下载专区
二维码
- 当前目次
- 优先出版
- 专辑论文
-
基于阵列压力传感器的嵌套式递推分布力辨识
摘要：
针对合作目标消旋/ 捕获过程中柔性接触分布力实时精确辨识的挑战, 提出了一种基于阵列压力传感器的嵌套式递推 分布力辨识方法, 实现了分布力接触域及其分布特性在时空耦合条件下的实时描述。 首先, 建立了分布接触力模型, 利用其 幂指函数特性进行对数空间变换,随后引入形函数对分布力的时空特征进行解耦。 在嵌套内层的空间域上, 提出了一种改进 Sigmoid 函数的权重方程, 并构建了基于 S 形权重函数的加权最小二乘法(S-WLS), 以修正通过相邻响应量区域搜寻算法获得 的接触域几何参数。 在嵌套外层的时间域中, 同时引入遗忘因子和权重因子, 构建了用于动态求解分布力标准方程的递推式, 并通过指数变换实现了分布力特征参数的精确辨识。 最后, 设计了基于阵列压力传感器的分布力采集系统, 研制了等效微重 力碰撞平台, 并开展了斜碰实验。 实验结果表明, 所提方法相较于传统加权最小二乘法(WLS)在分布力特征参数辨识上具有 显著优势,分布力辨识的相对误差范围仅为±8. 8% 。 进一步采用 Hazen 计分方法对相对误差进行了 95% 置信水平的正态检验, 验证了本方法的准确性和有效性。 为后续空间碎片消旋/ 捕获中动态分布力精确预示提供了理论基础和技术方案。
-
超声共振风速风向传感器共振态温度补偿方法
摘要：
风能发电、航空航天、气象等重点行业对风速风向的高精度、高可靠检测具有迫切需求。 与传统机械式、超声对射式、超 声反射式风速风向传感器相比,提出的超声共振式风速风向传感解决方案具有体积小、精度高、无机械磨损的显著优势。 针对 复杂工况环境条件下超声共振式风速风向传感器的精度偏移难题,建立了超声共振式风速风向传感器的误差来源理论模型,开 展了不同温度环境传感器测试实验,分析了相应传感器的输出性能,构建了工作环境温度与传感器共振频率点的关联关系,实 现了不同环境条件下传感器基于共振点频率的温度补偿。 搭建了传感器风洞试验系统,开展了不同温度条件下的传感器风洞 试验,试验结果表明,提出的共振态温度补偿后的超声共振式风速风向传感器风速测量精度显著提升,补偿后在<15 m/ s 的风 速范围内风速测量精度时可达±0. 3 m/ s、在 15~ 50 m/ s 风速范围内精度可到±2. 3% 。 传感器测量精度随温度漂移显著降低,在 环境温度 17. 1℃时测量误差降低至 2. 30% ,环境温度 29. 2℃时测量误差降低至 2. 09% ,与传统超声对射/ 反射式相比精度提升 40% 以上。 综上所述,该研究为风电场风机的发电效率提升、气象领域的要素测量精度提升等重点领域提供更有效的风速风向 测量支撑。
-
基于 MIBWO 的随钻磁力计误差参数识别
摘要：
针对随钻磁力计测量误差导致解算钻具方位角偏差的问题,提出一种基于磁惯性白鲸优化算法(MIBWO)的随钻磁力 计误差参数识别方法。 首先,建立磁力计输出误差模型,构造目标函数,利用磁力计数据与加速度和陀螺仪数据之间的联系建 立约束条件。 然后,针对白鲸优化算法(BWO)在随钻环境下寻优磁误差参数的不足,提出了逐维自适应小孔成像反向学习策 略,设计 3 个自适应学习因子来调整个体搜索磁误差参数的步长和方向,引入了黄金正弦搜索策略,对 BWO 进行改进得到了 MIBWO。 最后,通过模拟和实钻实验进行验证,实验结果表明:MIBWO 辨识出的磁力计误差参数对磁力计误差补偿效果显著, 解算的方位角绝对误差平均值由 5. 1°降低至 0. 9°,该方法能够有效提升磁力计的测量精度。
-
融合互信息和多特征约束的激光雷达与相机外参标定方法
摘要：
外参标定是激光雷达与相机数据融合的关键前提,但目前的标定方法仍存在诸多不足,如依赖先验条件、特征约束单一 和标定精度不高等问题。 为此,提出一种融合互信息与多特征约束的两阶段外参自动标定方法,该方法有机结合了基于互信息 和基于多特征约束两种标定方法的优点,可由粗到精自动实现外参精准标定。 首先,第 1 阶段为基于互信息的外参粗标定,即 在无初值、阈值等先验条件情况下利用激光雷达反射率与相机灰度值之间的关联性,通过构建最大化模型,在互信息最大时采 用自适应梯度最值算法求解出外参的初值,从而摆脱对先验条件的依赖。 其次,第 2 阶段为融合多特征约束的外参精标定,即 利用激光雷达和相机获取的点-线、点-面、线-面等多种约束来优化第 1 阶段获得的外参,并使用 ICP 算法最小化点云 3D 几何 特征与图像 2D 几何特征之间的重投影误差,以获得外参的最优值。 最后,基于自制的镂空圆形标定板(同时具有点线面特征) 在较为复杂的室内外环境下进行了外参标定试验,结果表明所提出的标定方法可以在没有初值的情况下,能自动计算出的激光 雷达与相机外参,同时具有较高的精度和稳定性。
-
基于随机森林的 GNSS 观测粗差拟准检定方法
摘要：
在复杂观测环境中,全球导航卫星系统(GNSS)可用卫星数量显著减少,且观测信号易受多维粗差影响,导致粗差识别 难、定位性能显著劣化。 针对此问题,提出一种基于随机森林自适应分类的拟准检定抗差滤波方法。 首先,基于城市环境下的 实测动态观测数据,构建了一个基于 GNSS 观测多维数据特征的随机森林分类器,实现将观测数据自适应划分为拟准观测值和 非拟准观测值两大类;其次,基于该分类器发展了一种新的 GNSS 拟准检定抗差定位方法,通过分类过程的拟准得分确定拟准 观测解算的随机模型,并采用标准化后的真误差代替常规最小二乘残差进行后续的中国科学院地质与地球物理研究所的第 3 种 抗差方案(IGG3)抗差检验。 以伪距差分定位为例,在两种具有不同量级观测误差的定位场景中对所提方法的有效性进行了评 估,实验结果表明,与常规的 IGG3 和拟准检方法相比,该方法定位性能显著提升,不同测试场景下的定位精度提升 16% ~ 51% 。 所提出的随机森林分类模型有效提高了拟准观测值的识别准确性,因此能够有效提升复杂观测环境下的定位性能。
-
光纤光栅光谱分光解调与接入光纤芯径相关性分析
摘要：
面向细芯光纤光栅传感应用,针对接入光纤芯径不适配所引起的光学成像分辨率较低、光能损失较大、成像质量较差的 问题,本文以双光栅二次色散解调光学系统为模型,对比分析了常规单模光纤与不同规格芯径细芯光纤分别接入分光光谱解调 模块时对成像和解调精度的影响,模拟了系统成像光斑分辨率、光束发散角、接收面辐照度和 MTF 曲线在截止频率处取值的变 化情况。 计算结果表明,当光纤芯径从 8 μm 减小至 2 μm 时,分辨率从 0. 8 nm 提升到 0. 1 nm。 接收面辐照度随芯径值缩小逐 渐提升,芯径小于 4. 8 μm 后接收面光能利用率达到极限 74. 98% ,曝光时间缩减为常规状态下 0. 36 倍。 MTF 曲线在截止频率 处取值与芯径值呈抛物线相关,芯径取 4. 2 μm 时图像接近衍射极限。 本文提出并验证了光纤芯径与分光光谱解调成像指标的 相关关系,为不同芯径光纤光栅传感的解调技术提供了参考和借鉴。
-
PCB 罗氏线圈电流传感器设计及抗干扰研究
摘要：
针对罗氏线圈的带宽与其灵敏度和抗干扰能力之间存在权衡关系问题,提出了一种具有高带宽、高抗干扰、高灵敏度的 有回线组合型 PCB 差分罗氏线圈。 根据组合型 PCB 罗氏线圈的测量原理以及集总参数等效电路模型,分析了影响测量带宽的 关键因素,在此基础上对组合型 PCB 罗氏线圈采用差分设计,并分析其抗干扰原理。 利用有限元仿真软件模拟不同电磁场环 境下的干扰情况,验证了有回线组合型 PCB 差分罗氏线圈具有高抗干扰特性。 最后进行实验验证,结果表明,在 1~ 100 A 工频 电流测量时,所设计的有回线组合型 PCB 差分罗氏线圈电流传感器灵敏度为 3. 46 mV/ A,线性度为 0. 56% 。 在 10 ~ 100A 工频 电流测量时,最大相对误差为 1. 73% 。 抗干扰能力测试中,该传感器显示出的最大相对误差变化为-0. 39% ,具有良好的抗干扰 能力。 通过对比实验可知该线圈能有效抵抗电场和磁场干扰,并扩展测量带宽而不降低其灵敏度。 有更广泛的应用场景,提高 罗氏线圈的通用性和灵活性。
-
基于光谱共焦原理的五轴数控机床工件在位测量系统
摘要：
精密光学元件目前广泛应用于天文观测、空间对地观察、投影光刻物镜等诸多重要的领域,其具有高表面质量、高面形 精度、低表面损伤等特点。 光学元件精加工的最后一道工序一般为抛光,光学元件进行抛光加工时,需要经历“测量-加工”的 反复迭代过程以实现纳米级面型精度和亚纳米级表面粗糙度。 因此,数控抛光加工时在对工件待加工表面面型离线测量后,需 要在机床上对工件进行二次安装及找正,对工件位姿进行精确定位以保证后续的加工精度,而传统的接触式找正或定位方法存 在效率低下、易划伤工件表面等问题。 为此,基于光谱共焦传感器构建了立式五轴机床非接触式在位测量系统,建立了该测量 系统获取工件表面坐标数据的数学模型及光谱共焦传感器在机床上标定的数学模型,利用球面约束方程提出了基于标准球的 补偿标定的方法,并在磁流变抛光机床上开展了实际的标定实验,验证了标定方案的可行性和精确性。 最后进行工件位姿测量 实验,通过雷尼绍三坐标接触式在位测量系统对光谱共焦非接触式在位测量系统的工件位姿测量精度进行了验证。 实验结果 表明本文所提出的光谱共焦非接触式在位测量系统测量标准球的直径误差<6 μm,工件定位误差<10 μm,能够满足磁流变抛光 实际的定位要求。
-
大口径折射式空间望远镜接触非线性光机集成分析
摘要：
针对大口径折射式空间望远镜在结构中存在的接触非线性问题,利用有限元方法进行了接触非线性分析及光机集成分 析,保证大口径折射式空间望远镜在宽温域环境中正常成像。 首先,采用定心车工艺对大口径折射式空间望远镜进行结构设 计,利用切线接触方式降低透镜应力水平;然后,采用接触非线性分析方法对大口径折射式空间望远镜在自重和温度载荷作用 下望远镜的变形进行了分析,考察了整机在重力和温升等静力学工况以及随机振动和冲击等动力学环境下的应力水平;其次, 利用 Sigfit 软件进行 Zernike 多项式拟合并导入光学软件进行光机集成分析,评估系统在静力学环境变化下的光学指标劣化程 度;分析结果表明:在静动力学工况中,光学元件的最大接触应力为 1. 83×10 7 Pa,安全裕度优于 0. 82,载荷作用下的光学元件变 形导致光学系统参数发生变化,调制传递函数(MTF)降低约 2. 97% ,满足光学允差要求;最后,对整机结构进行了加工装调和 检测,测试结果表明,大口径折射式空间望远镜系统波像差为 0. 123λ(λ= 632. 8 nm),其外场成像试验图像清晰,能够满足空间 对地观测的使用要求,为后续大口径折射式空间望远镜的优化设计、研制需求等方面提供参考借鉴。
-
超声电机驱动的激光跟踪平台误差建模与分析
摘要：
激光跟踪测试平台是一种空间大范围坐标测量仪器,轴系的加工装配是其整机实现高精度测量的基础,为了提高激光 跟踪平台的指向定位精度,研制了一套超声电机驱动的激光跟踪测量平台,在结构误差建模和分析的基础上提出了一种评估激 光跟踪平台指向精度的方法。 首先,基于多体系统理论以及坐标变换的原理,建立了平台的拓扑结构模型。 然后,将加工装配 中产生的轴系垂直度、同轴度、特征位置偏差、激光模组装配误差及各静态误差的初始位置引入误差传递矩阵,同时根据平台转 动情况,将轴系晃动、控制误差等动态误差也引入其中,建立了平台指向误差的完善模型。 基于所建立的模型,对其进行了数值 仿真实验,定量分析了各误差对指向精度的影响程度,以及误差初始位置对指向精度的影响规律。 最后,基于仿真结果加工了 一套超声电机驱动的激光跟踪平台,并进行了轴系精度和指向精度测试。 试验结果表明,所搭建平台两轴轴系晃动<2. 2″,轴系 测角误差<1. 1″,6. 8 m 外激光末端 Y 方向重复定位误差在 0. 20 mm 以下,Z 方向重复定位误差为 0. 42 mm 以下,试验结果验证 了理论分析过程,证明了所提方法的有效性。
-
基于编码器-解码器卷积神经网络的原子力显微镜针尖估计
摘要：
:原子力显微镜(AFM)探针针尖形貌尺寸是表面微纳结构精确测量、局域物理化学特性准确表征中的关键参数。 基于 数学形态学的传统方法,针尖盲估计方法可以仅根据扫描图像来评估针尖形状尺寸,但其往往能给出的是针尖尺寸上限值并非 真正的针尖尺寸。 而且此种方法受扫描噪声影响较大,获得的尺寸精度难以完全满足需求。 针对该问题,基于编码器-解码器 架构的卷积神经网络,进行了 AFM 针尖形貌尺寸的稳定、准确的估计研究。 在网络的监督学习训练中,以包含不同半径和数量 的纳米颗粒结构,应用数学形态学膨胀算法模拟一系列设定半径针尖的扫描图像作为训练数据集,并以平均绝对误差作为损失 函数来更新网络参数。 结果表明,卷积神经网络模型对于针尖半径包含在训练集范围内的探针所得扫描图像具备准确预测针 尖尺寸的能力。
-
地平式光电望远镜全链路指向误差建模及其补偿研究
摘要：
地平式光电望远镜作为天文观测与激光通信等领域的关键仪器,其指向误差与底层结构参数之间的关系仍然失联。 为 建立地平式光电望远镜底层结构参数与指向误差间的联系,为仪器误差设计和补偿提供理论依据,本文首先介绍了典型的地平 式结构,提出了指向误差的两级误差源的分类和定义。 然后采用误差合成理论自上至下建立了底层结构参数到系统光轴的全 链路指向误差模型,并通过文献中的公开标校数据验证了所提模型的正确性。 接着对所提全链路指向误差模型中的 9 项加工 参数和 9 项设计参数进行了灵敏度分析,结果表明不同底层结构参数的指向误差贡献存在显著差别,应根据结构参数灵敏度进 行区别设计,且结构参数对指向误差具有显著的非线性效益。 最后基于所提模型对某 500 mm 口径激光通信地平式光电望远 镜的指向误差进行了补偿,指向误差的方位和俯仰分量的极限误差值分别从 218. 83″、-208. 66″降低至 16. 45″、6. 89″,提高了 12 倍以上。 该研究所提全链路指向误差模型揭示了指向误差的底层结构因素及其作用规律,证明了该模型用于误差补偿的优 越性,为地平式光电望远镜的仪器误差设计和系统误差补偿提供了理论依据,具有重要的借鉴意义。
-
锂离子电池极片表面缺陷检测方法研究进展
摘要：
极片作为锂离子电池的重要组件,在涂覆、辊压等环节中,表面容易产生划痕、露箔等缺陷,这些缺陷会严重影响电池的 质量和使用寿命,从而使得电池极片表面缺陷检测和管控工序是锂离子电池生产过程中不可缺少的工艺环节。 首先对锂离子 电池极片的生产工艺进行介绍,并对生产过程中可能产生极片表面缺陷的原因和缺陷种类进行分析;然后阐述了用机器视觉代 替人工对极片进行自动化检测的极片表面缺陷识别方法,主要介绍了传统机器视觉缺陷检测方法的原理以及优缺点,并深入分 析了深度学习在极片表面缺陷检测领域中应用的原理和流程,同时对目标检测算法中的单、双阶段算法在锂离子电池极片表面 缺陷检测中的应用进行重点分析与比较;最后对基于深度学习的机器视觉检测方法在锂离子电池极片表面缺陷检测中的未来 发展方向进行展望,为该领域的研究人员提供更多参考。 总的来说,极片表面缺陷检测技术的发展不仅依赖于工业相机等硬件 设备的技术突破,更需要软件算法的不断优化和创新,软件和硬件的协同工作才能在保证检测精度的同时,提高检测效率和降 低检测成本,进一步推动锂离子电池产业的高质量发展。
-
基于 U-Net 网络和对极几何的介入导管空间形状重建方法
摘要：
介入手术是治疗心血管疾病的主要方式之一,现有手术主要依靠二维荧光透视图像指导医生操作,无法实现术中介入 导管的三维可视化,限制了手术效率和安全性。 面向心血管介入手术临床精准治疗的需求,提出一种基于 U-Net 网络和对极几 何的介入手术导管空间形状重建方法,实现术中介入手术导管三维形状的重建。 首先利用 U-Net 网络分割出双平面荧光透视 图像中导管的轮廓,并通过骨架化算法提取出导管的中心线。 接着研究了基于对极几何约束的立体视觉匹配方法,通过求解极 线与导管中心线的交点,求解出双平面投影中导管点集的对应关系,并结合投影模型与导管中心线构造空间射线,通过逐个求 解空间射线的相交点,将空间曲线重建问题转换成射线相交问题,实现导管三维空间形状的精确重建。 最后,为验证所提出介 入手术导管空间形状重建算法的可行性,进行了双平面透视图像重建导管实验,结果显示导管的最大形状重建误差<1. 55 mm, 均方误差<0. 89 mm,豪斯多夫距离不足 1. 49 mm。 表明所提出方法可实现介入手术导管三维形状的精确重建,为提升血管介 入手术精准导航和柔性导丝安全操控提供新方法和技术基础。
-
稀疏数据驱动的涡轮叶片表面裂纹长度提取方法
摘要：
航发涡轮叶片裂纹的长度测量是裂纹危险等级评判的基础和修复的前提。 针对涡轮叶片表面裂纹形状不规则、目标 小、数据集样本稀少和裂纹成像角度失真等问题,提出一种稀疏数据驱动的涡轮叶片表面裂纹长度提取方法。 首先,为提升 Unet 模型在处理稀疏数据时的精度,采用 GeLu 函数与 Vgg16 网络结合的方法提取裂纹特征,将输出作为 Unet 网络解码部分的 输入,保证模型匹配的前提下,在随机初始化权重中引入预训练权重,并在跳跃连接层中引入高效金字塔压缩注意力模块,增强 模型在复杂背景下对裂纹特征的聚焦能力。 然后,为了得到裂纹的单位像素特征曲线,在精分割后提出使用八邻域骨架化保留 裂纹的主干特征结构。 最后,深入分析了相机成像原理,讨论了叶片弦线角和相机自身参数对裂纹长度的测量影响,采用张正 友标定法求解相机内部参数,建立了像素尺寸与实际尺寸转换模型。 实验结果表明,与 X 光测量相比,该方法在测量距离为 100~ 300 mm 时,得到的裂纹长度最大误差为 6. 8% ,证明该方法在测量涡轮叶片表面裂纹长度中对 X 光检测技术具有可替代 性;与原算法相比,改进的算法在针对稀疏数据检测时精度显著提高,平均交并比提升了 7. 14% 。 所提出的涡轮叶片裂纹长度 提取方法,为叶片质量评估及后续修复提供了理论基础和数据支持。
-
基于自监督学习的热成像与激光雷达融合深度补全方法
摘要：
深度补全是一种利用稀疏深度数据生成高分辨率稠密深度图的环境感知技术。 然而,现有深度补全算法在昏暗或低照 度场景中预测深度图的准确度不足,在极端光照条件下的应用效果较差。 针对该问题,提出一种基于自监督深度学习的热成像 与激光雷达融合深度补全方法,用于训练网络模型在低光照或无光照的条件下生成像素级稠密的深度图。 所提网络为编码器 -解码器架构,以热图像和激光雷达的稀疏深度图作为编码器输入,在不同图像尺度上进行特征融合,解码器逐层对融合后的 特征进行上采样和深度预测,生成稠密深度图。 其次,设计了基于自注意力与跨注意力机制的多模态融合模块嵌入到编码器, 通过自适应加权增强特征融合效果,提升预测稠密深度图的准确度。 最后,构建了自监督学习框架,利用温度重建损失和稀疏 深度损失进行自监督训练,无需额外的深度真值标注过程。 在公开数据集上的实验验证表明,所提方法在不同光照条件下均能 稳定生成稠密深度图。 相较于现有深度补全基准方法,平均绝对误差在 MS2 和 VIVID 数据集上分别降低了 44. 49% 和 25. 28% 。 在低光或无光环境下,通过融合热成像与激光雷达数据的互补优势,显著提高了深度预测的准确性和稳健性,为低光 照场景下的环境感知提供了有效解决方案。
-
基于联合卷积变分自编码器和预测器的 UWB 定位算法
摘要：
某室内三线自动驾驶轨道交通系统使用了超宽带(UWB)定位系统,车辆的高精度定位是提高其运行可靠性和调度效 率的关键技术。 基于 UWB 定位精度的分析,提出了一种基于联合卷积变分自编码器和预测器(VAE-CNN)的非视距鉴别、测距 误差补偿与神经网络定位误差补偿的三步 UWB 定位算法。 首先,采集标签与基站的测距误差和信道脉冲响应(CIR)数据,训 练 VAE-CNN 模型,根据原始 CIR 和重建 CIR 的可信度阈值剔除非视距测距值。 其次,根据预测器的预测误差补偿原始测距 值,使用最小二乘法计算坐标和该坐标相对于各个基站坐标的方向余弦,训练神经网络用于拟合定位误差与方向余弦的关系。 在已公开的包含视距和非视距的 UWB 测距值和 CIR 数据集上,验证了 VAE-CNN 模型的非视距鉴别能力,评估了基于 VAECNN 模型的非视距鉴别和测距误差补偿对定位精度的提升效果;在不同测距方差下,基于车辆模拟运行轨迹,评估了定位误差 补偿神经网络提高定位精度的效果。 搭建了 UWB 定位系统,验证了动态定位中三步 UWB 定位算法的实际效果。 结果表明, 动态定位中,在完全视距环境中,算法的平均定位误差为 28. 68 mm,均方根定位误差为 16. 67 mm,最大定位误差为 76. 68 mm; 存在非视距的环境中,算法的平均定位误差为 38. 73 mm,均方根定位误差为 20. 61 mm,最大定位误差为 116. 47 mm。 由此可 知,所提出的三步 UWB 定位算法具有精度高、成本低和稳定性好的优点,能满足所涉及的室内轨道交通的定位需求。
-
基于磁场耦合的非接触式金属温度测量系统
摘要：
随着现代科学与工程技术的不断进步,金属温度测量在保证产品质量、优化生产过程和确保安全等方面的重要性日益 突出。 传统的金属温度测量方法在实际应用中常面临难以在线测量及测量精度较低的问题。 基于此,提出了一种基于磁场耦 合的非接触式金属温度测量传感系统设计方法。 首先,分析了系统等效阻抗实部与金属温度之间的近似线性关系,进而将无法 直接测量的温度变化量转化为可测量的系统阻抗值,为基于磁场耦合的非接触式金属温度测量提供了理论依据。 其次,构建了 非接触式金属温度测量系统的等效模型,并使用 Ansys Maxwell 软件进行三维有限元仿真验证,验证了系统模型的可行性。 进 一步,提出并比较了两种不同类型的电涡流传感器用于温度测量。 其中,多线圈耦合的电涡流传感器具有较小的体积、更高的 测量精度和较强的稳定性。 基于上述理论分析和仿真验证,提出了基于多线圈耦合的非接触式金属温度测量系统设计方法,并 进行了系统建模分析和实物测试。 实验结果显示,该系统的绝对温度偏差<2℃ ,验证了系统的可靠性和稳定性。 该系统能够 在没有直接可视路径的情况下稳定工作,克服了对可视路径的依赖,提升了非接触式金属温度测量系统的适用性,能够在复杂 环境下实现金属温度的实时精确测量。
-
新型海洋浮标波浪能发电装置动力学特性研究
摘要：
波浪作用下海洋浮标主要存在纵摇和垂荡运动,采用两自由度差动轮系分别将浮标的垂荡运动和纵摇运动与差动轮系 的两个输入轴相连,差动轮系的输出轴与转子发电机相连,提出了一种多源耦合的新型海洋浮标波浪能发电装置。 利用绕定轴 转动的摆球俘获浮标纵摇的运动能量,并利用含有单向轴承的齿轮机构将摆球的往复摆动转化为驱动发电机转动的单向旋转 运动,该旋转运动为差动轮系的输入之一。 同时,利用含有单向轴承的齿轮齿条机构将浮标的垂荡运动转化为驱动发电机转动 的单向旋转运动,该旋转运动为差动轮系的另一个输入。 差动轮系的行星架作为输出轴与发电机转子直连驱动发电机单向转 动,将浮标的纵摇和垂荡动能转化为电能。 分别建立了新型浮标波浪能发电装置中摆球纵摇发电装置、浮体垂荡发电装置以及 浮标纵摇/ 垂荡耦合的动力学方程,采用数值仿真研究了不同波浪周期和不同波浪幅值下发电装置的动力学响应及发电功率。 结果表明:当波浪幅值为 1 m 时,浮标平均发电功率在波浪周期为 2. 3 s 左右时达到最大,随着激励波浪幅值增大,浮标的垂荡 和纵摇振动的响应随之增加,发电功率逐渐增大,当波幅为 1. 1 m 时发电功率可达 525. 7 W。 在波浪周期为 2. 3 s、振幅为 1 m 时,安装单向轴承比未安装单向轴承的发电效率提高约 19. 2% 。
-
电磁减振器的磁通自感式位置检测方法研究
摘要：
在电磁减振器(ESA)的位置检测中,常用的位移传感器往往需要较大的安装空间和洁净的使用环境。 为降低检测方式 的复杂性和检测环境的限制,在 ESA 的动子端部采用 3 个线性霍尔传感器并间距电角度 120°布置,用于检测定子永磁体的磁 密变化信息,并转换为 ESA 的位置信息。 在考虑霍尔传感器的安装误差、多传感器之间的灵敏度误差和磁场畸变产生的谐波 分量的情况下,进行位置检测方法的研究。 首先,通过有限元法分析端部区域的磁密变化、磁密峰值和谐波含量,确定霍尔传感 器的布置位置。 然后,建立考虑霍尔传感器误差和谐波干扰的输出霍尔信号数学模型。 基于此模型的特点,提出了一种双锁相 环(DPLL)结合带通频率同步提取滤波器(DPLL-BPFSEF) 的位置解算方法。 其中,DPLL 用于抑制高频谐波对信号的影响, BPFSEF 则用于抑制信号中出现低频率谐波的影响,补偿在解算过程中 DPLL 对低频率信号抑制能力不稳定的特点。 最后,通 过实验分析匀速和正弦运动工况下位置检测方法的有效性,结果表明,DPLL-BPFSEF 和 DPLL 均可准确解算霍尔信号,同时实 现 ESA 动子速度和位置的检测。 通过 DPLL-BPFSEF 检测动子的正弦运动,速度的误差率为 5. 1% ;DPLL-BPFSEF 比 DPLL 的 位置解算精度在匀速和正弦运动下各提升了 42. 8% 和 37% 。 关键词: 电磁减振器;霍尔传感器;位置检测;双锁相环;带通频
-
晶圆校准器吸盘动力学建模与残余振动优化
摘要：
晶圆校准器是确保晶圆在加工过程实现精准定位的重要设备,其定位精度易受晶圆校准器吸盘高速旋转启停时加速度 突变产生的残余振动影响。 为解决这一问题,首先分析了晶圆校准器吸盘表面的接触特性,建立晶圆校准器吸盘动力学数学模 型,通过仿真求解运动过程中晶圆与晶圆校准器吸盘的接触状态和形变情况。 在此基础上,引入系统真空度与最大旋转速度、 最大旋转加速度,获得在不同加加速度作用下晶圆的振幅与模态,求解加速度约束方程,进而利用三阶 Bezier 曲线构造对称的 晶圆校准器速度曲线。 同时,针对晶圆校准器电机在加速阶段与减速阶段的特性差异,基于 Pareto 多目标遗传算法优化对称速 度曲线参数,构造非对称速度曲线,进一步抑制晶圆校准器吸盘的残余振动,提高晶圆校准器的定位精度和工作效率。 最后,通 过仿真实验验证了非对称速度曲线在工作效率上的改进;同时搭建了晶圆校准器实物装置,设计实物实验验证其相对于传统的 速度曲线在定位精度和工作效率上的提升。 实验结果表明:本文设计的非对称速度曲线充分考虑晶圆校准器吸盘动力学特性, 与传统的速度曲线相比,可以有效减小吸盘残余振动,将校准器的定位精度提高至 0. 008 mm,缩短工作时间 0. 14 s,验证本文 所提方法有效。
-
基于新息自适应卡尔曼滤波地铁测速定位方法
摘要：
城市轨道交通车辆的测速定位存在可用传感器较少,小半径曲线和大坡度变化线路多,运行工况变化频繁,实时性与精 度要求更高等问题。 提出了基于新息自适应卡尔曼滤波的测速定位方法,以无人驾驶地铁为研究对象,首先基于先验牵引制动 目标级位约束,将列车视为一维刚性均布质量模型,考虑列车经过等效变坡点的动力学行为,建立修正机动加速度的列车运动 模型。 然后基于新息自适应卡尔曼滤波实时估计与修正受到运行工况与线路情况变化影响的统计噪声。 最后以 3 种典型工况 的实车数据为例,基于 16 组动车轴速信息进行测速定位,并对比采用平均轴速法与无自适应估计噪声的常规卡尔曼滤波算法 下的 6 种精度评价指标,结果表明:采用该方法有效修正轮轨蠕滑引起的渐进型数据漂移,减少高速区高频噪声,速度误差均方 根为 0. 349 0 km·h -1 ,制动停车位置误差为 0. 491 3 m,具备较高的测速与定位精度;在高速区轴速存在 1. 5% 比例随机缺失工况 下,速度误差均方根可稳定在 0. 371 7 km·h -1左右,制动停车位置误差可稳定在 0. 042 0 m 左右,对高速区测量轴速缺失具备较 强鲁棒性;在列车滑行工况下,速度误差均方根为 0. 360 1 km·h -1 ,制动停车位置误差为 0. 310 5 m,对列车空转滑行具备较强鲁 棒性。 研究结果能够为无人驾驶地铁列车精确测速定位提供理论依据与工程参考。
-
Feen-LSTM:一种优化的多遥测参数在线无监督异常检测方法
摘要：
随着我国航天事业由航天大国向航天强国迈进,航天器发射数量以及密度屡创新高,保障航天器在轨正常运行成为非 常重要的任务。 航天器遥测数据是地面长管判断其正常运行的重要依据,增强遥测数据的异常检测能力是目前地面长管提升 保障能力的关键。 目前工程上遥测数据异常检测主要依赖于专家经验和固定阈值,虽高效可靠,但难以应对复杂多变的在轨运 行环境,且检测准确性有待提高。 而传统的机器学习方法随着遥测数据量增加,模型的性能与有效性不足。 近年来,深度学习 方法在异常检测领域展现出巨大潜力,然而现有基于深度学习的航天器遥测数据异常检测仍面临较大挑战:一方面,对异常模 式标记的准确性与完整性依赖较强,而实际工程中获取大量准确的异常标记数据较为困难;另一方面,现有方法在线异常检测 能力不足,难以满足航天器的在轨监测需求。 针对上述问题,提出了一种在线且无监督的异常检测模型 Feen-LSTM,其基于 Transformer 结构提取多维遥测数据的全局时空特征,并结合 LSTM 来建模局部时间依赖性,从而实现了特征增强的优化结构。 通过在 NASA 公开的两个航天器遥测数据集上的实验,表明 Feen-LSTM 能够有效地提高异常检测的精度,尤其是在面对复杂数 据和未知异常模式时,表现出比其他方法更优的性能。
-
基于回声状态网络的风电机组运行状态监测
摘要：
“双碳”目标引领下,风能作为一种清洁可再生能源得到了广泛的利用。 风电机组作为将风能转化为电能的重要装备, 累计装机容量持续增长。 然而,风电机组工作环境恶劣,运行工况多变,故障频发。 为保障风电机组安全高效运行,亟需故障诊 断与智能运维技术。 针对风电机组运行工况复杂多变以及循环神经网络在时间序列学习过程中存在梯度消失和爆炸等问题, 提出一种融合运行工况识别与回声状态网络的风电机组运行状态监测方法。 首先,采用最大互信息系数对数据采集与监控系 统(SCADA)采集的多维数据进行特征选择,筛选出与风电机组运行状态相关性高的特征。 其次,利用 K-means 聚类算法构建机 组的工况识别模型,对不同运行工况进行有效划分。 然后,利用差分进化算法优化不同工况下的回声状态网络模型,增强其对 复杂运行工况的适应能力,以此开展不同工况下风电机组有功功率预测。 继而,结合功率预测残差分析确定相应的健康阈值, 用于评判机组运行状态。 最后,通过两个实际风电机组的案例分析表明,所提方法可有效监测机组的运行状态,当故障发生时, 比 SCADA 系统提前发现机组运行状态的异常,可实现故障的早期预警。
-
基于故障丰富度指标的稀疏信号分解方法
摘要：
针对船载天线传动系统中存在的复杂振动信号问题,提出了一种基于 K-SVD 字典学习的稀疏信号分解方法。 船载天 线传动系统在实际运行中面临着多变和复杂的环境条件,这些条件导致振动信号具有高度的非线性和非平稳性,从而增加了故 障诊断和健康监测的难度。 考虑到传统参数字典难以匹配多样化的振动信号特征,首先引入了基于频率加权能量算子的故障 丰富度指标,用以量化信号中的故障信息。 接着,通过互补集成经验模式分解技术对信号进行降噪预处理,提高了在高噪声环 境下 K-SVD 算法的信号重构精度。 详细描述了 CEEMD 在实际信号处理中的应用步骤,并通过实验数据验证了其在高噪声环 境下的降噪效果,进一步提高了 K-SVD 算法的信号重构精度。 此外,还采用基于故障丰富度指标的敏感分量选取方法,确保恢 复信号在降噪过程中保留尽可能多的有效故障信息。 进一步,使用 K-SVD 算法对信号进行二次分解,并通过一种新颖的字典 初始化方式增强字典原子的故障特征表达能力,从而提高算法的运行效率和故障特征提取精度。 最后,通过仿真和实验验证了 所提出方法的有效性和精确性。 使用真实船载天线的振动数据进行测试,结果显示,该方法能够显著提高故障特征的提取精度 和可靠性,为船载天线传动系统的健康监测和故障诊断提供了有力支持。
-
基于一致损失生成对抗网络的冷水机组故障诊断
摘要：
冷水机组是供暖通风与空气调节系统的重要组成部分,当冷水机组发生故障时将造成能源浪费甚至安全事故。 因此, 针对冷水机组的故障诊断对于暖通风与空气调节等系统至关重要。 基于数据驱动的故障诊断方法依赖大量历史数据,但带标 签的故障数据往往难以收集,导致模型的诊断准确率下降。 为此,提出了一种基于一致损失生成对抗网络(CLGAN)的故障诊 断方法。 首先,利用少量带标签样本和大量无标签样本训练 CLGAN,并生成故障数据;然后,利用生成数据与历史数据构建一 个包含各类故障的平衡数据集;最后,利用该数据集训练故障分类器并对冷水机组进行实时诊断。 CLGAN 通过在判别器中引 入一致性损失函数,能够有效利用无标签数据辅助模型训练,提升了数据利用率。 同时,CLGAN 迫使生成器在多个尺度上满足 判别器的要求,这种多维度的反馈机制使得模型在面对扰动时,依然能生成高质量的样本,进而提高故障诊断的准确性和鲁棒 性。 基于 ASHRAE 和 HY-31C 数据集的实验结果表明,在各类别仅有 5 个带标签样本的情况下,CLGAN 分别获得了 92. 8% 和 95. 9% 的故障诊断准确率,展现了良好的故障诊断性能。 此外,在噪声和跨工况实验中,CLGAN 相比于其他对比方法也展现出 了良好的鲁棒性和泛化性。
-
多通道振动信号与滑油屑末信息融合的滚动轴承状态监控方法
摘要：
针对单一检测手段难以对航空发动机主轴承进行状态监测以及准确诊断故障的问题,提出多通道振动信号与滑油屑末 信息融合的滚动轴承状态监控方法。 该方法首先通过建立的多通道振动信息加权融合模型将多个振动传感器测得的数据进行 加权融合,然后利用 CEEMDAN 对融合后的信号进行分解,根据峭度-相关系数筛选准则筛选出强冲击性分量进行重构,得到一 个富含轴承故障特征信息的振动信号;再选用总有效值作为时域特征参数、提出特征能量作为频域特征参数;通过选取隶属度 函数,根据实际情况及专家经验定义模糊推理规则,基于模糊推理理论将总有效值和特征能量进行第 1 次融合为振动信息参数 F1;然后将测得的滑油金属屑末数作为剥落屑末信息参数 F2,再基于模糊推理理论将 F1 与 F2 进行第 2 次融合分析;最后监测 滚动轴承状态并诊断轴承故障。 开展航空发动机主轴承剥落扩展试验,安装振动及滑油屑末检测系统,同步采集轴承剥落全程 的振动及滑油屑末信息,并应用所提出方法对所测得数据进行分析。 结果表明,多通道振动信号与滑油屑末信息融合的滚动轴 承状态监控方法可进行故障特征综合分析并有效判别轴承运行状态。
-
一种基于小波包分解和特征分量动态优选的剩余电流动作保护方法
摘要：
目前剩余电流动作保护装置(RCDs)仅依靠固定阈值作为动作判据, 在参数配合整定不合理、谐波含量大和高频电弧 脉冲等因素的影响下, 存在拒动和误动的风险, 且无法有效辨识出真正的触电事件。 对此,提出了一种基于小波包分解和特 征分量动态优选的新型 RCD 动作判据, 可快速识别出常规接地故障、触电、电弧等多种类型的故障。 首先, 利用高阶统计量中 对信号冲击敏感的峭度值捕捉故障起始时刻, 并通过计算该时刻前后各一周波差分剩余电流信号的能量比, 以实时甄别异常状 态。 其次, 收集故障前一周波和故障启动后三周波的差分剩余电流信号进行小波包分解, 融合各节点分量的峭度值、小波包能量 比与样本熵特征为动态优选指标(DOI), 并结合各分量 DOI 的贡献度重构低频与高频信号, 以突出各故障类型在不同频段电流 波形中的故障特征信息。 最后, 提取不同重构信号的电气量特征, 透过双层链式规则实现故障精准分类。 该方法已在 RCD 样机 上进行验证, 实验结果表明, 其在低压交流配电网的串联电弧、接地电弧、触电故障以及常规接地故障检测中表现优异, 识别率 达到 97. 52% , 平均诊断时间为 79. 6 ms, 能够满足 RCDs 所要求的灵敏性和可靠性,有效提升了 RCDs 的实际应用价值。
-
基于 PID 搜索优化的 CNN-LSTM-Attention 铝电解槽电解温度预测方法研究
摘要：
铝电解生产环境恶劣,受电场、磁场、流场、温度场等多物理场耦合影响,导致铝电解生产过程故障频发。 铝电解温度是 影响铝电解槽寿命和运行状态的重要参数,但由于槽内温度很高且具有强烈腐蚀性,至今尚未找到有效的电解温度在线检测与 预测方法。 为了解决这一技术难题,通过理论分析结合现场实验验证,揭示了铝电解槽电解温度与其工艺参数间的密切相关 性,并据此提出一种基于深度学习的铝电解槽电解温度预测模型。 考虑到铝电解槽工艺参数的复杂性、非线性、高维度、时序性 等特征,采用卷积神经网络(CNN)用于提取数据的高维特征,长短期记忆网络用于建模(LSTM),处理铝电解生产过程中的时 序数据,引入了注意力机制(Attention),学习输入参数不同部分之间的关联性,同时根据输入数据的重要程度进行加权处理,并 采用 PID 搜索优化算法(PSA)对 CNN-LSTM-Attention 模型的参数进行寻优,减少训练时间并提高模型的性能。 最后经铝电解 实际生产数据进行现场实验验证,结果表明:提出的温度预测模型相关指数(R 2 )为 0. 963 7,均方根误差(RMSE)和平均绝对误 差(MAE)分别为 5. 417 6 和 3. 382 5,与单一模型算法、其他预测算法和不同优化算法对比验证表明,该模型的性能更佳,能够 准确预测铝电解槽电解温度,实现了铝电解槽电解温度的在线检测。
-
无人机弱光条件下多模态融合目标检测方法
摘要：
弱光条件下,图像亮度低、对比度弱、成像质量差,且由于机载算力的制约,算法部署应用难以落地,极大地影响了无人 机对目标的识别定位精度。 因此,无人机弱光照条件下目标检测方法具有重要的理论意义和应用价值。 针对此问题,提出了耦 合光照条件和对比度的多尺度差分注意力融合检测方法。 首先,设计了信息感知引导的多尺度差分注意力融合检测网络,通过 信息感知模块计算图像的光照信息和目标的局部对比度,来引导多尺度差分注意力模块对可见光和红外图像的模态内和模态 间特征进行深度交叉融合,以提升弱光条件下无人机对地目标的检测识别精度;其次,基于多模吊舱、边缘计算模块和自组网电 台构建了一套旋翼无人机多模目标检测系统,针对可见光和红外数据,在通信交互上具有规范的传输协议和统一的任务管理机 制,可实现同步解码;随后,设计了对比和消融实验,实验结果显示该方法在典型暗光照数据集 LLVIP 上 mAP 达到 69. 2% ,较改 进前提升 3. 9% ,并优于典型的双流网络 LRAF-Net。 最后,在机载端对本文算法进行了轻量化部署和验证,结果表明在真实弱 光场景下该算法能显著提升无人机对目标的检测能力,且平均运行效率可达 21. 2 FPS,满足机载端应用需求。
-
基于辅助喂食全过程意图识别的多模态安全交互方法研究
摘要：
为提高无法自主进食的弱机能人群面对被喂食过程中的安全性与灵活性,提出一种面向辅助喂食行为的多模态安全人 机交互框架及其全过程意图识别算法。 首先,结合用户特征及安全性与灵活性需求,提出一种结合视、触、力、位与语言融合的 多模态人机交互框架并构建辅助喂食系统。 其次,针对进食全过程包括对进食意图、菜品选择意图、动态喂食点估计与递送位 姿计算、咀嚼意图等,提出一种基于视觉为主导的喂食意图全过程识别方法。 选取有效刻画进食过程面部动态变化的特征点并 设计融合口部纵横比与下颌纵横比识别算法,通过视线矢量分析用户菜品选择意图并基于面部实时位姿设计动态喂食点,从而 形成全过程动态意图准确识别。 同时,在辅助喂食虚拟映射系统中,结合大语言模型对交互全过程中的模糊意图、临时变更意 图进行提问,形成反馈机制进而提升交互安全性。 最终通过仿真与综合性实验验证提出的方法,通过多模态交互框架可以有效 提升辅助喂食过程的灵活性,同时结合大语言模型形成模糊意图与变更意图有效反馈,最终提升交互过程的安全性,该方法为 弱机能人群的日常生活辅助喂食行为提供了新型护理方法。
-
基于切向量拟合的连续体机械臂多 IMU 形态估计
摘要：
中心杆构型的连续体机械臂,主干是一根连续介质杆,缺少传统机械臂的关节结构,因此形态反馈一直是难以解决的问 题。 目前,基于多 IMU 的形态测量方法大多依赖分段常曲率假设,但这种假设在机械臂受到外部负载作用时无法满足,从而影 响形态估计的准确性。 为了解决这一问题,提出了一种基于切向量拟合的连续体机械臂多 IMU 形态估计算法。 该算法基于 Cosserat 杆理论对连续体机械臂进行数学建模,能够更准确地描述其变形行为。 通过误差状态卡尔曼滤波对多个测量位置的形 态进行估计,并求解出每个位置的切向量。 接下来,采用 B 样条方法对各个位置离散的切向量进行拟合,获取以弧长为自变量 的切向量函数。 最后,通过对连续变化的切向量函数进行积分,完成形态估计。 实验表明,该算法在动态轨迹和静态负载下均 能实现高精度的形态估计,尤其在负载引起的形态变化较为显著时,算法表现出较强的鲁棒性和稳定性。 与传统的基于分段常 曲率假设的方法相比,所提算法在末端位置的定位精度和形态重构的准确性方面都有显著提升。 在负载较大的情况下,形态估 计误差相比现有方法降低了 50% 以上,证明了其在复杂应用场景中的优越性。
传感器技术
精密测量技术与仪器
电子测量技术与仪器
工业大数据与智能健康评估
机器人感知与人工智能
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
