摘要:基于传统数据驱动的过程故障检测存在忽略正常数据与故障数据之间微小差异和检测不灵敏问题，本文提出了一种基于FRFT和CNN结合的故障检测方法。从放大正常数据与故障数据之间的微小差异方面入手，一则利用CVDA构造残差矩阵用于数据监测，增强灵敏度；二则利用FRFT对数据进行变换，将一些幅值低，易被噪声掩盖的故障从时域转换为频域，尽可能放大其特征，使其易检测。最后利用CNN对处理完的数据进行检测，解决了忽略微小差异和检测灵敏度低的问题，通过TE过程进行实验验证，在故障检测率方面得到提高，表明所提方法的有效性。

摘要:针对传统磁悬浮开关磁阻电机的输出转矩小及转矩与悬浮的耦合问题，提出一种四相16/14/8极混合励磁双定子磁悬浮开关磁阻电机。介绍了该电机的拓扑结构、转矩原理与悬浮原理，并优化了转矩绕组的励磁方式，运用有限元法比较分析了该电机与同参数不加永磁体电机的电磁特性，包括电机的转矩特性以及解耦特性，仿真结果验证了该电机自解耦结构的合理性及能有效提高输出转矩。在麦克斯韦应力法基础上，根据电机工作时的磁通分布建立了等效磁路图，采用分段函数拟合铁芯磁化曲线，推导出了考虑磁饱和的转矩数学模型，有限元仿真分析验证了转矩模型与仿真结果较吻合，最小相差约1.4%，最大相差约26%。

摘要:针对网络入侵检测领域存在检测准确率低的问题，研究异常流量样本少和分类器性能不佳时的入侵检测模型，提出一种基于改进生成对抗网络和混合时空神经网络的入侵检测模型。改进生成对抗网络通过学习异常流量样本的分布特性，生成具有特定标签的人工异常流量样本；融合卷积神经网络和双向长短时记忆神经网络提取攻击流量的时空融合特征，利用注意力机制对时空融合特征进行加权，构建混合时空神经网络对网络流量进行分类预测。在UNSW-NB15数据集上对所提模型进行仿真实验，准确率和F1分数分别为92.93%和94.81%，表明所提模型能够有效改善原始数据集中的类别不平衡性问题，提高对异常流量样本的检测能力和网络入侵的检测准确率。

摘要:针对禽类养殖过程中人工称重费时费力、造成动物应激以及电子仪器易被破坏等问题，设计了一套适用于禽类的无线动态自适应称重系统。系统将经验模态分解和鲁棒卡尔曼滤波结合并做出适应性改进；针对秤台因粪便和饲料堆积造成的称重零点偏移问题，创新性提出了一种基于队列的自动去皮算法。通过在肉鸡养殖场实际应用和监测验证，结果表明，本文设计的适用于禽类的无线动态自适应称重系统能够快速准确地获得动物体重，且具有良好的自适应性、稳定性和鲁棒性。

摘要:针对市面上电场传感器只能探测一维电场垂直分量且电场测量结果存在一定的误差，为了更加精确地测量大气电场强度，提高雷暴云预警的准确率，提出一种场磨式三维大气电场传感器，传感器主要结构由屏蔽罩、感应电极、光电开关、叶片和电机组成，电路设计主要包括I-V转换电路、差分放大电路、峰值检测电路和滤波电路等，进行传感器实地电场测量实验并整理实验数据；实验结果表明，该传感器能够对环境电场进行水平和垂直分量测量，有效反映了环境电场特征，验证了场磨式三维大气电场传感器结构设计和电路设计的有效性。

摘要:提出了一种基于直线检测模型的多传感器数据融合航向角随机误差校正方法，旨在提高农林环境下低成本传感器组成的定位平台的精度。该方法通过调整直线检测阈值来实现状态的动态调整，以提高导航系统的鲁棒性和精确性。再将多传感器数据通过卡尔曼滤波融合，实现航向角随机误差的校正。试验结果表明，该方法在不同路径和速度下能有效降低航向角误差提高定位精度。在直线行进试验中，本方法的定位精度保持在5 cm以内，航向角误差在5°以内。在矩形行进试验中，本方法的轨迹与差分RTK方法相近，平均误差仅为2.7 cm，标准差为3.9 cm。这一航向角校正方法为农业机械和车辆环境中的自主操作提供了有力支持。它能够适应不同的环境条件，提高导航系统的性能和测量准确性。

摘要:利用线结构光对工件进行三维测量时,快速、准确提取激光光条中心是测量系统的关键技术之一。提出一种基于空间灰度重心推进的激光中心提取方法。该方法基于激光条纹空间灰度重心向前推进,结合八邻域判定法进行光条空间区域的选取,接着对选取的区域进行新的空间灰度重心坐标提取;在完成整幅图像提取后,采取3σ准则剔除异常中心点,最终获得激光中心坐标信息。实验结果表明,所提算法对不同类型条纹的适用性强,提取效果稳定。提取中心均方根误差为0.492 pixel,相较于提取精度最优的Steger改进算法提升了9.8%,提取速度提高了5倍;相较于处理速度最优的内部推进算法,在保持提取速度基础上,提取精度提升了24.1%。同时,所提算法极大增强了对欠曝光光条图像的处理能力,有效降低了环境对线结构光测量的限制。

摘要:在多障碍物复杂工厂环境中，针对快速探索随机树算法(RRT*)生成的路径存在冗余点、贴近障碍物且存在锯齿状转折的问题，改进得到了安全光滑RRT*（SafeSmooth RRT*）路径规划算法。首先，引入目标偏置策略；其次，该算法利用融合目标点引力思想的新节点扩展方式以及改进的近邻点度量策略以减少树的盲目扩展，提高生长的目标性；随后，引入节点安全约束，将安全节点加入树中；改进路径简化方法，剔除冗余点的同时兼顾了安全性；最后通过B样条局部平滑来改善路径的平滑性。在MATLAB仿真实验中分别与标准RRT*算法、自适应目标偏向性RRT算法和改进RRT算法相比，在平均路径长度方面最大下降了7.1%，在平均有效节点数方面最大下降了64.1%，且所得路径始终与障碍物保持一定的安全距离，结果表明改进算法有效提升了路径的光滑性和安全性。

摘要:永磁同步电机在矢量控制时需要对电机相电流进行采样，采样过程中参考电平波动等诸多因素都会造成相电流中包含直流分量，此外直流电压注入法等永磁同步电机参数在线估计方法，也会在相电流中引入直流分量。本文详细分析了不同情况下直流分量的产生机理，研究了直流分量对控制效果、转矩脉动、效率等性能的影响。提出一种可滤除三相交流信号中直流分量的数据处理方法，该方法对不同因素引入的直流分量均能起到良好的抑制作用，从而增加控制稳定性，降低转矩波动，仿真和应用实践验证了算法有效性。

摘要:为了实现移动机器人在复杂环境中路径规划的高效搜索能力，提出了一种混合多策略的改进蜣螂算法。首先，引入改进ISPM混沌策略用于初始化蜣螂的初始种群，使初始总体分布更均匀，并降低算法落入局部最优解的可能性。然后，将贪婪选择策略与改进透镜成像反向学习策略相结合，改进蜣螂觅食行为的位置更新，平衡算法的局部开发和全局搜索能力，提高算法的收敛能力；最后，利用莱维飞行策略并加入改进动态权重更新方式，改进蜣螂偷窃行为的位置更新，改变最优全局解，防止算法陷入局部最优。为了验证改进算法的性能，采用基本测试函数和路径优化方面仿真，将改进后算法与其他四种群体智能算法进行了比较。实验结果表明，改进的蜣螂优化算法显著提高了收敛速度和优化精度，具有良好的鲁棒性。

摘要:针对车辆在行驶过程中产生的车身姿态失衡问题，提出了一种基于姿态补偿的主动悬架整车车身姿态控制策略。在建立整车七自由度动力学模型，并基于随机路面进行实车试验验证整车模型的准确性的基础上，构建了模型预测控制器，根据状态观测器估计的各信号求解各个悬架的垂向控制力以衰减车辆垂向振动；进而以模糊算法为基础设计车身姿态补偿控制策略，使电磁直线作动器产生反作用力以抑制车身姿态恶化。选取某型号直线电机作为主动悬架力源，将垂向控制力与姿态补偿力合并得到各悬架控制所需电磁作动力，以此计算电机所需目标电流，并通过MATLAB/Simulink平台对主动悬架系统进行仿真。仿真结果表明：所提出的基于主动悬架的整车车身姿态控制策略在不影响车辆垂向控制效果的基础上，能够大幅降低车辆质心侧倾角和俯仰角的均方根值，车身姿态得到有效控制。

摘要:现有电力线路弧垂测量方法操作繁琐且智能化程度低，提出一种融合单目深度和RTK定位的电力线弧垂测量方法。首先，无人机拍摄电力线路关键点图像，将其输入构建的单目深度估计模型EleDepNet生成对应深度图，该模型嵌入带状金字塔模块和边界融合注意力模块，使模型能精准地捕捉导线上下文语义信息；其次，引入深度矫正算法进一步修正深度图中的深度值，根据修正后的深度值得到关键点深度信息；最后，结合无人机RTK定位和关键点深度信息，在参考坐标系中生成关键点空间坐标进而拟合出导线抛物线公式，通过该公式计算出导线弧垂。在配网线路真实环境中进行测试，结果表明本方法在保证测量相对误差小于5%的前提下，作业效率明显提高，有较高的工程应用价值。

摘要:针对智能仓库物资自动化出入库流程，对于储存于纸箱中物资的出入库，需进行纸箱尺寸测量、纸箱拆解、物资倾倒、物资拣选等任务，因此首先应对纸箱进行无人化尺寸测量，提出自适应GrabCut的SGBM改进算法，实现纸箱尺寸自动测量。该方法首先完成双目相机的标定，利用NLM算法对采集的图片进行去噪处理，完成纸箱图片的立体校正，采用NCC、SGBM、AD-Census三种立体匹配算法得到纸箱的视差图，在分析其效果的基础上，提出基于模板匹配自适应GrabCut的SGBM改进算法用于纸箱立体匹配并得到其尺寸信息。实验结果表明，改进算法可以实现纸箱尺寸信息的精确测量，尺寸误差小于10 mm，满足实际的生产要求。

摘要:针对水下退化图像存在颜色失真、模糊雾化、对比度低等问题，提出了一种新的基于改进U-Net的水下图像增强算法。设计一种新的残差注意力结构和边缘检测模块并将其引入到U-Net网络中，构建改进后的水下图像增强算法。实验结果表明，本文提出的算法在校正水下色偏和增强对比度方面均得到了很好的效果，IE值较原始图像平均提高了14.2%，UCIQE值较原始图像平均提高了24%。消融实验结果表明,本文提出的残差注意力结构、边缘检测模块和损失函数均对水下图像增强起到了积极的效果。

摘要:针对细粒度图像识别存在类间差异小、难以区分等问题，本文通过提升网络对图像细节特征的表达能力，来改善这一问题。为此，设计了一种基于改进的Transformer细粒度识别算法。首先，可变形卷积令牌嵌入通过自适应调整采样点的位置，来改变卷积操作范围及其卷积核的形状，从而增强网络模型对空间信息的感知能力，以获取更为精准的空间信息；其次，高效相关通道注意力机制通过对通道的自动选择，将通道注意力的计算从通道相邻转换成语义相似，来捕获语义相似的通道信息。而精准的空间信息和语义相似的通道信息将有效提升网络模型局部特征感知能力。实验结果表明，与基线算法相比，本文方法在CUB-200-2011、Stanford Cars和Stanford Dogs三个数据集上的识别结果分别提升了1.5%、2.4%、1.5%。结果表明，本文提出的方法通过提升细粒度图像细节特征的表达能力，从而有效提高了细粒度图像识别的有效性。

摘要:针对在实际的交通道路目标检测中，存在着小目标检测精度低，遮挡目标容易出现漏检误检等问题，提出了一种改进的YOLOv5s道路目标检测算法YOLOv5s-OEAG。将YOLOv5s的标签分配策略更换为效率更高的OTA标签分配策略，提高模型的检测精度与泛化能力；提出了一种轻量化的解耦预测头对不同尺寸的特征层进行分类任务与回归任务的解耦，提高模型对道路中小目标的检测能力；将原始模型中的最近邻插值上采样模块替换为轻量级通用上采样CARAFE模块，有助于更好地保留图像中的细节信息，提高模型的精度；提出了一种新的C3模块GMC3，在减小模型计算量的同时提高模型捕获特征的能力；为了提高模型的泛化能力，对KITTI数据集进行了扩充，增加了小目标的数量。实验结果表明，改进后的模型在经过扩充后的KITTI数据集的mAP达到了90.4%，比原始模型的精度提高了2.8%；FPS为75，满足实时性的要求，在一定程度上提高了对复杂交通场景的适应能力。

摘要:在轻量级卷积神经网络进行高分辨率人体姿态估计时存在提取特征不充分，针对该问题，提出了一种基于特征增强的高分辨率人体姿态估计网络。首先利用空洞卷积补全操作提取图像特征，以避免特征信息丢失且保持模型参数基本不变；接着利用池化增强模块进行卷积提取特征的选择，以保留重要特征且减轻传统池化模块对提取特征造成的破坏；最后利用加强通道信息交互的深度可分离卷积模块进行特征提取，以保持该模块的参数量较少且能够提高其特征提取能力。在COCO2017数据集进行性能测试，本文算法和DiteHRNet30算法的AR值分别为77.9%和77.2%；在MPII数据集进行性能测试，本文算法和DiteHRNet30算法的PCKh值分别为32.6%和31.7%。实验结果表明，本文算法在人体姿态估计精度和算法复杂度之间能够达到较好的平衡。

摘要:针对在工业环境中传统接触式测量轴承尺寸操作复杂且检测成本高的问题，提出一种新的加入注意力机制和结合Canny算法的改进型HED网络边缘检测算法。该方法基于HED网络，将主干网络第4、5个阶段的卷积层替换成连续空洞卷积，并设置网络的第3、4层池化步长为1，增大模型的感受野，提高输出的边缘图像精度；加入高效通道注意力机制ECA模块，有效抑制无关纹理特征和非边缘像素等影响；使用Canny算法中的非极大值抑制和双阈值处理算法，对检测的粗边缘进行细化，得到更加精确的轴承边缘；使用最小二乘圆拟合算法，获取轴承的内外环尺寸参数。实验结果表明，改进后的HED网络在ODS和OIS指标上分别达到了0.811和0.835，该方法可以有效实现轴承边缘检测并保证轴承尺寸测量精度。

摘要:针对现有目标检测算法难以满足无人机遥感中实时检测的问题，提出了一种基于ShuffleNetv2及结构化剪枝的模型压缩方法。以YOLOv5m为基础，将ShuffleNetv2模型作为YOLOv5m的主干网络，减少模型的参数量及计算量，提升模型推理速度；其次，利用ECA注意力机制替换ShuffleNetv2中的SE模块，强化主干网络的特征提取能力；再者，以FocalEIoU作为YOLOv5算法的损失函数，提升模型的回归能力；最后，利用通道剪枝算法剔除Neck结构中冗余的参数，进一步压缩模型的参数及计算量，并通过模型微调的方式提升剪枝模型的精度。实验结果表明，在相同的测试环境下，与YOLOv5m相比，本文所提出模型的参数量及浮点运算量分别降低了86.3%和80.0%，mAP@0.5和mAP@0.5:0.95达到了92%及50.4%，优于所对比的其他主流检测算法。此外，所提出的模型在AGX边缘计算平台上达到了35帧/s的检测速度，满足实时检测的要求。

摘要:针对电力设备局部放电信号容易受到环境中的窄带噪声和白噪声的干扰，为了更好保留局放信号特征以便后续进行故障诊断和预测，提出了一种基于压缩感知重构和变分模态分解的变压器局部放电信号去噪方法。该方法首先使用窗函数抑制窄带干扰的频率泄露，之后利用窄带干扰在频域上与局放信号和白噪声之间稀疏度的差异从而将窄带信号进行分离重构以抑制窄带噪声，其次通过改进变分模态分解方法根据各模态含有局放信号信息的多少来对不同模态进行分类去噪，最终恢复出局放信号。通过仿真及实测信号对该方法进行去噪效果测试，并与奇异值分解和变分模态分解去噪方法的去噪效果进行对比，结果表明该方法能够有效抑制局部放电信号的干扰，相比传统算法的波形相似系数提升约2％，能够更好的保留局部放电信号的波形特征。

摘要:脑电信号识别方法较少将空间、时间和频率信息相融合，为了充分挖掘脑电信号包含的丰富信息，本文提出一种多域信息融合的脑电情感识别方法。该方法利用二维卷积神经网络和一维卷积神经网络相结合的并行卷积神经网络(PCNN)模型学习脑电信号的空间、时间和频率特征，来对人类情感状态进行分类。其中，2D-CNN用于挖掘相邻EEG通道间的空间和频率信息，1D-CNN用于挖掘EEG的时间和频率信息。最后，将两个并行卷积模块提取的信息融合进行情感识别。在数据集SEED上的情感三分类实验结果表明，融合空间、时间、频率特征的PCNN整体分类准确率达到了98.04%，与只提取空频信息的2D-CNN和提取时频信息的1D-CNN相比，准确率分别提高了1.97%和0.60%。并于最近的类似工作相比，本文提出的方法对于脑电情感分类具有一定的优越性。

摘要:由于脉冲噪声具有的短时大幅值特性，使得基于高斯假设的信号参数估计方法无法在脉冲噪声环境下有效估计参数。针对此问题，利用α稳定分布模拟随机脉冲噪声，提出了一种基于Sigmoid-CFRFT的LFM信号参数估计方法。首先，建立了一种自适应Sigmoid函数，证明了信号经过此非线性变换后，信号的2阶矩由无界变为有界，且信号的相位信息保持不变。其次，将变换后的信号进行离散时间CFRFT，建立了数学优化模型，并使用水循环算法搜索最优值点。最后，利用了非标准SαS分布噪声的修正方法，分析了标准和非标准分布下参数估计的性能。仿真结果说明，所提方法不仅可以有效抑制脉冲噪声对LFM信号分数谱特征的影响，而且能够实现低信噪比信号参数的高精度估计。相比于现有的基于非线性变换的参数估计方法，本文方法具有更好的精度，稳定性和噪声鲁棒性。

摘要:地基云的精细化识别对气候预测和气象研究具有重要的意义。针对目前地基云识别准确率低、泛化性差、不利于边缘化部署的问题，提出了基于残差网络的地基云图识别模型，命名为GBcNet。设计的模型由1个卷积层、2个池化层、5个残差块以及1个全连接层构成，利用第1个卷积层和第1个池化层初步提取特征信息并降低特征图大小，通过残差块提取更多的特征信息，同时抑制网络的过拟合和梯度消失，最后利用另1个池化层降低特征图的大小，并通过全连接层输出识别结果。利用数据集对模型进行训练和测试，实验结果表明，GBcNet模型对数据集的综合平均准确率达到了9602%，11种类别地基云的识别精确率均在93%~99%，且具有更好的泛化性，单个类别和整体识别性能均优于其他模型。进一步采用SWIMCAT数据集对模型进行实验，综合识别准确率达997%，证明模型对地基云图识别具有普适性。模型结构简单，相较于其他模型，更有利于边缘化部署。