.png)
.png)
下载专区
二维码
- 当前目次
- 优先出版
- 专辑论文
-
MEMS基MOS气体传感器微加热器设计综述
摘要：
金属氧化物半导体(MOS)气体传感器的敏感材料需要在200℃~500℃温度下才能与目标气体发生充分且可控的化学反应。微机电系统(MEMS)技术实现了气敏薄膜、加热器和信号处理电路等的单芯片集成，从而显著降低功耗和体积。其中，微加热器作为为气体传感器提供稳定工作温度的重要器件，其设计对传感器的性能有着重要的影响。微加热器的电极形态、尺寸、材料等决定了微热板的温度、功耗、应力等性能。而微加热器的温度均匀性、温度范围、温度响应时间、功耗表现与机械稳定性等共同决定了传感器的灵敏度、选择性、寿命与可靠性。本综述系统梳理了近5年微加热器的研究现状，及其优化设计对传感器性能的影响。首先，介绍了半导体的气敏机理和工作温度对性能的影响，并在此基础上介绍了微加热器的热传导、热对流与热辐射理论，归纳了不同研究方法对其模型的估算和优化。其次，详细阐述了微加热器形态结构方面的国内外研究现状，主要包括微加热器的几何设计、隔热结构、悬梁优化和微热阵列，并探讨了这些结构优化对传感器气敏性能的影响。然后，列举了不同材料所设计的微加热器，并对其机械稳定性和电热性能进行评价。最后，对研究现状和关键性能参数进行了总结，并对未来的研究方向进行了展望，为通过优化微加热器提升半导体气体传感器性能提供了思路。
-
基于脉冲光泵浦的单光束 SERF 原子磁强计研究
摘要：
在单光束无自旋交换弛豫（SERF）原子磁强计中，由于原子对光的强烈吸收作用导致气室内极化不均匀，降低磁强计性能。受限于单光束构型的紧凑体积，极化均匀性提升较困难。针对该问题，提出一种脉冲光泵浦单光束SERF原子磁强计，用短时间、大功率的泵浦光代替稳态泵浦光，在保持单光束SERF磁强计原有构型基础上，抑制由于光吸收造成的极化梯度。基于偏置磁场辅助模式建立了脉冲光泵浦条件下单光束磁强计的动力学模型和响应信号模型，利用模型求解并证明了增大泵浦光功率有益于极化均匀性提升。从磁强计响应与光电探测器散粒噪声角度，求解信噪比最大时的最佳脉冲占空比为37%，与占空比为50%的情形信噪比接近。针对单光束构型紧凑性的特点，基于1×2光纤化光开关搭建了小型化验证装置，实验采用50%占空比从而可分时驱动两台磁强计，且保持信噪比几乎不下降。在50%占空比的脉冲光泵浦实验条件下，在3 mm方形铷-87原子气室中，使磁强计响应最强的最佳泵浦光功率从稳态时的0.9 mW提升至1.7 mW。用光透过气室的平均极化率与入射位置处极化率比值表征极化均匀性，相应极化均匀性提升46%，磁场测量灵敏度从14 fT/Hz1/2提升至12 fT/Hz1/2。所提方法有望提升阵列式、集成化的极弱磁场测量装备的灵敏度，应用于高性能心磁图仪和脑磁图仪中。
-
基于直写式超声传感阵列的裂纹非线性导波检测
摘要：
针对航空航天飞行器结构上因紧固件孔周围应力集中导致的早期微裂纹精度检测需求，以及传统压电超声传感器结构兼容性不足、常规线性导波检测方法对微裂纹敏感度有限的挑战，提出了一种基于直写式压电超声传感阵列的导波非线性检测方法，旨在实现微米级裂纹的高灵敏度识别。该方法通过结合导波非线性效应，设计并制备了一种局部增强型传感阵列，由外侧环形基频（0.5 MHz）激励单元与内侧弧形倍频（1 MHz）接收单元构成，以优化非线性信号的激发与接收。利用直写式压电超声传感器制备工艺，实现了超薄柔性聚偏氟乙烯-三氟乙烯共聚物（P(VDF-TrFE)）压电超声传感阵列与待测结构表面的原位一致性集成，避免了传统耦合方式带来的信号不稳定问题。在此基础上，提出多路径脉冲收发检测策略，通过阵列接收的超声信号进行频域分析与特征提取，计算了表征裂纹非线性响应的关键参数——相对非线性系数，实现了裂纹位置识别，并建立其与裂纹长度（2.5、4和6 mm）之间的量化关系。实验结果表明，所提方法能有效捕获导波非线性特征的演化趋势，实现了对早期微裂纹的尺寸与扩展方向的可靠检测，为航空航天结构关键区域的原位、高精度检测提供了一条具有前景的新技术途径。
-
外速度辅助的低成本水平姿态测量方法
摘要：
在低成本捷联惯性导航系统（SINS)中,水平姿态的解算依赖于加速度计提供的比力测量值来跟踪重力矢量。在机动条件下,加速度计测量的比力信息耦合了运动加速度与重力加速度,二者难以有效分离,导致基于重力矢量参考的水平姿态解算误差增大,严重制约了低成本捷联惯导系统在动态场景下的实用性与可靠性。故提出一种无需复杂动态建模和特定场景假设的外速度辅助的低成本水平姿态测量方法。该方法的核心在于利用外部提供的速度信息来直接估计并补偿由运动加速度引起的水平姿态误差。首先,根据微机电系统(MEMS)惯性传感器的精度特性对捷联惯性导航更新算法及误差模型合理简化;其次,深入推导并建立了东向/北向速度增量误差与水平失准角之间的解析关系;基于此,利用外部速度信息构建量测方程,直接估计由运动加速度引起的水平失准角,进而实现对水平姿态的实时修正。为验证该方法的有效性,分别进行了模拟摇摆环境的转台试验及真实机动条件下的车载试验。试验结果表明,该方法的水平姿态测量精度优于0.02°(RMS);在摇摆环境下,与基于重力矢量参考的水平姿态测量方法精度相当;在机动条件下,较常规组合导航算法,纵摇角、横摇角均方根误差(RMSE)分别降低了44.8%和47.3%,验证了其在动态环境下的有效性和鲁棒性。
-
光纤Fizeau腔超快爆炸冲击波压力传感器
摘要：
为解决传统机电式与压电压阻式传感器在爆炸冲击波等极端电磁环境下易受干扰、响应滞后及上升沿难以捕捉的问题，提出并制备了基于法布里-珀罗（F-P）干涉原理的全石英Fizeau腔光纤微型动态压力传感器，该传感器兼具高灵敏度、高频响与高空间分辨率特性。其传感单元由直径125 μm的单模光纤、石英毛细玻璃管及无芯光纤熔接构成，通过限长研磨与40%HF化学腐蚀工艺，将无芯光纤压力敏感膜片厚度精确至2~3 μm，实现近似理想双光束正弦干涉输出。为实现瞬态压力的高精度反演，采用三波长光源激励与任意确定性相位间隔的被动零差解调技术，实时提取冲击载荷下腔长变化引发的干涉相位偏移；结合三通道电压归一化与相位跳变补偿算法，有效抑制插入损耗差异与量化噪声对测量精度的影响。静态标定实验表明，传感器在量程范围内均处于弹性工作区，其中0~60 MPa量程线性度达2.23% FS、重复性优于2%、回程误差<0.1%。激波管动态测试结果显示，当高速光电探测器谐振频率设置为20 MHz、响应时间为8 ns时，传感器系统动态响应时间<50 ns，可准确重构冲击波压力—时间波形。该传感器兼具微尺度探测与高频响特性，适用于爆炸冲击及强激光诱导近场等离子体冲击等极端工况下的瞬态压力测试，并可在强电磁与高冲击条件下保持稳定输出，具有一定工程应用价值。
-
音叉谐振微陀螺机电一体化建模与优化设计
摘要：
针对微机电（MEMS）陀螺敏感结构参数与接口电路参数相互耦合、输出信噪比（SNR）难以提升的问题，提出了全解耦音叉谐振微陀螺机电一体化建模与力-电参数协同优化设计方法。建立了双质量反相驱动与差分检测的全解耦微结构力电耦合动力学模型和电容检测接口电路噪声计算模型，推导了解耦梁等效刚度与结构模态频率的解析表达式，分析了结构尺寸参数和电路阻抗参数对信号噪声的影响规律，并以结构关键梁尺寸、接口电路电容/电阻组合参数为优化变量，以提升输出信号信噪比为优化目标，采用移动渐近线算法（MMA）对微陀螺系统机电参量进行协同优化，实现信噪比由17.70 dB至37.45 dB的性能提升。根据优化结果设计印制电路板（PCB）对微陀螺样件进行性能参数测试与实车路跑验证，结果表明，所研制的微陀螺驱动模态频率和检测模态频率分别为8 750.47和8 828.63 Hz，与理论计算相比误差约为2.9%；利用半带宽法计算微陀螺驱动模态和检测模态品质因子（Q值）分别为1 008.1和1 027.8；采用单轴转台测得微陀螺灵敏度为0.486 9 mV/(°/s)，信噪比为36.31 dB，与理论计算相比误差约为3%；采用Allan标准差计算得到微陀螺零偏不稳定性为28.26(°)/h；在车辆转向与环岛绕行等典型动态工况下，其角速度输出与高精度参考传感器保持良好一致性，从系统应用角度验证了所提出的机电一体化协同优化设计方法的有效性。
-
基于标签阵列的 RFID 室内三维定位方法
摘要：
针对基于天线阵列测角的射频识别(RFID)定位系统部署复杂以及定位成本高的问题，提出了一种基于标签阵列的三维定位算法。首先，分析了RFID系统的相位反向散射模型，并通过实验对标签间的耦合效应进行分析，揭示了其对角度估计精度的潜在影响；其次，为解决标签阵列中相互耦合的问题，考虑标签的排布情况，提出了一种虚拟标签构造方法，并结合虚拟标签优化标签阵列，引入稀疏标签阵列，提出一种基于虚拟标签构造的稀疏标签阵列到达角(AOA)估计方法；在此基础上，针对实际应用中目标物体可能发生的姿态变化对角度测量造成的干扰，引入基于角度搜索的姿态估计方法，通过建立空间坐标变换模型实现对标签阵列相对于已知天线的真实方向的精确估计，有效降低了姿态角对测角精度的影响；然后，基于一维角度测量建立了3D定位模型，从两个方向的稀疏标签子阵列分别获得经过姿态补偿后的方位角和仰角，结合三角测量原理，最终实现对目标的三维定位；最后，使用商用读写器Impinj R420和标签搭建测试平台对所提稀疏标签阵列AOA估计算法和定位算法的性能进行系统性评估。实验结果表明，所提系统可以实现三维空间中的目标定位，且中值定位误差达23.5 cm，标准差为12.5 cm，充分验证了所提算法的有效性。
-
基于压差式矢量水听器指向性的幅相误差校正方法
摘要：
压差式矢量水听器由多对独立的标量水听器组成, 而各个标量水听器间存在的幅相误差会导致矢量水听器的压差指向性变形, 并且降低对水下目标的测向精度。 针对该问题, 提出了一种有源旋转校正方法, 利用矢量水听器固有的偶极子指向特性, 旨在校正压差式矢量水听器硬件系统中的固有幅相误差。 该方法无需知道辅助声源的精确位置, 使用精密转台控制矢量水听器旋转一周, 选择一个不在旋转轴上的标量水听器作为基准, 对其他标量水听器信号进行幅值缩放和时域平移, 直至全部压差指向性曲线被修正为理想形状, 从而校正幅相误差。在消声水池中使用实验室自研的三维压差式矢量水听器开展了幅相误差校正和声源测向实验。结果表明, 校正后的矢量水听器压差指向性曲线接近理想形状; 与校正前相比, 旋转水听器测向的方位角测量误差<5°的测试点数增加了10.6%, 俯仰角测量误差<10°的测试点数提高了92.9%; 平移声源测向的方位角测量误差<5°的测试点数增加了46.3%, 俯仰角测量误差<10°的测试点数提高了42.6%。实验结果证明, 该方法能够有效校正压差式矢量水听器的幅相误差, 并且显著提高对水下目标的测向精度。该方法降低了幅相误差的校正难度和成本, 具有一定的应用价值。
-
基于频率特征的TIADC非线性校正神经网络研究
摘要：
模数转换器（ADC）的性能决定了采集系统的性能优劣，随着采集系统采样率和采样带宽的提升，ADC的非线性误差相较于线性误差具有更大的危害。针对频率相关的ADC非线性误差，提出了一种基于人工神经网络（ANN）校正的方法，对ADC采样数据进行数字后校正处理。该方法首先对ADC所采集的单音正弦信号进行频谱分析去除其中包含的非线性谐波失真，并以该结果作为参考真值，从频域角度对神经网络进行训练。所提方法以采集信号频谱的幅度信息作为神经网络的训练对象，将相位信息保留并在校正后对输出的幅度结果进行补偿，随后将幅度校正结果与保留的相位信息重构为复数频谱，并进行逆傅里叶变换以恢复时域信号。在实验验证中，以时间交织（TI）ADC系统为应用场景，将时间交织采样架构子ADC间的多种失配误差与子ADC的非线性误差一同校正。采用多组不同频率的单音正弦信号，按照频率分层抽样与时间分段采样相结合的策略进行数据划分与神经网络训练，并针对多音信号的校正进行了神经网络泛化性能验证，验证所提校正方法在ADC校正应用中的普适性。在一个4通道的20 GSPS采样率的TIADC硬件平台对神经网络的ADC校正性能进行了验证，所提方法保证了多音信号可以维持正确相位关系，且系统无杂散动态范围提升了36 dB。
-
一种GMM-KL动态预测集成电路测试设备稳定性的方法
摘要：
随着集成电路测试精度要求的不断提高,测试设备自身的长期运行稳定性已成为影响测试质量与成本的关键因素。传统基于固定置信水平阈值的监测方法因其静态特性,难以适应设备在长期运行中因老化、环境波动等引起的性能动态漂移,常导致误报或漏报,制约了预测性维护的实现。为此,提出一种融合高斯混合模型(GMM)与KL散度的动态阈值优化监测方法。该方法首先利用GMM对测试数据的多模态分布进行精确建模,有效刻画设备在复杂多工况下的运行状态;进而引入KL散度实时量化监测数据与健康基准模型之间的分布差异;在此基础上,创新性地基于历史KL散度序列滚动更新异常判定阈值,使阈值能够随数据分布的自然漂移而自适应调整。这一机制从根本上克服了静态阈值与动态过程之间的失配问题,提升了监测系统对缓慢性能退化与突发异常的感知能力。实验结果表明,相较于传统的K均值聚类固定阈值方法,所提方法在异常检测准确率与F1分数上均取得显著提升,能够更灵敏、可靠地识别测试设备的性能波动与早期故障。该方法不仅为集成电路测试设备的稳定性监测与预测性维护提供了有效技术手段,其通过概率建模感知分布变化并实现阈值自适应的核心框架,也具备向其他工业装备健康管理领域推广的潜力。该框架通用性强,为动态运行环境下的设备状态监控提供了具备持续适应能力的新思路。
-
基于多维特征时空融合网络的雷达PRI调制类型识别
摘要：
雷达信号的脉冲重复间隔（PRI）调制类型识别作为电子战系统信号分选与威胁评估的核心环节，其识别精度直接决定战场电磁态势认知与对抗策略的生成效能。针对传统方法存在的专家经验依赖性强、单一模型特征提取能力不足等问题，提出一种基于多维特征时空融合的深度神经网络架构。该方法通过构建卷积神经网络与长短时记忆网络的级联架构，挖掘雷达脉冲时空特征与调制时序演化规律之间的内在关联性，引入序列注意力机制对输出的时序特征进行加权融合，突出PRI变化的关键时刻，从而实现脉冲重复间隔调制类型的准确识别。实验基于包含固定、抖动、组变、参差和滑变5类典型调制信号的数据集进行验证，结果表明，在无干扰理想条件下，模型整体识别准确率达99.40%；在高达70%的脉冲丢失干扰下，识别准确率仍可达70.93%；在同等强度的虚假脉冲干扰下，识别准确率高达96.13%，综合性能显著优于CNN、CNN-LSTM、GRU-Attention及SE-NET等主流对比模型，有效提升了复杂电磁环境下PRI调制识别的精度与鲁棒性。此外，模型单样本推理时间仅为1.54 ms，参数量为653 814，兼具良好的实时性与轻量化部署潜力。所提方法为复杂电磁环境下雷达PRI调制类型的实时、准确识别提供了有效的技术途径，具有重要的理论价值与工程实用性。
-
基于边角区域引导的无人平台分层主动路径规划方法
摘要：
高效的路径规划与决策能力是无人平台在未知环境中实现自主探索的关键。但受感知误差与计算资源限制，现有探索方法在复杂结构场景中易出现覆盖不完整和探索效率低下，尤其在边角或遮挡区域，常引发路径冗余与感知盲区。其原因在于多数规划器仅关注局部信息增益或最短路径,未充分利用环境结构特征，导致高代价回溯与重复探索。故提出一种基于边角区域引导的无人平台分层主动路径规划方法。通过构建“前端路径生成—后端轨迹优化”的分层架构，以实现高效、连续的全局探索。前端引入快速环境信息预处理机制，并结合视点自适应推离与小扰动优化策略，实现边角区域的均衡覆盖与视点分布优化；后端基于融合边角约束的多因素代价模型，结合路径序列优化、B样条平滑与末端修正机制，生成连续且安全的可执行轨迹。实验表明，所提方法在典型边角复杂环境中相较于两种先进算法，在平均探索时间上分别减少14.7%~18.2%，路径长度缩短17.4%~39.7%。同时，所提方法在保证平均覆盖率超过96.6%的前提下，实现了对探索时间与路径质量的有效平衡，显著提升了整体探索效率与路径规划质量。与学习算法对比，验证了其在复杂结构场景下的稳定性与适应能力。此外，通过真实室内场景的实车实验，进一步验证了算法的可行性与适应性。
-
面向穿刺手术机器人主从控制的快速构建方法
摘要：
主从控制是实现机器人辅助穿刺操作控制的关键方式之一。然而，由于穿刺辅助机器人感知和反馈方式的复杂性和差异性，手术机器人系统主从控制的快速构建存在很大的挑战。故提出一种面向穿刺手术机器人主从控制的快速构建方法，实现主从运动映射的快速构建和主从控制的快速实施。建立物体运动坐标系，并定义和构建物体运动映射坐标变换的相对位置变换链，实现对物体运动坐标变换的显性表达和运动映射的快速构建；进一步提出基于直观性映射模型的主从运动映射快速构建策略，针对多种感知反馈的从手对象，快速构建主从运动映射的相对位置变换链，实现主从控制多重坐标变换的运算，进而快速实现定制化和多样化的主从控制。进行实验研究，利用提出的主从控制快速构建方法分别对两种主手对象和两种从手对象的4种主从控制进行快速构建与实施。实验结果表明：主从控制映射的快速构建策略，可以实现对多种感知反馈主从运动映射的快速构建，得到了4种主从运动映射的相对位置变换链，每一种变换链表示一种独立的主从控制，以适应不同应用场景的需求；通过相对位置变换链的多重坐标变换的控制计算，实现了主从控制的快速实施，验证了所提的主从控制快速构建方法的可行性与实用性。
-
手部康复机器人松弛度可调绳索驱动器设计
摘要：
传统手部康复机器人通常采用多个驱动器独立控制各手指运动，导致系统复杂且成本高昂，不利于系统轻量化与推广应用。欠驱动机制虽然能减少驱动器数量，但绳索长度调节能力受其结构设计限制，难以适配不同手部尺寸和初始姿态，并影响手指运动响应速度。为解决以上问题，提出一种面向手部康复机器人的松弛度可调节欠驱动绳索驱动器设计。该驱动器通过双滑轮差动机构实现驱动绳索与手指绳索的分离，并引入旋钮调节各手指绳索长度，使各手指绳索松弛度可在不依赖电机运行的情况下独立手动调节，从而减少驱动初期空程并提升运动响应速度。同时，手指绳索在双滑轮组中以差动方式布置，在抓握过程中可根据不同手指的受阻状态自动分配绳长与拉力，实现自适应抓握。系统采用单电机驱动，结合齿轮传动与双滑轮差动机构，完成对拇指、食指和中指的协同控制。实验结果表明，在初始松弛度约为10 mm的条件下，所提出的松弛度调节机制可使系统平均响应时间缩短约91.5%，显著提升运动响应性能；在不同手指阻塞场景下，驱动器均表现出稳定的自适应抓握能力；在指尖力辅助方面，拇指、食指、中指的输出力分别可达8.85、8.29和7.84 N，能够满足手部康复训练的力辅助需求。
-
电力变压器缺陷记录嵌套实体识别方法
摘要：
随着近年来电网规模的不断扩大，海量非结构化的设备缺陷记录被采集与积累。这些数据中蕴涵着对设备状态评估与运维决策至关重要的实体信息。然而，此类数据中普遍存在的实体嵌套结构导致了实体边界模糊性与上下文语义复杂性的提升，对传统的命名实体识别方法构成了显著挑战。为实现对缺陷记录嵌套实体精准识别，以电力变压器为典型设备，提出了一种乱序预训练语言模型（PERT）、双向门控循环单元（BiGRU）与高效全局指针网络（EGP）相结合的电力变压器缺陷记录命名实体识别方法。该方法首先以PERT模型作为向量嵌入层进行动态语义编码，利用其乱序预训练特性深度捕捉文本的上下文依赖关系；随后引入BiGRU网络作为文本编码层，通过双向门控机制，更加全面地进行语义特征提取；最后采用EGP作为解码输出层，聚焦实体跨度与边界，实现对嵌套实体的精准抽取，避免了传统条件随机场（CRF）解码的标记冲突问题。实验结果表明，该实体识别方法能有效应对嵌套实体挑战，其综合F1分数达96.01%，较传统嵌套识别方法双向变换器预训练模型-双仿射注意力（BERT-Biaffine）以及双向变换器预训练模型-机器阅读理解（BERT-MRC）分别高出0.55%和0.70%。在全部5类实体标签识别中均取得了最高的F1分数。特别地，在嵌套现象最显著的缺陷设备与缺陷部位识别上，所提方法的F1分数分别达到100%与94.74%，相较最优基准模型提升了0.57%与0.13%。
-
基于数字孪生的机械臂路径规划研究
摘要：
针对传统机械臂路径规划方法普遍存在仿真与现实差距大、搜索效率低以及路径可靠性和可执行性受限等问题,提出了一种基于数字孪生的机械臂路径规划方法。首先,基于工业机械臂的实际运行环境搭建了数字孪生平台,实现实体机械臂与机械臂数字孪生模型之间的虚实双向映射与实时数据交互,为机械臂路径规划算法的仿真验证与实际执行提供实时、准确的数字孪生仿真平台;其次,在路径规划算法层面,提出一种基于自适应梯度采样的双向快速随机搜素树(AG-BI-RRT*)算法,算法采用基于历史梯度反馈的自适应圆锥采样方法、3种扩展策略(目标偏置扩展、改进人工势场法扩展、随机方向扩展)以及多因素父节点重选策略,从搜索效率、避障能力和路径质量等方面对算法进行综合优化,有效提升了路径搜索效率与路径质量;最后,引入路径优化处理方法,通过贪婪剪枝和B样条平滑优化生成平滑无碰撞的路径。综合仿真实验与机械臂实物实验验证了该方法的可行性与优良性,AG-BI-RRT*算法在路径长度、迭代时间、搜索节点数量、路径转向角度上均优于对比算法;机械臂数字孪生模型关节角度差异不超过±0.01°,机械臂实体与孪生模型之间平均响应时间为176.721 ms,符合数字孪生对实时性与一致性的要求,为机械臂在数字孪生环境下的路径规划提供了一种有效解决方案。
-
星载高光谱相机真空定标技术研究
摘要：
星载高光谱相机在轨真空低温环境会改变其光谱与成像性能，为实现高精度定量化应用，需在地面模拟在轨环境完成系统定标。以高分五号02星可见短波红外高光谱相机AHSI为研究对象，创新性提出了热调焦与真空定标体系协同的试验方法，并构建了配套的试验系统。通过整体变温结合局部微调的热调焦策略，实现了真空环境下相机焦面的精确标定；在此基础上开展真空光谱定标，揭示了短波红外光谱偏移的热-光耦合机理。结果表明，AHSI在可见近红外和短波红外波段的光谱分辨率分别优于4.83和8.97 nm；与常温常压定标相比，短波红外波段中心波长平均偏移1.83 nm，其物理机制源于短波红外探测制冷组件在真空低温下的热变形。该协同定标体系将热调焦与真空光谱定标有机结合，实现了在轨工况下光谱与成像性能的精确表征。该系统已成功应用于美国二叠纪盆地甲烷点源排放和国内西秦岭李坝金矿床蚀变信息的在轨探测，验证了其在生态环境监测与矿产资源勘查中的高精度探测能力。该研究为星载高光谱仪器发射前真空定标提供了系统的技术方法、工程实践依据与可推广的试验范式，尤其在高集成光学系统的热调焦策略与热-光谱偏移机理分析方面具有显著创新。
-
RANSAC算法在原子钟完好性监测的应用
摘要：
原子钟是卫星导航与精密守时系统的核心装置，其输出信号的质量常受到异常的影响。针对原子钟完好性监测中传统最小二乘法（OLS）对复杂异常模式适应性不足的问题，提出了一种基于随机采样一致性（RANSAC）的抗干扰建模与异常修复方法。该方法利用RANSAC算法在含噪数据中构建高鲁棒性的相位或频率预测模型，结合内点优化策略与基于中位数绝对偏差（MAD）的动态阈值机制，实现对异常点的精准检测与修复。实验利用氢原子钟和铯原子钟实测数据，构建了包含离群值、相位跳变以及复合异常的数据集进行验证，并与传统方法、抗差卡尔曼滤波（RKF）及M估计法进行了对比。结果表明，所提方法在多种异常场景下均表现优异。在抗差算法对比时，氢钟异常测试中RANSAC方法的F1分数达到0.953 8，优于M估计（0.924 7）和最优参数下的RKF（0.817 7）；铯钟异常测试中RANSAC方法的F1分数略低于最优参数下的RKF；在参数失配的非理想条件下，RKF性能大幅下降。收敛性分析显示，在选取合理最小子集与迭代次数时，该方法拟合结果显著收敛（拟合斜率的标准差为0）。此外，算法单次滑动窗口处理延迟为毫秒量级，在原子钟1 Hz采样率下计算负载<1%，满足实时完好性监测需求。实验结果验证了RANSAC算法在无需精确噪声先验信息情况下的适应性与鲁棒性，为精密时频系统的自主完好性监测提供了可靠的技术支撑。
-
面向导轨轮廓测量的多源误差建模与补偿方法研究
摘要：
针对超精密加工中滚动直线导轨全行程、多参数复合测量的精度需求，研究了融合线结构光传感技术的导轨轮廓几何误差补偿方法。针对进给轴直线度误差与传感器安装误差的耦合导致测量数据畸变的问题，基于多体系统理论构建了包含三维位置误差、姿态误差及传感器三轴安装偏角误差的统一数学模型，将进给轴视为“运动体”、传感器视为“末端执行体”，明确各类误差的非线性耦合机制。设计了基于四象限探测器与线激光传感器的误差辨识方法，通过二次多项式拟合分离进给轴位置误差与姿态误差，基于几何投影关系实现传感器安装偏角的提取，并构建联合补偿矩阵对测量坐标系进行修正补偿。搭建了导轨几何轮廓仪实验平台，在800 mm行程内进行了直线度误差辨识验证，在0.5°~2.0°偏角范围内进行了传感器安装误差辨识验证，两种方法辨识误差均小于3.5%，验证了辨识方法在导轨轮廓测量中的准确性；对比无补偿、单误差补偿及联合补偿4种实验方案，结果表明，联合补偿后导轨轮廓测量偏差均值从6.229 μm降至2.301 μm，偏差平均降低36.9%，标准差降低22.8%，最大偏差降低20.8%，全行程测量精度显著提升，验证了多体系统误差模型及联合补偿矩阵的有效性，为超精密加工装备的高精度检测提供了理论与技术支撑。
-
基于激光雷达的风电叶片实时变形测量及分析
摘要：
三维激光雷达；风电叶片；点云配准；变形监测；级联处理
-
基于预测-验证峰值策略的高内涵显微成像自动对焦算法研究
摘要：
针对高内涵显微成像系统对自动对焦速度与精度的双重严格要求，提出了一种基于主动采样与迭代加权曲线拟合的峰值搜索策略，旨在以最少的采样次数实现稳定、精确的焦点定位。该方法首先通过4个初始采样点建立二次曲线模型，初步预测焦点区域，进而构建“预测-验证-优化”的闭环机制。在每一轮迭代中，系统基于当前拟合模型主动选择信息量最大的位置进行采样，并结合加权最小二乘法动态降低离群噪声点对拟合结果的影响。为进一步提高搜索的可靠性，引入不确定性评估机制，通过分析拟合残差分布与采样点聚集程度，量化模型预测的可信度，并以此作为迭代终止的判定依据。同时，采用固定规模的智能点集管理策略，始终保持4个最具代表性的采样点参与建模，确保模型持续聚焦于最优区域附近，在提升计算效率的同时增强局部刻画能力。实验表明，该方法在不同初始位置条件下均可稳定收敛，平均仅需6~8次采样即可达到±4 μm的对焦精度。相较于传统方法最快5.75 s的采样时间，该方法最快仅需2.75 s即可完成对焦，效率提升超过50%，且在高噪声、非线性干扰等复杂成像环境下仍保持优秀的鲁棒性与适应性。该研究为实现高通量显微成像中的快速、精准自动对焦提供了一种可靠的技术方案。
-
基于肌电信号的跨被试不变特征运动模式识别
摘要：
基于表面肌电信号(sEMG)的下肢运动意图识别技术在人机交互领域(HMI)展现出广阔的应用潜力。然而，由于表面肌电信号固有的个体差异性，被试间肌电特征分布存在显著域偏移，肌电识别系统在跨被试场景下的泛化性仍是难题。故提出一种空间注意力的双流时频卷积网络-门控特征解耦(CSACNN-GFD)方法。网络采用双分支时频输入结构，利用具有空间注意力的多尺度卷积模块捕捉多通道sEMG的空间相关性与时频动态特征，增强运动意图信息提取能力；构建具有互补机制的门控解耦模块，设计解耦损失函数约束特征提取与门控学习，实现深层表示空间下的自适应特征划分，完成运动相关与被试相关信息解耦，利用跨被试不变的运动特征进行模式识别。研究采集了10名受试者的5类常见下肢连续运动肌电数据，在留一被试交叉验证(LOSO)设置下与现有的泛化策略进行运动模式识别对比实验。CSACNN-GFD在新被试上的平均准确率为84.29%，并在公开数据集8类运动中进一步验证，平均准确率73.83%。相比于基线模型平均性能分别提升4.32%和6.55%。结果表明，CSACNN-GFD优于MIXUP、DANN、CORAL、以及DIFEX等对比方法。平均推理时间为9.57 ms，具有良好的实时性。该方法提升了跨被试肌电识别系统的泛化性能，有助于人机交互技术的普适化发展。
-
基于LNN-Transformer的蜗杆砂轮磨齿机主轴振动预测方法
摘要：
蜗杆砂轮磨齿机主轴振动对齿轮加工质量有决定性影响，但砂轮周期性修整和磨削连续窜刀会改变主轴振动幅值和频率，导致主轴振动预测困难。故引入砂轮直径参数，将输入砂轮线速度转化为砂轮转速，利用砂轮转速的动态特性表征周期性修整的影响；同时引入主轴位置参数，建立砂轮主轴位置补偿函数消除磨削连续窜刀的影响。基于此提出一种主轴振动预测方法，通过磨削工艺参数预测蜗杆砂轮磨齿机主轴振动。首先，利用液态神经网络(LNN)门控机制动态筛选工艺参数特征，模拟工艺参数与振动均方根值(RMS)的物理传导逻辑，通过连续时间动态系统对工艺参数进行离散化，并使用激活函数捕捉两者间的隐藏动态特性；其次，基于LNN建立位置补偿函数，捕捉位置信息与RMS间的隐藏特性，以标准Y轴位置对应RMS值为基准，对其他位置对应RMS值进行映射并补偿；并通过多层堆叠的Transformer编码器块对特征进行全局依赖建模，利用残差连接等对LNN输出特征进行优化，最后移除序列维度并结合补偿值得到振动预测值。在对比实验中，本预测模型R2达到99.19%、RMSE为0.074 1、MAE为0.051 1、MAPE为0.05%，相较于传统模型预测准确率更高。最后基于该预测模型，建立了蜗杆砂轮磨齿机主轴振动抑制模型，通过量子黏菌算法优化磨削工艺参数实现对主轴振动的抑制，抑制效果达39.99%。
-
设备多通道振动信号缺失数据改进扩散模型插补和故障诊断应用
摘要：
针对旋转设备多通道振动信号在实际采集过程中因传感器故障、通信中断或环境干扰等原因易出现数据缺失,从而导致故障诊断精度下降的问题,故提出一种面向缺失数据插补的改进扩散模型方法。该方法构建了一种基于掩码机制的多尺度条件扩散模型,以去噪扩散概率模型为基础,引入已观测数据作为条件信息,指导缺失数据的逐步生成过程,并对多通道振动信号的联合分布进行整体建模,从而有效刻画通道之间的相关性。在模型结构设计方面,采用U-Net作为骨干网络,在编码器和解码器中堆叠多尺度卷积残差块和线性注意力模块,以增强模型对振动信号时序依赖关系和多尺度特征的提取能力,提高缺失数据插补的准确性和稳定性。通过在轴承和齿轮箱多通道振动数据集上开展随机点缺失和随机块缺失两种典型缺失场景下的对比实验。结果表明,在不同缺失率条件下,所提方法在均方根误差（RMSE）、平均绝对误差（MAE）和对称平均绝对百分比误差（SMAPE）等指标上均优于多种传统方法和现有深度学习插补模型,且插补后信号在时域和频域特征上与原始信号保持更高一致性。进一步将插补后的数据用于故障诊断任务,在轴承和齿轮数据集上的分类精度分别达到95.85%和94.85%,验证了所提方法在提升多通道振动信号数据质量和保障故障诊断性能方面的有效性。
-
油液磨粒感应电压信号可解释智能识别方法研究
摘要：
装备服役状态实时监测与评估是保障大型复杂机电系统稳定运行的关键环节。电感式磨粒传感器通过电磁感应检测润滑油中的磨损颗粒，为机械关键部件的磨损评估提供可靠依据，已在大型机械装备维护中得到广泛应用。然而，磨粒诱发的感应电压信号通常较弱，在干扰影响下难以通过人工特征提取方法准确识别，限制了电感式油液磨粒传感器的识别精度及泛化能力。为此，提出了一种油液磨粒信号智能识别方法，首先，利用磨粒信号在多尺度滤波下的形态稳定特性，构建多尺度滤波特征,以刻画磨粒事件的关键几何轮廓与能量分布,为后续深度学习提供具有物理意义的输入表征。随后，设计并行卷积模块，对各尺度特征进行分支式深度卷积建模，并引入改进的融合注意力模块，在通道与时间维度上自适应重标定特征权重，突出磨粒敏感成分、抑制复杂背景干扰。最后，将重构后的多尺度特征序列输入Vision Transformer，通过自注意力机制捕获长程依赖关系与跨尺度相关性，从而在强干扰和低信噪比条件下实现对磨粒感应电压信号的精准辨识。实验结果表明，所提出的模型在三线圈传感器与高梯度静磁场传感器的数据集上均取得优异表现，干扰排除率、磨粒识别率与识别准确率分别达到99.72%、98.94%和99.44%，在-5~0 dB的低信噪比环境下对于磨粒信号的检测效果仍优于传统算法。
-
面向工业视觉测量的多光斑质心快速高精度提取方法
摘要：
为解决复杂工业视觉测量场景中多光斑质心提取在实时性、精度和抗噪性方面存在的性能瓶颈，提出了一种可基于现场可编程门阵列（FPGA）实现的多光斑快速高精度质心提取方法。方法融合模板匹配、行程编码连通域识别与距离加权灰度质心法，构建多级协同优化架构，结合局部灰度统计实现动态阈值分割与边缘噪声抑制，提高定位稳定性和计算并行度。首先，通过局部灰度统计与高斯模板互相关实现光斑粗定位，动态生成自适应阈值以增强光斑区域分割的稳定性；随后，设计行程编码连通域识别结构，仅依赖单行缓存即可完成连通区域标记及质心粗定位，有效降低片上存储资源开销；最后，通过构建距离加权灰度质心模型提升边缘模糊、弱信噪比场景下的定位精度与鲁棒性。实验结果表明，在多种光斑畸变、噪声分布及不同观测距离条件下，该方法在定位精度与误差稳定性方面均显著优于传统灰度质心法与高斯拟合法，定位误差降低约70%，鲁棒性指标提升超过50%；在10~30 m测距范围，质心定位重复性精度优于0.02 pixels。系统端到端处理延时降低约89%。方法兼具高精度、强鲁棒性与低延迟优势，适用于大范围远距离视觉测量场景下的动态多光斑实时检测应用，为工业测量系统的高性能实现提供有效技术路径。
-
基于CLIP的无监督大尺寸DR图像增强算法研究
摘要：
X射线数字成像技术（DR）已广泛应用于工业无损检测领域。然而在实际应用中，存在大量的结构不规则、厚度变化范围大的工件。DR检测容易在工件厚度厚的地方呈现曝光不足，在工件厚度薄的地方出现曝光过度的现象，导致DR扫描图像质量差，结构信息严重缺失。伴随探测器像素矩阵增至4 K×4 K以上，大多数算法难以在消费级设备上处理DR扫描产生的大尺寸图像。同时工业检测场景难以获取大量的成对配对标签。针对大尺寸DR推理与标签稀缺的问题，将对比语言-图像预训练（CLIP）与限制对比度自适应直方图均衡化（CLAHE）先验耦合，构建两阶段轻量级无监督增强框架，全程无需配对或分块操作。该算法在第1阶段初步学习提示向量引导冻结的CLIP图像编码器，通过CLIP增强损失、结构一致性损失，以及CLAHE特征图感知损失指导训练；第2阶段通过排序损失迭代对提示权值迭代精炼，交替更新增强网络直至视觉收敛。实验结果表明，与同期的无监督算法相比，峰值信噪比（PSNR）、感知图像相似度（LPIPS）、结构相似度（SSIM）等指标分别提高1.0 dB、1.6%和2.0%，在多个参考指标优于对比方法。在推理时只需加载0.279 M的参数，处理5 732×2 333的大尺寸图像单张耗时约1.5 s。仅用380张铸件图像训练的模型即可直接在未训练过的碳纤维线路板以及其他材料的物品上迁移，并展现出良好的泛化能力，为工业检测落地提供实时增强方案。
-
基于注意力分割与对抗重建的高压电缆绝缘厚度测量
摘要：
针对高压电缆绝缘层人工检测效率低、传统图像算法在弱边界条件下精度低的问题，提出了一套便携式测量方案，并设计了一种基于“粗定位-精细重建”的两阶段电缆绝缘厚度测量算法。首先，构建了融合多尺度特征与空间注意力机制的语义分割模型SA-UNet，（scale-aware attention U-Net）并结合提出的多尺度注意力融合编码器（MSAF）、精细多核池化模块（RMP）和跳跃注意力特征融合模块（SAFF），有效增强了模型对复杂细节与弱边界的感知能力，能够精准分割出包含导体屏蔽层、主绝缘层和绝缘屏蔽层的完整绝缘结构，通过注意力机制聚焦关键特征，准确提取高压电缆绝缘区域，有效缓解了因类别不平衡导致的分割精度下降问题；其次，引入Pix2Pix GAN生成对抗网络对分割后的低对比度区域进行图像重建，通过学习构建了图像边界从模糊到清晰的映射，以增强层间边界的梯度信息与纹理细节；最后，基于重建结果采用射线交点法自动计算厚度参数。在包含3 300张高压电缆截面图像的数据集上进行验证，实验结果表明，SA-UNet模型在分割性能上表现优异，交并比（IoU）高达99.36%，优于U-Net、DeepLabv3+等主流模型；Pix2Pix GAN重建图像具有极高的结构保真度（SSIM>0.98）；绝缘层厚度测量的平均绝对误差（MAE)仅为0.01 mm。该方法为高压电缆绝缘参数的高精度自动化测量提供了有效解决方案。
-
融合纹理感知与自适应特征的视觉SLAM算法
摘要：
针对传统视觉惯性同时定位与建图(SLAM)算法在昏暗与低纹理场景中提取的特征点质量差，导致视觉惯性SLAM算法的跟踪稳定性差、跟踪易丢失、定位精度低的问题。提出了一种融合纹理感知与自适应特征跟踪的无人机双目视觉惯性SLAM算法。首先，引入噪声抑制因子、以抑制图像增强过程中噪声被放大，设计了一种纹理感知控制权重，根据图像局部区域的纹理丰富程度，自适应地调节增强强度，在纹理丰富区域适当增强，在纹理稀疏区域则保持较低的增强幅度，从而在提升整体图像对比度的同时，有效避免噪声干扰并保留更多有效细节。其次，采用XFeat特征提取网络代替人工设计的图像特征，同时为应对特征点分布不均的问题，提出一种基于密度反馈的检测阈值调整机制，该机制根据当前帧中特征点的空间分布密度，自适应地调整特征点检测的响应阈值，从而在特征稀疏区域检测更多特征点，在密集区域则保持较高阈值以筛选高质量特征，实现更为稳定和均匀的特征跟踪。最后，与视觉惯性同时定位与建图（VINS）系统的后端非线性优化结合，构建一个完整的SLAM系统。在EuRoc数据集上的实验结果表明，在光线昏暗与纹理稀疏的复合挑战场景中，相较于多传感器状态估计器（VINS-Fusion）与SuperVINS算法，所提算法的定位精度分别提升了29%与13%。在真实场景实验中，展现出更优的定位精度，实现了0.486 m的闭合误差。
-
基于ISGMD与深度学习的万能式断路器机械特性参数测量
摘要：
针对声音信号在万能式断路器机械状态监测中存在模态分解需人工设定参数、可解释性差以及短时分析法适用性有限的问题，提出了一种结合改进辛几何模态分解(ISGMD)和时频注意力机制(TFA)的声音事件检测模型。该方法通过同步采集断路器动作过程中的声音信号、主轴角位移及触头电压信号，对合分闸事件进行时频关联分析；利用ISGMD对声音信号进行自适应分解，克服无效分量干扰以及物理意义不明确的局限，再经S变换构建时频图，凸显信号时频分布规律，以此构建后续模型训练所需的数据集；最后，通过构建深度学习网络，在特征提取部分嵌入时频注意力机制，使网络能够动态聚焦于与合分闸事件相关的频率区间，结合双向长短期记忆网络(Bi LSTM)深入挖掘声音事件前后序列中的长时依赖关系，从而实现事件边界的准确定位，有效降低误判与漏判概率。结果表明：所提方法识别准确率、召回率及F1分数均达93%左右；对不同传声器位置与距离的数据，测量均方根误差(RMSE)＜0.44 ms；对于不同设备的RMSE<0.57 ms，展示出良好的泛化能力与稳定性。ISGMD从物理机理层面提供可解释的信号分解，深度学习则从数据层面驱动复杂事件特征的自动学习。两者协同构成的方法实现了声音事件毫秒级定位，为断路器机械状态智能诊断提供了可靠支撑。
-
基于向量误差修正模型影响信息转换指标的高耸钢结构损伤检测研究
摘要：
复杂高耸钢结构可以划分为分层的子结构，通过分层处安装传感器达到监测对应子结构层损伤的目的。为了解决复杂高耸钢结构的损伤检测问题，提出了基于向量误差修正模型影响信息转换指标的损伤检测方法。首先,描述了向量误差修正模型的基本理论，给出了模型定阶、协整检验和参数估计的基本方法；然后,进行了向量误差修正模型损伤特征参数分析，通过解析影响矩阵提取了损伤特征影响向量，利用结构未损伤基准状态和损伤状态下的损伤特征影响参数和统计参数构造了影响信息距离，并将测点的自由度信息转换为层间刚度信息构造了影响信息转换指标，在此基础上建立了包含数据采集、向量误差修正模型建模、损伤特征影响向量提取及影响信息转换指标识别的高耸钢结构损伤检测方法和识别流程；最后,进行了3层经典框架和高耸转播塔模型的损伤检测试验研究，通过激振装置在结构上施加非平稳时域荷载获取时程响应数据，利用结构损伤前后的响应数据进行了结构的损伤检测。结果表明：传统的倒谱距离检测指标对于简单框架结构具有一定的检测效果，但对复杂高耸钢结构的损伤检测效果欠佳，而所建议的向量误差修正模型影响信息转换指标具有更好的检测效果，可以更为有效地检测出高耸钢结构的损伤位置。
-
基于互信息图与邻接特征的非高损线路窃电检测方法
摘要：
现有窃电检测方法多聚焦于日线损率异常突出的高损线路，而非高损线路中的潜在短时、间歇性窃电行为易被负荷波动、计量误差与运行方式变化掩盖，难以有效辨识。为此，提出了一种基于互信息差值动态图与邻接特征的非高损线路窃电检测方法。首先，在小时尺度下采用滑动窗口计算用户用电量与线损电量的互信息，构建互信息差值动态图序列；并引入逐窗口自适应阈值以刻画用户用电量与线损之间随时间演化的非线性依赖关系，从而避免固定阈值导致的图结构不稳定。其次，设计融合图自编码器与动态权重平衡机制的特征提取方法：基于跨窗口的邻接关系重构任务，捕捉用户在群体网络中连接模式的时序演变，提取反映用户与群体依赖关系稳健性的邻接特征；同时采用动态权重加权损失，抑制正负样本不均衡引起的训练偏置，防止图重构学习发生退化。最后，采用主成分分析对嵌入特征降维优选，并结合K-Means++聚类实现无监督异常识别。仿真算例与真实数据实验表明，所提方法能够在非高损场景下有效识别窃电用户，验证了方法的可行性与有效性。该方法从群体关系演化视角刻画用户用电行为与线损之间的动态依赖关系，将窃电检测问题转化为图异常检测问题，为中压线路窃电检测提供了一种有效且具工程实用性的技术路径。
-
高压天然气管道声谐振检测方法研究
摘要：
超声检测技术虽在管道完整性评估中具有高精度优势，但其对液体耦合剂的依赖性严重制约了在天然气管道环境中的应用。针对高压天然气管道中气-固界面声阻抗严重失配导致的超声波能量透射困难问题，提出了一种基于声谐振原理的高压气体耦合超声检测方法。通过结合Redlich Kwong状态方程与超声波在多层介质中的传播理论，构建了高压环境下的超声谐振反射理论模型。该模型引入复波数以表征声衰减，系统揭示了压强对气体声学特性及谐振响应的影响机制，并推导了介质阻尼所致谐振频率偏移的解析表达式。通过仿真分析，量化了压强、传播距离、壁厚及谐振阶次对谐振频率的耦合影响；在此基础上，搭建高压实验平台，以氮气为等效介质完成实验验证。仿真与实验结果表明，当压强升至1 MPa时，气体声阻抗显著提高；当压强达到3 MPa后，接收到的谐振信号幅值增强约69 dB，并可稳定激发多阶谐振模态。在此条件下，对6.2~8.2 mm厚度钢板的测厚误差<0.15 mm，且在40~100 mm传播距离范围内谐振信号波动幅值<1 V，表明了该方法对提离距离变化具有良好的适应性。研究验证了声谐振在高压天然气管道壁厚检测中的准确性与可靠性，突破了传统脉冲反射法在高压气体环境中的精度瓶颈，为输气管道无损检测提供了新的理论基础与实验支撑。
传感器技术
电子测量技术与仪器
精密测量技术与仪器
信息处理技术
视觉检测与图像测量
检测技术
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
