摘要:摘要：荧光式传感技术是一种跨多个学科的新型传感技术，目前非光物理量的荧光式传感器研究多处于起步阶段。结合实验室在荧光式传感方法及应用方面开展的研究，从温度、力、位移、湿度等参量角度，解释了荧光式传感原理；讨论了荧光寿命、荧光强度猝灭、荧光强度比、荧光谱移动、荧光混色法等多种荧光式传感方法及其典型传感特性，指出荧光寿命式、荧光强度猝灭式技术二者的基础物理效应相同；介绍了荧光光谱数据的处理方式方法，其中重点介绍了表征谱带轮廓整体频移的新型参量“谱带重心”的定义，以及该参量如何在不改变光谱仪器硬件条件的前提下提高传感精度;最后对荧光式传感技术的发展方向和应用前景提出了思考。

摘要:摘要：针对无人机磁惯导系统(MINS)中的三轴MEMS陀螺仪的现场标定问题，提出了一种叉积标定算法。该方法基于载体矢量变化率与角速度关系来标定陀螺仪的各项误差，即导航坐标系中任一常矢量在无人机载体坐标系中对时间的变化率，可表示为该矢量与载体角速度的叉积。叉积标定法利用这一原理，可在无精密设备的条件下快速、便捷地对三轴陀螺仪进行标定。数值仿真表明，叉积标定法在微分形式和积分形式下都能有效地辨识和补偿陀螺仪的各项误差系数，并且能在各种不同因素影响下获得良好的标定效果。实物试验结果证明，基于地磁矢量辅助的叉积标定法对MINS模块中陀螺仪进行标定时，其精度达到0227 9°/s，能够接近于转台标定的水平。陀螺仪标定后的数据与旋翼无人机飞控中的二阶互补滤波算法相结合，使得定点悬停状态下角度偏差控制在08°以内，有利于无人机现场标定和实际飞行中姿态数据的量测。

摘要:摘要：为解决磁阻抗效应的偶次非线性问题，提出自平衡式传感信号检测方法。通过交流偏置磁场及检波处理，传感器的输出具有奇次特性，无需直流偏置就能反映磁场方向；再引入PI控制器构成闭环检测系统，系统达到稳态时反馈磁场与外磁场抵消，实现自平衡式检测，消除传感器的非线性。使用薄膜电感磁传感器进行实验验证，传感器自平衡检测方法输出呈良好的线性特性，非线性度仅为082%，有效测量范围扩大了一倍。在不同交流偏置下，输出特性仍保持高度一致，各输出间相关系数均在0999 9以上。交流偏置自平衡式检测适用任何非线性磁传感器，消除各种非线性特性得到高线性度的传感输出。

摘要:摘要：随着纳米薄膜沉积技术的发展，基于薄膜热电偶的瞬态温度测量技术在多种场合得到广泛应用。为实现薄膜热电偶在铣削加工中的应用，提出了一种高性能薄膜热电偶的制备方法。通过直流脉冲磁控溅射技术在石英基底上制备了NiCr/NiSi薄膜热电偶，并于氩气气氛进行不同温度的退火，研究了退火对薄膜热电偶综合性能的影响。结果表明，500℃退火的功能薄膜均匀性、导电性均有显著的提高，薄膜热电偶的塞贝克系数由退火前的363 μV/℃增大到最大值405 μV/℃，在连续热冲击和高温保持6 h后测温性能仍保持良好。将高性能薄膜热电偶研究成果用于测温铣刀的研制，并用于TC4正交铣削，得到了TC4铣削温度预测公式，为旋转类刀具加工温度的测量提供了一种可行性方案。

摘要:摘要：采用有限元仿真和实验方法分析了圆形线圈处于不同弯曲角度时，柔性涡流传感器对模拟裂纹缺陷方向角及深度的检测能力变化规律。结果表明：圆形线圈弯曲导致各向均匀涡流场朝单向涡流场转变，无论是工作于自感还是互感检测模式下，柔性涡流传感器对不同方向裂纹缺陷的检测灵敏度均降低。对于90°裂纹，当线圈弯曲角度为30°时，自感和互感模式的检测灵敏度分别下降约7%和45%。线圈弯曲导致传感器对裂纹方向、深度的识别能力随线圈弯曲角度增大而单调下降。相比自感模式，互感模式下柔性涡流传感器对裂纹方向及深度的识别能力更佳。线圈与曲面贴合造成的弯曲对传感器性能的影响不可忽略，在设计柔性涡流传感器时应合理选择弯曲角度范围。

摘要:摘要：智能电网的发展使得电网获取的数据逐渐增多，为了从多维大数据中获取有用信息并对短期内电力负荷进行准确的预测，提出了一种基于改进的深度稀疏自编码器（IDSAE）降维及果蝇优化算法（FOA）优化极限学习机（ELM）的短期电力负荷预测方法。将L1正则化加入到深度稀疏自编码器（DSAE）中能够诱导出更好的稀疏性，用IDSAE对影响电力负荷预测精度的高维数据进行特征降维，消除了指标间的多重共线性，实现高维数据向低维空间的压缩编码。采用FOA优化算法优化ELM的权值和阈值，得到最优值，能够克服因极限学习机随机选择权值和阈值导致预测精度低的缺点。首先将气象因素通过IDSAE降维，得到稀疏后的综合气象因素特征指标，协同电力负荷数据作为FOA优化的ELM预测模型的输入向量进行电力负荷预测。通过与DSAEFOAELM、DSAEELM和IDSAEELM等模型的对比实验，证明了提出的预测模型能有效提高预测精度，经计算得出预测精度提升大约8%。

摘要:摘要：为解决四旋翼无人机飞控系统因缺少异常感知数据而难以评估其运行状态的问题，提出一种基于物理仿真模型生成异常姿态数据的方法。首先，通过定义四旋翼无人机的运动坐标系，结合牛顿欧拉公式建立无人机运动方程，设计飞控系统控制回路，利用Simulink软件构建飞控系统物理仿真模型，为生成异常感知数据提供实验环境。其次，在利用实际姿态感知数据验证仿真模型可用的基础上，通过异常注入来生成姿态的异常数据。最后，以基于主成分分析的异常检测方法为例，评估生成异常感知数据的应用效果。实验结果表明，所提方法能够有效地生成恒偏差和漂移两种异常姿态感知数据，基于主成分分析方法开展的异常检测结果：误检率处于2%～74%，正确率处于73%～97%。因此，所提的感知数据生方法可为改进检测方法性能提供相应的数据支撑。

摘要:摘要：基于风电机组数据采集与监控系统（SCADA）的大量时序数据分析，提出一种基于生成对抗网络（GAN）的风电机组在线状态监测方法。首先，通过GAN模型中的生成器获得一组与SCADA数据相同维度的生成数据；其次，利用生成的和真实的SCADA数据对GAN模型进行优化训练进而得到用于区分机组健康状态的判别器模型。利用所提方法分别对一台故障风电机组和一台健康风电机组的SCADA数据分析后发现：GAN方法能够有效监测风电机组的在线运行状态，比SCADA系统提早5 d发现故障机组的异常；当风电机组正常工作时，GAN方法比其他方法（如马氏距离、主成分分析、深度神经网络、支持向量机等）误报的次数更少；当机组发生故障后，GAN方法比上述其他方法能检测出更多的异常样本。

摘要:摘要：为获取数据基于部分特征表示及提升稀疏性，在深度网络中嵌入非负约束，并提出基于非负约束自编码深度网络的滚动轴承状态识别方法。堆栈多个自编码器以及分类层，构建状态特征自学习与状态识别一体化模型。以轴承振动信号时频幅值谱作为网络输入，采用嵌入非负约束限制的无监督逐层预训练和有监督微调算法实现模型优化。深度网络逐层自编码提取数据内在特征，非负约束和加噪编码提升了深度网络的基于部分特征表示能力，并降低了工况变化、噪声干扰等因素影响。将所提方法分别应用于两类滚动轴承的振动数据分析，对时变工况下4种不同状态轴承以及恒定工况下8种不同状态轴承的平均识别准确率分别为9799%和9732%，其中保持器不同磨损程度轴承平均识别准确率为9564%，同时所提方法在不同加噪情况下表现出良好抗噪能力。

摘要:摘要：针对液压信号的高度复杂性以及难以识别的特点，构建了一种基于堆栈稀疏自编码器和Softmax的深度神经网络来对液压泵泄漏状态进行识别。利用小波变换和希尔伯特黄变换提取液压信号的低维特征，并输入深度神经网络。通过堆栈稀疏自编码器的逐层学习对特征进行优化并提取出高维特征，然后使用Softmax进行识别。实验结果表明，堆栈稀疏自编码器能够有效地提取液压泵泄漏状态的高维特征，构建的深度神经网络可有效地识别液压泵泄漏状态，识别精度达到了976%。此外与支持向量机、极限学习机、卷积神经网络以及长短期记忆网络相比，深度神经网络具有更好的识别效果。

摘要:摘要：惯性导航系统正常工作前需进行初始对准，容积卡尔曼滤波(CKF)是常用的非线性初始对准算法。针对在滤波模型失准和非高斯观测噪声干扰情况下常规CKF出现精度下降甚至发散的问题，提出了鲁棒渐消CKF算法。引入多重渐消因子对观测噪声协方差阵或状态预测协方差阵进行调整。设计了基于滤波残差序列统计特性的滤波状态卡方检验方法，检测滤波器状态并自主确定渐消因子的引入方式，使渐消因子的引入更加合理。试验结果表明，算法在系统建模失准及异常量测噪声的干扰下能够保持较强的鲁棒性和自适应性，其姿态失准角误差约为001°，航向失准角误差小于01°。

摘要:摘要：磁信标导航定位系统的信源主要有永磁体磁信标和通电螺线管磁信标两种，基于毕奥萨伐尔定理提出了锥形组合结构和平面交叉组合结构的永磁体磁信标设计方案，通过与现有的单永磁体信标及正交永磁体信标进行对比，得出锥形组合结构磁信标在与平面夹角为70°时产生的磁场信号性能最佳，在二维平面内能够明显提高信号的指向性；设计磁体夹角为60°的平面交叉组合信标，改善了现有信标存在信号盲区的问题并且提高了信号的传输距离。针对平面交叉组合旋转磁信标分析一元组合信标与二元阵列组合信标产生的磁场性能，仿真结果表明，在不同属性的传播介质中阵列布设信标产生的磁场信号鲁棒性更好。利用NdFeB永磁体材料搭建信号检测分析系统，在基线为5 m，信标旋转角度差值为0时，两种信标布设方法产生的最大误差分别为355 nT和580 nT，证明了所设计的磁信标结构的实用性，为磁导航定位系统的信号传输距离有限、信号提取困难等问题提供了有效地解决方案。

摘要:摘要：针对铣削稳定性评价指标极限切削深度随加工位置改变而变化，导致铣削工艺参数优化模型中稳定性约束具有不确定性问题，结合不同加工位置刀具频响函数和切削稳定性理论，建立加工空间极限切削深度广义回归神经网络(GRNN)预测模型，基于该GRNN模型完善铣削稳定性约束条件，进而构建以机床各运动部件位移与粗/精加工切削参数为变量，以粗/精加工总切削时间为目标的多工步数控平面铣削工艺参数优化模型，采用粒子群算法(PSO)求解该优化模型。以某企业加工中心展开实例研究，获取机床加工位置和粗/精加工主轴转速、切削深度、切削宽度、每齿进给量的优化配置，优化后粗/精加工总切削时间比优化前缩短2247%，并通过该配置下的无颤振铣削加工验证了优化模型的有效性。

摘要:摘要：针对目前盖氏圆盘准则（GDE）及其改进方法难以精确计算出变化的瞬时信号源数目的问题，提出了基于滑动窗口（SW）和相关系数（CC）相结合改进盖氏圆盘准则的GDESWCC动态信号源数目盲估计方法。首先利用盖氏圆盘准则的盖尔圆半径在信号数量增长过程中不断更替变化的特性，将新盖尔圆半径减去旧半径得出整体信源中半径变化最大的动态段。其次采用滑动窗口算法对动态段进行分段精估计，得到每一个滑动窗GDE的判断阈值。然后将GDE的判断阈值作为滑动窗口的特征量,并计算它们之间的相关系数，根据相关系数的峰值位置区分动态窗口信号圆盘与静态窗口信号圆盘得到瞬时信号源数目。最后，通过计算机仿真以及实测数据实验验证了本文方法的有效性、通用性和实用性。计算机仿真对比实验结果表明，相比现有静态GDE，所提方法能快速判读信号的源个数并定位出动态变化的时间区域；在此基础上，结合所提方法与集合经验模态分解(EEMD)进行了欠定盲源分离情形下的动态源信号数目估计仿真实验，结果表明调整因子为02以上即可得到正确的估计；实测数据实验得出结果与仿真结果基本吻合，尤其当信号源数目减少时，GDE的估计正确概率从95%降低到4%，所提方法的估计正确概率从95%增高到97%。

摘要:摘要：针对变压器不平衡运行模式绕组振动问题，研究变压器不平衡运行模式振动原理，构建不平衡运行模式下的绕组电磁振动模型，利用小波包变换进行振动信号的分解重构，研究不同频域尺度的能量分布规律，提出了基于尺度能量占比的振动特征辨识方法。通过动模实验获取绕组振动信息，通过小波包分解重构信号确定尺度能量占比特征值，研究不平衡运行绕组振动特性，为变压器不平衡异常工况提供新的诊断手段。变压器正常运行时，二倍频分量信号占总信号能量的4672%，当不平衡运行α为-20%、20%时，二倍频能量占比分别下降7567%和升高4207%，且不平衡运行时三相绕组振动特征差异较大，所产生的不平衡振动力矩将会危害变压器绕组整体结构的稳定性。

摘要:摘要：主轴作为数控机床的核心部件，因其质量不平衡而产生的振动严重影响机床的加工精度。对主轴不平衡振动进行有效抑制的前提是需要准确提取振动信号特征。为了准确提取主轴系统的不平衡振动特征，获取振动幅值和相位，提出基于全相位快速傅里叶变换的主轴不平衡振动特征提取方法，全相位快速傅里叶变换利用自身的频谱分析功能实现对信号相位和振幅的准确提取。分别通过仿真与实验的方式将该方法与其他3种方法进行振动特征提取对比，全相位傅里叶变换提取振动幅值和相位准确度和稳定性更好，提取后的振动相位准确性可达97%，而提取后进行动平衡振动抑制实验，振动量下降6521%，进一步验证了该方法的有效性。

摘要:摘要：针对光栅莫尔信号正弦性误差补偿过程中波形方程建立准确性影响误差补偿效果的问题，提出了一种根据实际细分倍数要求进行波形建模的方法。在基于粒子群算法（PSO）的光栅莫尔信号正弦性误差补偿原理的基础上，说明信号波形方程建立的重要性；针对波形方程建立时谐波选取问题，量化直流漂移及各次谐波含量带来的角度误差情况，为波形方程建立提供参考；利用仿真实验验证了模型建立的有效性，并在FPGA平台上实现PSO算法对信号波形参数的求解，对比波形方程在不同维数的情况下对资源占用的影响；最终搭建光栅系统平台对本文所提方法有效性进行验证，结果表明该补偿方法能够有效减小信号中的正弦性误差成分，细分误差由074″降低到030″。

摘要:摘要：基线漂移严重影响心电信号的特征提取和识别,而矫正方法的效果决定了医疗诊断的准确性。提出了一种基于经验小波变换和分段多项式拟合理论的心电信号基线矫正算法。利用经验小波变换自适应分割心电信号频谱，在分割区间上构造合适的小波窗提取具有紧支撑的经验模态分量,并重构剔除基漂分量后的经验模态分量,再进行多项式分段拟合来去除残留基线漂移。对同一心电信号的测试结果表明,提出算法相对于对原始经验小波变换算法信噪比改进超过19 dB，在保持较好心电信号形态特征的同时能够有效矫正基线漂移失真。

摘要:摘要：视觉图像检测在机器视觉领域有着重要的研究意义和应用价值。近年来，卷积神经网络的发展带动了视觉图像检测领域的进步。大量新理论、新方法被应用于卷积神经网络，提高了网络对特征的表达能力，降低了网络的复杂性，增强了网络的性能。研究阐述了卷积神经网络的基本构成，从卷积层，池化层，激活函数，网络正则化和网络优化等方面总结了卷积神经网络近年来的改进方法，梳理了卷积神经网络在视觉图像检测领域的应用，总结了卷积神经网络在视觉图像检测领域的优点，并展望了未来的研究方向。

摘要:摘要：在遥感图像中，舰船目标具有目标尺寸较小、形状细长、多个目标紧密排列、类间相似度高等特点，现有的深度学习目标检测算法对舰船小目标的检测精度不高，易发生错检、漏检情况。为了更有效地利用遥感图像信息，提高小目标检测精度，构建了舰船数据集SDNGV，提出基于串行修正线性单元CReLU和特征金字塔网络（FPN）改进的单射探测器（SSD）舰船目标检测识别方法。首先，在SSD网络的浅层添加CReLU，提升其浅层特征的传递效率；然后，采用FPN从网络的深层到浅层逐级融合SSD中用于检测的多尺度特征图，提升网络的定位精度和分类精度。实验表明，所提目标检测算法具有较好的检测精度，改进方法具有明显的效果，在舰船小目标的检测上有10% 的检测精度提升。

摘要:摘要：提出了一种基于深度学习的大视场大规模目标精确检测算法。以香烟滤棒为检测对象，研究具有强粘连、强阴影遮挡、强畸变、低对比度的大规模目标精确识别问题。提出一种SAAUnet模型，在U型网络基础上引入具有空间感知的自注意力增强模块和焦点损失函数有效地解决了精确语义分割问题。在精确识别环节中，根据圆相切几何规律设计了结构元匹配算法定位圆心并利用隐马尔可夫链优化搜索方向最终实现目标精确快速识别。在实验部分，分别对比了语义分割和目标识别环节中几种主流的算法。并在工业现场进行了50 000盒滤棒应用测试。试验结果表明，所提方法在语义分割、目标识别以及工业应用测试中都展现出强大竞争力，目标识别精度达到9995%。

摘要:摘要：由于大型遥感卫星外壳具有多面体结构,产生了相邻面之间的照片采集重叠率低以及定向靶标局部可见等现象,最终导致摄影测量网络定向完整度低,测量精度降低。为此,提出一种针对大型立体结构的摄影测量网络定向方法。首先在五点法基础上利用局部图像对上的同名编码点解算图像对之间的相对外方位参数,然后以公共点数量和反投影误差最小作为依据，建立图像全局相对定向链路并扩展图片定向网络,从而实现多面体结构摄影测量图像网络的全局相对定向。使用所提方法对35 m×35 m×22 m的某遥感卫星壳体进行摄影测量,结果表明，所提方法的定向完整度和精度优于传统定向算法。所提方法能够为多面体航天器构件的摄影测量提供准确可靠的图片外方位参数初值,定向角度标准差小于0000 3 rad,平移量标准差小于07 mm。

摘要:摘要：针对移乘服务机器人对人体姿态识别高精度性的要求，以及现有的人体姿态识别方法在关节遮挡情况下识别精度低的问题，提出了一种基于模型约束的人体姿态识别算法，以解决移乘操作前机器人系统对人体关节空间坐标的精确提取。首先采用OpenPose算法识别彩色图像中未遮挡关节的像素坐标，通过对RGBD相机的彩色图像与深度图像进行对齐，将关节像素坐标转换为3D坐标。然后依据人体模型相关参数以及未被遮挡关节坐标计算与之相连接的被遮挡关节的空间坐标，用于提高遮挡关节的识别精度。实验结果表明，所提出的算法在关节未遮挡时识别精度为92%，在关节遮挡时达到了90%。单帧计算平均用时约为190 ms，满足移动服务机器人操作的实时性要求。

摘要:摘要：针对串联故障电弧发生时隐蔽性和随机性强、电流幅值相对较小易被负载电流湮没、与负载性质关联性大而导致的难以准确检测问题，提出一种基于相关理论及零休特征融合的串联故障电弧检测方法。以参照UL1699标准搭建的低压单相交流串联故障电弧实验平台为基础，通过采集用电回路的两个周期电流并计算其零休时间比例系数、滤除低频成份后的归一化绝对值最大互相关系数，然后用模糊逻辑器将两系数进行融合处理得到串联故障电弧综合特征识别系数，进一步结合零休时间比例系数并分别与经验阈值比较，从而判别是否有串联故障电弧发生。结果表明，该法对低压单相交流用电回路中使用GB142874推荐负载时产生的串联故障电弧辨识率高达100%，无误判漏判现象发生。

摘要:摘要：针对二维势场中的随机共振(SR)的研究较少的问题,探讨在高斯白噪声和外部微弱驱动力共同作用下的二维四稳态势系统(TTPS)的SR机理与应用。根据线性响应理论,使用概率流方法计算TTPS对外部周期驱动频率的功率谱增益因子(SAF)。理论分析结论表明，以SAF为指标时,TTPS将发生显著的SR现象,通过提高耦合系数和非对称系数或降低驱动频率能够进一步地提高SAF。而后结合ChambersMalllowaStuck算法与四阶龙格库塔法,利用遗传算法的寻优参数将TTPS应用于微弱周期信号检测和轴承故障诊断中，并与新型一维三维势系统(NOTPS)进行对比。实验结果证明了理论分析结论的正确性,表明TTPS能够有效地检测微弱周期信号和诊断轴承内外圈的故障。两种轴承内圈故障频率处的幅值能被TTPS分别提高至4195和2971,而NOTPS只能将之分别提高至2506和1034;两种轴承外圈故障频率处的幅值能被TTPS分别提高至4087和3429,而NOTPS只能将之分别提高至2693和1866,证明TTPS的性能优于NOTPS。

摘要:摘要：由于管壁折射的影响，可视化方法获得的微小管道气液两相流流动图像具有一定的畸变，无法准确反映流动信息。通过光路和仿真分析，研究了几种常见状态下图像畸变。结果表明，可视化方法获得的图像相比真实结构为线性放大，放大率随着液相折射率的增加而线性增加，受到管道内径、管壁厚度以及管壁折射率等因素的影响较弱，一般情况下放大率在130～144之间。进行了毫米级管道下的相含率测量实验,利用该图像畸变校正方法，大幅降低了测量结果的最大绝对误差（206,314,422 mm管径下降幅分别为546%，466%和516%），验证了该校正方法的有效性。本研究揭示了图像畸变作用的多个重要因素，对准确获取微小管道气液两相流的流动信息具有重要作用。

摘要:摘要：针对编码超声检测中，回波信号经脉冲压缩后存在主瓣持续时间长和旁瓣水平高的问题，提出了一种基于非线性调频(NLFM) Barker复合编码的超声波激励方法，用于板材焊缝缺陷检测。给出了该复合码的产生方法，并推导出了其函数表达式。通过仿真对比分析了其与Barker码、非线性调频信号、以及线性调频Barker码这3种编码激励方法产生的超声波的时频特性、传感器响应特性以及回波脉冲压缩特性。试验结果表明，该复合编码超声回波信号经脉冲压缩后，其主旁瓣功率比较非线性调频信号和线性调频Barker码分别提高了约11和5 dB，峰值旁瓣水平较Barker码、非线性调频信号、以及线性调频Barker码分别降低了约78、7和36 dB，并能有效检测出焊缝中预设的5种常见缺陷。

摘要:摘要：针对电弧增材制造（WAAM）成形件表面及亚表面微小缺陷难以检测和识别的问题，结合图像纹理特征和神经网络提出一种基于磁光成像的无损检测方法，实现低碳钢WAAM成形件表面微小缺陷检测和分类。首先对二次表面精加工后的WAAM成形件进行磁化，并使用磁光成像仪获取成形件表面磁光图像作为试验样本，然后对磁光图像进行预处理，用灰度共生矩阵提取每幅图像的能量、熵、对比度和相关性纹理特征,对比分析无缺陷、熔合不良、凹陷和裂纹4种WAAM成形件表面质量纹理特征，最后通过建立的LMBP神经网络模型对成形件表面质量进行分类预测。试验预测结果表明，WAAM成形件表面缺陷检出率为9733%，表面质量分类准确率可达9133%，验证了所提方法能够有效检测和识别低碳钢WAAM成形件表面微小缺陷。