下载专区
二维码
- 当前目次
- 优先出版
- 专辑论文
-
绝对式角位移传感器的研究综述
摘要：
在智能控制系统的核心部件中，绝对式角位移传感器占据着至关重要的地位。其测量精度与长期运行的可靠性，直接决定了整个控制系统的性能上限。综述了基于不同物理原理的绝对式角位移传感器（电感式、光电式、电场式、磁电式），深入探究其核心传感机理。阐述了各类绝对式角位移传感器的工作原理、感知电极的形状（特殊编码、环形、扇形、正弦形、花瓣形等）来适应不同的传感机理、感知单元（从栅线到栅面再到阵列）的构型特征来提高感知精度、传感媒介向多媒介耦合转变增强复杂环境的适应性、典型的绝对测量的结构特征以及当前的研究现状。在分析各自优势的同时，也明确指出其固有的局限性，同时对比分析了当前市场上主流产品的性能指标及其典型应用领域，为工程选型提供参考。剖析了在不同传感机理下，融合时空调制技术，通过在空间上周期性分布感知单元并在时间维度上进行信号扫描与解调，具备高精度与抗干扰特性的绝对式时栅角位移传感器。最后，对绝对式角位移传感器未来发展趋势进行展望。在提升传感器精度与分辨率的同时，增强在极端环境下的鲁棒性与可靠性,深化多传感器信息融合技术以满足复杂智能控制系统对多维信息感知的更高需求。
-
镓基液态金属柔性传感器在医疗领域应用进展与挑战
摘要：
在医疗领域中,传统传感器在使用时存在佩戴不适、信号衰减以及侵入性并发症等问题,而镓基液态金属柔性传感器凭借高导电性、柔韧性及生物相容性等独特优势,在医疗检测领域展现出了巨大的潜力。重点介绍了镓基液态金属柔性传感器在医疗检测领域的4种创新应用与技术进展。在生命体征感知方面,可实现对脉搏、呼吸、体表压力等动态生理参数的实时连续监测,为疾病早期预警提供数据支撑;在运动功能感知方面,能精准检测关节运动轨迹、吞咽功能协调性及肌肉力量等,为神经肌肉系统疾病的康复评估提供依据;在体表多参数感知方面,可无创检测体表温度、汗液成分等,为代谢异常等健康问题的早期识别提供新的技术路径;在深层电生理参数感知方面,突破了传统体内神经、脑电等微弱信号的采集瓶颈,为神经疾病诊疗提供了新型工具。深入剖析了镓基液态金属柔性传感器在疾病预警、术后监护、康复管理及个性化诊疗中的实际效果。总结了实际应用中面临的封装可靠性、多物理场信号串扰及微弱信号采集等挑战,并探讨了相应的优化策略。最后,对镓基液态金属柔性传感器在医疗领域中的研究前景进行了展望。
-
一种基于双向热膨胀流的MEMS陀螺研究
摘要：
提出并验证了一种基于双向热膨胀流原理的MEMS陀螺，陀螺通过加热器的瞬时温度变化产生气流，进而导致热敏电阻的温变，并转换成相应的输出电压，最终实现对Z轴角速度的准确检测。为了进一步提高陀螺性能，降低交叉耦合，同时优化制备工艺，需对所设计的陀螺结构进行优化设计。首先，需借助COMSOL Multiphysics仿真软件，针对敏感元件的位置分布、摆放方式以及单、双向热膨胀流等因素对灵敏度的影响展开深入探究。通过系统性的仿真分析，明确最优的敏感元件摆放位置范围，确定平行摆放方式为最佳选择。其次，从理论与仿真结果两方面论证，双向热膨胀流能够实现更高的输出灵敏度，并且在抑制耦合方面表现更为出色。最后基于以上研究，对该MEMS陀螺进行流片制备，并所对制作的基于双向热膨胀流的MEMS陀螺进行性能测试并分析陀螺的不足。测试结果表明，在加热器的驱动信号为2.5 V、50%占空比、10 Hz方波的情况下，该陀螺能够在±600°/s范围内检测角速率，灵敏度为3.04 mV/（°·s-1） ，非线性度为7.09%。实验结果与数值模拟相符，该陀螺具有灵敏度高、抑制交叉耦合和工艺简单等特点，可用于电子设备、航天和医学仪器等领域。
-
面向水滴蒸发检测的纳瓦级柔性微热量计
摘要：
微热量计因其样品需求量少、检测速度快、测量精度高等显著优势,在细胞代谢动态监测、生物分子相互作用、药物-受体结合热分析等领域具有不可替代的作用。然而,现有高分辨率微热量计普遍采用微机电系统工艺,通过复杂的光刻、刻蚀及真空封装技术制备微型反应腔与传感器阵列,导致成本高且制备周期长,制约其在低成本、高通量检测场景中的推广应用。为此,设计了一种基于柔性印刷电路工艺的开放式微热量计芯片。该芯片以柔性聚酰亚胺薄膜为基底,集成表面贴装热敏电阻作为温度传感单元,结合开放式反应腔设计与差分信号处理电路,在常压环境下实现了15.4 nW的功率分辨率和48.44 μK的温度分辨率。基于该热反应过程监控系统平台,对不同体积水滴的蒸发过程进行实时热监测,针对0.4 μL水滴,测得其蒸发焓为960.9 mJ,与理论值(979.63 mJ)偏差仅1.91%,充分证明了系统的高可靠性与抗干扰特性。设计的柔性微热量计具有制备工艺简单、成本低廉及可批量生产的优点,为单细胞代谢热动力学、纳米材料热容表征等研究提供了高性价比工具,并在便携式生化检测、高通量药物筛选及工业过程监控等领域展现出广阔应用前景,有望推动精准医疗、生物制药及绿色化工技术的创新发展。
-
基于游标效应的高灵敏度光纤 Fabry-Perot 热式流速传感技术研究
摘要：
针对传统光纤热式流速传感器在高流速区域灵敏度低、流速测量上限低的问题，一种基于游标效应和热敏材料的高灵敏度光纤热式流速传感方法被提出，该方法所采用的光纤传感器由SMF与末端填充热敏材料的HCF熔接而成，传感器利用热敏材料的高温度敏感特性实现了对传感器灵敏度的第1级增敏，同时，SMF和热敏材料端面构建的级联FPI结构形成了游标效应，利用游标效应的增敏特性实现了对传感器灵敏度的第2级增敏，通过灵敏度的两级增敏机制，传感器在高流速区域的流速传感灵敏度被提高，同时，传感器的流速测量上限也被提升。采用PDMS为热敏材料，对所提出的高灵敏度光纤热式流速传感方法的传感性能进行了理论分析，同时对传感器制备工艺进行了研究，制备了传感器实物，并对传感器的灵敏度、最大流速测量值、重复性等传感性能进行了试验分析。试验结果表明，传感器具备1.399 nm/℃的温度灵敏度特性，传感器的最大流速测量值达到25 m/s，范围为17~25 m/s，传感器响应曲线具有良好的线性度（R2=0.99），流速传感灵敏度达到1.45 nm/(m·s-1)，灵敏度的重复性偏差仅为1.24%，具有良好的一致性。基于高灵敏度和高流速测量上限的优势，以及体积微型化的特点，该流速传感方法在工业应用领域具有良好的应用潜力。
-
基于电场耦合与 TMR 的绝缘子电压电流一体化传感器
摘要：
中压配电线路及其稳定电流应用环境下，针对传统电压电流分离测量、一二次融合后绝缘子内部安全性、电压测量增益难以确定和TMR电流测量抗干扰的局限，故提出一种基于电场耦合与TMR磁传感的绝缘子电压电流一体化传感器。一方面提出设计绝缘子内嵌电压传感单元各结构参数的仿真优化方法，从电场分布均匀性与绝缘强度等方面去仿真验证结构的合理性，得出绝缘子模型尺寸限定条件下的最佳结构参数，从而实现电压传感单元融入绝缘子内部后的感应电场均匀化、传递函数确定化和局部放电的相对最小化，保证绝缘子的安全性并提高电压测量精度；另一方面提出一种置于绝缘子顶端的基于TMR的开口式两级磁环电流传感器，通过仿真分析磁敏感特性来设计得出磁环各尺寸参数，从而提高磁测量处灵敏度、抗干扰能力和磁场均匀度，实现开环下较宽量程电流信号的准确测量。最终设计一体化传感结构与系统来进行多项实验，工频下1~14 kV内显示有效值最大相对误差为1.49%，10 kV输入与干扰并存时相对误差为1.41%；工频下1~120 A内2 A及以上示波器采集下的误差在1.2%以内，20 A输入与干扰并存下相对误差为-1.129%；其测试范围内实验结果表明该电压电流一体化传感器可保证一定的抗干扰能力、精度、稳定性和动态范围。
-
线激光火车轮测量系统标定及误差修正方法
摘要：
针对火车轮三维几何参数在线测量中存在的传感器标定流程复杂、工件放置偏心误差等问题，提出了一种基于多个线激光传感器的高精度测量系统及误差修正方法。通过构建多层坐标动态变换模型，实现了不受放置偏心约束下传感器数据到车轮三维几何信息的精准映射；结合分步标定策略，利用立方体、圆柱体及异形回转体标定块，依次标定传感器安装姿态参数与位置参数，并通过位姿微调机构实现多传感器共面校准，解决大型扫描设备装配误差导致的共面难题；针对车轮放置偏心问题，提出基于极坐标动态修正的偏心误差补偿方法，通过实时计算工件轴心偏移量，追踪工件轴心轨迹，显著降低了径向尺寸测量误差，克服了传统机械定心在特殊工况下的局限性。实验结果表明，系统测量绝对误差<±0069 mm，重复性标准差<0.049 mm，径向尺寸误差修正后波动范围缩减至0.170 mm以内，满足工业级精密测量要求。实际工程应用中，系统对915KKD型车轮的复杂几何特征测量结果与激光跟踪仪基准值的最大相对误差<0.135%，验证了其可靠性与工程适用性。该系统不仅适用于火车车轮的测量，还可推广至其他回转体等工件的三维精密测量场景，为多个线激光传感器旋转扫描测量系统提供了一种通用的标定与误差修正方法。
-
高寒环境下便携式移动电源多模态协同充电系统设计
摘要：
针对锂离子电池在高寒环境下诱发电化学性能衰退，导致便携式移动电源充电效率降低甚至功能失效的问题，设计一种便携式移动电源多模态协同充电系统。通过深入揭示锂离子电池低温电化学机理与充电行为机制，重点探究电-热等多物理场间的耦合关系，进而提出优化预热结构设计及电热协同动态充电控制策略。首先，采用聚酰亚胺基柔性电加热膜复合氮化铝/石墨烯高导热材料结构，显著提升传热速率与均匀性，快速恢复电池充电性能；其次，针对电池内部温度难以直接测量的限制，基于遗忘因子的递推最小二乘法在线辨识热容、热阻等关键参数漂移量，构建高精度时变参数热路模型，有效提升内部温度预测精度；同时，融合无迹卡尔曼滤波算法，形成双闭环协同估计架构，实时递推更新与校正温度状态量，实现内部温度动态观测。实验验证表明，所设计系统可实现电池内部温升速率达5℃/min，热路模型系统性误差稳定在02℃以内，在-30℃、-20℃和-10℃等多种典型低温工况下，内部温度预测误差严格控制在±1℃置信区间内、最大绝对误差仅0.6℃以及均方根误差最大仅0.4℃，有效解决了高寒环境下便携式移动电源充电失效的关键难题，为高寒环境能源保障体系提供创新性理论依据与工程技术参考。
-
非接触式高精度微弱感应电流信息获取
摘要：
在工业监测与安全检测领域,微弱电流信号的非接触式高精度(TMR)检测是保障关键设备运行可靠性的核心技术。针对传统检测方法在高频存在的信号失真与噪声干扰以及检测精度过大的难题,研究提出一种基于非接触式的高精度微弱感应电流信息获取与解调测试方法,通过下变频与数字锁相解决桥丝式电雷管等设备的电流监测难题,实现微弱电流的精准测量,研究采用“下变频-滤波处理-数字锁相”对系统进行优化,实现5~200 mA微弱电流的高精度获取。该方案突破传统接触式测量的电磁耦合干扰瓶颈,构建了从物理传感到数字解算的一体化检测体系。研究采用TMR作为前端感应单元,利用其高灵敏度与宽频响应特性,来弥补现有系统在高频段测量的技术难题。信号处理环节通过混频器将不同频段信号统一频率下变频至50 kHz,结合低通滤波与ADC,消除高频噪声干扰;后端利用FPGA实现百万次乘累加数字锁相运算,通过互相关检测原理分离目标信号与背景噪声型。经测试验证:在50 kHz~10 GHz频段范围内,系统检测精度达≤±0.65 mA,且实时性通过FPGA并行处理得到保障。非接触式检测方案通过传感器物理屏蔽与数字算法协同为电雷管安全监测、工业设备电流计量提供了低成本、高可靠性的技术路径,与广泛应用前景。
-
基于不确定性分析的潮流能发电装置输出功率预测方法研究
摘要：
潮流能发电装置输出功率是衡量潮流能发电装置经济性能的重要指标。针对潮流能发电装置现场测试期间获取的潮流流速数据有可能难以覆盖测试海域潮流流速的全年变化范围这一科学问题，采用不确定性分析、理论推导、模型验证等方法，分析了潮流流速数据和电功率数据的分布规律，构建了潮流流速数据和电功率数据的分布频率数学模型，提出了潮流能发电装置输出功率预测方法，并应用潮流能发电装置功率特性现场测试期间获取的数据，对提出的输出功率预测方法进行了验证与应用。结果表明：现场测试期间获取的潮流流速数据并不是严格遵守正态分布规律，且潮流流速超过2.0 m/s的数据约占统计数据集的7.0%左右，但潮流能发电装置的输出功率数据呈现指数函数分布规律，且拟合后的曲线决定系数为0.99；在流速区间为2.3 m/s时，模型预测的输出功率与区间法计算的平均功率之间的差值达到最大，数值约为区间法计算的平均输出功率的3.5%；建立的两组数据集的最大不确定性约为其输出功率的2.9%；潮流流速的不确定性传播系数整体上随着潮流流速的增加而呈现出逐渐增大的趋势。研究成果期望为潮流能发电装置整体经济性能评估工作提供参考。
-
基于子带平均峭度图和 TMSST 的高压直流接触器特性参数测量
摘要：
针对高压直流接触器动态特性参数的非侵入式测量需求，以及短时分析法在不同型号接触器间的适应性不足和迁移性有限的问题，提出了一种基于子带平均峭度图和时间重分配多同步压缩变换(TMSST)的测量方法。首先，将滑窗分帧与双树复小波包变换(DTCWPT)相结合，对接触器合闸声音信号进行预处理，获取多个小波子带，通过对小波子带进行重排并计算平均峭度，构建子带平均峭度图，并选择峭度值最大的频带作为最优频带以重构信号，提取有效的碰撞冲击成分。随后，采用TMSST对重构信号中的碰撞冲击事件进行时频表示和能量压缩，并通过时频包络谱峰值的时频系数来表征冲击特征，精准定位动、静触头碰撞和动铁碰撞冲击时刻，最终测量出接触器吸合时间、超程时间等关键动态特性参数。为验证方法的有效性，搭建了接触器动态特性测试系统，并在多型号接触器、不同传感器布置条件下进行了实验测试。结果表明，所提方法在不同类型高压直流接触器特性参数测量中均表现出较高的测量精度，其平均绝对误差(MAE)与均方根误差(RMSE)均不超过0.35 ms；与短时分析法相比，平均MAE与RMSE降低了39%以上。所提方法对传感器布局的依赖性小，对不同类型接触器的泛化能力强，从而具有较高的工程应用潜力。
-
六自由度机械臂参数化标定模型的误差分析
摘要：
六自由度机械臂模型参数的高度耦合和复杂的链路关系是引起多参数辨识偏差的主要原因,这种复杂的多参数辨识链路很难准确地进行误差评估,影响机械臂工作精度的补偿。为此,提出了基于灰关联分析的参数化标定模型误差分析方法,揭示高耦合多参数辨识链路的误差传播关系。首先,基于辨识参数的误差传递链路分析,建立机械臂标定误差模型,实现笛卡尔空间位姿误差在关节空间的量化分解;其次,通过参数辨识算法与误差传递链的协同作用,估计关节参数序列的误差值。针对参数偏差的强耦合特性,引入灰色关联度分析方法。通过计算各参量间的关联系数，量化评估各关节轴特征参数间的关联性,进而确定误差补偿的优先级。实验结果表明,相较于平移误差，旋转误差在运动链路的传递过程中具有更强的耦合性。通过定位误差和方向误差的对比分析，发现前三轴的旋转角度和y轴方向的角度偏差对末端误差的贡献度最高，因此应优先补偿这些关键参数。实验数据表明，末端定位误差为390 mm,方向误差为0.06°。通过解耦复杂参数链路、量化误差贡献度,并结合误差参数的敏感性分析，提出优化补偿策略，从而显著提升了机械臂标定效率。
-
复杂堆叠环境下的多类相似弱纹理工件识别方法
摘要：
在航空航天、汽车制造等领域，工业机器依赖高精度的工件识别技术完成自动装配、分拣等关键任务，但在工业现场普遍存在背景复杂、工件形状与纹理相似、多个工件堆叠等情况，导致错误识别。针对上述问题，首先使用双目结构光相机采集高质量三维点云数据，并通过点云预处理有效滤除复杂环境中的背景噪声干扰；其次，提出基于改进超体素的点云过分割算法，通过引入移动最小二乘法构建局部微分几何约束对原始点云进行保形精简，优化超体素聚类过程，提升对噪声的鲁棒性并有效抑制点云粘连；设计一种基于凹凸性判断的多特征自适应超体素融合机制，综合考虑超体素聚类间的凹凸关系、几何特征相似性等多维约束，实现复杂堆叠场景中多类目标的高精度实例分割；提出基于“局部-全局”特征描述序列的支持向量机分类架构，构建多尺度特征级联描述体系，联合刻画目标的局部几何细节与全局形态特征，有效解决小样本下目标混叠导致的误分类问题。最后，搭建实验平台进行算法验证，实验结果表明，该方法显著提升了相似弱纹理工件在复杂堆叠环境下的实例分割精度及分类准确率，分割精度与识别准确率均达到95%以上。
-
面向小样本纹理分类的多模态证据融合框架
摘要：
传统多模态融合方法假设各模态数据在不同样本上的质量分布均匀,未能充分考虑模态间信息可靠性的动态变化。这种静态融合策略在数据质量异质性较强的情境下,难以对低质量模态进行适应性调控,从而导致信息融合过程受噪声干扰或模态缺失等因素的影响较大,无法充分发挥融合优势。当样本数量较少时,上述问题进一步削弱了分类器的鲁棒性。为增强模型在小样本纹理分类任务上的可靠性和适应性,提出一种面向小样本纹理分类的多模态证据融合框架(SMEF-TC)。在主观逻辑架构下,采用狄利克雷分布统一刻画类别概率与预测不确定性,使模型在推理阶段无需额外的不确定性量化步骤,有效避免了传统贝叶斯推断所依赖的高成本计算。在考虑各个模态不确定性的基础上,通过证据理论进行融合,使模型能够自适应地调整不同模态在决策中的贡献,避免冗余信息的干扰。相比传统方法,SMEF-TC在多模态融合过程中不仅考虑了各模态的信息证据,还考虑了预测不确定性,这种策略让模型在噪声环境、部分模态缺失或数据质量不均衡的情况下,仍能维持较高的识别精度。实验结果表明,所提出的SMEF-TC框架在公开的纹理数据集LMT-108和LMT-184上分别取得96.53%和94.70%的准确率,该方法在面向小样本纹理辨识任务时,相比现有方法更为精准和稳健。
-
绳驱动外肢体机器人碰撞检测及振动反馈控制研究
摘要：
针对外肢体机器人在人体协作中存在的安全性低、可靠性差及运动相容性不足等问题，提出了一种面向外肢体机器人碰撞检测及振动反馈的控制策略，以提高人机交互的安全性与可靠性。首先，基于D-H法和常曲率原理建立了绳驱动外肢体机器人的运动学模型，并通过蒙特卡洛法对其工作空间进行仿真分析。而后构建了外肢体机器人的包围盒简化模型，并提出了一种基于最小距离的外肢体机器人碰撞检测方法，对外肢体双臂间的碰撞问题进行仿真验证。同时为实现对外肢体碰撞力/位置的检测和反馈，设计了一种基于压力传感器的外肢体碰撞检测装置，研究了外肢体机器人接触静力学模型并对参数进行标定，以实现对接触力/位置的检测和估计。最后提出了一种基于振动触觉反馈的外肢体机器人安全控制策略，并搭建了实验样机平台，分别通过多组实验对所建外肢体运动学模型、碰撞检测方法及安全控制策略进行验证，结果表明：绳驱动外肢体机器人在工作空间内拥有良好的运动性能，外肢体机器人碰撞检测算法能在0.12 s内完成接触力和碰撞位置的检测，并通过振动手套实现了接触力的感知和安全反应控制，可在0.7 s内实现有效的主动避障控制，验证了所提的外肢体机器人碰撞检测和振动反馈控制策略的正确性和有效性。
-
基于三维姿态估计的智能康复运动检测系统应用研究
摘要：
在康复运动场景中，运动输入通常是视频序列，基于主流的2D人体姿态估计方法和深度相机进行的伪3D方案无法对视频中的骨骼点测距，影响最终评估效果。为了解决这个问题，提出一种针对视频的序列到序列3D帧聚焦姿态识别方法用于康复评估。其目的是从最原始的二维噪声场景中直接提取更全面、更详细的三维坐标信息，并基于这些信息进行运动序列分析。该方法采用四支路流式变换器，能够捕获长序列时间与空间之间的交互关系，同时分别对原始2D输入进行时序与空间处理。这四支路信息通过可学习比例参数进行整合，并通过一个额外模块，结合空间编码器和增强型时间解码器获得最终输出。所提方法在Human 3.6M数据集上的表现优于最先进方法，平均关节位置误差仅为14.4 mm，三维姿态坐标误差最低，证明了所提主干架构能够有效处理更复杂的康复运动视频序列任务，同时在实际康复视频序列的对比实验也验证了本方法的有效性。此外，基于先进的人体姿态估计方法，研发了一种新颖的多维度智能康复运动评估分析系统，能够对人体各个关节120个动作进行运动指标估计，已进入临床验证阶段，并完成2 000余例病人测试，平均准确率93.2%。
-
基于改进 JPS 的智能车路径规划策略研究
摘要：
跳点搜索是一种应用于路径规划的快速的图搜索算法。针对现有基于改进JPS算法的路径规划过程中，跳点搜索过程复杂、节点扩展数量较多导致搜索效率较低，为此提出一种基于改进JPS的全局路径规划策略，包括减少冗余节点扩展的方法以及提出安全平滑路径生成策略。首先，进行搜索方向的优先级排序，调整各个可能移动方向的优先级，优先探索指向目标的方向，依次按照该优先级排序扩展其他节点寻求跳点。其次，结合路径优化策略，包括安全节点更新、冗余节点消除及路径平滑等策略，确保路径的安全性与平滑性。安全节点更新策略减少危险路径，冗余节点消除策略有效降低路径长度，路径平滑策略通过三次准均匀B样条曲线处理改善路径的平滑度。最后，通过仿真与真实场景的试验验证改进算法的性能，仿真结果表明，改进的JPS算法在复杂环境中相较于传统的JPS算法和A*算法，分别减少了19.0%和99.92%的搜索时间,Improved-JPS算法的扩展节点数相较于JPS减少了56.9%，相较于A*算法减少了98.9%。在更复杂的实际环境中，ROS智能车在实际环境中的实验结果表明，搜索时间相较于A*算法提高了约20.5%。相较于JPS提高了约28.0%,有效提高复杂场景下车辆路径规划效率和安全性。验证了Improved-JPS算法的有效性和优越性。
-
基于磁涡流效应的低磁化强度缺陷检测技术研究
摘要：
漏磁检测是管道在线检测中应用最广泛的一种无损检测方式，该检测技术获得理想结果的前提是励磁系统将管道磁化至饱和状态。这一要求在大壁厚管道检测中面临显著挑战：一方面需要庞大的励磁系统以实现足够的磁化强度，另一方面过大的励磁系统体积及其产生的强磁吸附力，反而成为制约该技术在大壁厚管道检测中实际应用的主要瓶颈。针对这一问题，提出了一种基于磁涡流效应的低磁化强度下缺陷检测技术。该技术以缺陷处磁导率异常检测为核心，研究了铁磁性材料在低直流磁场作用下缺陷处磁导率的不同变化规律，对磁涡流效应内外壁缺陷检测的机理进行了分析以及有限元仿真；设计了磁涡流传感器，对刻有深度分别50%、40%、30%、20%及10%wt、不同类型缺陷的15 mm厚钢板同时进行了磁涡流及漏磁内外壁缺陷检测对比实验；实验结果显示磁化电流为0.7~1.1 A时磁涡流检测技术不但可以有效识别不同深度及类型缺陷、区分缺陷内外壁分布情况，且检测效果明显优于相同条件下的漏磁检测；仿真和实验结果均表明在磁涡流效应在低磁化强度下可实现对铁磁性材料的内外壁缺陷检测，验证了所提检测技术的可行性及有效性，为大壁厚管道全壁厚缺陷检测提供有效方法。
-
DMIFD:一种基于深度学习的多模态工业故障诊断方法
摘要：
基于深度学习的故障诊断是当前工业安全智能化管理的重要研究方向。工业实际生产中故障时常发生，导致生产效率下降，严重时会造成停产甚至人员伤亡。由于生产环境复杂多变，导致故障特征难以提取和识别，且工业现场需要实时监测和快速诊断，传统故障诊断方法通常依赖专家经验进行特征提取和模式识别，难以适应复杂动态的工业环境。针对上述问题，提出了一种基于深度学习的多模态工业故障诊断方法。采用极端梯度提升(XGBoost)筛选与工业故障相关的工艺参数，以此作为模型输入的多模态数据。通过深度极限学习机(DELM)提取生产工艺参数的非线性和高维特征，识别出异常状态的工业设备，并利用霜冰优化算法(RIME)优化DELM的关键参数，使模型达到最佳性能。RIME DELM输出正常状态的设备样本，异常设备样本则继续输入至深度置信网络(DBN)和最小二乘支持向量机(LSSVM)，对异常样本进行故障类型的具体判别。将所提出的方法应用于铝电解生产过程，验证了模型的有效性。经铝电解生产现场实验结果表明，该模型的异常状态检测的准确率为97.96%，F1-score为0.975 3，故障类型诊断的准确率为96.75%，Macro-F1分数为0.944 7，通过消融实验、与常见深度学习模型对比，本文构建的DMIFD模型诊断精度更高，为实际工业生产的故障诊断提高了更准确、可靠的支持。
-
基于 DSG-ResNet34 的聚乙烯燃气管道电熔焊接缺陷检测
摘要：
PE燃气管道的连接质量能直接影响中低压燃气的正常输送,在电熔焊接时产生的结构畸变、冷焊等缺陷会显著削弱管道的力学性能,威胁燃气管网的稳定运行。因此,基于实地采集的PE燃气管道电熔焊接缺陷DR图像数据集,提出了基于DSG-ResNet34模型的缺陷检测方法,以实现对电熔焊接缺陷进行快速精准地检测。该网络模型由主干网络CBAM-ResNet34模块、动态稀疏门控金字塔DSG-FPN、多尺度检测头3个部分组成，首先通过主干网络CBAM ResNet34结构从通道和空间两个维度提升网络模型对缺陷特征的关注度,然后通过动态稀疏门控金字塔DSG-FPN结构的动态稀疏门控模块、Inception模块、稀疏连接动态融合多尺度缺陷特征,有效保留小目标特征、抑制背景噪声,最后通过多尺度检测头结构将提取到的丰富特征转化为具体的检测结果。DSG-ResNet34模型的缺陷检测准确率最高可达95.5%、P2层精确率最高可达82.7%、小目标召回率最低为85.6%、检测速度可达68 fps、参数量为22.3×106,该模型能快速定位识别孔洞、熔融面夹杂、结构畸变、冷焊这4类典型电熔焊接缺陷,检测性能与速度优于其他网络模型。为PE管道焊接质量智能化检测提供了高精度解决方案,对保障燃气管网安全运行具有重要意义。
-
基于多尺度卷积和选择性核双注意力机制的半监督全景 X 射线图像龋齿分割
摘要：
全景X射线图像的龋齿分割是进行早期龋齿检测以及后续治疗的重要前提，为实现全景X射线图像中龋齿的精确自动分割，提出一种具有多尺度卷积和选择性核双注意力机制的半监督学习框架，该方法旨在利用大量未标注数据增强模型泛化能力，并缓解龋齿病灶区域边界模糊、对比度低等问题。框架设计上，采用教师-学生双网络结构，通过多尺度卷积注意力机制对学生网络多层解码器进行深度监督，提升对边界细节和类间相似区域的判别能力。同时，引入选择性核注意力机制融合教师网络的多级预测结果，根据像素不确定性自适应选择不同卷积核，生成精确的不确定性掩模图，引导学生网络优化学习。实验在数据集1和2上进行，结果显示，在265切片数据上联合使用双注意力机制较基线模型在Dice系数、查准率和灵敏度分别提升3.91%、2.14%和5.35%；在530切片数据上则提升1.39%、5.69%和12.34%，验证了方法在大规模数据下的稳定性和适应性。与传统全监督模型相比，所提出的方法在Dice系数、查准率和灵敏度上最高分别提升22.27%、17.64%和24.57%；相比最新半监督模型也分别提升最多14.54%、14.81%和11.96%。本研究不仅有效提升了龋齿分割性能，同时也为全景X射线图像处理提供了一种精确的分割方案。
-
基于 MFES-YOLOV8n 的光伏电池缺陷检测方法
摘要：
针对现有目标检测方法在光伏电池电致发光图像中存在的小目标漏检率高、复杂背景干扰鲁棒性不足及跨尺度缺陷检测能力有限等问题,提出基于MFES-YOLOV8n的缺陷检测模型,旨在提升工业场景下的检测精度与效率。首先,在主干网络中嵌入C2f-ST特征提取模块,通过Swin Transformer的窗口自注意力机制,增强微小缺陷的局部-全局特征关联,结合残差连接保留浅层细节特征,提升细粒度特征提取能力;其次,设计ES-SPPCSPC特征表达模块,融合群卷积与增强型SimAM注意力机制,通过能量基、通道和空间三重注意力协同优化,动态抑制背景噪声,增强缺陷特征特异性;最后,构建MSFF-Neck多尺度特征融合模块,采用尺度序列特征融合和三重特征编码策略,实现深层语义与浅层细节的互补交互,缓解多尺度特征衰减问题。实验在PVEL-AD数据集上验证了模型的有效性,结果表明,该模型以6.1 M参数量达到0.897的mAP@0.5,较基准模型YOLOv8n提升3.0%。本研究通过“细粒度特征提取—跨尺度语义增强—多层级特征融合”的递进式优化,突破了传统模型在多类别跨尺度缺陷检测中的性能瓶颈,为工业场景提供了高精度、轻量化且适配边缘计算的缺陷检测方案,在维持低计算复杂度的同时,满足工业场景对实时性与可靠性的要求,为推动光伏产业质量控制与智能化运维提供了技术支持。
-
多域对抗迁移的轨道列车转向架故障诊断方法
摘要：
轨道列车转向架系统是确保列车运行安全的关键子系统之一，转向架受线路、时间段、气候条件影响较大，工况复杂多变，特定工况故障标签数据少。传统深度学习故障诊断方法通常依赖于大规模标注数据，且模型在跨域任务中的泛化能力较差；现有的转向架迁移学习诊断方法普遍缺乏对源域内部特征分布的有效对齐，增加了负迁移风险，限制了模型的迁移性能。为缓解上述问题，故创新地提出了一种多域对抗迁移的轨道列车转向架故障诊断方法，实现了轨道列车转向架多工况故障特征对齐，提升了跨工况下的故障诊断性能。首先，在包含多工况的源域上进行预训练，预训练过程中使用域对抗融合方法对齐各工况特征，完成多工况通用特征学习；随后，将预训练模型进行部分冻结，并分别在20%和5%目标域数据上微调，完成目标任务适应；在测试集上对微调完成模型进行测试，分别取得98.48%、93.00%平均分类召回率，0.13%、0.58%平均分类误报率，召回率、误报率、精确率、F1分数各指标平均值与最差值均高于对比方法。实验表明，所提方法仅基于易获取的电机三相电流和转速数据，对动力传动链级联部件的故障诊断准确率更高，尤其在易混淆故障类型上表现更优；在目标域数据极少时，仍可有效利用源域不同工况数据提升诊断准确率。
-
低压台区用户表前分支线漏电故障定位方法
摘要：
针对低压台区表前漏电位置隐蔽性高，传统人工排查方式依赖于运维人员经验水平、间歇性漏电定位难度大等问题，提出了一种低压台区用户表前分支线漏电定位方法。首先基于电气先验知识，构建表前漏电物理模型分析漏电前后用户最短路径虚拟阻抗变化机理特征，建立台区用户多元线性回归方程求解用户时序虚拟阻抗矩阵，将其按列展平后作为后续模型输入。其次，建立邻近和全局关联对称相对熵模型，采用分段聚合法改进模型计算输出形式，将表前漏电用户定位问题转化为时间序列异常检测问题。在传统重构损失函数中引入最小最大化对抗优化机制，提高模型对于单一关联特征的提取能力，进一步放大正常与表前漏电用户的特征差异。结合对称相对熵协同重构误差异常评分机制，将超出阈值分数的用户划归为异常用户。搭建IEEE欧洲低压馈线系统，仿真多种漏电场景获得充足训练样本后对模型进行最优调参和消融实验，结果表明所提模型检测性能较同类算法更优。最后，在考虑台区存在停电/空载用户特殊场景以及电表量测误差、电磁干扰等影响因素下，模型表现出较高的抗干扰性，并在真实台区测试中验证了所提模型的有效性和泛用性。
-
多线圈联合学习的核电厂控制棒驱动机构动作状态异常检测方法
摘要：
控制棒驱动机构(CRDM)作为核电厂的关键执行部件，通过电磁-机械耦合控制多组线圈电流信号，以实现控制棒精准动作，其健康状态关乎反应堆安全运行。然而，现有CRDM异常检测方法主要聚焦于单组线圈建模，未充分考虑多线圈间的变化规律和动态模式。为此，提出一种多线圈联合学习(MCJL)模型，旨在精准检测控制棒动作过程中的潜伏性异常。首先，定义线圈节点和全连接边，并引入衰减邻接矩阵，以构建多线圈联动图结构，进而表征CRDM内部提升线圈、移动线圈和保持线圈间的动态耦合关系。其次，采用移动图卷积网络，以高效捕获多线圈间的局部时序依赖关系，并协同重构3组线圈的电流信号。最后，通过计算重构信号和真实信号间的残差，利用多尺度动态检测策略实现CRDM逐个动作周期的异常检测。对某地区压水堆机组的历史监测数据与模拟异常样本进行算例分析，表明该方法可有效捕获多线圈间的动态耦合关系并提取驱动机构动作的时序特征，实现电流信号的精准重构。相较于多种异常检测方法，所提MCJL模型在信号重构和异常检测方面具有更优越的性能，其动态阈值策略可灵活调整决策边界，具有较强的容错能力。
-
改进ResNet结合MKSVDD的谐波减速器多状态同尺度定量评估方法
摘要：
针对谐波减速器故障程度难以精确量化以及不同故障位置无法在同一尺度下定量分析的问题，提出一种改进深度残差网络（ResNet）结合多核支持向量数据描述（MKSVDD）的谐波减速器多状态同尺度下的定量评估方法。该方法首先提出一种新的谐波减速器多状态同尺度定量评估框架，并对微弱故障敏感的声发射信号进行连续小波变换构建二维时频图数据集；其次提出卷积注意力模块改进ResNet以充分挖掘二维时频图的深层特征；再引入多核核函数改进支持向量数据描述，基于谐波减速器正常状态的深层特征构建MKSVDD健康状态评估模型；然后，计算不同故障程度的特征相对于正常状态球心的距离，构建评估指标，通过拟合得到定量评估曲线；此外，根据谐波减速器的结构和声发射信号传播机理，提出相对距离补偿方案以构建多状态评估指标，实现谐波减速器不同健康状态在同一尺度下的定量评估。通过搭建谐波减速器实验台，对未知故障程度的数据进行多组对比实验的结果表明，改进后的深度残差网络提取到的特征更聚集，所提方法能实现谐波减速器不同故障位置在同一尺度下的定量分析，且评估误差不超过3.2%，有效完成谐波减速器多状态同尺度的定量评估。
-
多源不平衡数据下基于联邦学习的谐波减速器故障诊断方法
摘要：
针对工业机器人谐波减速器不同故障类别样本数量不平衡，以及单源信号获取信息往往有限，导致故障诊断准确率不高的问题，提出一种多源不平衡数据下基于联邦学习的谐波减速器故障诊断方法。该方法通过对不同用户的多源信号做小波变换，将一维信号转换为二维图像，构建时频图数据集；利用改进的数据增强方法对不平衡数据集进行均衡处理；引入有效的通道注意力机制，并通过可学习的权重加权残差分支的输出，以增强模型对不同输入信号残差信息的适应性和对数据关键特征的提取能力；通过改进的多模态变分自编码器挖掘多源信号之间的互补信息进行特征融合，并采用焦点损失函数作为训练损失函数，使模型能够更关注错分频率较高的类别样本，构建多用户个性化本地模型；服务器端聚合用户端本地模型参数并更新全局模型，通过联邦学习保障用户端本地的孤岛隐私数据，从而对多源不平衡数据下谐波减速器进行故障诊断。通过搭建谐波减速器信号采集实验平台进行验证，所提方法能够有效提取谐波减速器多源不平衡数据的特征并实现信息融合，平均故障诊断准确率为98.8%，性能优于所对比的方法。
-
遥感卫星视轴指向在轨测量数据去噪处理方法与 BiLSTM-CNN 算法实现
摘要：
针对遥感卫星视轴指向微角度测量系统在在轨运行过程中受到复杂扰动环境影响和噪声干扰的问题，提出一种融合双向长短期记忆网络（BiLSTM）与卷积神经网络（CNN）的视轴指向在轨测量数据去噪方法，以提升测量数据的精度与可靠性。该方法首先结合微角度测量物理建模与蒙特卡洛仿真，对测量数据中噪声的分布特性与时空关联性进行系统性分析与验证。在此基础上，利用现有在轨测量数据构建高质量标注样本集，保障模型训练的准确性与泛化能力。所提出的BiLSTM-CNN网络架构中，BiLSTM用于捕捉测量序列中的双向时序依赖关系，CNN用于提取局部空间特征；同时引入梯度平衡机制以缓解训练过程中可能出现的梯度消失与过拟合问题，从而提升模型在复杂输入下的稳定性与鲁棒性。实验在多个典型神经网络模型上开展对比评估，结果表明：在a1轴向测量数据中，所提模型在均方误差（MSE）、均方根误差（RMSE）及平均绝对误差（MAE）指标上分别较表现最好的BiLSTM模型降低7.9%、4.3%和16.4%；在b1轴向中，分别较表现最好的GRU模型分别降低4.6%、2.3%和6.4%。上述结果充分验证了本方法在多轴向测量数据处理中的稳健性与普适性，具备优异的噪声识别与抑制能力，为高精度遥感姿态测量任务提供了有效的数据处理手段，具有良好的工程实用价值和应用前景。
-
结合递归图与 LeNet 网络的足底压力身份识别方法
摘要：
针对身份识别领域足底压力采集设备在传感器数量和位置配置方面存在的差异性，以及足底压力特征通常依赖于对步态周期数据进行完整分割所带来的时间成本增加问题，提出一种基于足底压力信号的无阈值递归图和LeNet网络的身份识别方法。首先使用自制足底压力采集设备，在常规混凝土地面采集28名无足部及下肢疾病的健康成年参与者无负重等干扰状态自然行走过程中的足底压力数据；再经数据重构算法对足底压力数据进行预处理，将其转化为无阈值递归图；最后将生成的图像作为LeNet网络的输入，完成特征提取与身份识别，并对单一区域及多区域组合方案的结果进行分析比较。实验结果表明，足跟内侧区域、足跟外侧区域、第二跖骨区域和大脚趾区域的组合身份识别性能以最少的传感器数量和高识别精度优于其他方案，其中准确率、精确率、召回率和F1分数分别达到99.25%、99.22%、99.39%、99.26%。不同区域的身份识别性能受行走过程中不同阶段和受力大小的影响，但随着区域数量的增加，该影响逐渐减弱。此外，实验结果还显示，使用足底压力信号的无阈值递归图进行身份识别的方法无需依赖严格的步态分割，依然能够保持较高的识别精度。为身份识别技术在生物特征识别领域的应用提供了新的思路与技术支持，在公共安全等领域具有潜在的应用价值。
-
基于波形相关因子加权的变厚度板 Lamb 波全聚焦成像
摘要：
变厚度板因其轻量化等结构优势在航空航天、核能工程等重要领域具有广泛应用，其缺陷检测对保障服役安全具有重要意义。然而，变厚度板的几何非均匀性会显著影响其中Lamb波的传播特性，导致Lamb波传播行为复杂、频散效应加剧，并使得常规适用于等厚度波导结构的Lamb波缺陷成像方法失效。针对变厚度板缺陷检测问题，提出一种基于波形相关因子加权的Lamb波全聚焦成像方法，用于变厚度板中缺陷的定位成像。该方法首先构建了Lamb波在变厚度板中传播的理论模型，将厚度渐变波导等效为一系列局部均匀的等厚度短波导的组合。其次，利用基于传播路径的虚拟反向传播技术对缺陷散射波包进行频散补偿，修正波形畸变。在此基础上，计算频散补偿后各通道信号的波形相关系数，作为权重因子与经典全聚焦方法的幅值叠加机制复合，构建基于权重因子的幅值成像指标。该成像指标通过波形相关因子加权抑制了非相关噪声对幅值叠加的贡献，提升了缺陷成像的信噪比。在线性变厚度铝合金板中的数值仿真结果表明，所提出的方法能实现缺陷的有效定位成像，且最大缺陷中心定位误差<4 mm，成像背景噪声幅值显著低于传统全聚焦方法，实验结果进一步验证了该方法的有效性。本研究可为变厚度板中的缺陷检测与成像提供有益参考。
-
融合颜色不变量与多尺度特征的 ORB 充电桩定位算法研究
摘要：
充电桩是无人车的基础供电设施, 准确识别其位置并进行充电是保证无人车作业的前提。目前, 充电桩定位算法多以模板匹配和深度学习为主。 然而, 模板匹配在视角变化时识别效果欠佳, 深度学习由于实时性不能满足要求而无法广泛应用。 针对上述问题, 提出一种融合去模糊与图像彩色信息且具有尺度不变性的ORB特征匹配算法用于充电桩定位。 在预处理阶段，基于多尺度金字塔与模糊层分割对图像进行去模糊处理; 其次使用颜色不变量模型对模板图像及待检测图像进行进一步预处理,求出颜色不变量; 随后对颜色不变量建立尺度空间, 利用Fast-Hession矩阵检测极值点, 提取尺度不变特征点, 然后通过rBRIEF算法计算特征描述符, 并结合汉明距离和筛选内点以加速的RANSAC算法去除误匹配点, 计算两幅图像间的映射矩阵。 在此基础上, 通过合作目标的尺寸信息以及PnP算法求解出充电桩的位姿信息, 实现对充电桩的定位。 实验结果表明, 多尺度金字塔融合模糊分割的非盲去模糊效果较传统算法有明显提升, 且相较传统的ORB算法, 提出的ORB算法改善了在颜色不同而对应灰度值相同区域无法提取到特征点且正确匹配率低的问题, 并且使算法具备尺度不变性, 解决了特征点分布不均匀的情况, 有效地提高了充电桩定位的精准性。
传感器技术
电子测量技术与仪器
机器人感知与人工智能
先进感知与损伤评估
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
