表征被测量点单位面积上来自三维空间各个方向的平均光通量，在照明质量评估中，对于衡量物体在空间中整体受光照射程度以及人眼接收到的总体光照水平具有重要意义。然而，长期以来，实际测量方法和工具的缺乏使得这一参数测量存在困难。提出一种新方法，通过测量正四面体4个面法线方向上的照度，进一步计算全景照度值。首先，综述了现有的全景照度计算和测量方法；然后，对基于正四面体的全景照度测量方法进行了理论论证；接着，在Laval数据库所包含的2 233张室内场景与205张室外场景的高动态范围全景图像基础上，通过软件仿真的形式进行了超过12万次的测量模拟结果显示，绝对误差在5%以内的测量结果约占96%，平均绝对误差为1.7%，验证了该方法的准确性，并发现测量结果能够随着正四面体照度计摆放姿态的变化保持稳定。最后，提出了正四面体照度计的简易搭建方案，并在4个实际照明环境中进行了测量验证。实验结果表明，基于该测量理论的测量工具易于搭建、测量过程与计算简便，能够较为准确地测量照明空间的全景照度数值，该方法的提出为全景照度的实际测量开辟了一种新的途径。
-
基于模态局部化效应的高分辨力微型电场传感器
摘要：
模态局部化效应是提高MEMS物理量传感器灵敏度和分辨力的有效途径。然而，由于没有深入研究电场引入方法，导致目前已报道的模态局部化MEMS电场传感器的分辨力没有达到弱电场探测需求。为此，基于模态局部化效应提出一种高分辨力MEMS电场传感器。传感器主要由电场引入结构、三自由度弱耦合谐振系统及封装基座构成，采用浮动分立式高分辨力电场引入结构设计方案，建立理论模型优化结构参数；以三自由度弱耦合谐振器振幅比的算术平方根作为电场传感器的输出，解决非线性输出问题；基于有限元仿真，分析了传感器的振动模态，并研究了电场感应电极的旋转对电场测量带来的影响。在真空条件下对已制备的电场传感器样片进行测试，结果表明：在 0～7 kV/m待测电场范围内，传感器的灵敏度为0.068 /(kV·m-1)，本底噪声为0.0121 (V·m-1)/Hz；传感器的分辨力优于0.4 V/m，是目前国内外报道的最好水平。此外，在待测电场中旋转电场感应电极，对其灵敏度进行测试；并对传感器的三自由度弱耦合谐振器的模态局部化现象进行深入研究，发现可以通过驱动和扰动不同谐振器控制模态局部化现象发生在特定的谐振器和特定的模态上。
-
基于气压传感器与伯努利方程的巡飞弹引信空速测量方法
摘要：
针对巡飞弹引信对空速识别的快速响应需求，提出了一种基于气压传感器与伯努利方程的高效、准确的空速测量方法，并设计了小型化、低成本的配套测压装置。通过对固定翼巡飞弹模型开展气动特性数值仿真，结合巡飞弹表面压力分布和流场特征确定气压传感器的布设方案。为了减少流场干扰、提高测量稳定性，在传感器外部增设金属方管构建测压通道并进行气压补偿处理。通过仿真研究不同测压通道长度组合对测速精度的影响，确定最佳管长组合为15和20 mm。在此基础上，针对不同速度和攻角条件仿真评估该方法的测速误差，结果表明在0.1~0.3马赫数下、-15°~+15°攻角下误差控制在9.43%~14.07%。该方法在低速、小攻角的条件下能显著降低测速误差，在高速、大攻角的条件下具有良好的误差抑制能力，平均误差较无测压通道方案减少了3.21%。为了进一步验证该方法的准确性与可靠性，开展了风洞试验与外场试验。风洞试验覆盖多种速度和攻角工况，结果表明本方法相较于传统皮托管测量方法测速误差减少了3.6%。外场试验在巡飞弹真实飞行状态下进行，将测得空速与皮托管及飞控系统数据进行对比分析，该方法的均方误差平均值为1.429 m/s，较皮托管测量减少了2.06 m/s。结果表明该方法具备良好的环境适应性和测量稳定性，为巡飞弹引信空速测量提供了一种高效可靠的方法。
-
基于计量数据超分辨重构接线错误漏电用户快速定位方法
摘要：
低压配电台区中用户零线、地线接线错误漏电故障多发,易酿成人身触电伤亡事故。目前基于多元回归分析的方法虽已应用在定位接线错误漏电故障用户,但受制于台区电流监测设备采样频率不足,存在定位时效性差的固有缺陷。于是提出基于计量数据超分辨重构的接线错误漏电用户快速定位方法,通过实现低分辨率数据的重构,突破传统方法在时间分辨率层面的技术瓶颈。首先分析接线错误漏电故障时台区剩余电流的构成,明确台区剩余电流与用户负荷电流的关联特性。继而系统评估传统多元线性回归,Lasso回归,岭回归以及弹性网络回归模型的泛化性能差异,揭示自变量共线性对参数估计稳定性的影响。进一步将时序电流数据映射为二维特征图像,采用增强型超分辨生成对抗网络(enhanced super resolution generative adversarial network, ESRGAN)模型进行超分辨重构,通过均方根误差、峰值信噪比与结构相似性指数多维度验证数据重构质量。最终使用重构的高分辨率数据建立弹性网络回归模型定位接线错误漏电用户。基于实验室仿真平台与现场实测数据的对比分析表明所提方法数据重构质量更高,模型拟合程度和接线错误漏电用户定位准确率更高,且故障定位时间与传统方法相比成倍数缩短。
-
基于导波多特征交互融合的复材板损伤演化追踪
摘要：
针对复合材料层压板疲劳损伤量化评估困难与其演化不确定性问题，提出了基于多特征交互融合的复材板疲劳损伤演化追踪方法。通过构建Lamb波信号多域特征交互融合的损伤指数观测方程，结合应变能释放模型与粒子滤波算法实现了复材板损伤状态的追踪。通过提取Lamb波信号的时频域特征、动态时间规整特征和传递熵特征等多域特征，全面表征复合材料板疲劳损伤状态，并以此作为损伤状态观测量，建立了复材板的损伤状态空间模型。在研究多域特征与复材板损伤程度的线性相关性的基础上，创新性地引入多变量交互预测模型，对多域损伤特征进行交互融合，建立了Lamb 波信号特征与复材板损伤评价指数之间的映射关系，形成了损伤指数观测方程。在复材板应变能释放率模型基础上，综合考虑损伤演化的不确定性因素，利用粒子滤波算法实现了对复材板裂纹密度与脱层大小等损伤状态的追踪。通过有限元仿真及T700G单向碳纤维预浸料制成的复材板疲劳试验数据的分析，验证了所提出方法在追踪和预测复材板损伤状态方面的有效性与准确性。本研究不仅揭示了损伤指数的演化规律，还为复材板损伤的实时监测和演化预测提供了新的技术途径。
-
稀疏阵元管道缺陷全聚焦相位相干成像研究
摘要：
基于稀疏阵元全聚焦成像并融合相位相干加权因子,利用超声导波对管道缺陷进行成像研究。传统的全聚焦成像算法存在一些显著问题,例如全矩阵数据量庞大、处理成像所需时间过长以及信噪比相对较低,这些问题影响了超声导波在管道无损检测中的应用效果。因此,在传统全聚焦算法的基础上进行了针对性的优化,采用了稀疏阵元技术,将传统全矩阵的32阵元精简至8阵元,在保证声场覆盖的前提下使数据量减少16倍;其次为了保证减少阵元后的成像质量,同时引入相位相干加权因子(PCF),利用回波信号的相位一致性信息抑制噪声干扰，在保证成像质量的前提下显著提升计算效率。实验结果表明，相比传统32阵元全聚焦成像算法信噪比提升约120%，成像效率提升约38%；这不仅有效减少了成像时间,提高了成像效率,同时也提高了信噪比。针对管道中常见的多缺陷共存工况,利用全聚焦相位相干数据矩阵进行管道多缺陷叠加成像,通过利用管道中缺陷的相位信息,实现多缺陷信号的相位同步增强,提高了多缺陷的成像信噪比以及管道中多缺陷的检出率,该方法对双穿孔缺陷的成像信噪比从传统全聚焦相位相干成像的32.97 dB提升至42.69 dB，提升约30%。基于该方法的可靠性与有效性在管道缺陷中得到了验证。
-
基于激励耦合的铝电解槽接地故障诊断方法研究
摘要：
铝电解槽在复杂的工作环境中运行，受强磁场、电场、热场等多物理场耦合效应影响，容易发生接地故障，严重影响其生产效率和安全性。针对现有检测方法在精准定位与实时诊断方面存在一定局限性，提出一种基于激励耦合的铝电解槽接地故障诊断方法。该方法通过在铝电解系列首端注入幅值为30 V、频率为100 Hz的交流电压信号激励，并结合铝电解槽两端的交流电压与对地电压的动态响应，分析其接地故障特征。研究表明，铝电解槽在正常运行状态下电路表现为容性特征，而在接地故障发生以后，电路特性则由容性转变为阻性。基于这一特性，分别在单点接地故障和多点接地故障情况下设计了多组仿真实验，并引入容阻比作为故障诊断指标。通过对比正常运行与故障状态下的电气特征，提出以下诊断判据：当铝电解槽同时满足以下条件时：槽两端交流电压ui大于阈值uci，槽两端交流电压和槽对地交流电压相位差φi<10°以及容阻比αi>104，表明该铝电解槽存在接地故障。通过制作实验原理样机并进行现场实验，验证了该方法能够有效识别铝电解槽的单点接地故障和多点接地故障，并且适用于在线监测与实时诊断。实验结果表明，该方法在提升铝电解槽运行安全性与经济效益方面具有显著优势，为铝电解槽的接地故障诊断提供了高效、可靠的解决方案。
-
基于深度学习的工业轴承缺陷检测算法研究
摘要：
针对现有轴承缺陷检测算法准确率低、存在误检以及漏检现象严重的问题，为解决这些问题，提出了一种基于YOLOv8n的轴承缺陷检测算法（LASW-YOLOv8）。该算法在YOLOv8n的基础上，引入了轻量化且高效的LiteShiftHead检测头，结合SPConv、REG和CLS模块，提升了特征提取、目标框回归和类别分类的效率与准确性。此外，算法还引入了自适应旋转卷积核模块（ARConv），增强了对多方向缺陷的检测能力；颈部网络优化模块（SAF）进一步提升了特征提取效率；同时采用Inner-WIoU损失函数，通过优化边界框定位精度并增强对小目标及复杂形状缺陷的检测能力。实验结果表明，LASW-YOLOv8算法在多个性能指标上优于其他主流算法。该算法的准确率和召回率分别提升至97.2%和96.6%，相较于YOLOv8n分别提高了3.4%和4.5%。同时，mAP0.5和mAP0.5:0.95分别达到了98.9%和73.3%，并且在运行速度上实现了83 fps。这些结果充分证明了所提改进算法的有效性，不仅能有效减少误检和漏检现象，还满足了工业检测对高准确率和实时性的要求。此外，在东北大学公共数据集（NEU-DET）的实验中，LASW-YOLOv8算法在准确率、召回率、mAP0.5和mAP0.5:0.95这4个关键指标上均表现最佳，分别为79.3%、79.9%、84.1%和49.1%，优于其他主流算法。这一表现证明了LASW-YOLOv8算法具有出色的泛化能力和鲁棒性。
-
基于张量分解与宽度学习系统的MMC开关管开路故障诊断与定位
摘要：
模块化多电平换流器(MMC)是柔性直流输配电系统的核心换流设备,因其采用大量子模块级联的拓扑结构,面临着开关器件数量庞大带来的可靠性挑战,其故障发生率较高。传统MMC开关管开路故障诊断方法存在需要额外传感器、阈值易受干扰等问题。故提出了一种基于张量特征提取和二维宽度学习系统的MMC开关管开路故障诊断与定位方法,实现了MMC开关管开路故障的快速高精度诊断与定位。该方法根据MMC结构,采用子模块电容电压数据构造三阶张量,提高了对MMC多通道信号的处理效率;通过Tucker分解将故障类型分类与故障位置识别任务进行拆分,并提取相应的张量特征,简化了机器学习难度;针对各子任务的张量特征,训练了对应的基于二维宽度学习系统的子分类器,该分类器利用双线性变换在减少参数的同时保留了特征的空间结构,最后综合各个子分类器的输出结果实现了故障诊断和定位。该方法无须额外传感器与经验阈值,同时极大减少了机器学习模型复杂度,从而提高故障诊断和定位的精度与效率,尤其在处理多故障时具有明显优势。仿真和实验表明故障诊断与定位时间<15 ms,准确率高于98.5%,验证了该方法的优越性与有效性。
-
基于激光雷达与相机融合的AGV动态环境目标检测算法
摘要：
在人机混合智能仓库等动态环境中，AGV通常难以精确感知随机出现的人和叉车等障碍物，为仓库的高效、安全运行带来了隐患，故提出一种基于激光雷达与图像融合的轻量化的目标检测方法（L-BEVFusion）。首先，为构建相机图像的鸟瞰视图（BEV）特征，设计了一个轻量化的特征提取网络用于获取图像的2D信息，通过引入多尺度语义特征平衡单一尺度语义特征带来的定位偏差；其次，采用基于显式监督方法采用深度真值对其进行监督，实现将图像特征投影到3D空间中；然后，分别提取图像和点云特征的预测信息，基于BEV特征融合网络，利用通道维度级联图像与点云的BEV特征，对其进行目标边界框的回归和分类预测，从而实现对人机混合仓库中动态障碍物的检测；最后，利用KITTI数据集和仓库实地采集数据对所提算法进行评估。实验结果表明，在实地采集的人机混合仓库数据集上，L-BEVFusion方法与常见的点云图像融合方法相比较在工人类和叉车类的检测精度上分别提升了3.46%和2.22%，综合平均检测精度高了2.97%，在推理速度和检测尺寸精度上也表现更佳，其中法向距离平均误差为4.02 mm，切向距离的平均绝对误差为1.75 mm，提高了AGV检测的实时性和可靠性，保障了智能仓库物流的高效安全运转，具有较高的实际应用价值。
-
一种基于缺陷响应空间补偿的多模式超声全聚焦复合成像及应用
摘要：
因奥氏体不锈钢小径管壁厚较小，超声波在其界面多次反射和模式转换产生的多次回波导致相控阵成像中产生大量伪像，严重影响缺陷的识别。为解决所选超声波模式类型、数量及其幅值空间差异性对成像效果的影响，提出了一种基于缺陷响应空间补偿的多模式超声全聚焦复合成像方法。建立了缺陷空间响应模型，对模型获取的全矩阵数据进行多模式成像，与CIVA仿真软件的成像结果具有较好的一致性。将各模式成像结果中缺陷位置附近的最大强度值作为缺陷响应值进行对比，缺陷响应模型与仿真的计算结果误差仅在±3 dB以内。并研究了不同模式成像敏感度的空间分布规律，确定了适合不同模式的空间补偿参数。利用校准后的所有直接模式和半跨模式对仿真数据进行复合成像，相较于单模式成像以及直接相加复合成像，基于缺陷响应空间补偿的复合成像方法在缺陷处具有更高缺陷幅值以及更低的伪像幅值，且在不同位置的圆孔缺陷成像结果中均未出现伪像。在此基础上，将所提方法应用于裂纹与气孔缺陷的检测实验。结果表明，相较于单模式成像，基于缺陷响应空间补偿的复合成像方法可以很好地抑制伪像并提高信噪比。
-
面向神经血动力与电生理监测的一体化fNIRS-EEG成像系统
摘要：
近年来,功能性近红外光谱成像(fNIRS)和脑电图(EEG)已经广泛应用于建立自然和社会交互场景下的神经认知响应与精神状态的脑功能测量与分析。尽管已有一些 fNIRS EEG 双模态研究,但多为分立设备实现,数据存在测量通道有限、灵敏度低、数据不同步等诸多问题。为了更好地在日常情境下探索大脑的神经电生理变化过程,发展了一种轻量型 fNIRS-EEG 双模态成像系统,实现了覆盖全脑的 fNIRS(80通道)和 EEG(32通道)的同步采集、实时传输以及结果可视化。首先通过一系列的性能评估实验验证了系统的性能:就 fNIRS 测量而言,多源并行测量模式下系统波动程度<1% ,线性度>0.99 ,可以准确探测10 mm深度下20%的波动变化;就 EEG 测量而言,系统输入参考噪声<1 μV,信噪比可达52 dB(输入信号100 μV),共模抑制比可达112 dB;就一体化测量而言,系统可实现20 Hz(fNIRS)和500 Hz(EEG)的高信效度全并行采样以及传输,并提供基于终端时钟的时间戳信息,以实现同步触发超扫描监测。进一步地,利用稳态视觉诱发实验验证了所发展系统的在体监测能力。综上,系统可以实现在同一时间标准下大脑神经电信息与血氧活动信息一体化动态采集,为日常情境脑感知和认知监测提供了新的仪器平台。
-
基于多阶段动态过滤的静态点云地图生成算法
摘要：
在动态场景中，诸如行人、车辆等动态对象出现在传感器的观测范围内，对静态点云地图的构建带来了显著干扰。这些动态目标在地图的生成过程中常常留下“鬼影”，严重影响地图构建精度与完整性。为了解决该问题，提出了一种面向复杂动态场景的高精细静态点云地图生成算法，旨在保持地图构建精度的同时，有效剔除动态干扰点。首先，对点云进行序列化处理并结合区域化地面分割，以减少地面点对动态判别的干扰。然后，设计了一种多阶段的动态点云离线滤除策略。在动态识别的前两阶段，分别采用两种分布式描述符(D-POD与D-PODV)来描述点云的空间占用和分布情况，并结合扫描比率测试(SRT)和径向比率测试(RRT)，实现对强弱动态点云的精准识别。在第3阶段，利用基于区域密度的改进自适应DBSCAN聚类算法完善对不规则动态点云的滤除。在公开数据集SemanticKITTI上的实验结果表明，所提算法能够在多种复杂场景下准确滤除动态点并生成高精细静态点云地图。与当前主流动态点云滤除算法ERASOR和Removert相比，所提算法的平均保留率分别提升3.95%和14.56%，平均拒绝率分别提升13.44%和17.46%。通过对强弱动态点云进行分阶段滤除，该研究能够有效滤除各类动态目标，同时最大限度地保留原始点云中的静态信息，确保了全局地图的结构完整性，为实现多场景通用、高精度、高可靠性的静态点云地图构建提供了有力支撑。
-
基于直接法优化的激光点云室内轻量建图方法研究
摘要：
为满足室内服务机器人对高精度定位能力的需求，提出了基于直接法优化的激光点云室内轻量建图方法。该方法充分考虑了室内环境的结构化特征以及激光雷达的独特优势，首先通过点云滤波滤除地面点等冗余信息，随后将长点云序列基于VFH特征比对分割为多个片段，在每个片段内部采用NDT算法为配准提供初始估计，再基于像素亮度信息对位姿进行非线性优化，构建精确的局部地图；最后结合OPENGL多图层技术，拼接形成完整室内地图。为验证所提算法的准确性与性能，开发了专用的点云处理软件，并在实验楼的内部区域进行了试验。结果表明，在轻量化、低配置的条件下，本算法所构建的地图与当前知名算法LIOSAM建图结果保持了高度的一致性。同时，地图相对误差被控制在1%以内，帧间运算平均耗时为95.8 ms，在体现高精度的同时维持了良好的实时性能，因而具有一定的实际应用潜力和价值。
-
基于多目视觉的立体靶标位姿测量方法
摘要：
激光三维测量是现代大型复杂曲面高精度测量技术的重要手段，广泛应用于车辆、船舶、飞行器等领域，尤其是在大场景的数字化成像方面。针对视觉跟踪三维测量精度和范围不能同时兼优的问题，提出了一种基于多目视觉跟踪的三维测量方法。该方法采用多相机联合标定算法建立全局共基准位姿转换模型，实现激光传感器的位姿跟踪；以立体靶标定位精准度最高为优化目标，建立最优视场决策模型；根据立体靶标与线激光传感器之间的结构特征，建立靶标-激光传感器之间的空间几何相对位姿关系；采用几何距离的位姿匹配算法获取线激光传感器的位姿，并结合多相机视场空间完成激光点云数据的拼接，最终实现三维点云成像。为了验证方法的有效性，在1.8 m×2.5 m×1.5 m范围内搭建了四目激光三维测量系统。实验结果表明，该测量方法对立体靶标的平移定位不确定度为0.054 3 mm，旋转定位不确定度为0.047 8°；该方法在距离多目系统05、1和2 m处的横向测量范围分别为0.93、1.18和1.46 m；在使用同焦距相机以达到同等精度的条件下，分别比单目测量范围大0.57、0.7和0.82 m；比双目测量范围大0.35、0.46和0.49 m。说明基于多目视觉的立体靶标位姿测量方法在精度和测量范围上具有较好的工程优势。
-
基于视觉测量的微探针跨尺度沉积方法
摘要：
弯月形液滴限制电化学沉积技术以其低成本、高加工精度的优势在微纳尺度的结构制造中倍受青睐,但压电实验平台有限的位移行程限制了其在大尺度制造场景中的应用。据此,提出了一种基于视觉检测的跨尺度连续沉积法。该方法首先在现有MCED设备的基础上,集成了显微相机与三轴移动装置,搭建了基于显微视觉测量的探针粗调节与平台精调节相结合的跨尺度连续沉积平台;其次,以微纳平台的基底预设等间距位移为基准,利用图像灰度特征解算基底位移量对应的像素位移量,并在此基础上构建了基于Adam算法优化的梯度下降模型,建立“物-像”距离映射关系,实现了基于单相机图像的高精度沉积物与探针在线定位与测量;然后,利用视觉反馈控制,完成了探针位置与沉积位置间的高精度对准与沉积定位,实现了MCED平台的跨尺度连续沉积;最后,使用共聚焦显微镜测量分析了分段沉积物的长度及连接点的沉积质量。结果表明:基于视觉测量反馈的玻璃微探针跨尺度沉积方法,在保证沉积质量及线段端点沉积精度的基础上能够实现80 μm行程压电平台的毫米级尺度线段的沉积,且沉积长度误差<3%,此方法为大尺度精密制造提供了新方案。
-
基于特征表征与学习反馈的动态带钢缺陷样本筛选方法
摘要：
带钢表面缺陷检测是保证钢铁产品质量的关键环节，实现高效准确的缺陷检测对保障产品性能具有重要意义。近年来，深度学习方法在缺陷检测领域进展显著，但在实际应用中仍面临两个问题：一方面，由于工业生产追求高良品率，导致缺陷样本获取受限，且样本标注耗时费力；另一方面，采集的样本中可能存在冗余特征，影响模型训练效率和泛化性能。针对特征冗余问题，提出一种基于特征表征与学习反馈机制的动态样本筛选方法。首先构建包含几何形态、灰度分布及方向特征等多维特征量化模型，系统表征缺陷特征。随后，设计基于特征表征的样本筛选策略，结合特征聚类快速筛选少量具有多样性和代表性的训练样本。最后，设计基于置信度评估的动态优化策略，通过模型的学习反馈获取关键补充样本，提升特征覆盖范围，实现训练样本的自适应优化。NEU-DET数据集的实验结果表明，该方法在将训练样本数量减少52%的情况下，平均检测精度达到76.99%，与完整数据集基本持平。同时，每轮训练迭代时间减少62%，降低了计算开销，验证了方法在样本筛选与检测性能之间的有效平衡。此外，在多种主流目标检测模型上的验证结果表明，该方法在不同检测架构下均能有效提升效率并保持性能，展现出良好的适用性。
-
基于二次互相关SRP-PHAT算法声源定位研究
摘要：
可控响应功率相位变换算法（SRP-PHAT）因其在混响环境下的较强鲁棒性被广泛应用于声源定位。然而，传统的SRP-PHAT算法在多传声器阵列声源定位场景下的定位精度不足且计算量较大，不能满足高精度实时声源定位的需求。针对上述问题，提出一种基于二次互相关的SRP-PHAT算法，将阵列中两组通道信号间自相关和互相关的结果进行二次互相关运算，基于广义互相关相位变换函数（GCC-PHAT）进一步计算得到改进的SRP-PHAT函数，对其进行峰值搜索实现声源定位，以提高定位精度；在计算方面，通过将传声器阵列划分为参考通道和声源通道，仅在两组通道间进行互相关运算，避免了传统算法在全通道之间逐一计算带来的冗余，极大地减少了运算量。将传统的SRP-PHAT算法与基于二次互相关的SRP-PHAT算法在自研的128阵元多螺旋臂阵列声源定位系统进行移植，并在室内进行4种声源频率下（10~25 kHz）的声源定位实验。实验结果显示改进后的算法对4种不同声源频率下的声源定位时的方位角估计误差平均降低2.5°，俯仰角估计误差平均降低2°，定位的空间分辨率平均提升45.78%。改进后的算法相较于原算法在提高定位精度的同时大幅降低了计算量，为SRP-PHAT算法在多传声器阵列的实时声源定位提供了有效解决方案。
-
基于VMD融合降噪的FBG光谱寻峰算法
摘要：
针对基于CCD的光谱衍射法对光纤布拉格光栅解调过程中受到噪声干扰,导致FBG中心波长解调精度和稳定性降低的问题,提出了一种基于变分模态分解的VMD-WT-SG融合降噪算法。通过结合不同降噪算法的优势以及算法参数的调整，实现了对光谱信号中噪声成分的有效去除，在保留原始信号大部分特征的同时光谱波形更加平滑和连续，降噪效果明显。与传统的VMD降噪、SG降噪、Kalman滤波3种方法对比,经VMD-WT-SG融合降噪法处理后的光谱信噪比为20.14 dB,均方根误差为0.017,信噪比分别提升了23.94%、41.14%和94.97%,均方根误差分别降低了39.29%、45.16%和67.92%,在4种降噪方法中效果最好。为了提高解调速率,在常用寻峰算法的基础上,提出了一种针对降噪后多峰光谱的中垂线相交寻峰算法,通过计算峰值点与左、右次大值点连线的中垂线的交点坐标来求取中心波长。并通过实验与多项式拟合、质心、高斯拟合算法对比了寻峰精度。结果表明提出的算法平均寻峰偏差为3.3 pm,优于质心法与多项式拟合法,算法平均运行时间为0.261 ms,优于多项式拟合法和高斯拟合法。实时应用中在保证精度的同时解调速率可达4 kHz,同时该算法的稳定性较好,解调的波长平均标准差为1.8 pm,能够满足实际应用的需求,对FBG传感网络中的多峰值实时快速检测具有一定的参考价值。
-
基于CNN的随钻声波仪器信号降噪方法研究
摘要：
随着我国油气勘探开发不断向非常规油气藏迈进，研发深层资源勘探开发的核心装备及关键技术至关重要。随钻声波测井仪器是深地探测的关键装备，其核心技术受国外技术封锁。受到钻井作业、仪器偏心、泥浆循环等多种噪声源的影响，国内研制的仪器存在接收声波信号质量差的问题，影响现场使用效果。针对一种随钻阵列声波仪器的总体设计，介绍发射电路、发射换能器和阵列式接收模块，并采用一种基于自编码器构架的CNN算法对随钻声波测井数据在时频域内进行降噪处理, 提升了仪器接收信号的信噪比。含噪声信号经过STFT变换的时频特征图作为网络输入，U型结构的神经网络能够学习数据中信号和噪声的稀疏表示同时生成时频域掩码，实现信号和噪声的分离。针对随钻声波数据缺乏开放数据集的问题，针对该仪器进行理论建模，并对不同模型参数进行大量理论模拟计算得到信号数据库，采集高质量噪声数据建立噪声数据库，合成含噪声的随钻声波数据集。通过训练后神经网络能够对复杂多源井下噪声进行智能降噪，本算法对测试数据和仪器现场采集的声波信号均能达到很好的降噪效果，极大提升了在低频噪声、电路超调、复杂震荡和突变噪声等多源噪声干扰下仪器的接收信号质量。
-
数控机床运动精度混沌自演化预测方法
摘要：
基于深度学习的精度预测模型会因不能自适应新的劣化数据而产生“灾难性遗忘”现象以致逐渐失效，这是人工智能领域当前研究的热点和难点，也是制约智能装备发展的难点之一。数控机床的运动精度演化过程具有混沌特性，为此，提出一种基于混沌理论与增量学习的数控机床运动精度混沌自演化预测方法。首先，证明了数控机床运动精度的动态变化是一个复杂非线动力学系统的混沌演化过程，提出通过相空间重构恢复运动精度系统在混沌相空间中的演化轨迹。然后，建立基于深度长短时记忆网络的运动精度混沌演化模型，利用LSTM对时间序列长期依赖关系的出色捕捉能力，在混沌相空间中追踪数控机床运动精度演化轨迹的内在规律。最后，提出在混沌演化模型中引入无遗忘增量学习方法，建立运动精度混沌自演化预测模型。该模型采用联合优化方法和知识蒸馏方法来更新参数，使模型在适应新劣化数据的同时也传递旧任务的软目标，在训练新数据时解决数据集更新时的“灾难性遗忘”问题，提升长时间预测的准确性和鲁棒性。实验表明，利用提出方法进行预测的评价指标MSE、MAE和MAPE相较未加入无遗忘模块其波动幅度分别下降了70.56%、33.31%和35.77%，证明了模型预测的准确性，进一步的模块消融实验也验证了该方法在预测准确度和鲁棒性上均优于传统方法。
-
基于要素信息补全的自动驾驶复杂场景语义理解
摘要：
针对自动驾驶复杂交通场景精准感知与理解过程中路侧设施及交通参与者二维视觉图像几何特征信息不全、场景语义信息缺乏等问题,构建一种基于要素信息补全的自动驾驶复杂场景语义理解模型。首先,运用稠密连接网络(DenseNet)提取视觉图像多尺度二维特征,通过特征视线投影模块(FLoSP)将体素逆向映射至三维空间,采用维度分解残差(DDR)模块构建3D UNet,提取场景目标三维特征,实现单帧视觉图像二维特征向三维特征的转换,再在3D UNet编码器与解码器之间引入三维上下文先验层(3D CRP),并通过空洞空间金字塔池化(ASPP)与Softmax层输出场景语义补全结果,以增强语义补全模型的空间语义理解能力。同时,运用图像描述生成技术,构建基于改进VGG-16编码器和长短时记忆网络(LSTM)解码器的上下文语义嵌入场景理解语言描述模型,其中改进VGG-16编码器将不同尺度的交通场景特征进行融合与拼接,并通过投影矩阵输入到LSTM解码器,建立场景目标图像与谓词关系的语义表示,进而自动生成目标检测结果及自动驾驶决策规划建议自然语言描述。最后,运用Semantic KITTI数据集及实车实验,对所提出的复杂场景语义理解算法进行验证。结果表明,该算法相较于JS3C-Net算法平均交并比(mIoU)相对提升了11.27%,通过语义补全实现了自动驾驶复杂场景的准确感知与语义理解,为自动驾驶决策规划提供可靠依据。
-
气体活塞式压力计超局部化无模型自适应控制研究
摘要：
活塞式压力计是一种重要的压力溯源检测装备。活塞系统是气体活塞式压力计的核心部件，由于气体介质特性，活塞精准定位和快速稳定是一项难题。通过分析气体活塞式压力计活塞系统的非线性因素，提出超局部化无模型自适应控制（ULMFAC）方法，采用超螺旋非奇异终端滑模控制（STNTSMC）与有限时间扰动观测器相结合，有效避免了滑模控制中的抖振现象，并显著提高了系统的动态响应特性。由于活塞有效面积、温度和介质泄漏等参数变化，基于超局部化无模型方法建立改进二阶动力学模型，避免基于模型的控制方法对于精确系统模型的约束。设计非奇异终端滑模面，解决了终端滑模控制中的奇异性问题，并利用自适应超螺旋方法抑制不连续控制引起的抖振现象，进一步提高系统的动态响应。构造扰动观测器估计系统的集总不确定性，实现有限时间稳定，通过Lyapunov函数证明了所设计控制方案的稳定性和有限时间收敛性。系统仿真和实验结果表明，ULMFAC方法在0.5、3和6 MPa的不同工况下，能够显著提高系统的鲁棒性、活塞的定位精度和动态响应，对于实现高精度和高效率的压力测量，具有重要的理论意义和实用价值。
-
基于改进遗传粒子群算法的无人机路径规划
摘要：
针对无人机高效飞行路径规划问题,提出一种改进遗传粒子群算法(IHGPA)。该算法在粒子群算法的基础上,融合多种策略,改善了收敛效果和解的质量。首先,为提升全局寻优能力,IHGPA算法引入分区优化策略,通过构建动态参数调整机制,优化了粒子速度与位置更新方式。其次,改进遗传算法的选择、交叉、变异算子进一步强化寻优能力,其中选择阶段采用轮盘赌方法与模拟退火算法优化并保留精英个体,交叉阶段结合概率算术交叉与改进模拟二进制交叉增加算法的种群多样性,变异阶段融合莱维飞行长步长扰动与多项式变异避免局部最优。最后,通过划分搜索区域交换最优解信息,并设置收敛检测机制,当适应度值小于设定阈值时对粒子进行二次优化,防止算法过早收敛。实验结果表明,在障碍物分散的环境1中,IHGPA算法的最佳适应度值相比遗传算法、粒子群算法、狼群算法、人工蜂群算法、蜣螂优化算法分别减少78.130%、46.190%、53.990%、41.124%、67.376%;在障碍物密集的环境2中,IHGPA算法的最佳适应度值相比上述算法分别减少89.990%、75.088%、76.503%、71.048%、81.061%。IHGPA算法能有效规划出安全且平滑的最佳飞行路径,并经多次实验验证展现出较好的稳定性和可靠性。
-
基于人体运动干扰建模预测的外肢体机器人补偿控制研究
摘要：
针对人机协作中外肢体机器人受到人体运动干扰从而影响末端工作精度的问题，提出一种基于人体运动干扰建模预测的外肢体机器人补偿控制方法。首先，为了精确测量人体运动干扰，设计了融合IMU和视觉估计的T265视觉惯性里程计传感方案。其次，针对人-外肢体系统进行了运动学建模与分析，构造了末端位姿关于人体运动干扰和外肢体机器人关节运动参数的函数，并以末端位姿保持不变作为控制目标，提出一种基于PID前馈控制的运动干扰补偿控制方法。此外，为了提高人体运动干扰补偿控制的响应速度，提出一种基于卡尔曼滤波器的人体运动干扰预测方法，通过构建人体运动状态空间方程，利用卡尔曼滤波算法实现了人体运动轨迹预测。最后，设计了人体运动干扰预测实验和人体运动干扰补偿控制实验。实验结果表明，人体运动干扰预测值与实际值的绝对误差为048±032 mm，对比有无预测方法时人体运动干扰补偿控制效果，预测方法将外肢体机器人末端在工作平面内的绝对误差由318±217 mm降低至123±091 mm。实验验证了所提出的外肢体机器人补偿控制方法能够有效提高末端工作精度，且基于卡尔曼滤波的运动干扰预测方法在克服控制延迟上效果显著。
-
基于改进比例积分微分优化算法的风机变桨控制参数优化研究
摘要：
变桨控制系统的高效运行是确保风机稳定功率输出、优化运行条件以及减少机械负荷疲劳的重要基础。在风机投运前，需离线完成变桨控制系统参数的精细化设计与整定。工程中，这些参数的优化与设计主要依靠风电工程师通过经验知识和仿真软件进行人工整定，该方式存在人员培训和优化时间成本高，且面临整定结果精确度低和一致性差等问题。而传统的比例积分微分优化算法在变桨控制参数智能整定过程中也存在着开发探索能力有限以及易于陷入局部最优等不足。因此，基于比例积分微分控制思想，设定收敛且随机的控制器参数，引入新的控制目标、控制误差和Levy飞行策略，提出了改进的比例积分微分优化算法。将IPIDOA与PIDOA、哈里斯鹰优化算法、鲸鱼优化算法、灰狼优化算法、粒子群优化算法、遗传优化算法在4个单峰基准函数、4个多峰基准函数和风机变桨控制参数优化实例上进行测试验证。结果表明，IPIDOA具有更快的收敛速度和更佳的参数寻优能力，同时在多类优化实例中具有更强的寻优稳定性。同时，通过计算IPIDOA的时间复杂度、对比上述各算法在风机变桨控制系统参数优化研究的收敛曲线，证明了IPIDOA具有优秀的计算效率。
-
多压电驱动机构机电耦合动力学建模与过驱动控制
摘要：
多压电驱动是突破纳米压电驱动机构位移行程限制的有效方案，但多压电驱动机构存在固有迟滞非线性、压电驱动之间耦合、非线性与线性耦合、过驱动冗余等问题。针对以上挑战，提出一种多压电并行驱动机构的机电耦合动力学建模与过驱动控制策略。首先，建立 Hammerstein 结构的机电耦合动力学模型，分别描述多压电驱动机构线性和非线性特性，并相应提出模型线性部分和非线性部分的参数估计方法。其次，提出综合反馈线性化、控制分配算法、上层控制律的总体过驱动控制策略，尤其是提出一种最小二乘控制分配算法，通过分配控制量实现误差序列二范数最小。最后，对所提出的建模与控制方法，分别进行了参数估计实验与过驱动控制实验。其中参数估计实验结果表明所提出的模型输出曲线能够很好拟合多压电驱动机构实验输出曲线，能够有效描述多压电驱动机构迟滞非线性输入输出特性，所提出的参数估计方法能准确估计模型参数。过驱动控制实验结果表明所提出的最小二乘控制分配算法的轨迹跟踪性能优于直接分配和最优分配，特别是期望轨迹为幅值130 μm、频率10 Hz的正弦信号时，所提出的最小二乘控制分配算法的精度比直接分配算法提高了56.63%，比最优分配算法提高了47.83%。
精密测量技术与仪器
工业大数据与智能健康评估
视觉检测与图像测量
先进感知与损伤评估
视觉检测与图像测量
信息处理技术
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
