摘要:随着人们对室内定位需求不断增加，具有良好通信功能以及定位性能的超宽带（UWB）技术在室内定位领域发挥着重要作用。针对UWB通信信号在室内复杂环境中容易受到干扰，造成定位误差的问题，本文建立K-means算法对采集数据进行聚类分析，剔除有信号干扰时产生的错误测距数值，并在经典Chan算法的基础上进行改进创建出Chan-IDW模型来确定靶点位置的实际坐标，再通过均方差误差（RMSE）来衡量出该定位模型的精度。实验结果计算出在信号干扰下定位的靶点二维坐标平均误差为5.67 cm，三维坐标平均误差为11.34 cm，误差均在厘米级别，表明该模型求解靶点坐标与其真实坐标非常接近。因此得出结论，Chan-IDW模型可有效解决室内信号干扰下的UWB精确定位问题。

摘要:转矩脉动是影响内置式潜油电机的重要因素，通过对电机转子内部磁通屏障的设计，进而达到降低转矩脉动的目的。以10极12槽内置式“一”字型潜油电机为基础模型，使用有限元法对潜油电机转子进行了二维瞬态场分析。基于磁通屏障效应对潜油电机气隙径向磁密的影响，得出了潜油电机转子在各种运转工况条件下的径向电磁特性分布的状况，并分别比较研究电机的齿槽转矩和电磁转矩等转矩特性。优化后，潜油电机的转矩脉动有了显著的降低。最后，采用砝码法验证磁通屏障的设计对潜油电机齿槽转矩具有较好的抑制效果。由于潜油电机的定子结构被限制，磁通屏障的优化设计具有非常大的意义。

摘要:针对工业机器人在抛磨等工作过程中对接触压力的要求，提出了一种基于粒子群（PSO）优化的模糊PID恒力控制方法。对柔性力控法兰装置的受力和气体流量模型进行分析，建立柔性力控法兰装置的数学模型；设计了基于PSO算法的模糊PID控制器，自适应调节模糊PID的控制参数，通过MATLAB仿真对比了普通PID、模糊PID和基于PSO算法优化的模糊PID这3种控制方法的性能；最后，通过搭建基于柔性力控法兰装置的打磨实验平台，对柔性力控法兰的恒力控制输出性能进行实验验证。仿真实验结果表明，与传统PID和模糊PID控制方法相比，基于PSO算法优化的模糊PID控制没有超调，系统响应速度更快，在0.43 s时系统达到稳定；在进行恒力打磨实验时，柔性力控法兰实际接触力输出误差小于0.85 N；打磨后的壳体表面各区域粗糙度稳定在Ra0.1~Ra0.2之间。该方法能够有效地抑制接触压力波动，具有更强的鲁棒性。

摘要:为了解决传统模拟PI控制器参数不易整定以及面对被控对象发生变化时无法在线进行参数调整的问题，引入了忆阻器件实现了控制器参数可在线调整。同时针对忆阻器阻值大小不易确定的问题，引入了模糊算法，将模糊算法与忆阻PI控制器进行结合，设计了一种模糊忆阻PI控制系统，实现了控制器参数的自适应调整。在理论推导的基础上，进行了Multisim仿真与电路实验。结果表明，基于模糊算法的自适应忆阻PI控制系统与传统模拟PI控制器相比，参数可以进行在线调整，具有较强的自适应能力，且基于模糊算法的自适应忆阻PI控制系统可以将系统的超调量降低66.27%，具有更好的跟踪性能。

摘要:利用COMSOL软件构建了敲击法陶瓷品检测的力学模型，用于预测冲击动态量中的最大冲击力。将陶瓷结构简化为立方体陶瓷试验片，对其受力信号进行时域分析，研究了合格陶瓷品与缺陷陶瓷品所受的敲击法冲击力信号波形的差异，以及缺陷尺寸大小对敲击冲击力的响应差异。结果表明，合格陶瓷品得到的冲击力信号峰值高于缺陷陶瓷品；缺陷的宽度和长度影响冲击力信号的幅值，缺陷宽度越宽或缺陷长度越长，冲击力信号峰值越低；缺陷深度较小的情况下对冲击力信号峰值的影响不明显。该研究结果揭示了合格陶瓷品和缺陷陶瓷品对敲击冲击力响应的特性差异，能为自动化生产线的在线检测过程中缺陷陶瓷品的准确识别提供有效的理论支撑。

摘要:本文提出了一种具有宽动态输入功率范围的宽带整流器，主要用于低输入功率条件。提出的整流器利用肖特基二极管的单向导电性和并联型电路拓扑结构进行整流。在提出的结构中，采用了由两级微带线和匹配电感组成的宽带阻抗匹配网络，以减少失配损耗，并在工作范围内实现高射频到直流的功率转换效率(PCE)。其中匹配电感是为了抵消二极管的电容。提出的整流器被设计、优化、仿真、制造和测试。测试结果与仿真结果非常吻合。在输入功率范围为-1~10 dBm，带宽为1.8~2.8 GHz（相对带宽为43.4%）的情况下，PCE大于50%。此外，在输入功率为10 dBm时，PCE峰值为76.4%。与以前的类似工作相比，本文提出的整流器工作于最低的功率水平，使其在射频能量收集的发展中具有重要的应用前景。

摘要:针对射频MEMS开关寿命测试成本昂贵，测试连线复杂，且随着射频MEMS开关的尺寸不断缩小，传统测试效率低、测试任务只能在实验室进行等问题，本文设计并实现了一种小型且集成化的射频MEMS开关测试系统，组建了具备信号发生、波形实时监测、寿命计算、数据记录和测试报告打印等功能的射频MEMS开关测试系统，并用该系统对某款射频MEMS开关进行了初步测试评价。结果表明该系统较好的完成了射频MEMS开关的开关电压、开关时间和冷、热寿命的测试，能够满足射频MEMS开关的测试要求，证明了该测试系统的实用性和测试工作的准确性。

摘要:传统的蚁群算法（ACA）在路径规划中难以克服路径次优及收敛慢等问题。针对这些问题，提出一种跳点优化蚁群算法（JPOACA）。通过引入跳点搜索（JPS）算法价值函数，筛选出低成本的邻域节点，然后运用ACA的多邻域性扩展JPS算法的邻域，扩大JPOACA的视野，增加低成本邻域数量，在低成本的JPS算法邻域内设计夹角启发信息函数和步长启发信息函数，提高算法的路径寻优能力，最后采用在跳点处补充信息素，最优路径的跳点处额外增加信息素的信息素补充方式，提高融合算法的收敛速度。仿真结果表明，JPOACA规划出的路径光滑更好性，且收敛速度、对复杂地形的适应能力均有显著提升。

摘要:针对灰狼优化算法在移动机器人路径规划时易陷入局部最优且效率低的问题，提出一种杂交退火灰狼算法。采用可调节的非线性收敛因子进行平衡算法的前期搜索和后期寻优; 同时采用自适应遗传杂交策略，对灰狼群体以一定概率两两杂交以产生新个体，从而有效增强灰狼群体的多样性；在迭代的后期用模拟退火操作接受候选狼，避免算法陷入局部最优解。将路径长度和路径平滑度作为适应度评估指标并建立评估函数以评估路径规划效果。最后，路径规划实验结果表明，在3种不同尺寸的地图上，本文改进算法的适应度比灰狼优化算法分别优化了2.10、3.15、3.94，路径规划效果明显优于其他相关算法。

摘要:随着大量分布式光伏的接入，配电网运行状态变得更为复杂。为准确的评估配电系统实时健康状态，提出一种计及网络节点与线路重要度的配电网实时健康状态评估方法。首先，考虑光伏接入网络最优潮流、负荷重要性和某节点停运后的负荷损失对LeaderRank算法进行改进，考虑某节点停运后的功率损失和节点LR值对负荷矩算法进行改进，利用改进的电气LeaderRank算法和线路负荷矩算法对配电网中节点与线路重要度进行评估；然后，基于配电设备运行的电气量与非电气量参数分别计算配电节点与线路的健康指数。综合考虑配电网中节点与线路的健康度和重要度计算配电网的健康指数，判断配电网的健康状态。最后，以某地10 kV配电网为例，得到其健康指数为2.266 3，处于一般缺陷状态，适当提高该配电网中分布式光伏渗透率，其健康状态有所改善，证明所提方法的有效性与合理性。

摘要:针对传统DWA算法在复杂动态环境中容易陷入局部最优和动态避障性差等问题，提出一种基于A*的改进DWA算法。首先在DWA算法中引入碰撞锥对静、动障碍物进行避障检测，并通过速度窗口剔除掉具有碰撞威胁的速度来优化约束空间。其次根据静、动障碍物信息改进评价函数，提高DWA算法的轨迹评估能力。最后将改进的DWA算法与A*算法相融合，解决DWA算法在复杂环境中容易陷入局部最优的问题。仿真结果显示，相比于其他同类型算法，该算法在行进速度和安全距离方面均可提高50%以上，不但可以使机器人按照全局最优路径行进，而且有效提高了机器人在复杂动态环境的避障能力。

摘要:为提高永磁同步电机系统的宽范围调速精度和动态响应性能，并解决预测速度控制中传统价值函数权重系数难以调整的问题，本文提出一种无权重系数的永磁电机系统快速预测速度控制策略，并结合电压矢量优化提出一种新的拓宽调速范围的方法。首先建立PMSM离散化模型，并进行参考电压矢量的预测，之后改进价值函数到电压量纲以省去权重系数，并根据参考电压矢量所在扇区位置进行备选矢量的选择，以缩短计算次数。同时为拓宽PMSM的调速范围，结合电压比较法，并从α-β坐标系电流极限和电压极限角度分析，辅以电压矢量调节时间的修正以实现对电流和电压的限制。最后，通过实验研究证明所提出的控制策略能够满足宽范围调速的动稳态需求，且无需权重系数整定。

摘要:本文提出了一种基于特殊历史数据段挖掘的切换Hammerstein模型辨识方法。特殊数据段是指处于稳定状态和稳定斜坡响应的数据段。首先，根据稳态数据采用随机抽样一致算法辨识静态非线性子系统。其次，根据稳定的斜坡响应数据利用密度峰值聚类算法辨识切换Hammerstein模型线性动态子系统的结构和相应的操作区间。最后，根据操作区间划分历史数据集，采用最小二乘算法辨识切换的多个线性动态子系统的模型参数。数值仿真和实验案例结果表明，与标准Hammerstein辨识方法相比，所提方法可以实现不同工作点切换的多个线性动态子模型的结构辨识及操作区间划分，降低了模型结构未知时切换动态子系统对模型参数辨识的影响，提高了切换Hammerstein模型的辨识精度。

摘要:路灯正常运行对于城市照明具有重要意义。当前路灯故障检测局限于初步的故障现象，无法辨识具体的故障类别。为实现路灯具体故障类别的检测，本文以路灯监控和数据采集系统的路灯运行数据为对象，提出了一种基于改进VMD与特征选择的路灯故障检测模型。首先，利用主成分分析法筛选路灯运行数据的主要变量参数，并用变分模态分解对筛选参数进行分解。同时，引入鲸鱼优化算法改进变分模态分解的自适应性。在特征选择方面，通过Pearson系数选择相关IMF分量结合样本熵构建故障特征向量。最后，结合广西崇左市2019~2022年路灯故障数据，建立基于XGBoost的故障诊断模型，从而辨别路灯的正常、电源故障、线路故障、保险故障4种状态。实验结果表明，该方法能有效实现路灯具体故障类别的诊断，故障辨识率为93.75%，为路灯故障检测研究提供了新途径。

摘要:常用的功率回退法可以在一定程度上改善放大器的非线性问题，但由于该方法的效率较低，因此使用范围存在局限性。本文在功率回退的基础上，提出了一种结合多项式拟合的方法，提升了传统功率回退法6~10 dB的回退范围约束。为了验证组合方法的效果，本文搭建了基于LabVIEW的光电放大测试平台，对不同给定频率下的正弦波、方波以及三角波信号进行信号放大试验。在测试系统放大功能的同时对输出信号进行功率周期图谱分析，能够确定其谐波失真的状态。试验结果表明，改进后的方法降低各谐波分量的功率值相较于功率回退提高了34.6%，证明了该方法对进一步改善放大器非线性问题的有效性。

摘要:针对现有的绝缘子缺陷检测深度神经网络模型规模大、计算资源消耗高、检测精度低，难以部署在边缘端，本文基于通道剪枝和YOLOv5s方法提出具有非对称卷积和注意力机制的轻量级绝缘子缺陷检测模型ACAM-YOLOv5s。ACAM-YOLOv5s模型采用非对称卷积模块ACBlock替换YOLOv5s骨干网络残差结构中的标准卷积，并结合通道和空间混合的注意力CBAM进行特征融合，以增强骨干网络的表达能力、特征提取能力以及鲁棒性。引入对边界框大小和位置灵敏性高的PIoU作为定位回归损失，解决绝缘子纵横比高导致缺陷检测定位准确率低的问题。基于BN层通道剪枝方法对ACAM-YOLOv5s模型进一步稀疏化训练、剪枝和微调，得到轻量化缺陷检测模型。实验结果表明，剪枝后的ACAM-YOLOv5s模型和原始YOLOv5s相比，在检测精度、计算量和模型体积方面，具有相对优势，能够满足边缘设备部署的需求，在无人机航拍绝缘子缺陷检测领域具有潜在价值。

摘要:为提升多尺度目标的分割效果，增强特征提取能力，提出了一种基于双重注意力机制的改进U-Net街景图像语义分割方法。在U-Net编码阶段的第5个卷积块之后，添加特征金字塔注意力模块，提取多尺度特征，融合上下文信息，增强目标语义特征。在解码阶段不再采用U-Net的特征拼接方法，而是设计了一个空间域-通道域联合注意力模块，接收来自跳跃连接的低层特征图和来自前一个注意力模块的高层特征图。在Cityscapes数据集上的实验结果表明，引入的注意力模块可有效提升街景图像分割精度，与PSPNet、FCN等方法相比，分割性能指标mIoU提升了2.0%~9.6%。

摘要:针对现有低光照图像增强算法存在对比度低、边缘细节丢失及增强过度等问题，提出一种基于全局双伽马校正与改进 SSA 算法结合的低光照图像增强方法。首先对图像预处理，其次采用双伽马函数结合麻雀优化算法进行全局校正，此外为改善算法收敛性能，引入精英反向学习和Lévy飞行策略来改进麻雀算法，优化对参数(α)的选择，通过寻找最优伽马值实现对图像的细节增强。仿真实验结果表明，该算法增强后的图像峰值信噪比和结构相似性指标较大，图像颜色失真较小，细节更加丰富，整体增强效果优于其他对比算法，具有较好的处理效果。

摘要:随着计算机三维视觉的快速发展，包含空间几何信息的点云数据广泛应用于机器人、自动驾驶等场景中，然而由于遮挡、角度受限等原因经常会造成几何语义信息的缺失。为了解决这一问题，提出了SRC-Net，首先利用融合动态图卷积网络编码器和折叠网络解码器的骨架重建网络从残缺点云中重建出几何骨架，接着使用自编码器结构建立几何骨架到均匀完整点云的映射。最后在MVP数据集上的补全结果表明，SRC-Net较现有补全网络可以生成更均匀且光滑分布的高质量完整点云，并能达到更为细节的补全效果，为点云深度学习补全提供了一种新的思路和方法，具有一定指导意义。

摘要:玫瑰鲜切花的分级检测对其销售有着重要意义，目前玫瑰鲜切花的分级检测主要采用人工的方式。为减少人工分级过程中造成玫瑰鲜切花的损失，基于机器视觉方法运用HALCON软件搭建了一套玫瑰鲜切花分级检测系统。首先，设计了试验平台，建立了玫瑰鲜切花分级标准。随后，加入了图像增强和数据增强技术，使图像效果得到改善，并增加了样本的数量，利用中值滤波法让图片噪声得到消除，保证了分类结果的准确性。最后，将训练样本加入5个模型中进行训练，比较每个模型的训练结果，选用Mobilenet_v2模型加入图像分类系统对鲜切花俯视图分类，并建立一维测量系统测量花茎的长度；建立评判准则模型，完成对玫瑰鲜切花的分级。经测试，得到俯视图分类系统的分类准确率为94%，经一维测量的花茎长度都在误差允许范围内。

摘要:针对工业生产中钢材表面背景复杂导致缺陷检测精度低的问题，本文提出一种基于改进YOLOX的钢材表面缺陷检测算法。首先，引入了Swin Transformer模块来捕获缺陷钢材表面区域全局上下文信息并提取更多差异化特征；其次，采用加权双向特征金字塔网络（BiFPN），能够方便、快速的进行跨尺度特征融合；最后，对原始目标定位损失函数进行改进，建立了一种融合边界框中心位置的CIoU损失函数从而实现目标框高精度定位。实验表明，算法在NEU-DET数据集上的mAP为80.7%，检测精度相较于原始YOLOX-S网络提高了6.2%，同时也明显高于一些其他主流算法，具有较高的准确率和实用性。

摘要:变电站户外巡检任务中，由于大风，大雾，路面不平等复杂环境影响，巡检机器人容易出现抖动和视角偏差，导致所获取的仪表图片出现模糊，倾斜等问题，难以保证指针式仪表识别读数的准确性。为解决此问题，结合YOLOX目标检测，DeblurGAN-v2图像增强，DeepLabV3+语义分割神经网络算法，研究了模糊指针式仪表矫正读数识别方法。首先改进YOLOX网络实现仪表表盘、指针区域和仪表文字信息提取，并获取仪表参数，其次增强DeblurGAN-v2网络的特征提取能力，去除图像模糊影响，然后使用DeepLabV3+网络分割表盘和指针。仪表图像矫正过程采用透视变换和文本矩形轮廓矫正实现仪表高精度矫正。实验证明，该方法在检测任务中更能适应复杂环境影响，检测准确率高达9755%，满足工业上自动化检测要求。

摘要:为提高建筑工地的钢筋计数效率，围绕施工单位硬件设备算力不足，钢筋图像物体密集遮挡严重的情况，提出一种改进的轻量化YOLOv4算法。提出GCA-MobilenetV2轻量级网络替换CSPDarknet53，作为YOLOv4算法的主干特征网络。针对钢筋图像密集，物体间遮挡严重的情况，提出融合通道注意力机制的attention-CSP-PANet结构。针对深层网络SPP结构参数量大，模型训练时梯度消失的问题，提出DepthLite-SPP结构，增强深层网络的感受野，提高算法的检测速度。针对一阶段回归的算法正负样本失衡问题，设计CIOU-Focal损失函数。实验证明，在自建钢筋数据集中检测精度为98.78%，对比原算法精度提升了3.36%，检测速度FPS提升了7.6，参数量仅为原算法的1/3。

摘要:针对现有绝缘子缺陷检测模型检测精度低、实时性差和网络参数多的问题，提出了一种基于YOLO v4改进的绝缘子缺陷检测模型。首先，利用改进的VGG卷积神经网络实现了主干特征提取。其次，在加强特征提取网络和预测网络中引入深度可分离卷积，降低了模型的复杂度。再次，在加强特征提取网络中融合通道注意力机制对重要特征进行增强，提升了模型对绝缘子缺陷的目标辨识能力。最后，以平均精度、帧率、参数量等作为评价指标，对基于公共数据集CPLID构建的新数据集进行了消融实验和对比实验。实验结果表明，改进的YOLO v4模型对绝缘子缺陷的检测精度为98.35%，相比于传统的YOLO v4模型提高了6.4%，并且其检测速度和参数量分别为传统YOLO v4模型的1.5倍和37.5%，可实现对航拍绝缘子缺陷图像的高精度实时有效检测。同时，改进的模型相比YOLO v5-M和Faster R-CNN模型在检测精度，速度和模型复杂度上也更具优势。

摘要:对于超磁致伸缩材料固有的迟滞非线性特性，本文提出一种基于小脑模型神经网络（CMAC）前馈逆补偿与PID相结合的复合控制方法。首先利用CMAC神经网络学习获得超磁致伸缩致动器（GMA）的迟滞逆模型进行补偿，再利用CMAC模型在线快速学习适应的能力，结合PID控制器降低跟踪控制时的误差和扰动，从而实现GMA的精密控制。通过MATLAB建立了CMAC前馈逆补偿控制器和CMAC-PID复合控制模型，最后通过仿真实验验证所提方法的有效性。结果表明,提出的利用CMAC神经网络逼近的迟滞模型具有令人满意的精度，在CMAC-PID复合控制方案的作用下，系统的期望位移与实际位移相对误差值最大值仅2.39%，平均相对误差值不到0.5%。说明该控制策略能适应控制对象的非线性变化，有效地提高GMA的跟踪精度。

摘要:为进一步研究窄带水声信号特征与波达方向（DOA）的映射关系，在基于三层自组织神经网络映射对声信号特征向量进行拓扑排序的基础上，提出了结合区域Lipschitzs系数及局部Lipschitzs系数进行改进的DOA估计模型。该方法通过对信号特征与波达角所形成的映射进行非扩张映射检验，即对区域李普希兹系数进行讨论并对映射的优劣进行评判，以自组织神经网络为训练器，依据特征层拓扑排序并结合局部Lipschitzs系数构建基于1-邻域的综合DOA估计法则，从而改进了DOA估计系统。仿真实验结果显示该方法所选择特征用于对DOA的估计效果更优，平均误差、方差均在10-2以内；在信噪比(SNR)从20 dB下降到2 dB的情况下，对照其他常用DOA估计算法，估计结果同时显示出良好的鲁棒性。