下载专区
二维码
- 当前目次
- 优先出版
- 专辑论文
-
微波氨气传感器频率漂移温湿度补偿方法
摘要：
畜禽养殖、农产品品质检测以及工业环境等重点行业对有害气体的高精度检测提出了迫切需求。然而,室内环境中温湿度的波动会导致气体传感器出现频率漂移现象,进而影响气体检测精度。针对此类问题,通过电磁仿真分析微带谐振器电磁损耗特性，确定气敏材料最佳涂覆位置，进而提升微波传感器对氨气响应灵敏度，进一步分析微波传感器辐射增益与氨气浓度之间的相关性,结合无线功率传输模型,构建了无线氨气检测系统。基于射频识别检测原理,搭建氨气测试系统,开展了不同温湿度条件下传感器测试实验,分析了传感器输出性能。引入反向传输神经网络温湿度补偿算法,并结合皮尔森相关性分析,对不同温湿度条件下传感器的频率漂移进行分析与补偿校正。试验结果表明,温湿度波动对微波氨气传感器频率漂移具有显著影响,补偿后频率漂移幅度减少了14 MHz,误差浓度低至6×10-8,相对误差仅为2%,气体检测精度提升了31.11%。相较于基于反向传输神经网络温度补偿模型和支持向量机温湿度补偿模型，具有更好的补偿效果。综上所述,该研究有效提升了微波氨气传感器在复杂温湿度环境中的检测精度,为高精度有害气体检测提供了更有效的测量支撑。
-
横向过载下陀螺加速度计磁悬浮控制方法研究
摘要：
摆式积分陀螺加速度计作为单轴敏感加速度计，安装于惯性导航系统，一般使用情况下它敏感输入轴方向的视加速度，同时会受到垂直于输入轴方向的横向加速度的作用。针对摆式积分陀螺加速度计受到横向加速度作用时产生浮子绕输入轴进动周期性摆动幅度大，从而影响仪表精度的问题，进行了浮子受力分析，建立了横向加速度和敏感加速度同时作用下的浮子径向动力学方程。在磁悬浮纯比例控制方法的基础上提出了一种磁悬浮比例积分控制方法，由此提供更大磁悬浮支撑刚度来克服摆力矩和消除静态误差，实现抑制浮子摆动幅度。对两种控制方法下的浮子径向运动进行了Simulink仿真与对比，当横向加速度0.866g和敏感加速度0.5g同时作用时，浮子径向磁悬浮位置进动周期性波动±0.62 μm减小到±0.24 μm；当横向加速度3g和敏感加速度1g同时作用时，浮子径向磁悬浮位置进动周期性波动±2.2 μm减小到±0.74 μm。通过摆式积分陀螺加速度计开展离心试验进行对比，当横向加速度3.15g和敏感加速度0.313g时，浮子径向磁悬浮位置进动周期性波动±2 μm减小到±0.5 μm，当横向加速度和敏感加速度同时变化时，浮子径向磁悬浮位置进动周期性波动减小50%左右。结果表明磁悬浮比例积分控制方法比磁悬浮纯比例控制方法能够大幅抑制浮子径向摆动，摆动幅度缩小50%及以上。该方法具有实用的工程意义，可以提升摆式积分陀螺加速度计受到横向加速度作用时的仪表测量精度。
-
基于Koopman滤波的双条状抗温光学电流传感器设计及实验研究
摘要：
光学电流传感器符合新型电力系统智能化，数字化的发展需求，但目前光学电流传感器在电力系统宽温域测量中没有同时满足实时性和长期运行稳定性的抗温方案。为此，提出了一种基于Koopman自适应滤波的双条状抗温磁光式光学电流传感器 (DS MOCT)。首先介绍了磁光传感原理以及磁光传感温度扰动机理，应用琼斯矩阵构建了直通光路式光学电流传感器起检偏器任意角度光学电流传感偏振解析模型；然后分析起检偏器不同角度对传感器输出结果的影响并提出了起检偏器特殊角度温度补偿方法，构建了DS-MOCT抗温结构，包括测量臂和温度补偿臂，测量臂输出待测电流信号，温度补偿臂输出温度补偿信号，使用温度补偿信号对待测电流信号实时抗温补偿，DS-MOCT输出抗温扰动测量电流值；分析了DS-MOCT的误差来源并提出了基于Koopman理论的降噪方法；接着，在有限元仿真软件中模拟了实验系统中DS-MOCT多物理场耦合环境，可视化了DS-MOCT光波抗温过程，验证了DS-MOCT的抗温性能；最后搭建了软硬件协同设计的DS-MOCT实测系统。实验结果表明，在-40℃~40℃宽温域内，DS-MOCT测量误差<0.2%，满足GB/T 20840.8—2007对电子式互感器的0.2级测量标准；动态响应时间<14 ms，满足电力系统实时监控需求。所提基于Koopman自适应滤波的DS-MOCT，解决了新型电力系统中光学电流传感器的抗温性、实时性与长期运行稳定性之间的三重矛盾。
-
基于d33模式的压电式多维力传感器性能研究
摘要：
随着现代制造业、机器人技术、精密测量等领域飞速发展，多维力传感器对精准测量多方向力的需求日益凸显。针对提高机械臂和复杂机械系统中力控制与反馈精确性问题，开展关于压电式多维力传感器的研究。基于压电陶瓷的d33模式设计一种可精确测量X、Y、Z这3个方向力的压电式多维力传感器。传感器采用立方体结构，压电片分别与X、Y、Z轴垂直放置，实现多维力独立测量及自解耦。在COMSOL Multiphysics中对其参数和网格进行设置，模拟分析在不同方向施加载荷时整体结构的应力分布和变形，并结合微机控制电子万能试验机、传感器和信号采集设备，建立传感器三维测量系统，实现三维力的测量与分析。研究表明，各加载方向的力可通过合理设计传递路径准确作用于目标压电片，且可测试0~500 N法向力（Z方向）及0~200 N剪切力（X、Y方向）。所设计传感器具有较好动态响应能力、良好灵敏度、高精方向性及较稳定重复性，其中Z方向灵敏度0.080 V/N，X方向灵敏度0.110 V/N，Y方向灵敏度0.113 V/N，且各方向串扰均<0.2%。本研究在多维力测量领域具有广阔应用前景，为多维力传感器设计与优化提供重要实验数据和理论支持。
-
基于石墨烯-硅胶复合封装的FBG触觉感知单元设计
摘要：
机器手的精细化操作水平取决于其指尖触觉感知性能。为提升基于FBG的机器手指尖触觉感知性能,针对FBG柔性感知单元存在导热性能较差及接触力-接触温度交叉敏感的问题,设计了一种石墨烯-硅胶复合材料柔性封装的对角十字型FBG触觉感知单元,提出了一种基于鱼鹰优化算法优化卷积神经网络(OOA-CNN)的解耦方法。首先,利用仿真分析对比石墨烯-硅胶复合材料封装和纯硅胶封装中的FBG的温度响应和应变响应。然后,通过对比实验分析石墨烯质量分数为1%、1.5%、2%、2.5%、3%时对复合材料导热性能的影响,并结合三指机器手对FBG触觉感知单元进行指尖感知实验,检测其接触力灵敏度和接触温度灵敏度。最后,对接触力和接触温度复合感知信号进行耦合分析,通过解耦实验对比CNN模型和OOA-CNN模型,验证OOA-CNN的解耦效果。仿真和实验结果表明,通过在硅胶基体中添加质量分数为1.5%的石墨烯作为导热填料,能够在有效保证FBG的触觉感知性能的基础上,增强硅胶基体的导热性能; FBG触觉感知单元的接触力灵敏度为31.281 pm/N,接触温度灵敏度为10.787 pm/℃; OOA-CNN解耦模型相较于最小二乘法和CNN解耦模型,具有较好的解耦效果,接触温度平均绝对误差减小了40.73%,接触力平均绝对误差减小了41.33%。
-
基于KD-Tree加速的多线激光传感器数据融合方法
摘要：
针对多个线激光传感器协同扫描测量中大规模点云数据融合效率低、拼接误差大、处理复杂度高等问题，故提出一种基于KD-Tree加速的多个线激光传感器数据融合方法，通过动态邻域搜索策略和自适应半径调整机制，实现点云数据的高效排序与并行平滑优化。首先，构建KD-Tree空间索引结构，创新性地设计动态邻域搜索策略，实现二维轮廓数据从无序到有序的快速重组，算法时间复杂度由传统方法的O(n2logn)降至O(nlogn)；其次，结合OpenMP多线程并行计算技术改进移动最小二乘算法，提出K-MLS并行平滑方法，算法的时间复杂度从O(n2)优化至O(nlogn)，显著提升大规模点云的处理效率。在火车车轮测量系统中验证表明，当点云规模达到209万时，排序算法耗时较传统方法提升35.7倍，平滑算法耗时较传统方法提升84.5倍。最后，对比分析了该方法在提升点云质量方面的实际效果，算法可有效填补部分扫描数据的空缺，在轮辋面测量的最大偏差从±0.279 mm降低至±0.085 mm，三维点云配准的均方误差由0.323 mm优化至0.106 mm。实验数据表明，所提方法在保持亚毫米级精度的同时，显著提升了百万级点云数据的处理效率，有效解决了多传感器数据融合中的拼接误差、重叠区密度不均等问题，验证了算法在工业在线测量场景中的有效性与鲁棒性。
-
动态辐射条件下的双源感知室内位置测算方法
摘要：
在地下车库复杂的室内环境中，传统基于信号强度指示(RSSI)的指纹定位技术因辐射条件波动、多径效应及信号干扰等因素，存在指纹特征失真与定位结果偏移现象。针对此问题，提出一种动态辐射条件下的双源感知室内位置测算方法，通过融合环境辐射条件感知与信号特征分析，有效提升定位系统的鲁棒性。指纹离线采集阶段，构建双向融合时序感知模型(BGLA)，创新结合双向长短期记忆网络(BiLSTM)与双向门控循环单元(BiGRU)，分别捕捉辐射条件对RSSI的长、短期影响特征，并利用多头自注意力机制对特征进行深度融合，进而构建适应不同辐射条件的自适应指纹库；指纹在线匹配阶段，采用指数幂归一化方法，通过调节归一化参数，实现不同设备RSSI信号向统一量程的映射，以缓解硬件RSSI量程差异带来的干扰；此外，提出信源感知聚类算法，基于接入点(AP)质量筛选参考点(RP)，并融合感知密度估计，抑制AP信号质量波动引发的RP在线匹配偏差。地下车库场景的实验结果显示，所提方案综合性能较优，在已知辐射条件下，平均定位精度较对比算法提升11.05%~25.38%；在未知辐射条件下，通过BGLA模型构建对应辐射条件的指纹库，从而平均定位精度优于对比算法27.55%~35.71%。
-
“高分五号”卫星高光谱相机结构设计与验证
摘要：
“高分五号”卫星搭载的可见短波红外高光谱相机AHSI是我国高分专项的核心载荷之一。现有离轴三反相机结构设计多应用于可见光相机及多光谱相机，而高光谱相机则由望远镜、光谱仪及探测器组成特殊架构，AHSI光路长达3 m，包含3套离轴系统及22个离轴光学元件，导致系统在有限空间内复杂度及敏感性高，结构设计需解决复杂光路布局与空间环境稳定性挑战。研究基于新材料的相机一体化结构构型，是AHSI结构设计亟待解决的主要问题。首次系统性揭示了AHSI材料选型、结构设计、仿真分析与试验验证全流程。高光谱相机采用55%高体分SiCp/Al复合材料作为光机系统主支撑结构材料，结构设计采用将离轴三反望远镜、奥夫纳光谱仪及探测器等一体集成于复合材料光机框架上，实现了复杂紧凑系统布局、高刚性、高稳定性与轻量化的协同优化，采用超声波辅助梯度钎焊工艺完成光机框架组合焊接，通过有限元分析和力学试验验证了相机结构设计强度和刚度特性。高光谱相机在轨成像质量及辐射特性测试结果与地面保持一致，充分证明了高光谱相机结构设计有效性和稳定性。AHSI是国际上首台同时兼顾宽覆盖和宽谱段的高光谱相机，为我国国土资源调查等国家重大战略需求提供了有力支撑。
-
基于参考环的透镜多参数差动共焦测量方法
摘要：
单个透镜的几何参数误差累积效应对光学系统整体的成像质量影响尤其突出,在透镜的多种几何参数中,中心厚度、楔形误差和中心偏差对成像质量的影响较为显著。针对光学透镜中心厚度、中心偏差、楔形误差等几何参数测量及面形关联表征的难题,提出了一种基于参考环辅助定位的差动共焦光学透镜几何多参数综合测量方法。该方法利用激光差动共焦测量曲线零点与传感器焦点精确对应的特性,实现了光学透镜单一表面的高精度定焦测量;通过共基准参考环辅助定位方法,实现了光学透镜双侧表面翻转测量过程中的精确定位;通过参考环姿态配准方法,实现了光学透镜表面关联配准及面形重构,最终实现了光学透镜几何多参数的综合测量及评价。通过对透镜的几何多参数进行综合测量,可以有针对性地对系统整体进行优化设计,减少了重复定位误差和累积误差,有助于提高系统的精度,改善成像质量,进而提升光学系统的整体综合性能。经实验验证,该方法对光学透镜厚度的测量误差<1.200 μm,中心偏差的测量误差优于1.000 μm,楔形误差<0.002°,该方法为光学透镜几何多参数测量提供了一种新的技术途径。
-
基于塔形工件的五轴数控机床旋转轴几何误差自标定辨识方法
摘要：
随着制造业精度要求的提高，五轴机床几何误差的高效辨识是实现精密加工的重要基础。提出一种基于塔形工件的自标定方法,能够同步辨识旋转轴(C轴)、线性轴及工件的几何误差。该方法通过设计五层阶梯状塔形工件,结合线性轴三维体积误差模型,将线性轴误差离散表示于三维网格节点上,并利用多角度探测数据构建超定方程组,采用最小二乘法实现误差参数的高效估计。实验成功辨识了C轴的4项位置无关几何误差和6项位置相关几何误差,同时量化了线性轴与工件的几何误差。实验结果表明,该方法在重复装夹条件下对C轴误差辨识具有良好的稳定性,具备长期监测能力。为进一步验证其准确性,以盘形工件为对照开展误差对比实验,结果显示两者在误差辨识结果上的平均吻合度达到89.8%,验证了该方法的准确性。结合蒙特卡洛模拟进行不确定度分析,表明该方法在测量系统误差和环境扰动下仍具有良好的鲁棒性和可靠性。该方法无需依赖高端测量设备或复杂路径规划,支持工件重复装夹和自动化测量,具有操作简单、成本低、适应性强等优势,为五轴机床几何误差的高效辨识提供了实用可行的技术方案。
-
流固两相流颗粒参数全波长超声衰减模型研究
摘要：
随着工业流程的精密化发展，流固颗粒两相流体系在化工、能源等领域的应用日益广泛。根据连续相介质的不同，流固两相流可分为气固和液固两相流，其中颗粒粒径和浓度特征参数的精确测量对于过程控制和效率优化至关重要。针对经典超声衰减模型难以适应不同介质种类且无法覆盖全波长范围这一问题，基于热粘性声学物理场数值模拟方法，分析经典理论模型的优势与不足，采用McClements模型和BLBL模型的耦合叠加方法，实现不同衰减机制的综合表征，建立了适用于低浓度流固两相流在全波长区的超声衰减McBL模型，结合粒子群算法实现了对颗粒粒径与浓度的同步反演，将仿真衰减系数作为反演输入，初步验证该模型的适用性。仿真结果表明，与仿真模型的颗粒参数相比，反演获得的颗粒平均粒径和浓度，误差均在±15%以内。此外，搭建了超声衰减实验装置，采用双频透射法测量流固颗粒两相流的超声衰减系数，并利用McBL模型结合粒子群算法对实验衰减系数进行反演计算，反演输出颗粒平均粒径和浓度。实验结果显示，与激光粒度仪测量结果对比，颗粒平均粒径误差在±10%以内，进一步验证了McBL模型结合粒子群算法在流固两相流全波长区特征参数反演中具有较高的准确性，该研究对流固两相流特征参数的在线精确测量具有重要意义。
-
螺旋环结构超高频RFID双面抗金属标签的研究
摘要：
提出一种小型化螺旋环结构双面抗金属超高频RFID 标签。标签天线由3层金属平面组成，其中中间层为辐射贴片，上下两层为接地面，通过两层1 mm厚度泡棉基板隔离。辐射贴片包括外部环形贴片与内部螺旋环贴片，标签芯片位于环形贴片与螺旋环贴片之间。当标签天线下层接地面接触金属背景时，中间层辐射贴片和上层接地面共同产生有效辐射；反之，当上层接地面接触金属背景时，中间层辐射贴片和下层接地面可共同产生有效辐射，从而实现标签的双面抗金属性能和小型化。理论和仿真分析表明，改变中间层螺旋环贴片长度可有效调节天线的感抗，有利于实现天线与芯片阻抗共轭匹配。天线尺寸为35 mm×20 mm×2.15 mm，仿真和实测结果表明，标签天线与芯片间最大功率传输系数在双面状态下均能达到98%以上；在902~928 MHz 频率范围内和读写器设置为3.28 W等效全向辐射功率（EIRP）条件下，标签双面状态分别放置于200 mm×200 mm金属板上时最大读取距离分别为7.5和7.6 m，最低灵敏度均为-14 dBm。本文所提出标签具有体积小、双面抗金属一致性好、读取距离远等优点，可有效提升金属环境应用场景中悬挂式标签的识别能力和稳定性，为复杂金属环境下的RFID标签应用提供了高效解决方案。
-
基于量热法的宽范围频率激磁磁性元件损耗测量研究
摘要：
当利用电气测量法测量高达100 MHz频率激励的磁性元件损耗时，高频寄生参数将导致非常大的测量误差。利用量热法测量超高频激励磁性元件损耗，封闭式量热法的误差来源于比热容的确定，以及热量散失和附件热量。通常采用定标量热法消除封闭式量热法的测量误差。传统定标量热法以直流功率为标准校验功率-温升（P-ΔT）关系，直流功率定标量热法的误差来源于定标过程和测量过程的环境不一致，其中连接导线的直流等效电阻和交流等效电阻的差值导致的测量误差，随着激励频率的增加而增加。提出交流功率定标量热法测量超高频激励磁性元件损耗，以交流功率为标准校验P-ΔT关系，定标过程和测量过程的激励频率相同，消除连接导线损耗不一致导致的测量误差。交流功率定标量热法的误差来源于高频寄生参数对测量的影响。基于定标量热法测量原理和测量误差的详细分析，且提出解决方案，搭建磁性元件损耗测量平台，编制上位机测量界面，实现自动化测量。最后，以可精确获取损耗的空心电感作为感性被测件，验证定标量热法测量平台可精确测量100 MHz频率以内正弦波激磁磁性元件损耗。
-
基于改进独立成分分析的雨声信号盲源分离研究
摘要：
针对传统基于负熵等目标函数的快速独立成分分析法（FASTICA）在雨声信号盲源分离中产生的幅度扩大,分离性能较差等问题,提出了一种改进的独立成分分析（ICA）方法。不再采用传统基于负熵、峰度等复杂目标函数,选择基于最大化信号的非高斯性,通过双曲余弦函数与对数函数的组合进行非线性变换,同时以源信号与分离信号的均值差平方重新构建目标函数,同时为了提高算法的运行、收敛速度以及寻优能力,引入粒子群算法（PSO）替代传统梯度下降法,利用其快速全局搜索能力对目标函数进行寻优,有效规避ICA在迭代过程中易陷入局部最优的问题,获取最佳解混矩阵后进行雨声混合信号的分离,提取较纯净的雨声信号。实验结果表明,改进后的ICA能够满足盲源分离需求,分离指标（PI）达到了10-2级别。为了进一步验证所提算法的有效性与稳定性,在不同雨声类型与环境噪声混合场景下分别进行了盲源分离实验,结果显示所提改进ICA算法在不同环境噪声背景下的混合信号中均能有效分离并恢复出源雨声信号。此外,将改进目标函数的ICA与基于负熵的FASTICA算法进行对比,所提算法不仅能够有效解决FASTICA算法产生的幅度扩大问题,并且收敛速度更快,均方误差（MSE）降低了两个数量级,不同雨声类型下的信号失真比（SDR）均提升了近20 dB。
-
一种三绕组耦合电感双极性输出高增益DC-DC变换器
摘要：
双极性直流微电网系统是一种高可靠性、高灵活性和高效率的电力供应创新架构。通过结合前沿成果和对双极性输出的三电平Boost变换器拓扑结构中加入耦合电感线圈并集成开关电容升压机制，该研究提出一种具有低输入电流纹波和开关器件应力小等优点的三绕组耦合电感的双极性输出高增益DC-DC变换器，可通过开关管的导通时间和耦合电感匝比对变换器的输出电压进行调节。该研究深入探讨该变换器的拓扑结构推演过程、工作原理及其工作模态，对变换器的电压增益和各元器件的电压和电流应力进行理论推导与数值计算，同时对其进行了效率分析和与其他高增益DC-DC变换器之间的电路性能比较。最终搭建了用于验证该变换器工作性能的工频为50 kHz，输入功率为200 W，输入电压为28 V，输出电压分别为190 V和-190 V的实验样机，并且根据输入电流纹波比选取合适的输入电感。实验在满载(200 W)的条件下，进行了输入电压24、28和32 V升至输出电压380 V的全面测试，并展示了它们的输入电流和输出电压波形图。当实验在半载和满载条件进行时，变换器的效率为95.65%和93.63%，这些实验结论表明该变换器所具备的特性为其在高频高效工作状态下运行创造了有利条件，在电力行业具有广泛的应用空间和重大的研究价值。
-
基于浅海气泡群声散射的环境参数测量系统研究
摘要：
海洋观测设备的相关研究，在海洋基础建设中的重要性不言而喻，其中的环境参数测量系统能够对海水介质的物理参数进行有效获取。提出从浅海气泡群声散射理论出发，描述介质动态参数—声学激发条件—声场演化规律之间的关系，阐述气泡群分布与介质的声学参数的关系式，利用其特殊的声散射特性进行环境参数测量。系统使用窄脉冲进行扫频，测量得到待测介质的入射声压、前向与背向散射声压幅值，可以实时测量介质的散射系数与衰减系数，代入气泡散射理论和非线性参数理论，可以实时测量得出浅海的环境参数，并在湖试实验中进行实地测量，对比实测的散射系数与测量结果对应的散射系数验证了系统测量的准确性。并且，已知纯水介质的非线性参数为3.5，实测得出的非线性参数最高可以到90，验证了浅海气泡的存在大大增加了介质的非线性，同时也说明了在浅海环境中不能直接使用纯水的非线性参数进行近似，实验结果也进一步表明了测量非线性参数的重要性。与常用的测量系统相对比，该测量系统简单、适用性强，适合应用于复杂环境，能快速的测量得出浅海环境参数，尤其是解决了一直以来无法快速测得浅海环境中的非线性参数的难点，在实际应用中也具有重要意义。
-
一种改进的鸟瞰图视角下相机/ 激光雷达融合感知算法
摘要：
在自动驾驶感知任务中，通过将不同模态的信息投影到统一的空间表示，实现基于鸟瞰图的相机和激光雷达特征多模态融合已成为主流研究范式。虽然BEVFusion等代表性框架能够实现较高的三维目标检测精度，但其在二维图像特征向BEV空间的视角转换过程中依赖深度预测，该模块不仅模型复杂、参数冗余，还存在推理效率低、内存消耗高等问题，对硬件资源提出了较高的要求，限制了模型在边缘设备或资源受限场景中的部署与应用。针对上述问题，在BEVFusion框架基础上，围绕视角转换过程的精度与效率瓶颈展开研究，提出了一种融合相机与激光雷达信息的BEV视觉特征优化算法。该算法利用激光雷达提供的深度信息替代图像深度预测，通过将其嵌入图像特征表达过程，实现对原有视角转换路径的结构性简化，并对BEV空间构建与池化模块进行了精简重构，有效降低了计算复杂度。实验结果表明，在保持三维物体检测精度不变的前提下，优化后方案将关键模块推理时间缩短至原方案的16%，端到端推理速度提升83%，峰值显存占用降低27%，同时显著减轻了对输入图像分辨率的限制，增强了模型对算力资源的适应能力，提升了其在实际部署中的可行性。
-
复杂背景干扰下基于时空关联的低慢小红外目标检测方法
摘要：
为了提升复杂背景干扰下对低慢小无人机红外目标探测能力，提出了一种复杂背景干扰下基于时空关联的低慢小红外目标检测方法。首先，在单帧静态目标检测研究方法上，基于YOLOv8检测算法改进，通过引入无跨步卷积层和P2小目标检测头，解决下采样环节带来的小目标检测细粒度信息丢失问题并提高了小目标检测能力；其次，在动态轨迹预测研究方法上，通过引入卡尔曼滤波算法实现无人机目标轨迹预测；最后将单帧静态目标检测方法和基于卡尔曼滤波的动态轨迹预测关联，实现当低慢小无人机目标检测信息丢失时，依据置信度判别切换动态轨迹预测方法持续获取目标位置，实现在同一序列中对目标的帧间信息进行对齐，并完成帧间信息的交互，在时间维度上建立关联。实验结果表明，改进的单帧静态目标检测算法YOLOv8-P2-SPD平均精度mAP@0.5达到了86.8%，在云层、山地和楼宇等复杂背景下，提出的基于时空关联的低慢小红外目标检测方法相比单独使用单帧静态目标检测算法精确率可以提高12.1%，查全率可以提高12.2%。该方法可以有效弥补深度学习方法对复杂背景干扰下低慢小目标检测的不足，适用于复杂干扰背景下的低慢小目标检测。
-
空间频域融合的视网膜血管分割方法
摘要：
视网膜血管的精确分割对于诊断多种眼部疾病至关重要，它不仅有助于识别糖尿病、动脉硬化和心血管疾病等医学问题，还能显著提升医生对患者疾病的诊断和治疗能力。现有的卷积神经网络方法虽然在空间域内通过卷积操作捕捉局部特征能力表现出色，但在获取全局空间特征信息方面存在局限性。而频域方法虽能捕获图像的整体频谱分布和全局结构特征，却因频域变换过程中的空间信息模糊化处理，难以精确定位局部特征并保留高频细节信息。提出了一种空间频域融合的视网膜血管分割方法，该方法结合了空间域和频域方法在获取局部和全局特征信息方面的优势。首先，设计双支路的空间频域特征提取与融合模块，在编码阶段融合频域和空间域的特征信息，旨在减少下采样过程中丢失的细节特征。此外，引入多尺度高斯滤波器，以提高模型定位血管边界和保持小血管连贯性的能力。最后，通过空间频域自适应融合模块动态计算特征图各区域的融合权重，提升小血管分割的准确性。在DRIVE和CHASE_DB1这两个主流开源数据集上进行了性能测试，其准确率分别为96.9%和97.81%。实验结果表明该研究的方法在血管分割的准确性、小血管的连贯性和应对病变的鲁棒性方面均展现出了竞争优势。
-
基于闭环检测和地面优化的激光雷达惯性里程计建图与定位
摘要：
在机器人建图的过程中，通常需要准确的估计机器人的姿态，从而为后期导航和路径规划提供一个基础。然而在常见的室外工作环境中，由于机器人偏航角、滚转角和俯仰角这3个状态量在一定程度上不可观测且难以评价和消除误差，所以经常会导致在户外场景下地图Z轴严重漂移，无法获取一个准确的全局一致地图。为了降低Z轴漂移误差，提出了一种完整的机器人建图系统架构，其通过地面优化和闭环检测两部分相结合的方法降低特征匹配所需点云数量的同时，提高机器人建图的准确性。为了高效融合多源传感器数据，并实时估计惯性测量单元的动态零偏，该系统基于激光惯导同步定位与建图方法，通过构建因子图框架，将激光里程计因子、惯性里程计预积分因子以及回环检测因子纳入其中，通过因子图优化对机器人全局位姿进行估计，从而降低累积误差，最终构建出整体一致的全局地图。该算法部署到了更易产生上下振动的四足机器人平台上进行了实机实验，并使用公开数据集进行广泛评估，与基线方法相比，实验结果表明该系统在保证建图效果的同时，提高了建图精度，降低了绝对轨迹误差平均值。
-
基于双目相机深度估计的相机-LiDAR端到端外参标定方法
摘要：
准确可靠的传感器外参标定方法是相机-激光雷达融合系统实现高精度定位与导航的关键。然而,现有的端到端相机-激光雷达外参标定方法仍存在诸多不足,如模型参数量大、模态特征相关性计算不匹配等问题。为此,提出了一种基于双目相机估计深度图与激光雷达初始投影深度图的相机-激光雷达外参联合标定方法。该方法首先采用SGBM算法对双目图像进行立体匹配，获得高精度深度估计图;然后将其与激光雷达初始投影深度图一同输入设计的轻量级深度学习网络,进行多模态特征提取,有效缓解模态不一致问题;接着通过相关性匹配层对两种特征进行相关性计算,并且引入两组自注意力机制分别关注旋转外参和平移外参;最后,通过迭代细化的网络训练策略实现高精度的外参估计。在KITTI Odometry数据集上的实验结果表明,所提算法可以分别取得0.67 cm的平均平移误差和0.09°平均角度误差,较当前主流的方法LCCNet分别降低了59.64%和72.73%,并且具有更少的模型参数量。此外,所提算法在实车测试中也展现了精确的端到端标定效果,以所提算法标定结果为初始外参的LVI-SAM算法绝对轨迹均方根误差相较LCCNet降低了5.18%,验证了该方法在标定准确性和工程实用性方面的优势。
-
基于双层级显著性驱动的车辆部件检测方法
摘要：
高精度的车辆部件检测与分割技术对智能定损系统中辅助定位损伤部件至关重要,但常面临着复杂场景下存在的背景干扰抑制难题,以及传统检测方法局限于单层次特征表征而导致的检测效能瓶颈。为解决这一问题，提出了一种基于双层级显著性驱动的车辆部件检测方法。在图像层面,引入DeepLabV3结合3种损失函数提取显著前景以削弱背景干扰;在特征层面，基于YOLOv11构建检测与分割框架，在特征提取阶段融合空间注意力金字塔池化结构以提升多尺度特征聚合能力,并设计注意力引导的显著性图模块以实现全局建模与空间增强。为验证方法有效性，构建了一个面向多部件检测任务的车辆部件数据集,并在该数据集上进行了大量实验,消融实验验证了各模块的有效性。在对比实验中,检测准确率和分割准确率分别较基线模型提升3.5%和3.7%,结合可视化结果进一步表明该方法更聚焦于部件显著区域,能有效减少复杂背景引起的误检与漏检。此外,该方法在公共数据集Car Seg上展现出良好的泛化能力,在多个评价指标上均取得最优性能。因此,双层级显著性驱动架构通过显著前景提取和注意力引导多尺度特征聚合,显著提升了对车辆部件的检测精度,为车辆保险行业的智能定损技术提供了新的实践参考。
-
基于体素的全稀疏三维目标检测器
摘要：
针对目前基于体素的三维目标检测方法由于过于依赖密集二维骨干网络而导致在大范围点云感知上实时性不佳问题，提出了一种基于体素的全稀疏三维目标检测器VoxelFSD,有效提升在大范围点云上检测的实时性表现。该模型由3个关键部分组成:首先,并行卷积分支模块（PCB）,扩大模型的感受野,充分提取物体特征，并且有效处理物体中心特征丢失对结果的影响;其次,稀疏候选框生成（SRPN）检测头,以稀疏的方式预测物体定位框,在点云模态下，相比密集预测方式能够减少冗余计算，从而提升模型在大范围点云预测中的计算效率;最后,注意力融合模块候选区域检测头（AFM-ROI）,在二阶段检测中，利用交叉注意力机制有效融合提取的三维骨干特征和压缩后的鸟瞰图特征,进一步精炼物体特征，得到更好的检测效果。在现有基于体素检测框架上舍弃密集2D骨干，并引入PCB模块和SRPN检测头，提出了全稀疏结构的单阶段轻量级检测器VoxelFSD-S。VoxelFSD-S在速度和精度上相比现有基于体素的轻量化模型达到了更好的平衡，并且能够在大范围点云场景中满足实时性要求。在VoxelFSD-S基础上,进一步引入AFM-ROI提出了两阶段检测器VoxelFSD-T。VoxelFSD-T牺牲部分推理速度但能够显著提升模型精度。VoxelFSD-S和VoxelFSD-T在KITTI数据集测试集上精度分别达到77.67%和81.50%。
-
基于改进通道注意力优化变分自编码器的居民空调负荷辨识
摘要：
居民空调负荷的准确辨识是挖掘其调控潜力和实现需求响应的关键。针对目前居民空调功率求解方法的精度不足和计算复杂问题，故提出一种基于变分自编码器（VAE）和改进高效通道注意力机制（ECA）的居民空调负荷非侵入式辨识神经网络模型。改进ECA采用结合全局平均池化与全局最大池化的双池化策略，既捕获整体统计信息又突出局部显著响应。借助压缩-重构机制，在降维后利用快速动态卷积核自适应捕捉局部通道交互信息，有效聚焦关键信息，为通道赋予合理权重；将改进ECA集成在VAE解码器中，增强模型对空调负荷的特征重构能力；模型进一步引入多任务学习框架，联合优化功率分解与状态识别任务，实现任务间信息共享和互补，从而提高整体辨识精度。同时，利用输出模块和后处理状态阈值约束，有效抑制非空调负荷的干扰。最后，在真实居民用电数据集上进行实验验证。实验结果表明，相较于两个对比模型，模型在3个地区所有居民功率分解的平均绝对误差（MAE）均值分别提升59.71%和9.22%，空调状态识别F1值达84.58%。消融实验表明，改进ECA使其中两个地区功率分解MAE分别降低56.23%和12.47%，多任务学习框架进一步推动辨识精度提升3.17%和5.90%。所提出的少量侵入式测量方案以30%用户侵入式量测数据训练，在保证模型准确性的同时，减少对用户数据的依赖，具有较强的应用潜力。
-
联合“状态估计-轨迹预测”的GNSS-RTK可信定位
摘要：
可靠、高精度的位置信息是保证无人运输列车安全行驶的前提条件,然而实际钢铁生产运输场景中多径干扰和信号遮挡会造成GNSS-RTK定位数据中出现大量伪固定解,导致列车定位结果不可信,严重威胁列车运行安全。针对上述问题,提出了一种联合“状态估计-轨迹预测”一体化的GNSS-RTK可信定位方法。首先,构建了GNSS-RTK双差定位模型,并利用最小二乘算法实现GNSS RTK浮点解的解算。在此基础上,提出了联合模糊度降相关与ratio校验的GNSS-RTK浮点解固定方法,实现了厘米级的高精度定位。进一步,针对多径干扰和信号遮挡场景下ratio校验固定阈值引入的伪固定解问题,不同于传统方法中依赖多源传感器感知信息进行交叉验证的思路,通过对比列车当前时刻位置状态估计结果与之前时刻预测轨迹之间的差异,挖掘列车运动轨迹时空特征,能够在不增加硬件设备的条件下,实现对GNSS-RTK伪固定解的快速识别与校准,提高列车定位结果的可靠性。最后,所提方法在半遮挡场景、城市峡谷场景和钢铁运输现场开展了实际测试。实验结果表明,其能够在实现GNSS-RTK高精度定位的同时,准确识别定位过程中输出的伪固定解数据,伪固定解识别率优于基于阈值检测和轨迹预测的异常定位检测方法,保障实际工业场景列车定位结果的高可靠性。
-
采煤机双IMU位姿解算方法
摘要：
惯性测量单元（IMU）可实现自主全参数导航的优点，具有在井下GPS拒止环境应用的技术优势。基于冗余IMU的采煤机定位是综采装备可行的低成本定位方法，但也面临IMU随时间漂移大的问题。当2个IMU安装在采煤机载体后，其各自输出位置和姿态的差值均应该是常数，即应满足双IMU位姿约束条件。基于位姿约束条件，以信息滤波为基本框架，提出了采煤机双IMU位姿解算方法。以IMU-1和IMU-2的姿态四元数作为状态量，基于四元数更新方程建立信息滤波状态方程。以加速度计原始输出、磁力计原始输出、位置差值和姿态差值作为量测量，推导各量测量与姿态四元数转换的雅克比矩阵，分别构建量测方程。采用移动机器人模拟采煤机截割4刀实验，每刀52 m。对于IMU-1，算法处理后第3、4刀的球概率误差由3.618 0、8.220 2 m分别减小到1.545 2、2.882 8 m，定位精度提升约64.9%。对于IMU 2，算法处理后第3、4刀的球概率误差由4.342 0、5.736 8 m分别减小到1.617 8、2.352 3 m，定位精度提升约59.0%。对于移动机器人，对IMU-1和IMU-2算法处理后的姿态求取平均值，采用航位推算法解算位置坐标，得到第3、4刀的球概率误差分别为0.790 7和1.431 7 m。该方法为冗余IMU定位提供了底层解算算法，提高了定位精度。
-
基于多分辨奇异值分解的桥梁缆索索力导波测定方法研究
摘要：
缆索索力是评判缆索承载能力和服役寿命的重要指标。基于声弹效应的超声导波缆索索力测定方法,在检测缆索缺陷的同时,真实反映缆索整体应力情况,是一种极具潜力的缆索索力测定方法。然而,在采用超声导波进行索力测定过程中,受缆索结构影响,导波波形复杂,难以准确提取声时测量需要的特征点。针对此问题,提出基于多分辨奇异值分解的桥梁缆索索力导波测定方法。该方法基于二分递推原理,构建一种新型二分递推矩阵,结合多分辨奇异值分解(MRSVD),采用滑窗处理方法对信号进行分段处理,获取一种新的回波声时定位特征量—奇异相关值(SCV),该特征量能够有效表征窗内信号与直达波信号之间的相关性。通过构建奇异相关值谱,实现缆索端部回波声时的高精度提取。为验证方法有效性,选用5-55丝平行钢丝索试件,在0~500 kN索力范围内开展缆索索力测定实验。实验结果表明,对于规格为5-55丝带锚头平行钢丝索,在不同索力条件下,该方法在降低噪声干扰同时,能有效提取缆索端部回波声时实现导波波速测量,并进行索力测定,索力测定结果与实际测量索力之间相对误差在10%以内,与互相关法相比,该方法在声时提取精度和抗干扰方面均表现出优势,为桥梁缆索索力测定提供新的特征提取途径。
-
基于随机有限集理论的雷达抗干扰目标跟踪方法
摘要：
在密集车辆感知场景中，由于在车辆间雷达发射信号缺少协调机制，使得接收雷达回波极易受到邻近车辆发射信号的干扰，导致雷达视野内产生虚假目标并引发真实目标跟踪失败。为解决上述挑战，提出一种基于高斯混合概率假设密度滤波的雷达抗干扰目标跟踪方法。首先，利用时频变换技术对雷达接收信号进行特征分析，阐明干扰信号对真实目标回波的影响机理。接着，考虑到干扰强度变化会造成检测目标时变，不同于传统针对目标点的“状态-量测”显式关联思路，基于随机有限集理论构建状态和量测集合，并引入自适应关联权重，建模“状态-量测”集合间的隐式映射关系。最后，为进一步融入“真实-虚假”目标的时空分布特征，采用高斯混合概率假设密度滤波方法求解上述过程，能够有效降低虚假目标干扰，并实现动态数目条件下目标的准确跟踪。利用TI公司的毫米波雷达在真实场景中开展了方法验证，于被测车辆前方布设同频雷达以施加射频干扰。干扰条件下，雷达谱底噪显著抬升，信噪比降至-10 dB以下。试验结果表明，该方法在目标交叉与遮挡等复杂场景中仍能实现稳定跟踪；虚假目标抑制性能卓越，使跟踪误差较其他算法降低约50%，充分验证了该方法的优异抗干扰性能。
-
基于柔性相变储能材料的超低温巡检机器人热管理技术研究
摘要：
超低温；巡检机器人；相变储能；热管理技术；柔性材料
-
深度优化的集成学习模型EKSSA-CatBoost:实现光伏阵列故障高精度智能诊断
摘要：
光伏阵列在运行过程中，可能会受到多种因素的影响，导致不同类型的故障。通过机器学习算法，可以实现光伏阵列数据的实时监测、故障诊断和预测性维护，这种方法不受地理环境的限制，能够提高系统的可靠性和效率。光伏阵列的电流-电压（I-V）曲线是一项重要的指标，包含了大量关于光伏组件健康状况的信息，对于及时发现故障、评估健康状况至关重要。然而，现有方法只对来自I-V曲线的部分信息提取进行诊断分析，没有更深入地挖掘I-V曲线中的所有信息，能检测到的光伏阵列故障十分有限。针对以上问题，首先提出一种I V曲线校正算法用于修正辐照度和温度对同一故障类型特征表现的影响，有效消除环境变量对故障特征表征的耦合效应。然后，利用CatBoost模型实现光伏阵列小样本高精度的实时故障智能诊断，并且利用麻雀搜索算法对模型的关键超参数进行优化。最后，为了进一步提升麻雀搜索算法的寻优能力，通过引入融合精英反向学习策略和柯西高斯变异策略改进麻雀搜索算法，使其在优化CatBoost模型中达到最佳效果。结果表明，利用模拟数据和现场数据分别进行模型的训练及故障诊断，测试集出现仅一个和两个误诊的样本，深度优化的集成学习模型CatBoost的分类准确率均达到99.9%。
-
数据驱动的纹理摩擦建模与触觉渲染方法研究
摘要：
作为纹理的重要触觉感知维度，摩擦特征对于虚拟纹理的触觉真实感有显著影响。已有的研究已经利用传统的物理摩擦模型对表面摩擦进行建模，但这类方法常伴随较高的计算复杂度和参数设定的繁琐性。为了避免复杂的纹理建模过程，并实时预测与虚拟纹理交互时需要向用户反馈的滑动摩擦力，本研究以融合注意力机制的编码器-解码器为主体，建立了一个端到端的纹理摩擦预测模型（TFPM）。该模型以前一段时间摩擦力数据与用户动作信息作为输入，能够高精度地生成实时摩擦力信号，并在应对常见纹理时展现出较强的泛化效果。继而开发了一种具备实时采集操作信息（按压力与滑动速度）功能的触觉设备，通过与Touch设备进行组合来采集与70个真实纹理交互时的数据，并与SENS3数据库一同用于对模型进行训练。为进一步验证模型的泛化能力，针对测试集中的纹理样本进行了性能评估实验。结果表明，模型能够高质量地渲染虚拟纹理的摩擦属性（均方根误差为0.025 7），并能有效地对数据库之外的纹理进行触觉建模。最后，通过心理物理实验确定了各类虚拟纹理摩擦信号的最佳增益参数，并据此开展了3项用户体验实验。实验结果表明，提出的方法获得了当前最高的感知平均相似度评分（625），能够为用户带来更加真实的虚拟纹理交互体验。
-
基于MBIT的移动机器人渐进最优路径规划
摘要：
提出一种基于多批量知情树（Multi-Batch Informed Trees, MBIT*）的移动机器人路径规划算法以降低路径规划时间及路径长度。该算法包含多知情集生成及路径优化两个步骤。首先，基于广义维诺图生成移动机器人启发式无碰撞参考路径；之后，基于批量知情树（Batch Informed Trees, BIT*）及初始参考路径提出并构建多知情集搜索方法，进而移动机器人路径规划的采样区域并提高路径搜索效率。以此为基础，为避免现有批量知情树算法中采样点的不均匀分布问题，根据障碍物与知情集分布引入偏置采样算法，规划出狭窄环境下移动机器人的搜索时间与长度最优路径；为证明算法有效性，对提出的多批量知情树算法进行理论分析，结果表明该算法具有概率完备性及渐进最优性且计算复杂度及存储空间具有可测性；同时，开发提出的多批量知情树算法软件模块，并将其集成到机器人操作系统；为进一步对算法进行验证，在典型地图下将提出的多批量知情树路径规划算法与目前常用的基于采样的路径规划算法进行仿真研究与性能对比，并在典型地图下对算法开展真机实验研究。结果表明，提出基于多批量知情树的移动机器人路径规划算法在路径长度与规划时间具有显著优势，并具有可实现性。
-
基于路径虚拟与自适应预瞄的泊车轨迹跟踪
摘要：
在传统泊车控制中，纯跟踪算法因路径不连续性和前视距离固定而存在一定局限性，尤其在精度与平滑性方面表现不佳。针对泊车场景下纯跟踪方法前视距离不易选择、终点性能差以及前轮转角易发生振荡等问题，提出了一种基于路径虚拟与自适应预瞄的泊车轨迹跟踪方法。首先，分析了纯跟踪下泊车几何关系模型，以此为基础提出泊车轨迹路径末端处理和路径预处理优化策略，通过虚拟延长和模拟跟踪泊车轨迹的方式解决泊车轨迹曲率不连续导致振荡以及接近终点时前轮转角变化引起的抖动问题；进一步，提出自适应弯道预瞄距离策略，以此减少泊车过程中前轮转角值变化幅度从而减少其振荡并提高泊车轨迹的跟踪精度；最后，给出了所提出方法的实现步骤并进行测试验证。仿真和实车测试结果表明，相较于未改进前纯跟踪算法，所提出方法跟踪效果优良、终点性能好，且能有效减少泊车跟踪过程中前轮转角变化引起的抖动现象，以最大横向误差、泊车终点距离误差、累计前轮转角振荡值和差分均值构成的性能评价指标矩阵显示所提出算法平均性能提升分别达54.08%、83.61%、71.34%和48.95%，显示出研究算法的有效性和实际应用价值。
传感器技术
精密测量技术与仪器
电子测量技术与仪器
视觉检测与图像测量
信息处理技术
人机融合与人工智能
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
