摘要:风力发电在能源转型中占重要地位。 风力发电机叶片是接收风能的关键部件,其缺陷检测是维持发电机运行的基本保 障。 无人机航拍与机器视觉的结合能有效检测叶片表面缺陷。 本文综述了近年来基于无人机航拍的风力发电机叶片表面缺陷 检测方法。 首先概述了风力发电机叶片特点与缺陷分类。 其次对比了 4 类风力发电机叶片表面缺陷检测方法,阐明了无人机 航拍结合视觉检测方法的优势及技术流程。 然后概述了基于传统图像处理与机器学习的航拍叶片表面缺陷检测方法,包括表 面图像拼接、缺陷的分割和特征提取与分类方法。 综述了基于深度学习的航拍叶片表面缺陷检测方法,包含缺陷分类、识别与 分割的深度学习网络。 随后梳理了叶片表面缺陷数据集以及性能评价指标。 最后指出该领域面临的挑战并对其解决方法进行 了展望。

摘要:圆柱滚子轴承作为旋转机械的关键零部件,其健康状况对机械系统运行的可靠性、稳定性、及安全性有重要影响。 基于 动力学与物理学的圆柱滚子轴承动力学建模,有益于探明缺陷内在激励机理,揭示缺陷激励演变机理同轴承动力学行为间的映 射机制,并提升工况下圆柱滚子轴承状态运维的准确度与可靠性。 现有圆柱滚子轴承建模鲜有考虑其内外滚道复合缺陷耦合 激励机理。 有鉴于此,本文提出了新的圆柱滚子轴承内外滚道复合缺陷耦合激励机理动力学模型,建立了表征滚子仅与内圈或 外圈缺陷接触和滚子与内外圈缺陷同时接触引起的时变力学参量演变机理函数模型,研究了圆柱滚子轴承复合缺陷激励同接 触位移、接触力等力学参量变化规律间的映射机制,探究了多转速条件下的圆柱滚子轴承振动行为变化规律。 经实验验证表 明:仿真与实测信号振动特征基本吻合,仿真与实测信号故障特征频率及其倍频基本一致,验证了所建立模型的有效性和准确 性,对圆柱滚子轴承状态运维的准确度与可靠性的提升有一定的理论意义和实际应用价值。

摘要:在电动汽车电路系统中,直流串联电弧故障通常发生在接触点松动或线路连接损坏处,会引起火灾、爆炸等事故。 为进 行电动汽车中的串联型电弧故障研究,首先,搭建了电动汽车电弧故障实验平台,详细分析了不同工况下干路电流波形变化的 原因与规律。 由于电弧故障检测的高实时性需求,本研究采用了轻量型的卷积操作,即深度可分离卷积,基于深度可分离卷积 搭建了电弧故障检测网络,实现了电动汽车电弧故障的检测与故障线路的判别。 然后,针对低维度空间中深度可分离卷积特征 提取能力受限的问题,本研究对其进行了改进,提出了特征表达能力更加优越的卷积操作:分组可分离卷积。 最后,采用了递进 式的阶梯结构,从网络浅层至深层,分组可分离卷积内每组的卷积核数量逐渐下降,在保证检测精度的前提下,实现了网络架构 的精简与优化。 进一步地,对检测模型进行了卷积核尺寸调优,并在结构中添加了轻量化注意力机制。 在模型的训练过程中, 应用了动态学习率调整策略。 通过一系列的模型优化措施,系统性地增强了模型的运行效率与检测精度。 模型的检测准确率 达到 96. 76% ,同时具有较好的泛化和抗干扰能力。

摘要:考虑到空间运动特性差异对机械性能退化的体现更为直接,且振动信号蕴含丰富的机械状态信息,提出一种利用振动 信号对空间运动特性进行表征的断路器健康状态识别方法。 首先,利用位移信号获取能够反映关键机构机械状态的运动特性 参数;其次,采用 AAF-AAKR 模型构建运动特性健康指标;然后,基于关键动作阶段三维振动信号特点提取多域特征参数,选取 相关性较高的特征进行层次聚类并计算与运动特性的互信息,得到对运动特性表征能力强的关键退化特征矢量;最后,将退化 特征矢量作为输入,运动特性健康指标作为输出,构建 1D-CNN 性能退化回归模型,以实现储能机构健康状态识别。 实例验证 表明,三维振动信号相对于一维振动信号对运动健康指标的拟合效果更好,回归分析 RMSE 为 0. 018 6,MAE 为 0. 011 2,可精准 地识别断路器的健康状态。

摘要:线控转向系统是自动驾驶技术的关键部分,其可靠性直接影响驾驶安全。 间歇故障的随机性以及非完美维修的复杂 性,使故障预测方法设计面临巨大挑战。 因此,如何在非完美维修下解决线控转向系统的间歇故障预测问题,对驾驶安全性具 有重要意义。 本文创新性地提出基于变尺寸窗口与工况依赖复合退化模型的非完美维修下线控转向系统间歇故障预测方法。 通过变尺寸窗口的概念提取间歇故障的两个特征,构建考虑非完美维修效应的工况依赖复合退化模型以预测间歇故障元件的 剩余使用寿命。 实验结果表明,所提方法在 2 种工况下的剩余使用寿命预测的相对精度分别达到 95. 48% 和 96. 14% ,明显优于 对比实验采用的现有文献中的方法。

摘要:为评估在役管道的屈服强度,本文研究了钢材微观结构对机械性能的影响,以及微观结构对电磁特性的影响,提出了一 种基于电磁法的管道屈服强度检测方法,分析了钢材电磁特性对检测线圈阻抗的影响原理,建立仿真模型研究了检测频率对磁 通密度及感应电流的影响,通过实验对所提出方法的有效性进行验证,并研究了温度与表面腐蚀对检测方法的影响。 研究结果 表明,基于电磁法的屈服强度检测方法对于 Q345 及 Q235 钢材具有良好的检测效果,当检测频率为 10 kHz 时两种钢材的屈服 强度均与检测线圈阻抗值具有近似线性的对应关系,皮尔逊相关系数分别为 0. 94 与 0. 87,阻抗值均随屈服强度增大而增大,该 方法为管道屈服强度的检测提供了理论依据及实验基础。

摘要:针对两相涡街湿气测量过读问题,提出基于涡街-扰动波频双模检测的过读校正与湿气流量在线测量方法。 基于电导 法构建了环形液膜参数测量传感器,分别设计了激励模块、采集模块、解调模块和上位机,考虑传感器的灵敏度和线性度对激励 频率、电极宽度、电极间距等参数进行了优化设计。 在环雾状流实验装置上进行了不同载气工况(气相流量和压力)和液相含 量下的实流试验,分析了涡街过读和扰动波频随两相工况的变化。 最后,建立了涡街过读与扰动波斯特劳哈儿数和气相韦伯数 之间的关联式,结合牛顿迭代算法建立了湿气在线测量模型。 预测结果表明,97. 5% 的流量点湿气测量误差在±1. 5% 以内,不 确定度 0. 75% 。 与未进行过读校正的最大误差 12. 1% 相比,湿气测量精度大大提升。 模型利用扰动波频信息进行过读校正,无 需进行液膜厚度标定,对介质导电性要求低,且标定系数少,因此模型适用性和拓展性可得到有效提升。

摘要:针对现有航空发动机叶片原位检测机器人柔顺性差、负载能力低及结构刚度不足的问题,设计了一种绳驱动可吸附连 续体机器人,以解决连续体结构高柔性与低刚度间的矛盾。 该机器人基于叶片环境特征及章鱼触手吸附机理,由多节卯榫柔性 关节与气压吸附单元串联构成,通过主动吸附增强结构刚度并防止变形失稳。 基于改进的 D-H 法和欧拉变换原理建立运动学 模型,分析其弯曲变形与结构参数间的映射关系,并通过有限元 ANSYS 对结构刚度和变形特性进行分析。 实验平台验证了所 建运动模型及控制性能,结果表明,机器人最大负载达 4. 42 N,且在相同负载下末端位置偏差较传统连续体结构分别降低 78% 和 57. 5% ,由此验证了所提可吸附连续体结构及所建模型的正确性和有效性。

摘要:针对旋转磁场耦合式无线电能传输(WPT)系统在负载和耦合线圈互感变化条件下的最大效率和恒压输出需求,本文 提出了一种基于等效负载跟踪的最大效率控制方法。 首先,构建了以双层正交 DD(DQDD)线圈为发射机构,交叉偶极式(CD) 线圈为接收机构的旋转耦合式 WPT 系统;继而在考虑交叉耦合及线圈内阻的情况下进行了双能道 LCC-S 型 WPT 系统的谐振 参数配置,推导了系统传输功率和效率的表达式。 然后,引入复合控制方法,在直流输入端采用 Buck 电路来调节系统输出电 压,在输出负载端采用 Buck-Boost 升降压电路实现阻抗匹配。 最后,通过仿真与实验验证了所推导的回路电流、输入输出功率 以及效率表达式的准确性,验证了计及耦合环流的谐振元件参数配置条件的可行性。 结果证明了互感辨识结果的准确性,系统 可以实现最大效率跟踪及恒压输出,传输效率可以保持在 90% 以上。

摘要:针对新能源电动汽车换电过程中电池包加解锁精确定位问题,提出一种基于点云分割与主成分配准的电池包加解锁位 姿估计方法。 该方法首先使用实例分割网络分割出场景图片中的加解锁实例,将加解锁实例对应的深度数据投影成点云后,采 用统计滤波和体素滤波对加解锁点云进行去噪和下采样处理;其次通过在 PointNet++网络的特征提取层嵌入 SGE 注意力机制 模块,增强点云中点的空间语义特征并分割出锁头点云;最后采用点云主成分配准将锁头点云与目标点云配准,获取加解锁的 空间位姿。 实验结果表明,本文提出的位姿估计算法具有较高精度和一定抗干扰能力,其加解锁分割精度为 98. 02% ,位姿估计 平移误差为 2. 239 mm,角度误差为 1. 822°,RMSE 为 1. 495 mm,满足换电机器人加解锁定位精度需求。

摘要:针对多数基于多视角透视图的鸟瞰图(BEV)生成算法难以实现对语义不一致多状态关联特征的提取,以及模型性能与 复杂度的平衡等问题,提出一种基于轻量级 Transformer 的 BEV 生成模型。 该模型采用端到端的单阶段训练策略,通过建立交 通场景中动态车辆和静态道路信息的关联,滤除生成视图中的噪声。 基于此,一方面设计面向多尺度特征的 Transformer 循环 跨视图转换模块,通过注意力机制实现对输入的位置编码和表征学习,捕捉特征序列中不同位置的依赖关系,提升 BEV 特征的 鲁棒性;另一方面设计面向语义不一致的多状态 BEV 特征融合模块,提取静态道路和动态车辆的关联信息,提升生成 BEV 视 图的精度。 在 NuScenes 数据集上进行实验,结果表明,方法在确保低模型复杂度的前提下,达到了先进的 BEV 视图生成性能。 动态车辆和静态道路的语义分割精度分别达到了 43. 2% 和 82. 0% 。

摘要:三维热成像技术结合了三维重建与红外热成像的优点,能够同时获取物体表面温度分布和几何结构信息,是直 观呈现工业物料表面信息的有效手段。 然而,在粉尘干扰下单视角成像环境中,常规三维热成像方法难以适用。 为此, 本文利用红外热像仪和深度相机搭建了三维热成像系统,提出了适用于粉尘干扰下工业物料表面单视角三维热成像方 法。 首先,建立了基于虚拟成像的联合外参数标定模型,解决单视角成像设备空间同步难的问题。 其次,提出了基于辐 射测温原理的红外测温近似补偿方法,获取粉尘干扰下误差较小的温度分布。 然后,针对单视角三维热成像深度信息缺 失和视角遮挡问题,提出了基于深度图绘制和视点优化的单视角三维热成像方法,实现最优视点下被测对象温度与形貌 数据的融合。 实验结果表明本文方法能够实现粉尘干扰下物料表面单视角三维热成像,保留更多的温度和深度信息,减 小了红外测温误差。

摘要:缺陷图像检测是变电设备运维的重要技术手段。 然而由于缺陷样本的稀缺,传统的基于海量数据训练的深度学习模型 在实际应用中面临小样本缺陷检测的挑战。 为此,本文引入元学习思想,提出一种面向变电设备小样本缺陷图像检测的深度学 习模型。 该模型的核心是前端网络权重的优化和面向小样本测试任务的模型微调。 前者通过基于语义信息的任务生成策略, 使模型能够快速适应新任务;后者则通过基于元学习的网络优化方法对模型进行微调,使模型能够在新任务上获得优异性能。 实验结果表明,本文提出的改进方法可以使模型的综合检测精度提升 7. 33% ,新增类别的检测精度提升 11. 48% ,显著改善了模 型对小样本缺陷和新增类别缺陷的检测性能。

摘要:温度场测量在工业生产、制造领域有着非常重要的意义,纹影法作为一种流场可视化技术,可实现温度场的非接触式测 量。 然而,传统背景纹影法解算光线偏折角时需精确测量流场的中心坐标,这就极大限制了在某些工业测试领域中的应用。 针 对这种问题,本文提出一种基于双目背景纹影法的轴对称温度场自适应重构方法。 首先通过双目背景纹影成像系统从两个方 向采集温度场纹影成像,然后利用 PnP 算法通过单目视觉成像技术解算背景散斑板相对于双目相机的位置参数,进而解算温 度场中心坐标,最后通过纹影法重构温度场分布。 实验结果表明,本方法可以在对未知中心坐标的温度场进行精确重构,极大 地拓展了纹影法的应用范围。

摘要:精确测量载荷摆运动参数对起重运输的消摆控制至关重要。 但现有单幅图像射影校正测量法因易受背景等因素干扰, 导致共面直线约束提取难度增加,从而影响测量精度。 为此,提出一种时序图像动态直线约束的射影校正法。 首先,从特定时 序图像中提取动态直线,并通过改进随机样本一致算法聚类,以确立直线约束;其次,根据直线约束采用列文伯格-马夸尔特 (LM)迭代法估计灭点和绝对二次曲线,计算校正矩阵;最后,利用校正矩阵对标记点坐标进行校正,并推算摆角和小车速度。 试验结果表明,本文方法较惯性测量单元测角的均方根误差为 0. 124 7°,较设置小车速度的均方根误差为 0. 003 6 m/ s;同时, 与逆透视校正法、单幅图像共面直线约束和非共面直线约束的射影校正法相比,测角精度分别提高 69. 05% 、76. 35% 和 93. 91% ,测速精度分别提高 42. 85% 、47. 06% 和 59. 55% ,表明方法可有效提高载荷摆运动参数测量精度。

摘要:随着油气钻井日益向深部地层以及复杂地层发展,传统的溢流钻井事故监测凸显滞后性和多解性,复杂的地层情况和 井下高温高压,导致流量计量产生偏差,这是造成溢流识别精度的主要问题之一,针对计量偏差问题,利用泥浆热膨胀效应,构 建了一种流量修正模型,攻克非溢流影响因素,修正计量偏差。 其次在修正流量数据的基础上,建立了多元数据融合与时序神 经网络相结合的溢流识别预警模型,该模型的溢流漏报次数为 0,溢流及时率相较于常规监测手段得到了较大的提升,可提前 约 5 min 发出预警,在钻井作业工程中,具有较大的应用价值和前景。

摘要:针对现有地下管径测量方法中存在的测量精度以及可靠性差等的问题,提出了一种激光测距结合几何关系的测量方 法。 在管道中放入激光设备,通过对激光位置的特殊摆放,在管道内部往管径内壁 3 个方向发射激光,进行测距,经过推导得出 管径的大小与激光测量距离的公式,实现城市地下管径的测量,并提出了一种通过对齐减少测量误差的方法,在这种情况下又 做了分区实验,加强了理论推导的正确性与可行性。 制作了样机,在实验室模拟环境下与实际管道进行了实验。 实验表明,在 实验室理想环境下,测量在最佳状态时,400、600、800 mm 管径的绝对误差在±10、±9、±6 mm 之内,相对误差在 2. 5% 、1. 5% 、 0. 75% 之内,在分区实验中,测量结果仍然准确。 在实际环境中,误差相较于实验室环境下偏高,但仍能满足测量需求。 该设备 能够实现地下管径快速准确的测量,且可靠性高测量结构简单,成果可望用于地下管径的测量。

摘要:在放射治疗中,人体呼吸运动将导致肺部发生变形,其上肿瘤随之发生的变形和空间运动对放射治疗的精准性和安全 性产生不利影响。 结合计算机断层扫描(CT)影像三维建模技术和呼吸力学原理,提出了一种基于无质量弹簧结构的肺部动态 变形建模及变形预测方法。 首先在在放疗前根据医学影像信息建立肺部模型,然后根据呼吸预测肺部的变形及其上肿瘤的运 动。 实验结果表明,根据预测方法得出的肺部变形与连续医学影像观测下的变形相一致,预测值与观测值的误差在合理范围之 内。 研究能够在常规医学条件下准确、高效地预测呼吸运动影响下肺部的变形与力学特性,为后续肿瘤位移补偿研究提供理论 和方法支撑。

摘要:空间误差补偿是提升数控机床精度和性能的重要途径。 然而,机床空间误差元素众多,传统直接测量方法耗时长,限制 了空间误差补偿的广泛应用。 本文提出一种基于激光球杆干涉仪的数控机床空间误差高效测量、辨识与补偿方法。 该方法利 用激光球杆干涉仪在不同位置处测量的机床空间轨迹数据,采用多边测量原理解算出理论测量点的实际空间坐标;通过测量点 的空间位置误差及数控机床的空间误差模型,辨识出机床各几何误差项;利用数控系统的原点偏移功能开发了实时误差补偿系 统。 数值仿真表明,本文误差辨识方法与 Etalon TRAC-CAL 软件的辨识结果基本一致。 实验显示,本文方法可在 1 h 内完成三 轴数控机床的测量与辨识,误差辨识结果与直接测量结果相近,误差补偿后机床空间精度显著提升,工件加工精度提升 50% 以 上。 该方法能大幅提高机床空间误差测量与补偿效率,具有广阔的工业应用前景。

摘要:海洋电场测量可应用于海洋地质结构探查、海洋矿藏资源勘探、海洋生物监测以及海中、海上运动目标发现追踪。 调制 式海洋电场传感器由于海洋环境和传感器工作机理,传感输出包含复杂的噪声成分,只有抑制了这些噪声,得到较高的信噪比, 才能从传感输出中提取出可靠的电场信号。 单一的噪声抑制方法难以有效降低多种噪声,为此本文提出针对调制式海洋电场 传感器输出信号中噪声特点的复合去噪方法,将噪声分为宽带随机噪声、有用信号频带内的噪声和有用信号频带外的噪声 3 类。 利用宽带随机噪声与有用信号的不相关性,使用自适应滤波器抑制宽带随机噪声。 用带通滤波器抑制有用信号频带外 的噪声,最后通过变分模态分解将有用信号从传感输出中提取出来,并通过包络检波实现解调。 与单独使用带通滤波去噪、经 验模态分解去噪以及小波去噪相比,利用本文方法处理的传感输出信噪比提升了 12 dB 以上,保证了调制式海洋电场传感信号 的可靠解调。

摘要:为解决超声检测中噪声频谱混叠导致检测精度低的问题,提出一种数据-模型联合驱动的超声检测信号高质量提取方 法。 结合经验模态分解和分量聚类指标实现超声检测信号预处理,减小噪声对检测信号提取的影响;基于高斯回波模型,结合 时频变换、频谱高斯拟合和人工蜂群算法对预处理信号的模型参数进行准确估计;根据模型参数对信号进行重构,实现超声检 测信号高质量提取。 仿真结果表明,本文方法可高质量提取信噪比(SNR)低至 4. 56 dB 的超声检测信号,提取信号信噪比均值 提升至 28. 71 dB,提取效果显著优于现有常用方法,如经验模态分解( SNR = 9. 82 dB)和变分模态分解( SNR = 11. 07 dB)。 此 外,超声检测实验证明了本文方法可实现噪声频谱混叠下超声检测信号的高质量提取。

摘要:声学成像是噪声源定位、异响诊断等应用的关键技术。 由于声信号为非调制宽带信号,所以现有声学成像方法将麦克 风阵列数据划分为若干子频带,然后分别对每个子频带进行声学成像。 但是声信号在各频带的能量分布不均匀,导致部分子频 带可能因信噪比过低产生错误估计,严重影响声学成像准确度。 针对该问题,开展了基于复高斯混合模型的频带加权方法研 究。 通过联合利用多频带数据赋予各频带权重,降低出现错误估计频带对声学成像准确度的影响。 为验证提出的方法的有效 性,进行实验验证,利用误判率、漏检率、均方根误差等指标衡量声学成像准确度。 实验结果显示本方法有效提高了声学成像准 确度,特别是在信噪比低于 10 dB 条件下降低误判率 2. 1% 以上。

摘要:针对密闭空间内的高温场温度测量需求,提出一种基于高纯石墨杆的纵向模态超声导波测温方法。 利用考虑温度影响 的频散方程,分析了温度影响导波波速的主要因素,优选了适用于温度测量的激励频率和模态。 通过建立温度非均匀分布波导 杆中导波信号渡越时间随温度变化规律的预测模型,计算得到石墨杆中的准确的回波渡越时间。 开展 1 000℃范围内导波测温 实验,验证了预测模型的正确性。 实验结果表明:激励频率为 30 kHz 的 L(0,1)模态导波测温的准确度达到了 10℃ 以内,且多 次实验重复性较好。 本文的研究证明了超声导波方法的高温测量能力,为高温场温度测量提供了一种可行的解决方案。

摘要:被动拖曳线列阵声纳深海环境应用中,针对拖船噪声在非端射方向形成伪目标判别问题,提出了一种深海拖船噪声海 底反射伪目标判别方法。 首先基于射线理论模型,给出了深海拖船噪声经海底反射形成伪目标的过程机理;然后提取各目标在 不同频率波束输出功率的干涉特征;最后依据干涉特征,分析各目标干涉结构的频率间隔,实现伪目标判别。 仿真数据和海试 数据分析结果表明,该方法在干涉结构稳定,波束域海底反射声能量与背景噪声能量比 8 dB 以上,对伪目标判决准确性达到 95% 以上,有效解决了拖船噪声在非端射方向形成的伪目标判别问题,为后续判情提供参考。

摘要:针对非视距(NLOS)、多径效应等因素对超宽带(UWB) 定位精度的影响,提出了一种基于改进全质心结合 Taylor 的 UWB 协同定位算法。 立足于 3 个及以上数量的定位基站,将所有基站每 3 个分为一组,通过双边双向法解算各组的测距数据 并基于全质心算法计算相应的全质心坐标值,然后通过模拟退火算法对“伪质心”点坐标进行优化。 将优化结果作为第 1 个初 值进行 Taylor 展开迭代求解,得到第 2 个初值;进一步地,将第 2 个初值作为量测值,结合粒子滤波进行优化,得到载体运动时 每一点的精确定位坐标。 仿真和实验结果表明,与传统结合 Taylor 展开方法的 Chan-Taylor 和加权最小二乘-Taylor 的 UWB 定 位算法相比,所提算法在静态和动态定位场景下定位精度均有明显优势,经粒子滤波后可有效提高复杂场景下的定位精度,体 现出了较高的鲁棒性。

摘要:传统误差状态卡尔曼滤波算法在无航向参考情况下进行飞机姿态估计时,由于其线性化不精确会导致误差较大。 针对 以上问题,提出了基于导航坐标系的误差状态卡尔曼滤波算法(NCS-ESKF),并设计了飞机姿态估计系统,开展了室内静态转台 实验和通航飞机 DA40 机载飞行实验。 实验结果表明,与 3 种传统算法相比,所提出的 NCS-ESKF 算法误差更小,其横滚角和俯 仰角的平均绝对误差(MAE)仅为 0. 809°和 0. 934°;在机载飞行实验的滑跑阶段和飞行阶段,利用分段阈值法设定不同水平机 动加速度阈值,其横滚角和俯仰角的 MAE 分别为 0. 954°和 0. 867°,有效提高了飞机姿态估计的准确性。 NCS-ESKF 算法能够 有效减小估计误差,具有更高的飞机姿态估计性能,有助于提高通航飞机飞行控制的稳定性。

摘要:针对液压缸、精密机械等安装空间有限、精度要求高的位移测量场景,本文提出了一种磁电耦合传感构型的高精度小盲 区磁致伸缩位移传感器。 该传感器的信号检测元件采用 Co70Fe30 / PZT-5/ Co70Fe30 磁电复合材料作为核心敏感材料,该复合材 料具有纵向磁化-横向极化的工作模式。 基于玻尔兹曼统计量、磁电效应和逆磁致伸缩效应建立了磁电耦合式磁致伸缩位移 传感器的输出电压模型,并选用直径为 0. 5 mm 的 Fe46. 5Ni 48. 5Cr2Ti 2. 5Al 0. 5(后简称 Fe-Ni)波导丝搭建了脉冲电流、轴向偏置磁场 可调的实验平台,验证了模型的准确性。 确定了传感器的最佳激励脉冲电流为 23 A 和最佳偏置磁场为 30 kA/ m,此时的输出 电压为 412 mV。 以 Fe-Ni 为波导丝材料,基于 Co70Fe30 / PZT-5/ Co70Fe30 磁电复合材料,设计了磁电耦合式磁致伸缩位移传感器 样机,并搭建了位移传感器测量校准平台,测试得到样机具有±0. 02 mm 的测量精度以及 15 mm 的盲区距离,与同参数的传统 线圈传感式磁致伸缩位移传感器相比精度提高了 33% ,盲区距离减小了 85% 。

摘要:LVDT 位移传感器铁芯偏离中心位置时会产生非 180°相位差,导致其两个次级线圈输出信号幅值相减时出现错位,进 而造成调理电路线性度偏差。 针对这一问题,本文提出了一种基于离散希尔伯特变换的数字调理及相位差补偿方法,结合数字 移动平均滤波和巴特沃斯低通滤波等数字措施实现信号的多层次滤波和处理,确保信号平滑且有效去除噪声。 该方法能够精 确补偿 LVDT 位移传感器铁芯偏离中心位置时产生的非 180°相位差,并实现其输出信号的数字化调理。 实验结果表明,本文提 出的数字方法理论非线性度为±0. 076% ,实验非线性度为±0. 093% ,相较于 LVDT 配套的模拟调理电路的非线性度±0. 2% ,有 明显改善。 该方法不仅在理论上证明了其有效性,同时在实际应用中也展示了其优越性。

摘要:IEEE 802. 11-2016 定义了精细时间测量(FTM)协议,利用信号往返时间(RTT)实现 WiFi 室内定位,以期达到米级定位 精度。 但在非视距或多径环境下,RTT 测距精度下降,严重影响定位性能。 因此,为了提高 RTT 定位精度,提出了一种将多个 无线接入点(AP)测得的 WiFi RTT 测距序列转换为多通道图像的方法,基于多通道图像采用有效通道注意力机制卷积神经网 络(ECA-CNN)学习测距数据与目标位置之间的关系,实现位置估计。 实验结果表明,提出的定位模型与常规深度神经网络 (DNN)定位模型、基于单通道图像的卷积神经网络(SCI-CNN)定位模型和基于单通道图像的有效通道注意力机制卷积