摘要:自动扶梯的数量在我国呈逐年递增的趋势。定期检测、监督抽查等常见方法通常难以检验自动扶梯内部的潜在故障。提出了一种改进的CNN-LSTM神经网络故障诊断方法，并据此采用LabVIEW设计了自动扶梯监测与故障诊断软件。基于CNN-LSTM神经网络算法，提出将数据浅层特征与深层特征进行融合的改进方法，以提高故障诊断准确率。利用凯斯西储大学数据对提出的故障诊断方法进行实验。结果表明，该故障诊断方法快速有效，针对变工况的故障诊断准确率达到99.4%。基于此，采用LabVIEW设计了自动扶梯监测与故障诊断软件。在自动扶梯关键部件安装多个振动传感器，利用监测软件进行数据采集、数据显示和数据存储。在积累大量工况数据后，可实现典型故障的诊断。

摘要:针对光伏阵列输出具有非线性并受最大功率点跟踪影响，从而导致传统的诊断方法精度低、模型性能差等问题，提出一种基于极端梯度提升的光伏阵列故障诊断方法。首先，在光伏电池单二极管模型的基础上，建立光伏阵列仿真模型，利用PVsyst软件对光伏阵列的输出特性和故障成因进行系统的模拟分析，得到了故障特征参数，并通过特征重要度排序验证了所选择故障特征参数的有效性；其次，提取光伏阵列不同故障状态下的故障特征，构建基于XGBoost的故障诊断模型；最后，利用网格搜索和交叉验证对诊断模型的超参数进行寻优，通过混淆矩阵计算评价指标来评估诊断模型的性能。并将该方法与决策树、随机森林以及梯度提升树相比，结果表明，该方法不仅能准确检测所有的故障种类，并且模型的泛化能力更好，诊断准确率更高。

摘要:提出了一种新型串行馈电的全向缝隙阵列天线，在带状线两侧背靠背刻蚀8对圆环缝隙，在缝隙内部加载一个Y形缝隙，延长Y形缝隙的长，并在顶部刻蚀横槽，形成最终的Y-T型缝隙结构，用以提升单元辐射性能。采用遗传算法(GA)对阵列进一步优化，使其工作带宽进一步扩宽，增益有所提升。根据设计结果加工制作了天线样品，实际测试表明，天线的|S11|<-10 dB阻抗带宽为7.93% (5.56~6.02 GHz)，带宽内峰值增益均高于8.99 dBi。工作在5.8 GHz处，E面旁瓣水平低于-10.11 dB，峰值增益为9.43 dBi, 且有稳定的全向辐射性能。

摘要:为了验证一款运用于爆炸性环境的功能安全型气体探测器的硬件安全完整性等级，通过FMEDA的方法，对气体探测器的元器件进行了失效模式及其影响的分析和随机硬件失效率的计算，并在所采用的在线故障诊断措施基础上量化分析了气体探测器的功能安全相关参数。分析结果表明，该款1oo1架构、B类系统、工作在低要求模式的气体探测器的安全失效分数达到94%，安全功能在要求时的危险失效平均概率为6.8×10-4，其设计符合标准IEC 61508所规定的硬件安全完整性等级SIL 2的要求。

摘要:ZPW-2000A轨道电路在保障列车安全运行过程中发挥着重要作用，一旦出现故障将造成不可预估的后果。因此，对轨道电路进行故障预测具有重要意义。本文提出改进的灰色GM(1,1)预测模型对轨道电路红光带现象进行预测分析，解决了传统灰色GM(1,1)预测模型预测精度低、存在一定误差等问题。通过引入弱化因子降低原始数据波动带来的预测误差，并应用矩形法对传统模型的背景权值进行优化，基于遗传算法求得约束条件下的最佳背景参数，得到改进的GM(1,1)预测模型。结合铁路局信号车间采集到的轨出电压数据验证改进预测模型的性能，结果表明，相比于传统灰色GM(1,1)模型，改进后的模型平均相对误差降低了28.3%，具有更高的预测精度和实用价值。

摘要:针对目前传统图像处理算法对踏面缺陷检测存在效率不高、对环境鲁棒性不足等问题，本文提出基于改进Faster RCNN的踏面缺陷检测方法。改进的网络首先使用Resnet50作为特征提取网络，并在特征金字塔层（FPN）特征融合输出部分加入自注意力机制，加强了检测网络对小缺陷的检测能力，最后使用K-means++聚类算法对踏面缺陷数据集锚框进行聚类，并通过聚类结果定制出更适合轮对踏面缺陷的锚框。实验结果表明，改进后的Faster RCNN网络对轮对踏面缺陷检测的平均检测速度为68 ms,平均精度（mAP）达到了97.3%，对小目标缺陷的检测精度（mAPsmall）达到了39.3%。

摘要:针对由多个MEMS陀螺仪组成的阵列系统在动态情况下噪声时变导致输出精度低的问题，提出了新的动态滤波模型和滤波方法。通过分析MEMS陀螺的误差特性和对角速度进行动态建模，构建了基于角速度估计的阵列陀螺随机误差动态滤波模型。由于动态情况下模型的不确定性导致传统方法精度较差，设计了一种多重渐消因子变分贝叶斯自适应卡尔曼滤波算法，利用变分贝叶斯思想和强跟踪理论提高了滤波器量测噪声估计精度、收敛速度和鲁棒性。最后在高精度转台上进行了静态实验和动态实验。实验结果表明：在静态条件下，“虚拟陀螺”方差降低为单个陀螺的4%，零偏不稳定性降低为47.2%；在动态条件下，“虚拟陀螺”能有效跟踪角速度的变化且角速度残差方差降低为单个陀螺的6.2%。该滤波算法能有效提高MEMS陀螺阵列系统的输出精度。

摘要:虚拟同步发电机通过模拟同步发电机的外特性，为系统提供惯量及阻尼支撑，使逆变系统能安全稳定运行。由于新能源逆变系统中非线性负荷的存在，系统的输出谐波受到污染，影响输出的电能质量。为优化系统输出，本文结合VSG控制算法,在有噪声的系统PWM调制波中引入一个随机激励，再和载波比较而生成驱动信号。通过电压功率谱密度对其谐波分布情况进行分析。仿真结果显示，采用随机激励的方法对VSG逆变器的输出电压波形有一定程度的改善，与引入随机激励前相比，输出的A、B、C三相电压的总谐波因素（THD）分别降低了11.32%、11.60%和11.42%，表明了本方法的合理性及有效性并适用于工程应用中。

摘要:本文提出了一种将SMMA算法与DD算法并行运行的变步长双模式盲均衡算法。该算法在保持原来两种算法高性能的基础上，改进传统的DD算法，将两种算法采用并行结构运行，同时加入误差控制函数，控制SMMA算法占比，降低稳态误差；并且引入变步长方法，加快算法的收敛速度。经过理论分析与仿真实验表明，该算法相对于传统方法，ISI降低到-29.8 dB，收敛速度提高，在630个符号左右算法完成收敛。在完成仿真实验后，进行了实测信号的解调均衡，其EVM降低到1.69%。

摘要:针对传统室内WiFi指纹定位算法中单个距离度量的局限性且未考虑到dBm表示与功率之间的关系的问题，提出一种基于投票机制的室内WiFi指纹定位算法。在采集到接收信号强度（RSS）数据后，首先，对RSS数据进行预处理；然后，基于投票机制对每种距离度量选中的近邻点取交集组成公共近邻点，并统计每个公共近邻点出现的频率；最后，通过概率加权得到最终定位结果。实验结果表明，所提出方法的定位精度为1.63 m，与K近邻（KNN）、斯皮尔曼（Spearman）和肯德尔相关系数（KTCC）方法的定位精度相比，平均定位精度分别提升了10%、33%和58%。此外，与MAN2数据集中的最优定位精度1.86 m相比，定位精度提高了12%。

摘要:哈里斯鹰算法存在容易早熟、陷入局部最优陷阱、稳定性较差等问题。为了提升算法性能，本文提出了一种利用深度确定性策略梯度算法（DDPG）改进的哈里斯鹰算法。该改进将深度强化学习和启发式算法结合，利用深度确定性策略梯度算法训练神经网络，再通过神经网络动态地生成哈里斯鹰算法关键参数，平衡算法全局搜索和局部搜索，并赋予算法后期跳出局部最优陷阱的能力。通过函数优化和路径规划对比实验，实验结果表明，DDPGHHO算法具有一定的泛化性和优秀的稳定性，且在不同环境下均能够搜索到更优路径。

摘要:针对短期光伏发电功率预测输入特征数据冗余，抗干扰能力差，预测精度受限等问题，提出了基于特征因素选取的IVMD-GLSSVM短期光伏出力预测模型。首先利用GRA-KCC对影响特征因素进行分析，提取影响光伏发电功率的极相关特征因素，随后采用IVMD对光伏发电数据进行分解，降低数据非线性和波动性对预测精度的影响。然后将各模态分量分别输入GLSSVM预测模型进行预测，求得的各子序列预测结果叠加即为最终预测结果。最后在 MATLAB中对该预测模型及其他模型进行算例验证和误差分析，结果表明采用所提预测模型抗干扰能力强，预测精度高。

摘要:为了提高机载光电平台对目标稳定跟踪控制性能，提出一种基于线性二次增强卡尔曼滤波器的机载光电平台模型预测控制算法。建立机载光电平台的动力学模型，在卡尔曼滤波状态估计的基础上，引入线性二次调节器增益减小估计状态的相位延迟，使状态估计值更为精确，利用估计的状态设计模型预测控制器，减小目标跟踪误差。跟踪目标仿真实验结果与卡尔曼滤波状态估计结果最大误差减小了58.14%，与扩展卡尔曼滤波状态估计最大误差减小了52.62%，表明本算法能够有效提高机载光电平台对目标的跟踪控制性能，实现了机载光电平台对目标的稳定跟踪控制。

摘要:针对基本粒子群算法(PSO)收敛速度快、易早熟，容易陷入局部误区的问题，提出了粒子群-人工蜂群混合算法(PSO-ABC)，并将提出的算法应用于无人机三维环境下的路径规划。该算法在改进粒子群算法的基础上，融合了人工蜂群算法来对无人机三维路径进行全局规划。首先引入非线型惯性权重和收缩因子，改进粒子的速度公式，然后利用人工蜂群算法的搜索算子对最优解再一次寻优，解决了粒子群算法因局部搜索能力较差陷入局部误区的问题。本文在三维环境下设置了两组实验，对比粒子群-人工蜂群混合算法与粒子群算法、人工蜂群算法的路径寻优性能。实验结果显示，本文提出的算法路径寻优能力有所提高，相比于粒子群算法，提高了6.1%，相比于人工蜂群算法提高了6.9%。

摘要:太阳能电池片的内部缺陷是降低电流传导效率的主要原因，通过EL或PL成像后的图像缺陷强弱变化较大，直接进行阈值分割会造成漏检。本文提出了一种全注意力FSA-UNet网络，用于太阳能电池片混合缺陷分割。针对缺陷分层特点，设计出了特征增强模块，提升弱缺陷的分辨能力，同时改进骨干特征提取网络，加快了强缺陷的检出效率。本算法能精确分割出单晶硅片的多种缺陷，为了验证本文算法的有效性，将本文算法与U-net、DeepLabV3+进行的比较，最佳MIOU达到了77.9%，突出了本算法的优势。

摘要:针对驾驶员面部疲劳检测问题，提出了一种基于遗传算法优化概率神经网络(PNN)的驾驶员疲劳检测算法。采用基于HOG特征的人脸检测器检测脸部，使用ERT算法进行关键点定位，计算PERCLOS值、眨眼频率、单位时间内打哈欠的时间占比、点头频率4个疲劳特征参数，将其输入到PNN中进行疲劳判别，并使用遗传算法优化PNN的平滑因子，提高疲劳分类准确率。使用NHTU-DDD数据集和YawDD数据集训练网络，使用自采集样本验证模型泛化性能，实验中与SVM、BP神经网络以及未优化的PNN模型对比，SVM、BP神经网络以及未优化的PNN的准确率分别为95.67%，97.67%，95.33%，所提的优化的PNN模型准确率为98.67%，验证了算法的有效性。

摘要:针对目前视频引伸计在实际应用中存在的做标记困难、标记在试验中容易发生脱落的问题，面向螺纹钢性能测试，研究了一套无需特殊人工标记，基于螺纹钢自身的纹理特征就可实现高精度位移跟踪测量的视频引伸计系统。介绍了视频引伸计测量系统的硬件组成、选型和基本工作原理。主要对所采用的图像匹配算法进行了研究，分析讨论了匹配模板位置和大小的选取、基于曲面拟合的亚像素定位算法以及动态测试中匹配模板的更新等问题。最后通过静态试验、刚性位移试验和动态试验验证了该视频引伸计系统能够保证测量的实时性和准确性。

摘要:为了解决基于深度学习的目标检测算法庞大的计算量和内存占用，导致在ARM平台的边端设备上部署难度大的问题。本文提出一种基于ARM平台目标检测的轻量化方法，首次将网络中的批标准化层缩放因子和卷积层卷积核参数同时添加约束，稀疏训练后将其作为通道重要性判断的两个准则，将不重要的通道双准则剪枝；针对剪枝效果较差的层结合CBAM注意力设计轻量化结构替换；再对结构替换后的模型重新训练得到最终模型。在单目标检测和多目标检测场景，分别对改进的YOLOv5n和YOLOv5s实验，结果表明该方法在ARM设备上均优于常规轻量化方法。在人物检测场景中，对YOLOv5n优化后的模型大小仅有0.68 MB，在ARM设备上单核CPU部署时检测速度达到45 fps,完全满足实时性要求，大幅度降低边端设备部署难度和硬件成本。

摘要:为解决车检站车辆检测中需要对车辆前照灯快速准确定位，同时防止车辆代检的问题，建立了一个车脸检测数据集Car-Data。针对车检站场景中车辆检测问题，提出了一种基于YOLOv5m的轻量化车脸检测方法。首先，将原网络的卷积块替换为改进型跨阶段深度可分离卷积块，以减少网络整体的参数量和计算量。其次，提出增强感受野的空间金字塔扩张卷积模块代替YOLOv5m的主干提取网络中的空间金字塔池化模块，从而提升网络的目标检测精度。最后，在颈部特征增强网络中修改上采样方法，并提出上下层特征融合模块，以减少特征信息的损失。在Car-Data数据集上进行的实验结果表明，改进后的算法相较于原YOLOv5m模型大小减少了48%，每秒检测帧数提高了约10帧，且平均检测精度仍提升了2.02%。因此该改进算法可以满足车检站车辆检测场景中车脸检测的需求。

摘要:在道路交通摩托车事故中，未佩戴头盔是导致骑乘人员受到致命伤害的主要原因。针对目前头盔检测中由于黑色头发、帽子和头盔的颜色和形状相似存在误检和漏检问题，提出了一种具有三重注意力机制和双向跨尺度特征融合的摩托车头盔检测算法。首先，在YOLOV5s的主干网络中引入三重注意力机制，提取了不同维度之间的语义依赖，消除了通道和权重的间接对应关系，通过关注相似样本的差异从而提升检测精度。其次，采用EIOU边框损失函数优化对遮挡和重叠目标的检测效果。最后，在特征金字塔中采用加权双向特征金字塔网络结构，实现高效的双向跨尺度连接和加权特征融合，增强了网络特征提取能力。实验结果表明，改进算法实现了98.7%的mAP@0.5、94.0%的mAP@0.5：0.95，与原算法相比，改进算法的mAP@0.5提升了3.9%以及mAP@0.5：0.95提升了7.6%，具有更高的精度和更强的泛化能力。

摘要:针对现有的立体匹配算法物体细节部分估计效果较差、有监督算法依赖大量真实视差图等问题，本文提出了一种深浅层特征结合的自监督立体匹配算法。该算法在特征提取网络中嵌入通道注意力机制来提取图片的浅层和更具表征能力的深层特征。基于深层特征构建代价体积预测初始视差图，并用浅层特征指导初始视差图进行优化。此外在损失函数部分在左右视差一致性损失的基础上本文提出左右特征一致性损失，加强浅层特征信息对视差的约束作用，提高算法的鲁棒性。本文在KITTI 2015数据集上训练评估，并应用到拍摄的实际场景中。实验结果表明，本文提出的方法与其他算法相比能获得更好的效果，特别是在视差突然变化的细节区域。

摘要:针对目前车辆外廓尺寸测量成本高、安装复杂且三维轮廓重构质量差的问题，提出了基于双目视觉的车辆外廓尺寸测量方法。该方法首先对双目相机采集的车辆图像对进行校正，并通过改进后的立体匹配算法计算生成车辆视差图。基于双目视觉三维测量原理解算车辆轮廓视差信息进行三维重构，生成车辆点云。针对相机盲区车辆轮廓数据缺失问题，设计了基于车牌识别的点云对称修复方法，生成完整车辆三维轮廓。实验结果表明，3种车型的测量示值误差均小于1%，车辆模型重构完整度高。

摘要:瓷砖表面缺陷检测是瓷砖生产过程中不可缺少的环节，针对具有复杂立体纹理干扰的陶瓷瓦表面鼓包缺陷，为了满足自动化检测的需要，本文提出一种基于自适应小波变换的陶瓷瓦表面鼓包检测算法。首先，提取出陶瓷瓦的红色通道图像，并进行高斯滤波的预处理，抑制噪声；其次，采用自适应小波变换、线性中值滤波的方法增强鼓包与背景区域对比度；最后，利用二值化和形态学的方法，得到鼓包区域的信息。实验结果表明，该算法可以检测具有复杂立体纹理干扰的陶瓷瓦表面的鼓包缺陷，检测准确率达到了98.5%，召回率达到了95.0%。

摘要:三维点云分类和分割对于三维重建和自动驾驶等技术的发展具有积极的推动作用。三维点云数据具有无序、不规则和稀疏等特点，因此三维点云分类和分割的研究面临诸多挑战。PCT分类网络采用标量注意力机制提取三维点云局部特征，具有良好的三维点云特征学习能力，在三维点云分类和分割任务中表现出先进的分类精度。然而PCT在对三维点云数据进行下采样时忽视了其稀疏性对几何结构所产生的影响，从而无法充分地提取局部特征致使三维点云分类和分割精度下降。针对该问题，本文提出一种基于注意力机制的三维点云分类分割网络GAM-PCT，具体地，GAM-PCT网络采用了向量注意力机制对单通道特征的权重进行调节，利用减法关系和邻域位置编码对三维点云邻域求取注意力特征，同时在对整体点云下采样时插入即插即用的几何形状仿射（GAM）模块来解决三维点云局部区域的稀疏性问题，进而提升网络的分类准确率。实验结果表明，与PCT三维点云分类和分割网络相比，所提出GAM-PCT网络在数据集ModelNet40上的分类精度提升了0.3%，而在ScanObjectNN数据集上的分类精度提升了1.9%，在ShapeNet数据集上的分割平均交并比值提升了0.2%。同时在网络参数量和FLOPs指标上分别降低了0.31 G和0.69 M。实验结果表明改进后网络的复杂度得到了简化，充分验证了改进方法的有效性。

摘要:针对分布式光纤测温系统，其产生的包含温度信息的后向拉曼散射信号极其微弱，因此极易被白噪声掩盖的问题。本文设计了一种基于VMDSVD联合降噪算法，并提出通过对构造的仿真信号做降噪对比实验，以更优的降噪性能指标选取该算法的重要参数。实验表明，将该联合算法及EMD、VMD、EMD-SVD算法分别用于多组测试信号降噪时，VMD-SVD降噪算法相较于EMD算法有均有15 dB以上提升，相较于VMD算法有均有9 dB以上的提升，最后相较于EMD-SVD算法也均有1 dB以上提升，最后将上述算法应用于分布式光纤测温系统测量的多组后向拉曼散射信号降噪时，VMD-SVD降噪算法也能最有效的消除该信号的白噪声，为后续高质量测温奠定基础。

摘要:脑卒中后抑郁症（PSD）是卒中后常见的并发症之一，严重威胁着脑卒中患者的健康。目前PSD的诊断主要依据病人的临床表现及各种量表，这类方法存在一定的主观性。脑电图（EEG）结合深度学习技术有可能为PSD诊断提供客观标准。本研究采集28名脑卒中后无抑郁受试者(PSND)和38名脑卒中后轻度抑郁患者（PSMD）的EEG信号，提出了一种基于注意力机制的长短时记忆网络（LSTM）和卷积神经网络（EEGNet）特征融合的端到端的PSD诊断框架。采用LSTM模型来学习EEG信号在时序上的依赖关系，引入的注意力机制对LSTM模型中时域信息进行权重分配来提高有用信息的利用率，最终通过EEGNet模块来提取EEG信号中更具表征的深层特征。通过10折交叉验证得出准确度、精确度、召回率、F1-Score和Kappa系数，分别为95.90%、95.75%、96%、95.82%和91.60%。与基础的深度学习模型相比，本文的方法能保持稳定的模型性能，对PSD的诊断具有较高的准确性，为PSD的筛查和诊断提供了一定的参考。

摘要:漏磁检测技术是管道内检测领域常用的检测方法，基于漏磁信号的分析对于管道安全评价具有重要意义。建立漏磁检测的二维仿真模型，研究漏磁检测中励磁强度对于漏磁信号的影响；基于磁化状态对漏磁信号影响的物理模型，可将励磁强度分为3个阶段，即初始增长阶段、非线性增长阶段和饱和线性增长阶段。结果表明，3个阶段的分界点只受缺陷深度的影响，仿真结果与物理模型具有很好的一致性，所划分的3个阶段有效衡量管道漏磁检测中励磁强度的影响，对于漏磁信号采集分析具有指导意义。