摘要:目前大多数旋转组件深度学习剩余使用寿命(RUL)预测方法通常是假设训练数据和测试数据有相同的数据分布，造成模型在不同工况下的预测准确率比较低。为了解决上述问题，以旋转多组件RUL预测模型为迁移对象，针对源域与目标域工况存在差异，目标域缺乏标签样本的迁移场景，引入了域分类器，结合源域的标签数据目标域的无标签数据重新训练RUL预测模型中的特征提取网络，在训练过程中加入自关联性及对应性约束，提升其对公共特征的提取能力，从而实现模型在不同场景的迁移应用。利用XJTU-SY公开数据集对迁移模型测试结果表明，相对于原预测模型，本文所述方法在新工况下的预测准确率更高；相比于其他迁移方法，本文方法预测误差更小，在变工况下的旋转组件剩余使用寿命预测迁移问题上具有更好的效果。

摘要:在列车行驶过程中，车内异响可作为反映车辆设备状态的信息源。为此提出一种基于1D-CNN的识别模型，对车辆异响进行识别，并设计列车异响识别系统。首先构建音频数据的试验样本库，然后利用MFCC提取异响数据样本的特征信息。针对列车噪声特征与车辆状态类型间的映射关系复杂、难解耦的问题，构建一种基于MFCC输入的1D-MCNN对异响所蕴含的故障信息进行识别分类。最后对识别模型进行实验与优化，确定MFCC阶数、学习率与批尺寸等模型参数，采用t-SNE算法、混淆矩阵进行模型特征提取的分析评价。试验结果表明该方法对列车异响识别诊断效果较好，准确率达98.38%。

摘要:提出了一种恒跨导输入输出轨对轨带有连续时间共模反馈的全差分运算放大器。输入级互补差分对采用交叉导通实现输入总跨导在整个共模输入范围内保持恒定；中间级采用折叠共源共栅结构实现高增益和满摆幅。同时设计了一种连续时间共模反馈电路搭配A类输出结构，使FDA能够在大摆幅和高阻抗的系统下工作。基于SMIC 0.18 μm工艺对设计的FDA进行仿真验证与版图绘制，该电路在电源电压3.3 V，负载电容5 pF时，直流增益92.2 dB，单位增益带宽5.55 MHz，输入输出轨到轨范围接近100%，输入级跨导变化率仅4.53%，建立时间分别为218和195.7 ns，其对应的压摆率分别为15和16.7 V/μs。

摘要:石化设备为保温会包裹一层由隔热层与金属保护层组成的包覆层，应用脉冲涡流检测技术可实现不拆包覆层条件下设备的壁厚检测。但在实际检测中由于金属保护层材质与厚度不一致，会对检测结果与检测误差产生影响。本文搭建了脉冲涡流实验平台，分析不同类型、厚度金属保护层在不同隔热层厚度下对脉冲涡流检测信号影响，结果表明：当金属保护层为铝板与不锈钢板时，其厚度或隔热层厚度增加会增大特征值离散程度，但不影响特征曲线趋势，可通过特征曲线计算被测试件厚度；当金属保护层为镀锌钢板时，其高磁导率特性产生的屏蔽效应与感生涡流会对检测信号衰减及特征曲线产生影响。随着镀锌钢板厚度增加，不同厚度试件检测信号后期衰减差异越小。当隔热层厚度增大到50 mm时，检测信号基本重合，无法通过特征曲线计算被测试件厚度。

摘要:基于深度强化学习方法对未知环境的无人机区域覆盖路径规划进行研究，通过搭建栅格环境模型，在环境中随机部署无人机和禁飞区位置，利用双深度Q网络（DDQN）训练无人机的覆盖策略，得到了一套基于DDQN的无人机未知区域覆盖路径规划框架。仿真实验表明，设计的无人机未知区域覆盖路径规划框架在无禁飞区的环境下可以实现完全覆盖，在含有未知数量的禁飞区下也能比较好的完成区域覆盖任务，与DQN方法比较，其平均覆盖率能够在相同训练条件和训练次数下高出2%，与Q-Learning方法和Sarsa方法对比，在无禁飞区的环境中分别高出4%和3%。

摘要:针对卷积神经网络算法FPGA硬件加速器存在的内存带宽瓶颈，提出了一种基于次级缓存的行重组调度策略。通过分析SDRAM存储器的性能、FPGA硬件加速原理和内存带宽瓶颈，建立了次级缓存机制。该机制可服务于加速过程中堆叠的访问请求，通过合并相同Bank/Row的访问请求，减少Active和Precharge操作的额外开销。实验测试结果表明，在SC-RR调度策略下，存储器的访存时间减少32.87%，功耗降低31.71%，有效带宽利用率提高到91.3%。在性能相近的情况下，硬件资源消耗减少83.8%，满足了设计要求。

摘要:检测混凝土界面位置是控制灌注桩超灌高度的关键所在，传统方法凭借人工经验测定混凝土界面位置的误差较大，不能有效地控制灌注高度。针对浇注时混凝土界面难以判别，导致混凝土欠灌或超灌过多等问题。首次提出基于磁探测技术的灌注桩超灌检测方法，首先利用钻孔中不同介质的密度差异设计磁性目标，然后通过测量和处理磁场三分量数据，实现探测混凝土界面位置从而控制混凝土灌注高度。设计了一套基于磁探测技术的灌注桩超灌检测系统，通过室内试验完成测点选择，并将磁性目标比重设计为2.1 g/cm3，报警阈值标定为333 mG。通过施工现场试验验证：系统实现快速检测混凝土界面到达桩基标高和超灌上限位置，准确完成两级预警实现了自动化检测，解决了施工现场混凝土欠灌或超灌过多的难题，有效地减少了混凝土的浪费。

摘要:针对归一化最小均方（NLMS）算法初始滤波效果较差以及非局部均值(NLM)滤波鲁棒性较差的问题，本文提出一种基于变分模态分解(VMD)-豪斯多夫距离非局部均值（HDNLM）滤波改进模型。对于下肢肌电信号中的电力线干扰和高斯白噪声，利用VMD对含噪声信号进行分解，通过HDNLM对分解信号进行滤波，并把滤波输出的信号进行叠加，最后利用信噪比(SNR)和改进的均方根误差(IRMSE)来评价算法的性能。实验结果表明，在16块肌肉肌电信号中，当噪声幅值是0.1~0.2 M时，NLM及其改进NLM(INLM)相对于VMD-HDNLM和NLMS，其平均滤波的效果较好；但是当肌电信号噪声幅值是0.3~0.5 M时，VMD-HDNLM的IRMSE值相对于NLM、NLMS和INLM平均提高0.64%、1.84%、3.11%和13.95%、12.77、11.07%以及1.05%、1.74%、2.85%。与此同时，VMD-HDNLM算法要比NLM、INLM算法取得IRMSE较小值的参数范围更广，其鲁棒性较好，在实际情况中取得较优值的概率更大。

摘要:无电解电容驱动系统常采用体积小，寿命长的薄膜电容贮存网侧输入能量，但该拓扑结构易引起网侧输入功率和逆变器侧输出功率耦合的问题。针对无电解电容驱动电路中由于功率耦合导致的网侧谐波含量多和功率因数降低的问题，提出了一种基于二阶广义积分锁相环和比例积分谐振控制器的带相位补偿的逆变器输出功率控制策略以改善网侧电流品质。首先，通过分析无电解电容驱动系统的电路拓扑结构，明确无电解电容驱动系统高功率因数条件；其次，利用二阶广义积分锁相环获取网侧电压的相位与幅值信息，并利用基尔霍夫电流定律计算逆变器输出功率相位补偿角；然后，建立了基于比例积分谐振控制器的逆变器输出功率控制回路，将逆变器输出功率调节接近理想值。最后，对比实验结果验证了所提方案的有效性。

摘要:传统输电铁塔组立监测系统存在无效能耗的数据传输空闲状态，致使其续航时间难以满足实际工程需求。为此，本文基于将空闲时间段的传感器转为低功耗休眠状态的思想，提出了一种适用于输电铁塔组立监测系统数据传输的M/M/1/N/∞排队模型，推导了监测系统中数据传输的分布方程，通过求解监测数据等待队长与有效输入率的比值和确定对应的数据传输轮换次数，确定了各传感器的数据传输空闲时间，实现了将处于空闲时间段的传感器转为休眠状态的低功耗工作模式。据此方法，研制的输电铁塔组立监测系统在周宁～宁德500 kV线路工程6天的实际监测过程中共耗电24%，续航时间与传统方法相比提升了1.9倍，满足监测系统续航时间大于单基铁塔组立施工周期的工程需求。

摘要:针对目前工业生产过程中存在砂纸表面缺陷人工质量检测精度低和检测效率低问题，提出一种基于YOLOv5网络模型融合CA注意力机制的砂纸表面缺陷自动检测方法。首先对砂纸生产过程中的砂纸表面图像进行采样，将收集到的砂纸表面缺陷图像分成脱砂、堆砂、划痕和褶皱4种缺陷类型来制作砂纸表面缺陷数据集；其次将YOLOv5主干网络中的C3模块与CA注意力机制结合，改进为CAC3模块；最后将改进前后的网络模型在自建砂纸表面缺陷数据集上进行训练和验证。实验结果表明：得到改进后的YOLOv5+CAC3网络模型，其P、R、mAP@0.5、mAP@0.5：0.95和S的数值分别为96.2%，92.9%，95.8%，65.0%，16.8 ms，相比于改进前的YOLOv5网络模型分别提高了1.1%、2.2%、0.6%、1.7%、4.5 ms。该方法在砂纸表面缺陷检测中精度高、速度快、检测稳定，符合砂纸生产过程中砂纸表面缺陷检测的要求。

摘要:针对滚动轴承振动信号的特征提取和故障诊断，提出了一种基于小波包信息熵和蛇优化算法（SO）优化支持向量机的滚动轴承故障诊断方法。使用小波包处理采集到的振动信号，构建小波包的能谱熵和系数熵，将构建的特征向量输入SO-SVM进行识别和分类;最终实现多故障模式识别，输出诊断结果。通过仿真实验表明，此方法对五组不同的样本诊断准确率达到99.17%~100%，且相比于果蝇算法优化支持向量机（FOA-SVM）和粒子群算法优化支持向量机（PSO-SVM）具有更高的故障识别分类效果。

摘要:开关磁阻电机因其特殊的双凸极结构及严重的非线性问题，会导致有很大的转矩脉动存在，严重限制了其应用范围。传统的转矩分配函数受转矩特性和电压限制等影响，在换相期间仍然存在较大的转矩脉动，并且在不同的速度段，受电流变化率及换相周期的影响，在换相重叠角固定时，其转矩脉动现象会更加明显。本文提出一种换相重叠角随转速实时变化的控制策略，通过检测电机运行过程中实际转矩过零点所对应的角度，计算出相对应的换相重叠角，并建立转矩负载-电机转速-换相重叠角之间的查值表，据此可以在不同负载下随着电机转速变化查询最合适的换相重叠角，使开关磁阻电机的转矩脉动最小。最后为了验证该策略的有效性与可行性，以一台3 kW、3相12/8极开关磁阻电机为控制对象进行仿真与实验验证，证明所提方法能够在较宽的速度范围内有效抑制开关磁阻电机的转矩脉动。

摘要:在无监督域适应中，对抗性训练框架验证了双分类器差异度量对迁移学习的重要性。经典的 UDA算法采用类内差异来度量双分类器的距离，例如L-1范数和Kullback-Leibler散度。本文从几何角度出发，考虑欧式空间中的双分类器的分布，以及传统的双分类器算法的不足，提出了一种新的欧式对偶度量，并将其纳入到对抗性的 UDA框架中。欧式对偶度量能够有效扩大双重分类器在假设空间中的分布。另外，本文也为欧式对偶度量的理论误差上届提供了理论依据。在公共 UDA 数据集上的实验表明，欧式对偶对抗算法在小规模数据集Digits、中规模数据集Office-31和大规模数据集VisDA的平均准确率分别为98.3%、87.8%和81.7%，很大程度上优于其他具有类内差异的双分类器 UDA 方法，并取得了与最先进方法相当的结果。

摘要:随着节能环保观念和绿色持续发展理念的深入人心，如何做好高炉节能减排已为目前钢铁行业面对的主要问题之一。为实现高炉节能减排，将人工智能技术与高炉生产数据相结合，提出了燃料比最低和煤比最高的多目标优化方案。在燃料比和煤比预测方面运用随机森林(RF)、长短时记忆网络结构(LSTM)、结合注意力机制的长短时记忆(LSTM-Attention)3个算法对比分析，选择出对燃料比和煤比预测最准确的LSTM-Attention模型作为预测模型。并在LSTM-Attention预测模型基础上，结合多目标粒子群算法(MOPSO)和非支配排序遗传算法(NSGA-II)分别寻找Pareto最优解进行对比，选择效果较好的MOPSO进行结果分析。结果表明，在高炉生产工况一定的情况下，控制决策变量压差、氧量、喷煤量和风量的参数值，约能降低能耗4.06×1011 kJ/年，减少CO2的排放量25.91 t/年，为高炉实现节能减排提供技术支持。

摘要:针对机电暂态过程中发电机动态状态难以精确估计问题，提出一种基于连续-离散容积信息滤波的动态状态估计方法。首先建立能准确刻画发电机实际运行动态的连续离散状态估计模型，然后利用1.5阶泰勒展开将随机微分方程转换为随机差分方程并根据三阶球半径容积规则对状态预测值进行精确计算，最后利用测量值对预测状态进行修正得到精确状态估计值。四机两区发电机系统的仿真结果表明，相较于传统发电机状态估计方法，文中方法不仅具有更高的估计精度、更强的鲁棒性和可接受的计算开销，而且具有易扩展于分布式电力系统状态估计的灵活性。

摘要:基于FMCW雷达的非接触式心率估计方法具有舒适、便利等优势。由于噪声和呼吸谐波的干扰，现有方法的准确率仍存在一定局限。针对上述问题，提出了一种心率估计方法。在相位分析的基础上，对相位信号进行相位差分运算，以增强心跳信号，再通过改进的小波阈值去噪方法进行去噪处理，消除噪声干扰。在频率估计时，本文通过海明窗函数对心跳信号进行处理，再用多信号分类算法进行频率估计，可以解决信号截获造成的频谱泄漏问题，并提高多信号分类算法的分辨率和稳定性，从而降低呼吸谐波及噪声对心率估计的影响，获得准确的心率值。仿真结果表明，本方法提高了心率估计的准确性。

摘要:印刷电路板作为电子产品不可或缺的重要组成部分，其市场需求量与日俱增，因此制造无缺陷的PCB具有重要意义；针对PCB缺陷检测中待检测的缺陷目标较小且多数检测目标与背景容易混淆导致的误检漏检，改进的算法在原生YOLOv5算法的骨干网络中引入坐标注意力机制，在颈部网络中引入Transformer Encoder并增加一个适用于小目标的高分辨率检测头，并且将选定锚框的交并比算法部分改为更先进的E-IoU。相较于原生YOLOv5算法，根据算法评价指标精确率，召回率和平均检测精度均值的结果,改进后的算法性能有显著提升，其中平均检测精度均值更是高达98.46%，且检测速度也达到了72.4 Hz，可以满足工业现场对PCB缺陷检测的精度要求。

摘要:为了提高汽车故障诊断效率，降低诊断代价并解决静态故障树（SFT）无法描述汽车系统中动态失效序列的问题，提出一种基于动态故障树（DFT）的汽车系统故障诊断方法。首先，利用DFT建立系统的失效模式模型，并采用顺序二元决策图（SBDD）计算DFT的最小割集（MCS）；然后计算MCS以及MCS中组件的诊断重要度（DIF）；并在此基础上给出基于统一诊断服务（UDS）协议的汽车故障诊断方法，将诊断故障码对应的MCS过滤并排序，优先诊断DIF大的MCS和系统组件；最后通过一个汽车主动转向系统的应用实例对本文方法的有效性进行验证。案例分析结果表明，所提方法能够计算汽车故障诊断MCS序列，可以有效指导汽车故障诊断工作。

摘要:在“碳达峰，碳中和”背景下，未来能源发展将由单一的能源系统向综合能源系统转变。随着电动汽车车网互动技术的发展与应用，柔性负荷占比的显著提升，综合能源系统中的可调度资源将愈加丰富。在此背景下，本文将含电动汽车换电站和多类型柔性负荷的综合能源系统作为研究对象。首先，建立包含风电、储能、热电联产机组、燃气锅炉等设备的综合能源系统模型。其次，在计及电、热、气柔性负荷响应的基础上，将电动汽车换电站的充放电特性考虑到综合能源系统的优化调度中，以系统运行成本最小为目标，构建综合考虑多类型柔性负荷响应和换电站有序调度的综合能源系统优化模型。最后采用Yalmip进行建模并调用Cplex求解器对模型求解。算例结果表明，调度周期内系统运行成本降低了13.04%，风电消纳率提高8.65%，负荷峰谷差降低24.58%，验证了所提模型在降低系统运行成本、削峰填谷以及消纳风电等方面的有效性。

摘要:自动驾驶汽车是智能交通的重要组成部分，也是未来交通的发展趋势。提高自动驾驶技术的可靠性需要对自动驾驶汽车进行广泛的测试。然而，进行实车路测成本高昂且风险较高。如何建立模型生成多样且真实的交通场景，在测试自动驾驶技术的时候显得尤为重要。针对自动驾驶交通场景生成问题，提出了一个基于生成对抗网络的交通场景生成模型TSG-GAN。TSG-GAN模型利用丰富的交通场景数据（如车道的几何形状、人行横道、交通信号、周围车辆等）快速生成真实且多样的交通场景。在设置车辆驾驶意图的情况下，TSG-GAN模型可以精确地生成现实中未观察到的真实交通场景。通过在公开数据集上进行测试，验证了该模型的有效性。

摘要:放电管生产过程中，电极表面电子粉涂覆是否均匀是影响放电管产品质量的关键，目前主要依赖于人工目检，针对人工检测效率低、精度差等问题，提出一种基于改进YOLOv5的电子粉涂覆不均检测算法。首先，采集电极表面电子粉涂覆的图像制作数据集，并进行数据增强；其次，引入STDC模块优化主干特征提取网络，提高对难以辨认的金属电极表面缺陷不均的检测精度，并生成两个特征图以适应数据集；最后使用K-means++聚类优化自适应锚框计算。实验结果表明：改进YOLOv5算法对电子粉涂覆不均检测的mAP@50达到99.22%，与原YOLOv5网络相比提升了6.84%，大大提升了检测精度，相较于人工检测其效率更高。

摘要:针对光照条件差导致的胶痕检测效率低、精度差等问题，提出了一种基于改进麻雀搜索算法的机场跑道胶痕多阈值分割方法。首先利用透镜成像反向学习提高初始化种群的多样性，然后引入优化性能级别和自适应因子，提高发现者个体质量和搜索能力，其次引入萤火虫算法，协助传统麻雀搜索算法跳出局部最优，最后采用改进麻雀算法优化Tsallis相对熵度量函数实现胶痕自动、精准分割。实验结果表明，该方法的胶痕检测精度远高于传统算法，其FSIM值均大于0.8，SSIM值接近于1，并且在光照条件差和道面、标志线与胶痕混叠的情况下表现出了良好的分割效果。

摘要:在利用标签焊接机器人为捆装棒材焊接标签时，需要向其提供一组棒材端面中心点的三维坐标，针对从捆装棒材中选择并定位棒材端面中心点的问题，提出一种基于双目立体视觉的方法。该方法利用双目视觉系统的虚拟像平面模型，通过将平面标定板摆放在平行于捆装棒材端平面的位置进行两台相机的外参标定，根据标定结果生成目标在该标定平面上的虚拟图像；采用SVM和连通区的方法提取虚拟图像中棒材端面中心点特征；采用极线约束和中心点共面约束的方法进行特征匹配，向机器人提供一组端面中心点三维坐标。仿真实验结果显示提供给机器人的推荐点均来自正确匹配点对，说明本文提出的特征匹配算法有效；真实实验中推荐点深度位移最大误差为0.20 mm，平均误差为0.09 mm，说明本文提出的棒材中心点特征提取方法有效。

摘要:烧结机尾断面火焰图像蕴含大量与烧结终点相关的特征信息，充分利用烧结火焰图像特征信息进行在线判断烧结终点状态，具有可行性及工程实际意义。针对烧结机尾断面火焰图像特征信息难以提取、识别精度低以及难以满足实时性等问题，提出一种基于改进的MobileNetV3烧结断面火焰图像识别算法。以MobileNetV3作为烧结终点火焰状态特征信息提取的基础模型，引入注意力机制；改进通道注意力结构，减少特征损失提高识别精度；引入空间注意力机制，设计双分支通道空间注意力模块精确捕捉了红火区在烧结断面火焰图像中的位置和内容信息；引入数据增强和余弦退火学习率来提高模型的泛化能力，并采用冻结训练策略加速模型收敛。在烧结火焰数据集上的实验表明，该算法能够充分利用烧结火焰图像中的特征信息，识别准确率达到97.54%，较改进前提高了6.41%。

摘要:针对卷积神经网络对番茄叶片型病害分类效果不佳的问题，提出了一种基于改进MobileViT轻量级网络的番茄病害识别方法。首先，删除输入和全局表征层的特征融合，将局部和全局表征层进行特征融合，使局部表征与全局表征更加密切相关；其次，为了避免模型在缩放时参数和FLOPS的大幅增加，在融合块中使用1×1卷积层替换3×3卷积层；然后，还添加了输入与融合块的残差结构，优化了网络模型中的更深层次；最后，将ReLU6激活函数替换成H-Swish激活函数，进一步提高了模型准确率。实验结果表明，改进后的MobileViT模型可以很好地实现番茄病害的识别，平均识别准确率达到99.16%。相较于其它的卷积神经网络模型，具有更高的识别精度。