摘要:摘要：为了推动对刺激频率耳声发射（SFOAEs）的产生机制和检测方法的深入研究并推动SFOAEs的临床应用，综述了刺激频率耳声发射的研究进展，包括SFOAEs的产生机制、SFOAEs的检测方法、SFOAEs的检测评估与听力损失的关系、SFOAEs对听觉系统频率选择特性的评估潜力。在SFOAEs的产生机制的介绍中，分别从SFOAEs的产生源、SFOAEs的传输通路、SFOAEs信号的成分特征等几方面进行了论述。在SFOAEs的检测方法中，重点介绍了经常涉及到的双音抑制、非线性压缩、频谱平滑和扫频音等方法。最后，对SFOAEs的临床应用进行了展望。

摘要:摘要：由于成像视场或X射线穿透能力的限制，计算机层析成像技术难以实现大型板壳类对象的无损检测和质量评价，而通过扫描几何结构调整和重建算法改进，计算机分层成像（CL）技术可为板壳类对象的内部结构分析提供有效技术手段。随着医疗、电子、材料等领域无损检测需求的日益迫切，CL技术引起广泛关注。以板壳结构对象的无损检测需求为背景，综述了CL技术国内外研究现状，介绍了几种典型CL系统结构，重点分析了CL图像重建算法和产品开发及应用情况。最后，展望了CL技术的应用前景和发展趋势。

摘要:摘要：JilesAtherton (JA)磁滞模型静态参数辨识结果直接影响其对变压器铁心磁滞特性的预测效果。针对目前单一智能算法存在的寻优能力差、计算时间长等问题，提出了一种人工鱼群算法与优化惯性权重线性递减粒子群优化算法相结合的混合算法。搭建变压器铁心磁性能测试系统，对正弦激励下变压器铁心的磁滞特性和损耗特性进行实验研究。对比分析了所提混合算法与其他单一智能算法对JA模型的参数辨识速度与精度。结果表明，混合算法辨识结果的均方根误差仅为0006 9，低于其他单一智能算法的相应结果，证明了该混合算法相较于其他单一智能算法，具有不易陷入局部最优解、收敛速度快、参数辨识精度高等优点。此外，考虑交变磁场下动态损耗分量对变压器铁心磁滞特性的影响，修正现有动态损耗系数求解方法，建立了JA动态磁滞模型。通过对比动态磁滞回线模型预测结果与实验数据，验证了该方法的正确性与有效性。

摘要:摘要：钢轨踏面在车轮的重复载荷作用下会产生滚动接触疲劳裂纹。钢轨踏面裂纹是典型的滚动接触疲劳裂纹，该类裂纹容易从轨头往下发展导致钢轨断裂，对行车安全造成重大隐患。首先采用有限元数值方法分析超声表面波与钢轨踏面裂纹的作用规律，研究了低频超声表面波在不同倾角、不同深度踏面裂纹上的散射特性及反射回波时域信号响应特点。其次，设计制作了中心频率为03 MHz的表面波电磁超声换能器（EMAT），对钢轨踏面斜裂纹进行B扫成像检测，以更好地识别显示裂纹。为克服EMAT提离对信号回波的影响以及适应快速巡查检测，对裂纹反射回波采用同步挤压小波变换（SWT）进行去噪和重建，实现了B扫快速成像。研究结果表明，所设计的表面波EMAT能够有效地检测钢轨踏面上的多个裂纹，采用同步挤压小波变换处理回波信号后，超声回波信噪比至少提高883 dB，可显著提高B扫成像清晰度和检测速度。

摘要:摘要：提出了一种基于贝叶斯理论的电磁层析成像(EMT)图像重建算法。传统的正则化方法仅仅能获得单一电导率的近似估计值，提供的模型信息量有限。统计概率方法可以获得大量合理的模型参数估计值，根据缺陷分布的稀疏性，将求解电导率划分为一系列块状结构，使用稀疏贝叶斯学习框架，将电导率分布的稀疏先验信息和噪声信息等统计信息引入到EMT图像重建中，可以得到电导率分布全面的统计描述。为验证该算法的有效性，将新方法与共轭梯度算法、总变差正则化算法进行比较，并基于EMT实验系统进行了缺陷成像实验。仿真和实验结果表明，含有统计信息的稀疏贝叶斯算法与传统算法相比，图像误差降低20%，有效提高了重建图像质量与精度。

摘要:摘要：为解决电子鼻难以检测到十亿分之一量级(parts per billion, ppb)低浓度气味的问题,给出了一种电子鼻富集方案以及3种温度补偿方法。首先,设计了电子鼻富集装置以提高电子鼻检测下限。然后,针对富集后气体温度过高导致电子鼻检测和识别效果降低这一问题,给出了多元回归法、神经网络回归法以及基于这两种方法的温度补偿集成学习方法。最后,进行了电子鼻检测车内ppb级低浓度内饰材料气味的实验,用聚氨基甲酸酯(PU)皮和聚氯乙烯(PVC)皮两种材料制备实验待测气体,富集前、富集后未经温度补偿以及富集后经上述3种方法温度补偿后的平均识别正确率分别为6114%、8064%、9167%、9121%以及9506%,验证了电子鼻富集装置以及温度补偿方法的有效性。

摘要:摘要：针对傅里叶变换红外光谱仪获取的谱线数量庞大，直接选用全部谱线进行多元线性回归易导致过拟合、稳定性差、分析周期长等问题，提出了一种基于频率与回归系数相结合的自举柔性收缩变量选择方法。该算法以变量的权重作为选择的依据，在每次迭代过程中，根据变量的回归系数与频率计算变量的权重，通过加权自举采样技术实现对变量的柔性收缩。应用玉米红外光谱集对该方法进行了验证，在玉米油数据集中，其预测均方根误差（RMSEP）与相关系数（Rp）分别为0020 2和0976 5，变量数目由原始的700个减少到13个；在玉米蛋白质数据集中，RMSEP与Rp分别为0027 9和0996 8，变量数目由原始的700个减少到16个。结果表明，提出的变量选择算法选择的变量少而精, 具有实际的应用价值。

摘要:摘要：示教编程方法为共融机器人完成复杂、多样的日常任务提供了一个便捷、可行的解决途径。借助该方法，即使是非专业人士也能轻易地教机器人学会新的运动技能来完成各种日常家居任务。其中，技能学习方法是示教编程方法的核心。首先介绍了示教编程方法，并对其学习框架进行简要分析；随后结合当前研究现状，按技能学习和表示方法的不同将当前研究分成两大类并分别进行详细介绍；最后对上述技能学习方法进行分析与讨论，并探讨了该方向未来的发展趋势。

摘要:摘要：针对智能助行器坡路助行需求，提出了一种主/被动力矩实现方法。该方法利用磁流变制动器阻力矩可控的特点，结合磁流变制动器、蜗轮蜗杆减速器与直流电机，构成主/被动混合执行器。通过磁流变制动器与直流电机的协调工作，获得可控的主动力矩和被动力矩。设计了转子截面具有T形结构的磁流变制动器，应用有限元法对制动器内部的磁路进行分析，获取了制动器的力学性能参数。在此基础上，研制了主/被动混合执行器，并建立了其力学性能测试系统，完成了实验研究。实验结果表明，所提出的方法既能够提供可控的主动力矩，又能够提供可控的被动力矩。所研制的主/被动混合执行器，可以满足智能助行器坡路助行的功能要求。

摘要:摘要：助行外骨骼机器人能够辅助下肢运动障碍人群站立行走，但相较于电动轮椅在移动距离与移动速度上存在不足。因此设计了一款可变形助行外骨骼机器人，具有助行外骨骼与电动轮椅两种相互独立可转换的形态。针对可变形助行外骨骼机器人变形与行走两种运动过程，研究面向系统静态稳定的运动规划。描述了可变形助行外骨骼机器人的变形原理；提出了基于系统重心投影点位置的运动规划方法，分析了外骨骼机器人在变形与行走过程的静态稳定性；完成了健康受试者穿戴外骨骼的变形与行走运动实验，实验中系统的稳定裕度分别大于54 mm和20 mm。实验结果表明，利用面向静态稳定的运动规划方法，可变形助行外骨骼机器人能够实现稳定可靠的变形切换与连续行走。

摘要:摘要：针对协作型机器人，自主研发了一款柔性阵列式触觉传感器，将其封装为可感知人手抓握姿态与力大小的触觉手柄，提出一种基于卷积神经网络（CNN）的可区分人手松抓握、紧抓握与无意间触碰触觉手柄3种模式状态的方法，识别准确率达到982%。提出一种可变导纳控制策略，利用人手抓握手柄状态，实时调节机械臂虚拟阻尼，基于此触觉手柄可实时感知人手局部变换姿态，准确估计操作者操作意图，并将局部感知信息传输给机器人控制其运动，以UR协作型机器人为实验平台，以触觉手柄为感知输入并进行人机交互实验，对机械臂运动精度做了评价。实验表明触觉手柄具有良好的意图感知能力。

摘要:摘要：在面向伴随型机器人的研究中,步态时相检测是保持人机同步运动的关键。然而,提高检测精度需要收集和分析更多步态时相信息,这导致检测延时冗长,无法满足实时性需求。针对此问题提出一种面向伴随型机器人同步运动的递进式步态时相检测算法,主要依托惯性测量单元和贝叶斯信息准则构建概率生成模型的物理层和决策层,对步态时相进行初步的快速检测;当检测达不到判决阈值时,在决策层中引入记忆网络,预测下一段时间的步态时相参数,从而为概率生成模型提供更多的决策信息,并依据多次判决结果递进地完成步态时相精准的增量检测。实验结果表明:算法的步态时相检测准确率达978%;决策时间为283 ms,相较于自适应贝叶斯算法降低了约30%。

摘要:摘要：由于表面肌电信号（sEMG）具有非平稳、非周期和混沌等特性，导致传统的特征值提取方法存在实时性与准确性难以兼容的问题，基于此提出一种基于sEMG的改进能量核特征提取方法，对采集到的肌电信号进行处理。首先，在EMG振子模型的基础上，详细描述了新提出的“阈值矩阵计数”（threshold matrix count，TMC）特征提取方法; 然后，通过在腿部10块不同肌肉表面粘贴肌电传感器来检测下肢不同运动过程中的肌电信号;采集到所需肌电信号后，对10块肌肉上的肌电信号分别进行特征提取，得到10个不同的特征向量xk，并对其进行分析，选取了4块肌肉作为有效肌肉；最后将有效肌肉的特征向量xk组合整理，得到特征矩阵Xk，将其输入BP神经网络进行训练，对4种运动模式进行识别。实验结果表明，提出的能量核特征提取方法相比于传统的两种能量核特征提取方法，运算效率分别提升了13倍和9倍；同时，相比常用的时、频域特征提取方法，训练后得到的模型具有更好的稳定性，平均识别精度为952%。

摘要:摘要：针对人体个性化步态生成研究中的生成目标单一、个性化特征刻画不全面等问题，提出一种基于条件生成对抗网络的人体个性化步态生成方法。首先，将全身共51个关节角作为生成目标；其次，根据个体参数、行走速度、关节构成和协同关系等行走特征，建立数据标签并构成条件信息；再次，利用条件生成对抗网络模拟人体步态形成过程；最后，通过调整条件信息生成具有不同行走特征的个性化步态。经实验分析，该方法生成的个性化步态与真实行走数据的相关系数高于098，平均绝对偏差小于008 rad，阈值绝对偏差在5%以下，且步态稳定性判据结果均处于稳定区间内。实验结果表明，该方法能够有效生成对应不同行走特征的个性化步态，同相似研究相比，对行走特征的刻画更全面，生成步态具有更好的整体性。

摘要:摘要：为了准确提取个体运动想象脑电信号的最优时段和频段特征以及有效提高其分类准确率，结合卷积神经网络和集成分类方法提出一种多特征卷积神经网络(MFCNN)算法，对运动想象脑电信号进行分类识别。首先对脑电信号进行预处理，然后将原始信号、能量特征、功率谱特征以及融合特征分别输入到卷积神经网络中得到其训练模型，最后通过加权投票的集成分类方法得到最终的分类结果。并利用2008年BCI竞赛Datasets 2b数据集和实测数据对所提出的方法进行实验分析。结果表明，所提的MFCNN方法可有效提高运动想象识别率，实验中所有受试者的平均分类正确率和平均Kappa值分别为786%和057，为运动想象类脑机接口的应用提供了新的思路和方法。

摘要:摘要：在微创外科手术机器人系统中，力反馈功能的实现可以提高外科医生在手术中的灵活性，降低患者组织和器官损伤的风险。为实现手术过程中力的检测，设计了一种基于光纤布拉格光栅（FBG）的微创外科手术机器人多维力传感器并研究其解耦方法。该多维力传感器由3条间隔120°的光纤布拉格光栅沿轴向粘贴于手术工具杆末端构成。首先在对传感器应力分析的基础上使用最小二乘法解耦，但由于装配等因素使传感器输入输出之间增加了非线性成分，因此使用前馈神经网络对多维力传感器进行非线性解耦。其次从理论和实验两方面分析了穿刺器的平移对解耦之后的力的影响。实验结果表明，前馈神经网络解耦多维力传感器的效果较好，3个相互垂直方向上的平均误差分别为005, 007和018 N；穿刺器平移后力检测的最大平均误差为0036 N，可以忽略不计。设计的传感器、解耦方法以及对穿刺器平移影响的分析均具有很强的实用性。

摘要:摘要：由于压电纤维对Lamb波具有良好的方向传感特性，采用类似“应变花”的压电纤维传感器能够实现Lamb波方向检测。针对常见的45°直角形、135°直角形、60°三角形和120°三角形等4种结构形式，开展理论、仿真和实验研究不同压电纤维传感器布置结构对Lamb波方向识别精度的影响。根据压电方程和Lamb波传播衰减特性，理论推导了窄带激励下压电纤维对A0模式Lamb波的传感响应方程，定义基于3根压电纤维响应幅值的误差函数来估计Lamb波方向；利用ANSYS软件开展压电耦合仿真分析获得不同压电纤维传感器的响应信号，并开展了相应的实验测试，采用匹配追踪算法进行信号分解并提取其响应幅值；根据误差函数和响应信号对Lamb波方向进行识别，对比并讨论了仿真和实验误差产生的原因。分析结果表明：4种压电纤维布置结构的识别误差取决于压电纤维长度与布置角度、激励频率、实验压电纤维的粘接等情况；从总体误差大小来看，135°直角形结构方案最优，误差小于4%；60°三角形略优于45°直角形结构，误差小于8%；由于120°三角形结构整体尺寸较大，其识别误差最大，这将为压电纤维传感器结构设计提供了一定的理论依据。

摘要:摘要：基于冗余容错和测量重构的思想，提出了一种具有可重构测量模型的冗余正交式并联六维力感知机构，并进行了相关理论分析及实验研究。利用柔度矩阵理论建立了机构的刚度模型，通过仿真验证了建模方法的正确性。最后，对设计的力感知机构进行了样机研制，搭建了标定实验平台，对样机进行了重构实验。针对不同维度力选择不同测量分支组合的测量模型进行测量，实验结果表明，在五维力和三维力的测量模型重构后，测量精度分别提高了129%和319%。实现了测量模型重构的多维力感知机构面向不同测量任务的多维力测量，为冗余六维力感知机构的研究提供了理论依据及实验基础。

摘要:摘要：为解决管束流致振动试验中，现有接触式振动测量方法的应用局限性，提出一种基于测量受激对象换热管两侧压差脉动频率原理的测振装置，即差压式测振装置。差压式测振装置解决了传统接触式传感器对换热管外部流场的干扰问题以及安装空间受限的问题。为了验证差压式测振装置的有效性，分别进行了单管和换热管束两类流致振动测试试验。试验结果表明，差压式测振装置能在复杂的流动环境中准确捕捉到换热管受到的各类激振形式的频率，而且单管流致振动试验结果表明差压式测振装置所测得的周期性涡激振动频率与理论值偏差在5%以内。因此，差压式测振装置的研制与应用对于流致振动试验的测试以及换热管振动的长期监测均有很重要的意义。

摘要:摘要：撞击信号在航天器加筋舱壁结构中的传播规律非常复杂，对太空碎片撞击的快速定位产生阻碍。针对以上问题，提出了一种基于声发射的软阈值滤波双曲线算法。该算法通过软阈值方案解决了加筋结构中衰减声波到达时间判断的难题，通过滤波对波速最快的S0模态进行保留，减少了声波的模态转换对定位造成的影响。通过有限元模拟分析了加强筋对兰姆波的影响规律，得到了不同频带下S0模态兰姆波的能量通过比值，给出滤波频带确定依据。通过对20个撞击点的定位实验验证了算法的可行性，对实验样板来说，当频带为100~200 kHz时定位结果最佳，平均绝对误差为559 mm。

摘要:摘要：针对RSSI室内指纹定位算法中参考点误匹配和位置搜寻问题，提出了一种基于模糊聚类和猫群算法的室内定位方法。首先，采用模糊聚类代替传统硬聚类算法，并根据聚类中参考点的隶属度对聚类中心的RSSI特征进行合理估算，不但增加了参考点之间的差异性，而且减小了特征匹配的复杂度；其次，利用猫群算法在靠近最优解处收敛速度快的特点，同时在算法中加入投食机制以增加算法局部搜索的能力，实现了稳定快速的区域化位置搜寻。实验结果表明，与传统算法相比，所提算法可以提高125%的定位精度。

摘要:摘要：运用深度学习技术对滚动轴承微小故障发生的位置、类别和严重程度进行精准自动的辨识是当前故障诊断领域研究的热点。传统的故障诊断方法过度依赖于工程师凭经验进行手工特征提取，难以有效提取微小故障特征。提出了一种改进的CNNsSVM的新方法用于电机轴承的故障快速智能诊断，该方法采用1×1的过渡卷积层与全局均值池化层的组合代替传统CNN的全连接网络层结构，有效减少CNN的训练参数量，在测试阶段采用支持向量机代替Softmax分类器进一步提升诊断准确率。最后将提出的方法用于电机支撑滚珠轴承的故障实验数据并与多种算法对比验证。结果表明，改进CNNsSVM算法的故障识别准确率高达9986%，同时在不同负载下具有良好的迁移泛化能力，具备实际工程应用的可行性。其诊断准确率和测试时间明显优于其他智能算法。

摘要:摘要：针对基于多视角声图的水下小目标分类问题，提出了一种深度神经网络多视分类方法。首先，提取声图的阴影区域，计算阴影部分的主轴斜率并匹配出与其相对应的仿真数据集。采用由这些对应仿真数据集训练的卷积神经网络分别对不同视角的待分类声图提取深度神经网络特征。将不同视角输出的特征向量组合起来，作为目标的特征向量，利用各个视角匹配的组合所对应的支持向量机对目标的特征向量进行预测。将分类器用于对湖、海试采集的多视角声图分类，平均正确率为9333%，相比采用卷积神经网络、支持向量机的单视角分类方法，分别有不同程度的提升。

摘要:摘要：TbDyFe合金可应用于高频乃至超声频率器件中，高频磁场 (f >1 kHz)下TbDyFe合金（TerfenolD）磁滞现象及损耗严重。研究不同厚度TbDyFe合金叠片的动态磁特性及损耗特性对于设计高频范围的器件至关重要。采用 AMH1MS型动态磁特性测试系统测量了不同厚度TbDyFe合金叠片在不同驱动磁场频率和磁密幅值下的动态磁滞回线。基于动态磁性理论和损耗计算模型，对比分析了不同厚度TbDyFe合金叠片的动态磁特性参数，并对高频范围内的损耗机理进行了深入研究。实验结果表明，当磁密幅值Bm=005 T、频率为5 kHz时，1 mm厚叠片结构样品与单片2 mm厚样品相比，动态磁滞回线横向变窄，所需磁场强度减小，矫顽力和磁能损耗值分别减小了264%和281%，振幅磁导率增大了117%。在一定磁密幅值下，TbDyFe合金的复磁导率实、虚部和振幅磁导率随频率增大，整体呈现出数值减小、减速变慢趋势；在高频高磁密条件下(f>5 kHz、Bm>006 T)，厚度减小使TbDyFe合金损耗减小更为明显。

摘要:摘要：从流量退化趋势的角度提出了基于自适应网络模糊推理系统的寿命预测方法。首先利用改进的集合经验模态分解（MEEMD）方法对加速退化试验的振动数据进行多尺度重构降噪，提取重构信号的峭度值、均方频率、小波包能量，与转矩、转速、压力信号作为齿轮泵性能退化特征；然后使用核主元分析方法（KPCA）进行多特征融合，进而实现外啮合齿轮泵退化评估指标的建立和分析；再利用其退化评估指标与流量信号作为输入量对自适应网络模糊推理系统模型（ANFIS）进行训练，得到的齿轮泵剩余寿命预测模型，为了进一步验证该算法的有效性将其与liner回归模型、三次指数预测模型算法进行了比较，最后基于蒙特卡罗样本扩充方法实现外啮合齿轮泵的可靠性评估。结果表明，该方法的结果与实际阈值的预测误差约为8%，能够对外啮合齿轮泵的寿命进行比较准确的评估。

摘要:摘要：针对在复杂海况下，遥感图像舰船检测容易受到海杂波、薄云、海岛等影响，导致检测结果可靠性低的问题，引入了端对端的深度语义分割方法，将深度卷积神经网络与全连接条件随机场结合。以ResNet架构为基础，首先将遥感图像经过深度卷积神经网络作为输入，对图像进行粗分割，然后经过改进的全连接条件随机场，利用高斯成对势和平均场近似定理建立条件随机场为递归神经网络作为输出，从而实现了端对端的连接。所提方法在Google Earth和NWPURESISC45建立的数据集上与其他模型进行对比，实验表明，所提方法提高了目标检测精度以及捕获图片精细细节的能力，平均交并比为832%，相对于其他模型具有明显优势，且运行速度快，满足遥感图像海面舰船检测的需求。

摘要:摘要：为了满足现代工业非接触、高精度以及快速对微型物体进行平面度测量的需求，本文采用3D激光测量方法研制了基于机器视觉的3D激光平面度测量系统。首先研究3D激光轮廓仪的扫描测量原理及平面度测量原理，然后对激光线图像进行预处理，确保后期测量的准确性，其次对几何特征进行定位和坐标转换，再进行数据处理，获取物体测量部位的三维测量值。本系统为微型物体几何尺寸的三维非接触、高精度、多尺寸测量提供了测量装置系统和相应的测量手段。最后实物测量实验验证文中测量方法的准确性、快速性和有效性，测量精度可达01 μm。

摘要:摘要：针对基于传统鲁棒主成分分析的视频前背景分离的精度不高的问题，提出了一种新的广义非凸鲁棒主成分分析(GNRPCA)模型。该模型分别采用广义核范数和广义范数来代替鲁棒主成分分析模型中的秩函数和l0范数，以解决现有鲁棒主成分分析模型存在的对秩函数和稀疏度函数的替代函数过惩罚而导致逼近程度不佳的问题。然后采用交替方向乘子法(ADMM)对提出的GNRPCA模型进行求解。最后，将该算法用于视频前背景分离，进行仿真实验并对实验结果进行分析。实验结果证明提出的算法的平均Fmeasure值为0589 2，相对于截断核范数算法提高了13%以上，比其他的基于鲁棒主成分分析的视频前背景分离算法更具有优越性和有效性。