下载专区
二维码
- 当前目次
- 优先出版
- 专辑论文
-
基于机器视觉的芯片缺陷检测研究进展
摘要：
半导体芯片作为集成电路的重要组成部分,对其质量要求越来越高,因芯片在小型化、高密度的制造过程中产生缺陷, 进而影响了芯片的性能和寿命。 因此,缺陷的检测与识别对芯片可靠性的提升十分重要。 综述了近 10 年来国内外基于机器视 觉的芯片缺陷检测方法的研究进展。 首先介绍了芯片的制造流程以及当前主流的芯片封装技术。 然后概述了用于芯片缺陷成 像的主流无损检测技术,主要包括光学成像、声学成像、红外热成像、电磁成像与 X 射线成像等技术。 接着分别重点阐述了基 于传统技术和基于深度学习的芯片表面的缺陷检测方法。 随后按照缺陷部位比较分析了芯片封装体的缺陷检测方法。 最后总 结芯片缺陷检测当前存在的问题,对未来的研究方向进行了展望。
-
基于单目视觉的无水尺水位测量方法
摘要：
水位是水文监测的关键要素,其精准测量对洪涝灾害防御和水量计量具有重要的意义。 随着智慧水利建设和视频设备 的大规模部署,基于图像处理的水位识别方法发展迅速,是目前水利量测领域的前沿方向。 本文提出了一种基于单目视觉的无 水尺水位测量方法。 该方法采用深度学习构建水面分割模型,自动从水岸图像中提取水位线;再根据相机标定得到的空间映射 关系,结合断面约束,计算水位线像素坐标对应的三维空间坐标,进而处理得到水位值。 该方法应用于室内河工模型水槽实验, 水面分割准确,水位线平均错误分割像素个数为 0. 825,计算水位值的平均绝对误差约为 1. 5 mm,均方根误差约为 1. 9 mm。 实 验结果表明该方法准确测量了水位的变化过程。
-
基于全局语义学习和显著目标感知的激光干扰图像修复
摘要：
光电成像侦察装备在受到激光干扰时,成像中会出现干扰光斑。 激光干扰光斑会显著降低图像质量并遮挡目标关键信 息,严重影响检测与跟踪系统的性能。 针对典型目标场景下的激光干扰图像,构建了一种基于全局语义学习和显著目标感知的 修复网络,旨在推理出语义合理和目标完整的图像内容。 提出了一种门控语义学习机制,首先通过上下文注意力机制建立干扰 区域和已知区域之间的远距离信息相关性并推理干扰区域内容;然后利用多尺度特征聚合模块在不同感受野上细化推理区域 的内容,实现在干扰区域重建丰富的语义信息;最后通过门控机制自适应融合已知区域和重建区域特征,提高修复图像的全局 语义一致性。 同时,设计了显著目标一致性损失,利用基于显著目标掩码的梯度惩罚方法,从形状和纹理两个方面指导修复网 络感知显著目标,提高修复目标的轮廓清晰度和纹理连贯性。 在飞机、桥梁、道路等典型目标场景下的实验结果表明,提出的网 络在生成视觉真实且目标完整的内容方面优于其他方法,并在面对复杂干扰光斑时,具有很好的泛化性能。
-
多尺度注意力融合与视觉 Transformer 方法优化的电阻抗层析成像深度学习方法
摘要：
电阻抗层析成像(EIT)具有显著的可视化和非侵入性等特点,在工业和生物医学工程领域展现了其广阔的应用潜力。 由于其逆问题存在高度非线性和病态性特点,导致了数值成像方法在空间分辨率上的局限性,尤其是在多相介质分布情况下, 现有 EIT 技术在成像过程中出现边界失真和电导率误差,从而影响最终的成像精度。 本文提出了一种基于卷积注意力机制的 U 型深度成像方法———MAT-UNet,将卷积块注意力模块(CBAM)与 U-Net 结构相结合,在特征提取与融合过程中嵌入卷积块注 意力模块,以增强模型的注意力定向和特征表征能力,同时跳跃连接引入了压缩-激励( SE) 注意力机制与视觉 Transformer (ViT)来优化全局特征的学习,使用多头交叉注意力模块(MHCA)实现编码器与解码器的多尺度信息融合。 MAT-UNet 通过大 量的仿真数据训练获得最优模型参数,并在多样化复杂形状和肺部仿真模型进行了实验验证。 定量评估指标表明,该方法在重 建图像中的均方根误差(RMSE)结果为 2. 315 6,结构相似性指数(SSIM)结果为 0. 943 7,可视化结果与真实分布和边界具有很 好的一致性。 实验结果表明,本文提出的 MAT-UNet 模型展现出良好的鲁棒性和泛化能力,相较于传统的单一卷积结构,集成 Transformer 结构提供了更精准的 EIT 图像重建效果,在无损测量与检测应用中存在很大的潜力和价值。
-
动态大视角场景融合帧间信息与模板匹配的低慢小无人机目标检测
摘要：
为了提升动态大视角场景下对极小像素的低慢小无人机目标探测能力,本文提出了融合帧间信息与模板匹配的检测方 法。 首先,设计了一种动态信息提取模块,通过滤除背景信息干扰,引导算法关注动态变化的小目标区域;其次,提出多模板匹 配策略对筛选出的动态区域进行相似度判断,完成无人机目标检测;最后,在天空、山地、楼宇等不同背景下,按照不同尺寸、不 同模态进行了无人机目标检测实验。 结果表明,本文方法可有效弥补深度学习方法对大视角极小像素目标检测的不足,对低慢 小目标检测准确率达到 0. 81,虚警率为 0. 06,在像素占比不小于 0. 01% 数据集上准确率能达到 0. 70。 该方法适应可见光、红外 多种模态数据处理,可满足后续多种智能算法组合探测应用。
-
面向大跨度场景的全景深快速聚焦成像法
摘要：
非结构化场景在特种行业中作用十分关键,保证其内表面健康检测对装置的安全运行至关重要。 但其内表面景深跨度 大,极易引起常规相机成像时的景深不足或景深误匹配,致使聚焦模糊,影响表面缺陷检测效果。 因此,本文提出了基于极值搜 索算法的聚焦跟踪曲线快速构造法,并实现了相机的快速高清成像。 首先,建立了聚焦跟踪曲线的基本构造方法;其次,提出了 极值搜索算法,简化曲线构造过程;最后,设计基于 A/ B 标定板的单/ 多聚焦跟踪曲线构造方式,并分析其对成像清晰度的影 响。 结果表明,本算法在准确聚焦的同时,有效减少了图像采集次数且将聚焦速度提高了 34. 8% 。 基于多聚焦跟踪曲线的全景 深成像,其图像客观评价指标均值提高了 10. 35% 。 可实现 100~ 1 000 mm 景深跨度下 0. 5 mm 裂纹的清晰分辨。 因此,该方法 能为常规相机的非结构化场景中高清全景深成像提供解决方案。
-
基于点云分层融合架构的混凝土气孔缺陷量化评估方法
摘要：
气孔是钢筋混凝土结构最常见的表观质量问题,受现场复杂环境和设备算力的限制,现有评估方法存在准确性差、运 算效率慢等挑战。 本文提出了一种基于点云分层融合架构的气孔缺陷量化评估方法,从而实现对混凝土表观质量端到端的高 效量化评估。 首先,提取目标场景点云的集合、形状和深度 3 个维度特征信息,给出了一种全新的点云多维信息分层融合架构; 其次,提出了一种基于深度线畸变的平面线性搜索方法,有效克服缺陷检测中的环境和噪声影响;然后,为了降低拍摄角度和其 他干扰信息的影响,建立了最大重平面缺陷体积量化模型;此外,为解决倾斜扫描情况下缺陷关键点丢失问题,提出了一种补偿 策略提高不同拍摄角度的评估准确率。 最终,通过缺陷综合评价指标和现场实验,验证了所提方法的准确性和鲁棒性。 结果表 明,该方法对各种情况下的气孔缺陷均有较好地评估效果,正面扫描误差低于 6. 0% ,倾斜拍摄的补偿误差低于 19. 8% ,能够为 现场施工质量评估提供有效参考。
-
刚性接触网磨耗动态检测系统视觉标定方法研究
摘要：
接触线磨耗是综合反映接触网服役性能的重要指标。 针对接触线空间布置范围大,磨耗检测精度要求高,人工检测效 率低的难题,提出综合运用激光三角和沙姆成像原理,研究构建基于线结构光测量技术的车载接触线磨耗主动视觉检测方法。 提出采用高斯-牛顿非线性最小二乘优化方法,对像平面与光平面单应性矩阵、镜头畸变参数进行交叉迭代求解,建立面向接 触线磨耗动态检测的大视场、高精度视觉模型及其参数标定方法,解决接触线磨耗检测系统视觉建模及参数标定难题。 立足现 场实际需求,研制接触线磨耗车载检测装置,分步开展室内静态标定实验和现场动态检测试验。 结果表明,实验室标定重投影 误差控制在 0. 083 mm 以内,与传统模型相比提高 53. 1% 。 接触线磨损宽度、磨损深度及磨损面积动态检测数据与人工静态测 量数据相比,RMS 误差分别控制在 0. 119 mm,0. 115 mm,0. 788 mm 2 以内。
-
基于稠密点云的神经辐射场 NeRF 在视觉 SLAM建图任务中的应用研究
摘要：
基于点云等显式场景表达的传统 SLAM 技术在精度和鲁棒性上已经较为成熟,但在地图纹理和语义信息还原方面存在 不足。 为了提高 SLAM 技术在纹理和语义信息获取方面的性能,本文将具有可微渲染能力的神经辐射场(NeRF)引入到传统视 觉 SLAM 系统中,提出了一种新型视觉 SLAM 方法 DRM-SLAM。 该方法使用 ORB-SLAM3 进行相机位姿估计,并结合关键帧的 RGB 信息和深度信息生成稠密点云,在动态体素网格的基础上,根据点云数据提供的三维几何信息在体素网格中进行采样减 少 NeRF 调用多层感知机的频率。 同时,该方法结合利用了多分辨率哈希编码和 CUDA 框架的 NeRF 实现,显著提升了 NeRF 的训练速度。 在 TUM、WHU-RSVI、Replica 和 STAR 数据集上对本文提出的方法进行建图精度、完整度以及实时性测试的结果 表明:DRM-SLAM 利用稠密点云和 NeRF 体渲染技术填补了点云中的空洞,保留了传统的 SLAM 方法在位姿估计精度上的优 势,提升了地图的纹理和材质的连续性。 DRM-SLAM 算法在 Replica 数据集上的帧率为 22. 3,该值远大于 NICE-SLAM、iMap 和 Co-SLAM 算法,证明了所提算法具有较高的实时性。 在相同的场景下进行消融实验,基于稠密点云进行 NeRF 渲染比传统的 NeRF 的方法帧率提升了 3 倍,进一步证明了稠密点云可以加速 NeRF 收敛,充分展示了 DRM-SLAM 在地图重建方面的性能。
-
基于多传感器的紧耦合三维室内定位与建图
摘要：
即时定位与地图构建(SLAM)因其可以解决未知环境中的定位与地图构建问题,广泛应用于移动机器人领域。 本文使 用雷达、相机、IMU 和轮式里程计提出了一种名为 3D-MultiFus 的 SLAM 方法。 其中雷达-IMU-里程计子系统(Ls)快速构建全 局地图的几何结构,通过最小化点到平面误差估计系统位置状态。 相机-IMU-轮式里程计子系统(Vs)可剔除被遮挡或深度不 连续的特征点,以最小化帧间地图光度误差进一步估计位姿状态,并可实现子图中点云地图的着色渲染。 IMU 与里程计融合后 的数据、雷达系统点到平面误差和相机系统中光度误差以基于误差状态的迭代卡尔曼方式(ESIKF)实现数据紧耦合,从而在保 证精度和鲁棒性的同时,实现快速定位与建图。 为了验证本文算法的定位与建图精度,布置了室内运动实验场景并将 3DMultiFus 算法与相关算法比较。 仿真和实验结果表明,3D-MultiFus 算法完成一次数据处理需 185 ms,在运行效率上优于其他算 法。 在复杂的室内场景下,长时间运行定位首末位置误差仅 0. 085 6 m,3D-MultiFus 移动机器人的全局地图精度得到了较大的 提升,所构建的全局地图具有较好的一致性。 证明了所提出算法能够在室内场景中稳健可靠的工作。
-
基于单轴光学陀螺与 MEMS IMU 的室内移动机器人寻北
摘要：
三轴高精度光学陀螺成本高体积大,限制了陀螺寻北技术在移动机器人领域的应用。 针对该问题,提出一种基 于单轴光学陀螺和微机电系统( MEMS)惯性测量单元的室内移动机器人寻北方法,达到或者接近三轴光学陀螺的寻北 精度,成本和体积降低约 2 / 3。 移动机器人于第 1 位置静止时,根据单轴光学陀螺的输出与 MEMS 三轴加速度计的输出, 获得两个可能方位角,以相同的方式获得移动机器人在第 2 位置的两个可能方位角,两个位置的方位角相减得到 4 个可 能的方位角变化值,通过和 MEMS 捷联惯导系统所得方位角变化值比较,确定第 2 位置的唯一方位角。 误差分析显示在 方位角接近 90°和 270°时,所提出的方法接近三轴光学陀螺的寻北精度,仿真实验和跑车实验证实了所提出方法的有 效性。
-
基于 WOA-ELM 的空间分层结构 FBG 三维振动加速度传感器非线性解耦
摘要：
针对三维振动加速度传感器存在的维间耦合干扰问题,以空间分层结构光纤布拉格光栅(FBG)三维振动加速度传感器 为研究对象,阐述了三维振动加速度传感的基本原理。 其次,构建了振动加速度动态标定实验平台,并分析了传感器的结构耦 合特性。 最后,提出一种基于鲸鱼算法优化极限学习机(WOA-ELM)的神经网络模型并进行了非线性解耦实验,其结果显示,在 x、y、z 三轴的平均测量误差分别降至 1. 58% 、1. 17% 、0. 95% ,平均 I 类和 II 类误差最大值分别降至 0. 73% 和 0. 37% 。 为验证解 耦效果,将 WOA-ELM 与其他算法等进行解耦效果对比。 结果表明,WOA-ELM 更有效地降低三维振动加速度传感器的维间耦合干扰,提高测量精度。
-
一种基于光纤光栅传感器的机械手远程操控手套
摘要：
由于远程操控的机械手具有灵活性大和环境适应性高的特点,在越来越多的特殊场合下,人类开始借助机械手完成任 务。 本文针对危险环境中机械手高精度远程操作的需求,提出了一种基于光纤光栅传感器的机械手远程操控手套。 建立了手 套中光纤光栅传感器的弯曲测量模型,发现光纤光栅的中心波长变化量与弯曲角度之间成正比关系。 结合机械手舵机的控制, 提出了利用光纤光栅传感器进行机械手远程操控方法,编写了上位机软件,实现了从光纤光栅中心波长到手指弯曲角度最后到 机械手舵机控制编码的过程。 完成了光纤光栅传感器的设计和封装,手套的四路探测光纤中共有 12 个栅区长度为 10 mm 的光 纤光栅传感器,其中 11 个传感器被封装在人手关节的上方进行弯曲感知,1 个光纤光栅温度传感器用于温度补偿,利用 704 硅 橡胶对光纤光栅传感器进行封装。 搭建了基于光纤光栅传感器的机械手远程操控系统,并对光纤光栅传感器进行了标定,实验 结果表明在人手关节弯曲 0° ~ 90°的范围内,平均弯曲角度测量误差为 1. 147°,所有拟合直线的决定系数均大于 0. 993,最后设 计了人机交互演示模块展示人手的运动。 本文提出的基于光纤光栅传感器的手套具有小型化、高精度、抗电磁干扰的特点,在 航天器在轨维修、远程医疗手术和高危排雷作业等方面具有潜在的应用前景。
-
基于光栅耦合技术的光子芯片传感测试系统
摘要：
随着光子芯片技术的快速发展,先进的光电芯片测试系统受到越来越多的研究关注。 然而,现有光子芯片测试系统主 要针对通信芯片的需求开发,缺少对环境参量的控制功能,难以满足传感芯片的研发需求。 本文报道了一种基于光栅耦合技术 的光子芯片传感测试系统,可以实现光栅自动耦合、环境控制与感知、数据处理与交互等功能,并利用此系统完成了基于微环谐 振腔光学芯片的气体浓度传感与温度传感实验。 结果表明,在常温常压条件下,此系统可以对浓度为 20% ~ 80% 之间的 CO2 气 体进行检测,灵敏度可以达到 0. 152 GHz/ % ( 2. 113 pm/ % ),同时可以对 30℃ ~ 35℃ 之间的环境温度进行检测,灵敏度为 4. 996 GHz/ ℃ (74. 891 pm/ ℃ )。 本工作为光学传感芯片的研发提供了快速高效的技术手段。
-
基于标签伯努利滤波技术的多机器人随机组网协同导航
摘要：
针对多机器人在间歇性观测或无绝对观测环境下的分布式协同导航问题,提出了一种基于标签伯努利滤波技术的多机 器人随机组网协同导航算法(GS-EPF-LMB)。 该算法通过时间更新、观测更新和显示通信 3 种状态更新策略,利用随机有限集 对状态和观测进行建模,并生成标签化的多伯努利粒子。 为了提高算法的一致性和定位精度,基于标签多伯努利粒子耦合相对 观测和绝对观测,采用粒子滤波器优化带有标签的粒子状态,并利用历史信息对状态估计进行约束。 此外,利用概率数据关联 实现导航系统状态估计,并通过分层高斯模型和变分贝叶斯方法实现全局最优状态估计。 实验结果表明,算法的定位精度达到 0. 11 m,相较于全局状态-协方差交(GS-CI)算法,定位状态协方差收敛性提高了 48. 6% ,精度提高了 11% 。
-
单气腔仿肺软体驱动器建模与变形特性分析
摘要：
放射治疗是肺癌治疗的重要手段,然而肺部肿瘤随呼吸运动产生的空间运动,对精准放疗提出了挑战。 针对目前精 准放射治疗中图像引导带来的对健康组织的额外辐射剂量问题,本文提出一种利用仿肺软体驱动器体外模拟肺的呼吸变形 运动,通过建模预测肺部肿瘤运动的思路,从而减少患者接受额外辐射剂量,实现精准并安全的放射治疗。 首先利用 CT 图 像精准完成肺部的外形还原,然后得到的肺部随呼吸的变形运动规律。 在此基础上,设计了肺部空腔的形态,并通过变形仿 真验证了结构设计的合理性,据此制作了仿肺软体驱动器样机。 最后,通过给予离散化的周期性气压来模拟实际的呼吸状 态对样机进行了测试。 实验结果表明:所设计仿肺软体驱动器可以按预期完成呼吸变形模拟,最大气压为 45 kPa,最大轴向 位移为 5. 9 mm,最大径向位移为 3. 4 mm。 仿肺软体驱动器具有良好的呼吸运动变形模拟效果,可以为肺部肿瘤精准安全放 射治疗提供借鉴。
-
尖牙反牙合矫治人字形和 T 形曲组合正畸弓丝矫治力建模
摘要：
固定矫治技术是治疗牙齿反 最为有效的矫治手段,主要通过正畸弓丝释放的矫治力来达到反 矫治中的矫治空间预 留、反 牙齿回收的目的。 在牙齿反 畸形中,尖牙反 是最为常见的牙齿反 畸形,常使用人字形和 T 形组合曲关闭上颌牙 列间隙。 本文旨在正畸治疗前量化人字形和 T 形组合曲释放矫治力的情况,为正畸医师提供尖牙反 矫治的理论参考。 分析 人字形和 T 形组合曲的形变过程,将其形变过程分为弹性形变和弹塑性形变两类,并对两种形变下的矫治力微分方程进行了构 建,将其释放的矫治力分为闭隙矫治力和倾覆矫治力两种,完成了人字形和 T 形组合曲理论模型的建立,其次对有限元仿真值 与理论值的误差率进行计算,得到闭隙矫治力仿真值与理论值的误差率在 0. 43% ~ 8. 33% 之间,倾覆矫治力的仿真值与理论值 的误差率在 2. 13% ~ 9. 76% 之间,搭建实验测量平台得到了闭隙矫治力实验值与理论值误差率为 0% ~ 9. 30% 、倾覆矫治力实验 值与理论值的误差率为 0% ~ 9. 76% ,实验测量数据与理论值具有相同的非线性变化趋势,验证了人字形和 T 形组合曲理论预 测模型的正确性,该模型能帮助医师在治疗前对正畸力进行详细的定量分析,从而为个性化治疗方案的制定提供依据,更好地 满足患者需求。
-
基于全方位深层加权轻量化网络的冠脉造影图像超分辨率重建方法∗
摘要：
针对介入手术中对冠状动脉造影图像纹理清晰的需求,本文提出一种基于全方位深层加权轻量化网络的超分辨率图像 重建方法。 首先通过设计局部卷积模块,降低特征图的维度减小其参数量,加快模型的处理速度;接着采用自注意力机制模块, 融合图像的通道和空间信息,获得图像的丰富高频细节特征;此外,为了进一步提取图像的深层特征信息,研究设计了级联和权 重匹配的层注意力结构,为图像不同深度的特征分配不同的权重,实现图像的超分辨率重建。 最后为了使本文所研究方法在真 实介入手术冠脉造影图像中有更强的泛化能力,本文构建了冠脉造影图像数据集(CAID)用于网络模型的训练和测试。 实验测 试结果表明,与 Omni-SR 算法相比,本文所提出算法在参数量减少 32. 3% 、运行时间减少 17. 74% 的同时,其重建图像的质量在 客观指标和主观感受上均优于其他对比算法,且在放大倍数为 4 时,PSNR 和 SSIM 的平均值在 CAID 数据集上分别提高了 0. 72 dB 和 0. 012 2,在公共数据集上分别提高了 0. 13 dB 和 0. 004 4。
-
基于胃部肿瘤病理数据特征提取的分型模型研究
摘要：
胃癌的早期发现和组织病理的精准分型可有效提高患者的 5 年生存率,但有限的医疗资源难以满足这一需求。 基于 ResNet-50 的 DeepLab v3 语义分割算法,构建了胃部肿瘤病理分型识别系统,辅助病理医生实现快速高效精准的协同分型诊断。 针对不含恶性肿瘤的情况,完善实现了胃部低级别上皮内瘤变的二分类识别。 医院临床及资深医师像素级标注的 1 854 张胃 部组织数字切片进行了训练和测试,实现了在癌区识别基础上准确率为 61. 8% 、kappa = 0. 496 的分型诊断和敏感度 100% 、特异 性 75. 8% 和 AUC= 0. 972 的低级别上皮内瘤变诊断。 提出的胃癌分型诊断能够标出癌区,并给出诊断参考;低级别上皮内瘤变 的诊断较为精确。
-
LIBS 结合 ASG-LWNet 的煤中有机元素定量分析
摘要：
针对 LIBS 在煤质检测中受到基体效应或环境因素的干扰导致定量分析准确度降低的问题,本文提出一种基于激光诱 导击穿光谱结合 ASG-LWNet 的方法,用于快速准确定量分析煤中有机元素。 首先,利用激光诱导击穿光谱仪对 34 组煤质样品 的 LIBS 光谱进行采集;然后,采用自适应 SG 滤波算法对采集后的光谱去噪,不断更新滤波器参数以适应不同的信号特性,以获 得更好的滤波效果;最后,筛选 C、H 和 S 3 种元素的对应特征谱线输入 LWNet 模型作定量分析。 实验表明,基于 ASG-LWNet 模 型的 C、H 和 S 元素在测试集上的相关决定系数(R 2 )分别为 0. 998 4、0. 973 2 和 0. 995 4,均方根误差(RMSE)分别为 0. 379 4、 0. 217 9 和 0. 611,与未经去噪前相比,预测精度显著提高。 结果表明,在光谱噪声复杂的情况下,该方法能够降低基体效应的影 响,提高定量分析的准确度。
-
基于辅助传感器阵列与 NECNN-BiLSTM 深度神经网络的磁场信号去噪方法研究
摘要：
针对强噪声干扰下磁场信号精准去噪难题,提出一种结合中心-卫星架构辅助传感器阵列和深度噪声重建网络的磁场 信号去噪新方法。 首先,搭建磁场传感器阵列,通过有限元分析进行传感器阵列位置优化,分析中心和卫星传感器信号之间的 信号特征。 随后,构造一种结合噪声增强卷积神经网络(NECNN)和双向长短期记忆网络(BiLSTM)的深度神经网络模型,利用 传感器阵列捕获的噪声信号对构造的网络模型进行训练,揭示中心传感器信号和卫星传感器信号之间的非线性映射关系。 最 后,在磁场检测过程中,利用卫星传感器阵列噪声重建出中心传感器的噪声分量,再将中心传感器捕获的含噪信号减去重建噪 声,得到去噪后的待检测磁场信号。 实验结果表明,本文提出方法在磁场去噪的最大误差与均方根误差指标上均优于常规方 法,为磁场强干扰下信号动态去噪提供一种新手段,有望应用于电流检测、磁场成像、电池质量检测等领域。
-
基于特征基的 GMC 卷积稀疏机械故障特征解析方法
摘要：
在机械设备的复杂工况下,监测信号易受多振动源及环境噪声干扰,导致故障特征微弱且呈现强耦合特性,这给设备故 障诊断带来极大挑战。 因此,提出了一种基于振动特性基的 GMC 增强卷积稀疏机械故障特征解析方法,实现微弱耦合故障特 征解析。 首先,构造了一种自适应单边衰减小波匹配算法以获取最优特征原子,将最优特征原子升维同时匹配故障周期,以得 到具有周期特征的振动特征基。 其次,提出基于 GMC 增强的卷积稀疏编码,结合振动特征基优化求解稀疏系数。 此外,提出了 一种基于平均峭度与谐波能量比的过程参数优化选择方法,克服了优化过程中关键参数难选取的问题。 最后,提取包络谱主要 特征与理论故障特征频率对比判断故障类型。 通过仿真分析和试验台信号验证,并对比分析了基于谱峭度分解和可调变 Q 因 子小波变换 GMC 稀疏增强等两种传统方法。 实验结果表明,相较于上述两种传统方法,本文提出的方法可以有效地分离不同 类型的故障特征信号,并实现故障特征的增强。
-
一种基于条件度量迁移学习的机械故障诊断可解释方法
摘要：
迁移学习技术可以减小源域和目标域特征之间的分布差异。 然而,在跨设备场景下,现有研究往往难以衡量并缩小不 同设备间数据的条件分布差异,导致模型在源域获得的知识不能很好地迁移到目标域。 此外,在实际的故障诊断场景中,决策 者通常需要理解模型为何将某些数据归类为特定故障类型。 由于深度学习模型的复杂性,其往往被看作是“黑匣子”,难以解 释其内部工作机制。 为了克服上述缺点,提出一种基于条件度量迁移学习的可解释故障诊断方法。 首先利用 Hilbert 包络谱分析将时域信号转为频域信号;其次搭建深度孪生卷积神经网络和分类器,从频域中提取源域和目标域数据中的高维特征并做分类训练;然后将可解释的条件核 Bures 度量嵌入到无监督学习的损失函数中,提高条件分布下的特征适配能力和模型可解释 性;最后利用博弈论中的 SHAP 方法对模型诊断结果做基于包络谱的事后可解释分析。 在 3 种设备的 6 种跨设备轴承故障诊 断任务中开展试验,对所提方法和其他相关对比方法进行评估,结果表明提出的方法可以有效地提高跨设备机械故障诊断精 度,达到了平均 99. 47% 的诊断精度。 并解释了哪些频率点对模型的决策起到关键作用。
-
基于拟水流算法在移动机器人路径规划中的应用
摘要：
针对传统算法在移动机器人路径规划中存在搜索效率低的问题,提出了一种拟水流算法。 该算法利用主流点搜索模型 得到所有主流点。 从起点逐步流动,通过拟水流避障算法和拟病毒算法进行避障,直至终点,并平滑处理所得路径。 通过栅格 法对多种地图环境进行建模,将拟水流算法与蚁群算法、Dijkstra 算法、Floyd 算法和 A ∗ 算法的路径长度及运算时间进行对比仿 真实验。 实验结果显示,与获得最短路径和最少时间的 A ∗ 算法相比,拟水流算法获得的平均路径长度减少了 2. 40% ~ 6. 30% , 平均用时减少了 35. 71% ~ 53. 51% 。 最后,将拟水流算法应用于移动机器人 Turtlebot2,并与 A ∗ 算法进行了对比实测实验。 实 验结果显示,拟水流算法相较 A ∗ 算法,实测路径增加了 3. 83% ,寻路时间减少了 10. 77% ,拐点数减少了 42. 86% 。
-
双分支复频谱下多特征聚合的轻量化语音增强方法
摘要：
针对目前多种改进的卷积循环网络(CRN)在单掩蔽或单映射的编解码结构下提取特征单一、捕获全局特征不强、参数 量较大等问题,提出一种多特征聚合卷积模块与高效 Transformer 融合注意力机制结合的复频谱联合掩蔽和映射的单通道语音 增强高效网络。 在编解码层设计一种双分支门控协作单元(DGCU),提取复频谱多层次特征后交互、聚合以弥补特征提取单一 问题;中间层设计一种通道时频注意力融合模块,聚焦语音的时频、空间局部细节特征。 最后在 THCHS30 数据集上进行消融和 对比实验,实验结果表明,该网络以最低参数量、较低计算量实现了轻量化,在匹配和不匹配噪声下 PESQ 分别提升了 10. 5% ~ 50. 6% 、16. 3% ~ 94. 5% ,客观、主观指标都优于其他对比的网络模型,表现出较高的降噪性能和网络泛化能力。
-
自动装配的导纳控制系统中关键影响机制研究
摘要：
在工业自动装配中,机械卡阻现象经常导致零件接触力增大,进而导致装配失败。 本文以汽车装配中车门销与车身孔 的装配任务为背景,运用导纳控制方法解决柔顺性难题。 受导纳参数(弹性、阻尼和质量)的影响,控制系统可能在稳态误差、 超调量和响应速度等方面出现不同程度的波动。 为消除稳态误差的影响,本文采用基于倍率调节的积分优化方法成功消除稳 态误差。 面对超调量和响应速度不平衡的问题,本文提出一种基于罚函数的自动调参算法。 通过设置惩罚项,在求解过程中逐 渐满足约束条件。 实验结果表明:接触力的震荡波动从 0. 1 N 减小至 0. 05 N,当外界阻抗消失时,缩短 50% 的回落调整时间。 该方法成功避免震荡引起的零件损坏,能够提高自动装配时的柔顺性能。
-
基于半马尔科夫链的双模单待终端通信控制方法
摘要：
针对窄带物联网(NB-IoT)和低功耗蓝牙(BLE)双模单待终端的低功耗、BLE 连接时延和 NB-IoT 下行业务低响应时 延的需求,提出一种基于半马尔科夫链的终端通信控制方法以提高终端综合性能。 结合 NB-IoT 的扩展型非连续接收 (eDRX)模式和省电模式(PSM) ,其中 PSM 下 BLE 独占射频,构建终端通信状态转换的半马尔科夫链模型,获取功耗节约率 和 NB-IoT 下行平均时延的计算模型;基于 BLE 连接和 NB-IoT 下行业务响应的时延要求,结合 NB-IoT 实时业务流量,动态计 算 eDRX 的关键参数,再通过优化 BLE 广播时长以获得终端最优综合性能。 仿真与实测结果表明,所提方法在低功耗需求 场景下的功耗节约率高于 0. 96,在低时延需求场景下的 NB-IoT 下行业务平均响应时延低于 10 s,满足通信时延需求的同时 降低了终端通信功耗。
-
基于扩张状态观测器的里程计定位补偿无人车轨迹跟踪控制
摘要：
无人车的轨迹跟踪精度与车载传感器密切相关,应用图像、基站定位等方法容易受到实际中存在的各种干扰的影响导 致传感器数据出现误差甚至丢失,进而影响无人车的轨迹跟踪精度。 鉴于此本文以差速驱动型无人车为研究对象,提出了一种 仅依赖轮式里程计的无人车轨迹跟踪控制方法,同时通过扩张状态观测器来估计总扰动的方式解决里程计在复杂工况下受干 扰产生读数偏移以及长时间运行产生的累计误差等问题。 本文首先对里程计的定位过程进行了分析,通过对里程计建立扩张 状态观测器准确测量影响定位的干扰,并且针对里程计的偏差,采取扰动补偿措施以提升定位精度。 随后对车辆的轨迹跟踪动 态误差进行了深入研究,并设计了相应的误差方程,以制定轨迹跟踪控制策略。 在实际弯曲道路测试中,车辆可以稳定在 0. 21 m 的跟踪误差范围内,验证了本文所提方法的可行性和有效性。
-
Pneu-net 型变曲率软体驱动器弯曲性能与控制的研究
摘要：
气动软体驱动器是气动软体机器人的基础和关键元件,在实现软体机器人弯曲运动方面有着无可比拟的优势。 但是气 动软体驱动器在结构和材料方面都存在明显的非线性,这对软体驱动器的建模和精确控制提出了很大的挑战。 本文基于分段 常曲率变形假设、Yeoh 超弹性材料本构模型和虚功原理建立了 pneumatic networks (pneu-net) 型常曲率软体驱动器的弯曲数学 模型,通过有限元仿真研究了结构参数和输入气压对驱动器弯曲性能的影响。 在此基础上提出了变参数变曲率驱动器设计,建 立了其弯曲变形预测模型,并进行了多驱动器一致性误差分析,有限元仿真和实验验证了模型的有效性。 最后对软体驱动器的 力输出特性进行了实验测试,制作了一个三指软体抓手,通过实验展示了软体抓手抓持不同物体的性能。
-
井下工具倾斜姿态误差的非线性融合补偿
摘要：
准确的井下钻探姿态测量精度取决于惯性测量单元(IMU)误差的校正,基于简化误差模型的椭球+平面拟合后,井斜角 和工具面角的系统性误差仍需补偿,重力场翻转测试和 Monto-Carlo 模拟还说明姿态误差存在非线性变化。 基于倾斜翻转辨识 校正残差和参数寻优,并进一步提出等角距均衡校正技术;进行典型姿态下的数据测量,分别采用椭球+平面拟合、多点翻转优 化和等角距均衡技术进行误差补偿。 实验结果表明,提出的翻转优化和均衡技术可有效降低非线性姿态误差,标定后近垂直姿 态井斜角误差从±0. 1°降低至±0. 000 8°(1σ),工具面角误差从±1°降低至±0. 016 8°(1σ)。
视觉检测与图像测量
传感器技术
生物信息检测
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
