摘要:基于同轴谐振腔，提出一种测量低损耗片状介质材料相对介电常数的方法。结合麦克斯韦方程组和电磁场边界条件，分析部分填充介质的同轴谐振腔内TEM谐振模，推导填充介质同轴谐振腔的本征方程。采用多项式拟合法简化计算模型。本文通过计算分析，设计一个空腔工作频率在1.8183GHz的同轴谐振腔进行研究。在HFSS电磁仿真软件中进行仿真分析，研究填充介质材料的厚度和放置高度对测量结果的影响，仿真测量结果与理论模型结果一致。在实验中搭建测量系统实现全自动测量。实验测量同轴谐振腔空腔的谐振频率为1.8183GHz。对FR4介质材料的相对介电常数进行测量。经过多次测量表明测量系统稳定性良好。实验结果符合实际标称值，与仿真误差小于5%，证明该方法的可行性和准确性。

摘要:在梯次电池储能应用中，梯次电池间存在的较大不一致性使得电池组在充放电过程中更容易出现过充和过放现象，限制了电池组整体的可用容量甚至造成安全隐患。针对该问题，本文提出了一种基于隔离型双半桥DC-DC变换器的有源均衡电路。该均衡电路由N+5个开关（N为电池数目）构成的开关阵列和隔离型双半桥DC-DC变换器构成，保证了电路的灵活性。在主电路工作原理分析的基础上，进一步提出了一种基于SOC的分状态均衡控制策略，在电池组充电、放电和静置三种不同状态下，采用对应的均衡策略实现电池组能量平衡。最后对5节串联锂离子电池进行了均衡实验，实验结果表明相比不使用均衡器的电池组，该方法在静置、充电、放电状态下分别提升了12%，9.9%，17.5%的可用容量，证明了该方法的可行性及有效性。

摘要:近年来，轨道角动量一直是无线通信领域的研究热点。本文将轨道角动量与毫米波技术相结合，提出了一种基于介质谐振器的轨道角动量天线。建立了该天线的等效模型，推导了其辐射场的理论表达，讨论了介质谐振器半径对涡旋波电磁波模态的影响，通过仿真结果表明，该天线在波段有四个谐振点，能够分别产生模态的涡旋电磁波。此外，该天线结构紧凑，成本低，增益良好，具有较高的天线效率，产生的各个模态的涡旋电磁波都具有良好的旋转性，能够获得较强的抗干扰能力，为轨道角动量在毫米波频段的应用提供了一定的现实意义。

摘要:在布里渊光时域反射（BOTDR）技术中，空间分辨率是一项重要的技术指标，受光纤中声学声子寿命的影响，工程领域应用的布里渊光时域反射仪空间分辨率多在一米，可以满足大多数的工程需求。近年来，随着工程应用场景不断扩大，如特种结构形变监测、管廊精确定位等领域对布里渊光时域反射仪空间分辨率的要求也不断提高。基于BOTDR的结构，阐述了两类提高BOTDR空间分辨率的方法，并回顾了十多年来提高空间分辨率关键技术的进展。在现有的硬件比较成熟的基础上，未来提高空间分辨率的方法将改进软件处理算法、多种编码与信号处理算法相结合使用的方向发展。

摘要:计量电流互感器二次回路异常状态不仅会给电网企业造成经济损失，而且还会酿成安全事故。为实现对二次回路状态的准确在线监测，通过理论研究不同状态下的回路等效电路，提出了一种基于10kHz阻抗特征的二次回路状态监测方法，采用了基于微型互感器耦合和矢量电压电流法的回路10kHz阻抗测量技术，研制了电流互感器回路状态监测装置。实验结果表明：研制的装置可在电流互感器变比为30/5~2000/5、环境温度为（-40~60）℃、二次电流为（0~120%）I2n的全工况下准确识别二次回路的正常连接、二次端子短接、二次开路和一次旁路状态。

摘要:为解决变压器局部放电故障所带来的安全隐患，提出了一种基于逆拉冬变换(Inverse Radon transform，Iradon)-卷积神经网络(Convolutional Neural Networks，CNN)的变压器局部放电信号图像识别方法。针对三种故障进行了局部放电实验，首先通过共振稀疏分解对局部放电信号进行分解，获取低共振分量，然后将其转换成Iradon图像，最后利用CNN自适应地提取Iradon图像的特征信息。结果表明，该方法能够准确提取信号特征，具有强大的数据处理和识别功能，并为变压器局部放电状态的识别提供了丰富的信息，提高了学习效果和识别精度。

摘要:根据soc在电池管理系统中的应用需求，针对锂离子电池的模型准确度低、soc估算精度差的问题，提出了一种ARWLS-AEKF联合算法。该方法以二阶R-C网络模型为基础，通过加权自适应算法引入自适应遗传因子，优化参数辨识精度，并搭建matlab仿真平台联合自适应扩展卡尔曼滤波算法(AEKF)算法对SOC进行在线估算。将三种测试工况下的算法仿真结果与电池实验平台所得测量数据进行对比，结果表明:ARWLS-AEKF算法相对于离线EKF算法有更高的准确度与适应性，能适应随机变化的噪声环境。在LA_92、UDDS、HWFET工况下，ARWLS-AEKF算法的误差在2%以内，MAE分别为0.45%、0.74%、0.87%，RMSE值分别为0.54%、0.71%、0.42%。

摘要:为了能够用少量无标签监测数据识别结构损伤状态，提出一种创新的损伤识别方法。首先将试验中各个长标距光纤布拉格（fiber Bragg grating，FBG）传感器测得的动态响应数据进行变分模态分解（variational modal decomposition，VMD），提取分量信号（intrinsic mode functions，IMF）的时域特征和频域特征，通过Relief-F算法选择出各个传感器信号的敏感特征，组合成敏感特征集输入亲和传播（affinity propagation，AP）聚类算法中进行损伤识别。本文采用两组不同的试验来验证方法的效果和鲁棒性，在两组试验中分别获得了100%和98.7%的损伤识别率，结果表明方法具有实际应用价值。

摘要:针对多无人机编队飞行中的僚机故障问题，设计了一种基于观测器的自适应容错控制方法。首先，基于领导跟随法建立了无人机编队模型及僚机故障的编队模型，并将其划分为位置子系统与偏航角子系统。其次，基于观测器技术对位置子系统中的状态和故障进行观测，并结合观测的状态和故障信息构造状态反馈控制律；然后，基于自适应方法给出偏航角子系统的控制设计方案，并用Lyapunov理论证明系统跟踪误差最终有界收敛。通过仿真，本文算法在发生故障后对系统的完全跟踪时间和稳态误差分别比基于鲁棒故障估计的方法最大降低了76%和70.3%，并且均比传统观测器的方法明显减少较大，证明了本文算法能更好的克服偏差故障带来的不利影响，有效实现四旋翼无人机群的编队飞行。

摘要:近年来，市场上出现了很多用于原油脱水的油水传感器和油水检测系统，但是都存在精度较低、误差大等问题，性能指标有待进一步提高，提出一种基于交流阻抗测量的智能油水测量方法。介绍了油水检测系统的原理和构成，构建了一种基于最小二乘法的非线性误差补偿模型，解决了介质温度与含水率对交流阻抗的影响，有效提高智能油水检测的准确性。实验结果表明本文所提出的方法能够有效提高原油含水检测的检测精度；采用这种非线性误差补偿方法的油水检测系统含水率检测范围为0 %-100 %，检测精度可以达到0.3 %，检测系统准确度高，达到了设计要求，能够满足相关企业的需求。

摘要:在建筑行业中，因未佩戴安全帽而导致的安全事故占比较大。针对安全帽检测中存在的干扰性强、小目标准确率低等问题，提出了一种基于YOLOX的改进算法。首先，在加强特征提取网络中加入ECA-Net注意力机制，进行跨通道交互，根据生成的对应通道权重值，抑制干扰信息，加强模型对目标特征的关注度，再将重校准后的特征图进行更深度地特征融合，提高目标特征的表达能力。其次，使用CIoU来计算损失，将两框中心点距离和长宽比考虑进惩罚项，不断调整更新损失函数，加快模型收敛速度。最后，构建了一个真实施工场景下的小目标安全帽数据集。实验结果表明，改进后的算法mAP达91.7%，比原YOLOX算高出1.2%，对已佩戴安全帽的工人检测平均精度达93.9%，对未佩戴安全帽的检测平均精度达89.5%，检测速度达到71.9帧/s，保证安全帽佩戴情况实时检测的同时有较高准确率。

摘要:针对目前SSD算法对小目标检测精确度低，泛化能力弱，且存在误检、漏检等问题，提出一种基于SSD网络的交通标识检测方法。为增加对目标的检测精度，使用ResNet-50网络作为SSD算法的骨干网络，在额外添加层中加入BN层，提高训练速度；使用sub-pixel来代替上采样，提高识别目标分辨率，并加入MFPN模型融合低层与高层特征信息，避免出现漏检问题。实验结果表明与现有的SSD算法相比，改进的SSD算法在公开数据集CCTSDB和GTSDB数据集上mAP值分别提高4.2%和3.1%，FPS保持在87.2f/s,检测精度显著提升。满足对交通标识实时检测的要求，在无人驾驶领域具有广泛的应用前景。

摘要:针对建立无人起重装卸目标检测深度学习标注数据耗时问题，设计了货物图像检测生成对抗网络，构成准确的含语义标注和关键点标注的数据集，该数据集可用于有监督深度学习语义分割模型的训练。通过融合StyleGAN与DatasetGAN的生成对抗网络，对实际应用中存在的语义特征变形问题进行改进，将生成器的样本归一化层进行修改，去除均值操作，修改噪声模块和样式控制因子的输入方式；对纹理特征单一的物体的空间位置编码能力弱的问题，将生成网络的常数输入替换为傅里叶特征，并提出一个融合非线性上下采样的模块；最后引入WGAN-GP对目标函数进行改进。应用实验生成标签数据集，使用Deeplab-V3作为评价网络，以DatasetGAN方法作为基线，在语义标签生成任务上，Deeplab-V3输出mIOU值提高14.83%，在关键点标签生成任务上，L2损失平均降低0.4×10-4，PCK值平均提高5.06%，验证了改进的生成对抗网络生成语义及关键点标注数据的可行性和先进性。

摘要:图像目标检测是铁路工机具实现自动清点的关键技术。由于铁路运维工作的特殊性，采集的工机具图像通常存在光照度低、目标尺度差异大以及背景复杂等问题。已有的图像目标检测模型无法在铁路工机具检测中获得满意的效果。本文提出一种基于多尺度特征融合增强网络模型，以深度学习目标检测网络Retinanet为基础，构造了特征融合增强模块，可实现对不同尺度铁路工机具的高精度检测。以真实的铁路工机具图像作为数据集开展了实验研究，结果表明提出的模型较Retinanet具有更好的目标检测效果，mAP从97.85%提高到了98.11%，解决了复杂背景下铁路工机具的精确检测难题，为铁路智能运维奠定了技术基础。

摘要:在室内环境下, 超宽带(Ultra-Wide Band，UWB)信号常受到遮挡物干扰影响,进而导致测量距离数据异常以及产生虚假延时,导致定位性能下降。针对这一问题,本文提出了抗干扰的UWB三维定位方法｡首先,以数据间的欧式距离作预处理, 建立了 K-means 模型剔除了错误的观测数值｡ 其次,利用 L2 范数正则化方法改进了常规的最小二乘定位方法。最后，为了验证该方法的有效性，本文设计了无人机在室内三维定位的一个应用实例，在无干扰和有干扰的条件下分别收集了无人机的飞行数据，然后应用提出的数据预处理方法消除了异常的数据，并利用改进的最小二乘法对这两种情况下无人机的位置进行估计。实例结果表明本文提出方法的有效性，可在干扰环境下提高UWB 三维定位精度｡

摘要:喷水织机中喷嘴的外形尺寸对织机的运行起到至关重要的作用，为了高效地进行织机喷嘴外形尺寸参数的高精度检测，设计了一种基于机器视觉的喷嘴外形尺寸检测系统。该系统利用步进电机控制喷嘴旋转，通过CCD相机多角度采集喷嘴图像，通过亚像素边缘检测方法得到喷嘴的外轮廓边缘，再对边缘进行直线拟合，最后计算得出喷嘴的直径、锥度和倾斜角等参数。实验结果表明，该系统直径测量相对误差小于1%，角度测量误差小于2′，采用多角度测量可以提高锥度和倾斜角的测量精度。该系统检测精度高，可以较好地满足实际生产应用的要求。

摘要:针对纹理等细节信息丢失和图像边缘退化的问题，本文提出了一种基于范数的改进各向异性扩散模型。本文首先将PM模型和LCC模型相结合，根据图像梯度的变化，构建局部图像梯度模值与扩散强度之间的关系，不同的梯度模值选择不同的扩散函数；然后利用范数确定扩散函数中的梯度阈值，进一步提高去噪模型的泛化能力。实验结果表明，该模型不仅可以解决传统PM模型存在的孤立点问题，而且能够有效地保护图像边缘特征和轮廓结构的完整性，与原始算法相比图像信噪比提升了1.47~1.57dB，结构相似度提高了17%，在保证去噪效果的同时提高了去噪效率。

摘要:控制箱零件检测是控制箱生产过程中的重要环节。采用机器视觉方法可自动识别控制箱内零件的类别及安装位置，及时检测控制箱装配缺陷。然而现有目标检测深度学习模型时效性较低，难以满足控制箱零件在线实时检测需求。本文对YOLOv4目标检测模型进行剪枝和优化，提出了轻量级的目标检测模型SlimYOLO。SlimYOLO改进了特征提取网络结构，压缩了冗余特征层，提高了模型推理速度。同时采用Kmeans++聚类算法对模型anchor框参数进行聚类分析，提升了模型对控制箱的检测效果。基于自主构建的控制箱零件数据集开展了多项对比实验研究，SlimYOLO的平均检测精度为98.08%，较YOLOv4提升0.58%，模型体积缩小9.8%，参数量减少了700万，推理速度提升了10%，为实际工业场景中控制箱零件的快速智能化检测奠定了基础。

摘要:为对球磨机软测量方法中的测量结果精度实时估计，同时改善软测量信号分解中的模态混叠问题，本文提出了一种新的基于自适应噪声完备集合经验模态分解、高斯混合模型与高斯过程的球磨机负荷软测量方法，核心思想是使用改进CEEMDAN-GMM方法将球磨机振声和振动时域信号分解为一系列的本征模态函数并分类，由高斯过程回归给出预测值。相较于其他软测量方法，完全集合经验模态分解可以很大程度上避免经验模态分解带来的模态混叠影响，高斯混合模型可以通过设定概率阈值的方法在特征聚类的同时识别异常信号，高斯过程回归不但可以给出基于数据驱动的预测值，还能给出相应的置信区间，并据此向操作人员发出异常预警。实验证明，相较于其他软测量方法，本方法在球磨机负荷参数软测量精度、异常检测等方面均有一定的改进。

摘要:为便于分析冰雹对社会生产造成的灾害影响，需要对降雹量级进行分类统计，对降雹量级进行定量分析，不仅可以为灾害评估提供依据，还可以对气象预报、虚报现象做出反馈。本文针对降雹声信号提出了一种改进的互补集合经验模态分解（CEEMD）重构算法，重构后的信号最大程度地保持原有时域特征，也能对降雹声信号去噪处理。其次设计了一种多域特征融合1D-CNN模型，将重构后的原始数据、时域特征和频域特征分别作为1D-CNN的输入，在中间层进行特征拼接，最后输出分类器，结果显示本文设计的多域特征融合1D-CNN对降雹量级的识别率高达99.58%，相比于原始数据与传统1D-CNN模型识别率提高了8.75%。

摘要:电流互感器在电力系统的交流电测量、继电保护、电力设备检修控制等相关领域均具有十分重要的地位。目前电磁式电流互感器逐渐暴露绝缘差、抗干扰能力弱等多种缺点，而电子式电流互感器凭借自身绝缘性好、体积小、可数字化等特点有望成为未来电气领域检测电流的主要设备。本文以电子式电流互感器的研究发展现状切入，通过空心线圈电流互感器（即Rogowski线圈式电流互感器）、低功率电流互感器（LPCT）、光学电流互感器展开进行系统论述，重点分析各自的组成结构及工作原理，并对其优缺点进行总结，提出改进之处。在此基础上指出电子式电流互感器在设备供能、环境适应、传感方式等方面所面临的挑战，并从传感机制和传感材料对其未来的发展趋势做出展望。

摘要:管道缺陷检测是保证管道系统安全运行的必要手段，本文采用全聚焦成像的方法对管道缺陷进行成像与识别。利用有限元软件ABAQUS对基于L（0,1）模态导波的管道缺陷检测方法进行数值模拟研究，利用中值滤波、希尔伯特变换及信号包络锐化方法对信号进行预处理，然后用处理后的信号构建全矩阵数据，最后利用全聚焦算法实现缺陷成像，最终显示成像结果。实验结果表明，将信号进行预处理后再成像，可有效提高分辨率，实现缺陷的高精度可视化。

摘要:气体绝缘金属封闭开关设备进行局部放电检测时易受到白噪声的影响。为了有效滤除局部放电信号中的白噪声干扰，提出了一种基于新型噪声阈值规则的平稳小波降噪方法。该方法利用统计过程控制理论确定了小波系数的初始上限和下限，并根据每层小波系数的统计特征迭代更新上限与下限，通过该上、下限求出信号的噪声阈值水平，从而对局部放电信号的进行自适应降噪。所使用的平稳小波变换摒弃了传统小波的下采样步骤，对局部放电信号的表征更为完整。本文对三种5dB染噪局部放电信号进行噪声抑制，降噪后信噪比达到19.1433dB，均方根误差维持在0.03以内。而处理实验室平台下采集的染噪局部放电信号，信号抑制比为17.1769。本文所提算法能较好抑制局部放电信号中的噪声，去噪后的波形特征明显，失真程度低。

摘要:钢轨表面缺陷的漏磁检测会受到巡检速度等因素的影响，导致背景噪声增大，检测灵敏度降低。为了增强缺陷信号特征，提高漏磁信号的信噪比，提出了一种基于最小熵解卷积的漏磁信号处理方法。通过目标函数法，计算得到最优的逆滤波器参数，对采集到的漏磁信号进行滤波处理。为衡量最小熵解卷积算法滤波效果，将处理得到的缺陷信号和背景噪声信号的峰峰值与小波变换法和中值滤波法进行对比。实验结果表明，最小熵解卷积算法对缺陷信号起到了明显的增强作用，且其效果优于小波变换和中值滤波。

摘要:衬层是固体火箭发动机粘接推进剂的中间层，其固化状态影响着界面的粘接质量，故在线监测并判断衬层的固化状态是保障发动机装药及安全质量的前提。本文以烧蚀机制下的激光超声为手段，研究丁羟衬层在固化过程的监测方法及固化状态表征技术，详细阐述了在线监测衬层固化过程实验，针对激光超声参量表征衬层固化问题，重点分析了回波的时域和频域双谱特征，分别提取了激光超声纵波在多层粘接结构中衬层的传播时间、速度及特征波的非线性谐波三阶谱峰值为特征量，表征了衬层固化过程的状态变化规律。结果表明，在特征波时域信息中，固化反应的进行会导致不同状态之间特征波的到达时间依次减小0.02µs，激光超声纵波在衬层中的传播声速依次增加约40m/s；在频域双谱信息中，非线性谐波三阶谱峰值随着固化反应的进行逐渐增大，不同状态的极差依次为0.1167、0.9799、0.6360。综上，本文中的在线监测实验及激光超声参量分别能有效监测、表征衬层的固化状态。