摘要:针对超宽带(UWB)技术受电气转换时间延迟，天线延迟以及基站间时间同步等因素的影响而导致UWB传感器的测量值存在误差的问题，本文提出一种基于图优化和EKF的UWB组合定位算法，首先使用EKF算法得到定位初值，接着构建包含UWB测距误差的目标函数，然后通过图优化算法求解使整个定位过程UWB总体测距误差最小的基站位置，然后将求解的基站位置代入EKF算法进行第二次计算，得到更为精确的定位结果，最后应用Mean-Shift算法对定位结果进行聚类分析。实验结果表明：本文提出算法相对于EKF算法和最小二乘法，水平定位精度平均提高了27%和38%，而且得到的目标运动轨迹平滑性远优于传统定位算法。

摘要:针对目前市场上销售的供暖设备安全性低、恒温调节缓慢且效果差、智能化程度低的问题，设计了一款基于模糊PID的供暖设备控制系统。该系统通过传感器阵列和功率调节模块，完成了对温湿度的采集、智能交互控制功能。同时，系统利用模糊PID控制算法，实现了对环境温度的精准控制，并能对一些造成安全隐患的行为做出及时的预判和处理。经过MATLAB系统仿真和实际测试，该模糊PID控制系统可基本实现无超调，且震荡周期和调节时间较传统PID分别缩短了46%和25%，并兼具较高的鲁棒性。此外，系统还能出色地对各类安全隐患行为进行处理，较大地提升了供暖时的安全性，具有良好的市场前景。

摘要:弹药的滚转姿态准确测量是精确制导的前提，在常见的卫星导航与磁强计组合测姿方案中，弹药的大范围机动会带来较大的测角误差。为了解决上述问题，提出一种基于BP神经网络校准的磁强计与卫星导航组合测姿方案，针对同一弹型利用控制指令、弹道速度、历史姿态角等参数对弹体的侧滑角信息进行实时估计，为卫星导航系统解算的弹体偏角进行在线校准，最终经过融合磁强计测量信息对弹体滚转姿态进行测量，并通过拟合滤波方案为弹道的实时控制提供准确的滚转姿态估计。数值仿真验证结果表明，对于同一型弹药系统而言利用经过训练的BP神经网络估计出弹体的侧滑角信息误差在满量程的5%以内，结合卫星定位导航系统与磁强计经过拟合滤波得到的滚转姿态角精度在±1°以内，较大的提高了弹药在机动过程中的滚转角测量精度。

摘要:针对逆变器在并离网切换过程中存在电压畸变、冲击电流等问题，提出了一种基于虚拟同步发电机(virtual synchronou-sgenerator,VSG)控制和电压电流内模控制(inter model control,IMC)的并离网无缝切换控制策略。首先，建立了逆变器整体控制结构以及数学模型。其次，设计了基于内模控制的电压电流双环控制结构，并对内模控制器进行参数整定。再次，采用基于电压幅值和相位的预同步控制方法使逆变器能在两种运行模式之间平滑切换，切换瞬间电压电流波形稳定，能实现平滑过渡。最后，通过Matlab/Simulink仿真验证了所提出控制策略的有效性。

摘要:目的 针对机动车登记证图像打印错位、字符被表格线穿过的问题，基于HALCON机器视觉软件设计了一套字符识别算法。方法 首先将图像倾斜校正、增强、二值化；特定结构腐蚀法提取出表格线，将原图像区域分成表格和字符两部分；在垂直投影分割法基础上提出字符间距合并算法分割出单个字符，其中被表格线穿过的字符会出现断裂。区域检测填充算法指定结构和参数对区域内部和边缘进行检测填充实现断裂拼接。最后基于多层感知器对字符训练并识别，将结果排版并显示到表格。结果 实验结果表明，算法能够对登记证图像进行预处理并识别字符，识别准确率为97.28%。结论 通过上述算法，可极大提升从复杂背景中提取信息的效率。

摘要:医用内窥镜的探头体积有限，使用环境特殊，照明条件有限，故图像的暗部处理显得尤为重要。本设计提出一种快速的彩色图像暗部增强算法，首先对采集到的RGB888格式视频流图像进行通道分离，然后通过卷积的方式对每个通道进行特定窗口大小的均值滤波来进行区域特征提取。最后对滤波后三个通道的每个对应点取平均值，代入特定参数的Logistic函数，得到的结果为该帧图像该位置像素点的增益，并将其应用于原图。本设计以Xilnx公司推出的Zynq系列ARM+FPGA SoC平台为载体，使用Vivado HLS进行AXI-Stream接口视频流处理算法的开发，并生成IP在FPGA端运行。经过实验，本算法在Zynq7020平台处理400*400@30fps的一帧图像仅需1.6毫秒，保证了视频流输出的实时性。同时把内窥镜伸入口腔观察算法处理前后的视频流图像可知，本算法在保证区域对比度的同时增强了暗部亮度，较好的提升了医用内窥镜视频流的暗部质量。

摘要:针对快速扩展随机树（Rapidly-exploring Random Trees, RRT）算法在移动机器人路径规划中的时间过长、路径冗长曲折且平滑度较差等问题，提出一种新的采样节点生成和路径节点选取的改进型RRT算法。该算法以融合采样点概率和目标点引力的方式，再结合动态变随机步长的策略，加快了向目标点的扩展，降低了规划时间；最后为完成路径优化，对利用正向寻优和二次选取过后的路径节点，采用B样条函数进行处理，综合改善了路径的长度及其平滑性。在仿真实验中分别与传统RRT算法，P-RRT算法进行比较，实验结果表明：所提算法在路径长度，规划时间以及路径节点个数均有一定优化，且路径平滑性得到了有效提升。

摘要:针对传统Census算法过于依赖中心像素，从而易受噪声影响和AD-Census算法不能充分利用不同算法的优势等问题，本文提出了一种改进的Census变换和自适应权重的立体匹配算法。首先利用Census变换窗口内的均值及中心点与四个方向邻域像素的信息，将相近像素点自动归为一类，提高了Census变换对噪声的鲁棒性。其次引入SAD算法与Sobel边缘检测，根据梯度信息来确定SAD与Census变换的权重，提高了算法在不同区域的适应性。最后采用十字交叉域的代价聚合方式及后续优化得到最终的视差图。将不同图像的视差图在Middlebury平台上进行验证，本文所提算法的平均误差为9.33%较AD-Census算法下降了3.39%。较其它算法在视差不连续区域及重复纹理区具有更好的匹配精度，对噪声及光照也具有更好的鲁棒性。

摘要:本文对现有常用的锂离子电池模型进行分析，建立了便于工程应用的二阶RC网络等效电路模型，并在MATLAB中搭建相应电池模型，利用实测数据对电池模型参数进行离线辨识，对模型精度进行了验证。考虑到模型参数值在电池充放电过程中并不恒定，而是受到充放电倍率和电池荷电状态等因素影响不断变化，因此为提高模型精度，采用含遗忘因子的递推最小二乘方法进行模型参数的在线辨识，通过仿真分析对比不同遗忘因子的影响，确定了遗忘因子的最佳范围。实验结果表明，随着遗忘因子从1开始减小，模型的精度会先提高再减小。本模型比较合适的遗忘因子范围大致为0.90~0.95，最佳值应在0.94附近，此时模型的平均电压误差仅为0.00043V，证明了本文辨识方法的正确性和高精度。

摘要:血压是人体的重要生理指标特征，血压的准确测量对心血管类疾病的诊断和治疗有重要意义。提出了基于注意力机制的双向长短记忆网络用于无创血压测量的方法。由于注意力机制可以根据特征的重要性来分配权重系数，所以方法把其引入到双向长短记忆网络中从脉搏波中计算出血压。试验结果表明引入注意力机制的双向长短记忆网络相较于双向长短记忆网络，MSE值和MAE值都得到了大幅度的降低，分别降低了18.29%和21.27%，R方值提高了0.17%。方法提高了无创血压测量的精度。

摘要:针对滚动轴承故障诊断中特征提取困难和故障类型识别准确率偏低等情况，提出一种基于改进型自适应噪声完整集成经验模态分解(ICEEMDAN)与多尺度排列熵(MPE)结合天鹰算法(AO)优化最小二乘支持向量机(LSSVM)正则化参数和核参数的故障诊断方法。首先通过ICEEMDAN对轴承原始振动信号进行分解，其次根据相关系数和方差贡献率双原则选取符合标准的本征模态分量(IMF)，并计算对应分量的MPE，以全面获取故障特征信息；最后将其构成多维特征向量，利用AO-LSSVM辨识模型实现对轴承故障诊断。同时进行多组对比实验，研究结果表明了所提方法在滚动轴承故障诊断中的优越性且识别准确率可达98.95%。

摘要:针对红外目标图像分辨率低，缺少纹理细节，存在复杂背景干扰导致检测精度低的问题，提出一种基于改进YOLOX的红外目标检测算法。首先，设计了一种有效的空间通道混合注意力模块，将其引入在特征提取主干网络CSP-Darknet53中，以减少网络由于远距离传输造成的精度损失；其次，为了进一步提升红外目标的检测精度，在原本加强特征提取网络PANet的基础上提出一种改进的路径特征融合方法；最后，为了解决红外目标中小物体预测精度低的问题，在YOLOX输出检测头处进行反卷积操作扩大输出特征图。在FLIR红外公开数据集上进行实验，实验结果表明，所提算法识别的平均精度均值（mAP）达91.00%，相比于基准YOLOX网络的平均精度提升了5.04个百分点，对于提升红外目标的检测精度是有效的。

摘要:针对多目标图像检测环境复杂、目标物位置数据冗余且长宽高数据大小不一的问题，利用神经网络算法可以有效提高不同类目标物并行检测的准确度和稳定性，提出一种基于改进YOLOv5网络的多目标检测方法。首先依据不同目标物的空间尺度大小，改进模型的特征融合方法，添加多尺度特征检测层以减小多目标检测时的误差，同时增加自适应特征增强模块（Adaptive Feature Adjustment），降低网络的误检率与漏检率；然后使用 K-means++ 算法估计候选框，获得更优的框参数；最后在损失函数中使用EIOU（Efficient IOU Loss）做优化。实验表明：改进后的方法mAP（mean average precision）达到76.48%，相比经典YOLOv5网络提升了3.2%，小尺寸目标物检测准确度均值增加6.3%。改进方法网络延续YOLOv5网络的轻量高效，对于多尺度目标物检测获得更优的检测精度，能够实现更准确的实时多目标检测。

摘要:为解决目前包检测算法检测类别单一、准确度较低、复杂目标难以检测等问题，研究了一种融合卷积与transformer的级联包检测方法，CT-CBDet。首先，设计了deformable conformer作为骨干网络进行特征提取，其在transformer与卷积双网络融合的基础上利用可形变卷积和空间金字塔池化模块实现几何特征变换与多尺度特征融合，以强化针对复杂特征的建模能力；然后，提出一种基于anchor统计特征的自适应正负样本选择的区域建议网络，以平衡不同尺度目标样本正负选择的公平性，增强模型的训练稳定性；最后，利用多阶段损失对模型的级联检测组件进行端到端训练。结果表明，该方法相较于基准方法Cascade RCNN平均精度值提高了5.8%，小尺度目标检测精度提高了10.9%。可见CT-CBDet可有效完成复杂场景下的包检测任务。

摘要:印刷电路板是众多电子产品的核心和最基本的组成部分，其缺陷检测存在复杂度高和缺陷目标较小的特点，提出一种改进YOLOv4-tiny的印刷电路板缺陷检测方法，在满足检测速度的前提下，提高检测精度。首先，在主干网络的基础上添加空间金字塔池化模块，减少网络参数和提高网络预测速度的同时利用图像的局部和全局特征融合多重感受野；其次，在FPN部分增加卷积注意力模块，进一步增强不同阶段的特征融合效果，提升对小目标缺陷的目标检测准确度；最后，使用Adam优化器以提升回归过程的收敛速度与准确性，同时使用余弦退火衰减和标签平滑策略优化网络损失函数，以抑制网络训练过程中的过拟合问题。通过使用改进算法在印刷电路板缺陷数据集上进行对比实验验证表明，该文算法模型大小仅为22.85M，平均检测精度均值较原算法提升了13.38%，检测速度达到了149.03FPS(on GeForce RTX3060)，具有较好的有效性和可行性。

摘要:针对目前交通标志检测方法中网络计算量大、检测效果差的问题，提出一种嵌入坐标注意力机制的轻量级交通标志检测方法。首先在MobileNetv2的残差块中嵌入坐标注意力机制CA（channel attention）模块以保留通道注意力中的坐标信息；其次利用改进的MobileNetv2对YOLOv4主干网络做轻量化处理，并且在PANet中采用深度可分离卷积块降低计算量；然后使用ASFF自适应特征融合改进PANet结构来均衡不同特征层的不一致性，最后在特征融合模块加入注意力以增加目标信息的权重；并由K-Means++算法产生新的先验框聚类中心。实验表明，权重文件由136M降至54.5M削减了60%，网络体积削减了80%，精度达到96.84%，与YOLOv4网络相比仅损失了0.46%的精度。

摘要:针对轨道交通轮对踏面损伤图像存在边界识别效果差，分割精度低的问题，提出一种改进的DeepLabV3+算法对损伤区域进行识别分割。首先将轻量化网络MobileNetV2作为主干特征提取网络，加快语义分割的速度；然后将空洞空间卷积池化金字塔模块中的膨胀卷积以及特征融合后的普通卷积替换为深度可分离卷积，减少参数量，降低模型复杂度；最后在主干网络输出的浅层与深层特征层添加ECA机制，加强网络特征学习能力，使模型对损伤区域更加敏感，从而提升模型分割精度。实验结果表明，改进后的DeepLabV3+模型大小缩减为原来的5%，mPA值达到90.70%，mIou值达到84.33%，在模型更轻量化的同时保证了踏面损伤图像的分割效果。

摘要:针对现有点云简化算法存在易丢失关键特征和复杂潜在曲面信息的问题，提出一种基于FPFH的权重局部最优投影（WLOP）点云精简算法。首先，采用快速点特征直方图(FPFH)查找并提取原始模型中的特征点；然后，通过WLOP算法精简原始稠密点云，生成去噪、无离群点且均匀分布的点云；最后，利用点云融合方法将特征点与简化模型融合并去除冗余点。将本文算法与最小包围盒法、最远点采样法、权重局部最优投影算法进行对比实验。实验结果表明本文算法在简化率为30%时，点云分布均匀性和特征保留方面均优于其他算法。此外，可视化分析结果表明，本文算法既能够保证精简模型的完整性，又能较好地保留原始点云关键特征。信息熵分析结果表明，精简后的点云包含信息丰富，特征表达准确。该算法可为点云重建提供重要应用价值。

摘要:由于现有的颜色恒常性算法在非均匀光照、场景复杂的情况下对于偏色去除表现不好，本文提出了一种综合利用肤色模型和感知损失去除偏色的深度学习算法。该算法综合利用了肤色模型和感知损失，在计算过程中可以识别且重点关注肤色信息，更注重对图像语义的理解，而不是简单的进行像素间的计算。同时，将肤色模型与注意力机制结合，更突出了肤色区域的作用。实验结果表明，本文提出的颜色恒常计算方法能在语义层面较为准确地消除单一光照和多光照场景下图像的偏色，该算法与其他算法相比，能获得更良好的效果。

摘要:针对BERT模型中编码器提取特征信息时因并行计算而缺少文本的时序信息及模型网络复杂度较高易受偏差影响等问题，本文提出一种基于改进Adam优化算法的模型DTSCF-Net。模型采用BERT模型提取短文本的语义特征表示，将语义特征输入到Bi-GRU中，提取具有上下文时序特征的语义信息，输入Maxpooling层筛选最优特征，分类得到该短文本的类别。针对Adam算法在拟合中产生的动量偏差添加校正算法来缓解性能下降，对比两个连续时间步上的校正动量值，选取两个时间步中的动量最大值代入梯度计算,并对学习率添加自适应调节因子，利用上一次迭代的梯度值，实现学习率的自适应调节，提高分类精度。实验表明，DTSCF-Net的分类准确率为94.86%，相较于同实验环境下的基准模型BERT、BERT-Bi-GRU分别提高2.07%、1.71%。结果证明本文所提方法具有一定的性能提升。

摘要:准确分割牵引运动下的开环锯链图像是锯链缺陷自动化检测的关键，为实现锯链图像中各零件的精准分割，本文提出一种融合装配特征和回归分析的锯链图像分割算法。首先通过分析锯链装配特征，使用霍夫圆检测算法初步获取锯链图像中铆钉的位置信息；然后建立基于最小二乘法的异常点剔除方法，并通过相邻铆钉的位置判断漏检铆钉，解决霍夫圆检测过程的误检与漏检问题；接着对相邻铆钉区域的像素坐标进行仿射变换，实现锯链图像中刀片、连接片、传动片部分的分割；最后搭建实验平台，通过双工位相机采集图像对算法进行验证。实验结果表明，该锯链分割算法可准确、快速分割正常和缺陷锯链图像，锯链分割准确率达94.4%，对类似产品自动化检测具有较好的借鉴意义和实用价值。

摘要:为了提高传感网节点定位精度并降低运算量，提出一种新的基于低秩逼近的定位算法。算法首先获取邻居节点间距离测量值，然后填充欧氏距离矩阵，最后通过对锚节点坐标进行刚性变换得到未知节点坐标。为了更准确地填充距离矩阵，根据格拉姆矩阵的低秩特性将定位问题转化为半定规划问题，并在定位模型中引入正则化项来避免填充欧氏距离矩阵时的退化解问题。针对半定规划求解复杂度高的缺点，采用交替方向乘子法来更快地求解。通过仿真实验对比，在大噪声情况下，本算法相较于传统算法（包括多维缩放法和其他欧式距离填充算法），均方根误差减小28.2%~46.6%，重建误差减小18.4%~64.5%；计算时间仅需SDP算法的7%。

摘要:针对锂电池使用过程中存在容量回升造成非平稳的容量退化趋势，造成模型的预测精度容易受到干扰的问题，提出一种基于变分模态分解(VMD)与贝叶斯优化(BO)的长短期记忆神经网络(LSTM)的锂电池剩余寿命预测方法。首先，通过变分模态分解将原始容量退化序列进行分解，得到有限个模态分量；然后对分解之后的分量进行降噪、重构；最后，使用贝叶斯优化的长短期记忆神经网络算法对处理之后的数据进行寿命预测，获得最终的锂电池剩余寿命(RUL)预测结果。通过CALCE中心的锂离子电池数据集进行实验，所提出的VMD-BO-LSTM锂电池组合预测模型具有较高的预测精度与稳定性，实验采用的电池均方根误差的平均值小于7%，且优于其他预测模型。

摘要:为提高对无创脑机接口(BCI)中P300脑电信号的检测准确度,本文根据卷积神经网络(CNN)与长短期记忆(LSTM)网络,提出一种CNN-LSTM组合网络模型。卷积网络采取分层结构，同时设计匹配不同特征维度的一维卷积核；长短期记忆网络(LSTM)用来发掘数据时序相互依赖性, 学习全局特征的相关性以实现目标分类。试验结果表明，本文提出的模型对于实验诱发出的单试次P300信号，检测准确率达到91.28%，与EEGNet网络和支持向量机算法对比，准确率分别提升2.18%、8.31%。在精确率、召回率、F1分数、AUC值的评价指标下也达到最优性能，具有较强的泛化性能。

摘要:零件质量合格与否影响整个装配体的服役寿命，如何快速准确的检测零件质量是否合格已经成为研究热点之一，机器视觉缺陷检测应用日益广泛，但由于铣削后零件纹理背景存在的缘故，常常导致零件表面缺陷的检测不够精准。本文提出一种将灰度共生矩阵(GLCM)和模糊C均值聚类算法(FCM)相结合的新型图像表面缺陷提取方法，利用改进后的灰度共生矩阵将缺陷与铣削背景的对比度提高，再针对缺陷与铣削背景之间的灰度差较大这一特性，使用模糊C均值聚类的方法对图像进行分割。该算法可以有效区分加工缺陷与加工纹理，并快速准确的提取零件缺陷特征。通过缺陷提取实验，并与传统的分割算法对比，可得出该算法能够快速的提取铣削零件表面缺陷，并且对提取多类缺陷具有良好的适应能力。

摘要:为了有效提高无线传感器网络的节点覆盖率，提出了一种基于混合策略麻雀搜索算法的WSN优化算法。利用Tent混沌映射初始化麻雀种群，增加种群的多样性；再用反向学习策略生成反向解扩大搜索范围，提高算法全局的搜索能力；加入惯性因子选择对预警麻雀个体进行Levy策略更新，提高算法局部搜索能力；对最优麻雀位置进行随机游走扰动进一步提高局部的搜索能力。仿真结果显示，HSSSA算法使节点分布更加均匀，覆盖率有明显提高。

摘要:为实现生产工序的准确识别，提出基于机器学习的工序识别模型，分别选取时间卷积网络、长短期记忆网络、支持向量机构建工序识别模型，并结合某钛金属冶炼企业生产能耗数据对模型进行测试验证。首先对历史功率及工序数据进行预处理，然后根据生产特征构造用于模型训练及测试数据集，最后结合数据集对模型进行训练和测试。结果表明基于时间卷积网络的识别模型具有较高的工序识别准确率，针对测试集的工序识别准确率达96.94%。