摘要:为了增强柱塞泵在强背景噪声下的音频信号特征，进而提高故障诊断准确率，提出了一种基于自适应降噪的柱塞泵故障音频特征提取方法。通过引入了Gammatone倒谱变换进行特征的初步提取，将柱塞泵音频信号转化到时频域，并提出一种自适应降噪方法，去除了时频信号中与故障无关的背景噪音。最后通过Resnet-18神经网络开展了故障分类对比实验，结果表明，经过自适应降噪，柱塞泵故障诊断准确率提高至96.97%,验证了所提出的特征提取方法能够有效降低柱塞泵背景噪音的影响，从而提高了故障诊断的准确率。

摘要:机器人作业环境复杂，物料分布具有随机性，导致机器人目标位姿的辨识和定位精度低，实时性差，为此提出一种基于改进粒子群算法-BP神经网络(PSO-BP)的机器人目标位姿识别方法。采用改进的中值滤波算法对目标图像预处理，构建多尺度灰度差异算子以及局部图像熵算子，将两者点积运算获取加权局部熵，抑制目标图像中的噪声。通过多视图几何中间帧的关联特征信息，提取机器人目标位姿特征。在BP神经网络训练阶段通过改进的PSO算法优化处理，采用优化后的BP神经网络算法对提取的特征展开训练和识别，最终实现机器人目标位姿识别。实验结果表明，当机器人目标测试样本数量为55个时，所提方法的亮度方差为0.305,当像素识别误差为1.5%时，所提方法获取的机器人目标位姿识别误差为0.11,所提方法能够在像素识别误差下准确识别机器人目标，获取高精度的机器人目标位姿识别结果。

摘要:针对现有障碍物检测方法在复杂道路场景下存在地面分割欠精准、计算量大以及不同距离下的目标聚类困难问题，提出了一种基于路侧激光雷达的障碍物检测方法。在地平面分割方面，提出基于圆柱坐标系的改进扇形栅格模型以及最低点代表法优化种子点的选取，采用多地平面模型并通过随机采样一致性算法(RANSAC)实现地面拟合及分割。在障碍物聚类方面，构建KDTree加速聚类过程，提出划分区域及阈值自适应的方式改进欧氏聚类算法。实验结果表明，该方法在4种典型道路场景下对地面点的分割准确率均达到86%以上，且针对不同距离下的障碍物目标聚类准确率提升明显。

摘要:同时定位与地图构建(SLAM)是当今机器人领域的主要研究课题之一。针对如何根据图像估计相机位姿问题，提出一种基于VINS的视觉里程计改进方法(ORLK-VINS)。首先，通过双目相机获取图像信息；其次，将图像信息进行直方图均衡化处理，使图像对比度和亮度得到改善；然后，对原图像特征提取算法进行改进，引入ORB算法中带有方向的FAST角点；最后再将提取的特征点进行正反向的LK光流跟踪匹配，保证匹配特征点的精确性。实验表明，经过改进后的视觉里程计相较于主流的VINS-Fusion算法，在某些场景下拥有更好的实时性和定位准确性。

摘要:针对高压配电网发生单相接地故障时暂态工频电流分量利用不充分，提出一种基于改进麻雀搜索算法优化变分模态分解(SSA-VMD)和多尺度模糊熵的接地故障选线方法。首先，利用精英反向学习策略提高麻雀搜索算法的种群多样性，利用改进后的SSA对VMD进行迭代寻优，由实验数据可得，优化后的变分模态分解可准确区分各馈线暂态零序电流的工频分量。其次，计算各馈线零序电流工频分量的多尺度模糊熵值，并采用多尺度模糊熵偏均值作为选线判据，选出故障线路。经MATLAB/Simulink仿真结果表明，该方法在大多数故障条件下均可正确选线，可靠性高，具有较强的鲁棒性。

摘要:红外小目标跟踪过程中由于背景、外界杂波等干扰，导致跟踪精确度和实时性欠佳，为此，提出基于深度学习的红外过采样扫描图像小目标跟踪算法。首先构建了红外过采样扫描图像模型，通过背景估计、形态学开运算，对图像中背景以及外界杂波进行多级滤除；然后增加设计特征融合模块和区域选取模块来改进孪生网络，生成融合特征图输入目标区域，通过分类和回归计算提高图像的特征表征能力和跟踪精度；最后建立损失函数训练孪生网络，输出红外过采样扫描图像小目标跟踪结果。实验结果表明，利用所提算法进行图像滤除后，信噪比能够高达35 dB,所提算法的区域重叠率较高、跟踪精度高，且算法的实时性强，帧率达到200 fps以上，整体跟踪效果好。

摘要:车辆检测是智能交通、无人驾驶等系统得以实现的重要支撑性技术。低精度或低速度的车辆检测器应用受限，因此提出了一种快速准确的车辆检测器。首先，前端特征提取网络VGG16由MobileNetV3＿Large替代，减少了参数量和计算量，并增加了对高维特征的提取能力；其次，利用特征金字塔思想构建双向加权融合网络，有效融合不同尺度的特征，获取多维度的车辆特征；最后在特征提取层引入高效通道注意力，重新标定不同特征通道的重要性，进一步提高模型性能。与SSD相比，所提出的模型在KITTI数据集和BDD 100 K数据集上分别将平均精度提高了7.50%和3.50%,并具有实时检测能力(超过40 fps),在检测精度和速度方面有更好的平衡，说明了方法的有效性。

摘要:新能源并网后的供电体系存在具有较高的间歇性和随机性，这将为电力生产和调度的平衡带来巨大挑战，而如何量化电力负荷的不确定性对电力系统安全经济地运行起着重要作用。为此，提出一种基于多目标和贝叶斯优化(multi-objective optimization and Bayesian optimization, MOBO)的深度学习区间预测模型，能在给定的置信水平下描述电力负荷的变化趋势。在预测模型的构建过程中，依据分位数回归理论计算出电力负荷在不同分位点处的预测区间，再通过有效性检验，筛选出合理的预测模型。同时，采用多目标优化和贝叶斯优化算法理论对深度学习模型的超参数进行调优。使用美国纽约州米尔伍德的电力负荷数据集对所提出的模型进行验证，实验结果表明，与其他模型相比，模型在不同置信水平下均有着更高的预测区间覆盖率和更窄的区间平均宽度，更能精确地描述未来电力负荷的波动范围。

摘要:面结构光三维测量方法是一种典型的非接触式测量方法，在扫描测量领域具有广泛的应用，为了定量评估其测量结果的质量、可靠性，需要对不确定度进行评定。结合传统误差分析方法对面结构光测量系统的原理进行探究，采用基于测量系统分析(MSA)方法对不确定度来源进行分析并建立相应的分析模型；针对各不确定度分量设计对应的量化评定方案；分别使用测量不确定度表示指南(GUM)法与自适应蒙特卡洛方法(AMCM)对测量不确定度做出评定，并对评定结果进行分析比较。通过工件尺寸测量不确定度评定实例的结果表明，AMCM的评定结果较GUM法的结果更加可靠。同时，通过验证程序表明，对于本测量任务，在不确定度保留一位有效数字时，GUM法依然适用；但是在不确定度保留两位有效数字时，GUM法未通过验证，说明使用AMCM进行替代是有必要的。

摘要:光电容积脉搏波(photoplethysmography, PPG)信号的采集极易受到运动伪差的干扰，为了增加信号特征提取的准确度进而提高人体生理参数计算的准确率，提出了基于散度值分析的PPG信号运动伪差滤除算法。将采集的模板信号与实验信号进行带通滤波预处理之后，利用未受伪差干扰的模板信号计算出信号特征的散度值标准阈值范围，接着计算模板信号与受伪差干扰的实验信号的散度值，识别判断并剔除实验信号中存在运动伪差干扰的信号周期，整合得到未受运动伪差干扰的优质波信号。通过人体血管收缩压的检测实验，证明了算法在可穿戴运动系统中的实用性与可靠性。

摘要:为减少停电换表对用户产生的用电影响，提升供电可靠性和用户用电体验，设计了一种具有无线测温功能的带电换表控制装置。该装置由带电换表装置、感应取电设备以及无线测温模块3个部分组成。可在带电的情况下辅助更换用户的低压三相电表，平衡三相电路相序，并利用温度传感器以及无线收发器实现相应的无线测温功能。经过实验验证，带电换表控制装置的电流电压平均检测误差小于0.1%,所设计的感应取电模块在低压下也可以满足低功耗测温需求，能有效地解决电池有限容量引起的传感器短寿问题，同时设备经过验证满足国家安全标准。

摘要:为实现工程系统中对振动信号的检测，提出了一种基于衍射光栅的光纤布拉格光栅(FBG)振动解调系统。解调系统通过色散成像原理获取传感器反射光谱，由所设计的嵌入式单元进行信号处理，并通过专用的上位机解调软件完成数据处理与分析。将系统封装为解调仪器，能实际应用于振动信号的探测。所设计的系统波长解调范围为1 525～1 570 nm,波长重复性可达±1 pm,分辨率为0.5 pm,可实现8通道复用测量，最高光谱解调速度可达10 kHz。实验结果表明，该FBG振动解调系统能够高精度测量不同频率与幅度的振动信号，最小可探测应变约为0.319με/Hz1/2,在结构安全监测等领域具有重要的应用前景。

摘要:当前基于卷积神经网络的立体匹配方法未充分利用图像中各个层级的特征图信息，造成图像在不适定区域的特征提取能力较差，因此，提出了一种基于PSMNet改进的优化立体匹配算法。在特征提取阶段，全新的特征金字塔模块(SPP)能更好的聚合不同尺度和不同位置的环境信息构建代价体，从而充分利用全局环境信息；在构建匹配代价体时，提出组相关的策略来充分地利用特征中的全局和局部信息；在代价聚合阶段，优化沙漏结构并引入通道注意力机制以便网络来提取具有高表示能力和高质量通道注意力向量的信息特征；为了进一步优化视差图，设计视差优化网络来改善初始的视差估计。在Scene Flow、KITTI 2012和KITTI 2015立体数据集上评估，所提模型在Scene Flow数据集上平均预测误差EPE降低到0.71 pixels,在KITTI 2012和KITTI 2015立体数据集上的误匹配率分别下降到1.20%和1.86%,在实验结果表明，方法取得了较优越的性能。

摘要:导线长度的精确测量是装配式架线施工中的关键问题。而现有装配式架线施工技术由于缺乏导线实时展放长度的精确测量技术，导致施工误差过大而无法推广应用。为此，结合装配式架线施工的工程应用需求，以导线长度精确测量和画印功能为功能目标，研制了一种适用于装配式架线施工工况的导线精确测长设备。在硬件方面，选用增量式光电编码器采集导线的长度信息，采用远距离无线电(LoRa)技术进行数据无线传输，当展放长度达到阈值时，设计驱动电路控制喷漆泵进行画印喷漆；以上功能通过专用的供电模块实现施工过程中免充电需求。在软件方面，设计了长度测量算法，开发了基于手持终端的导线实时展放测量系统。研制的测长设备已成功应用于实际工程，实测架线后的观测档弧垂与设计弧垂的偏差值为4.57%,符合工程设计要求。

摘要:对于宽带接收系统，前端器件增益不平衡由此导致宽带系统带内幅度平坦度的恶化，严重影响系统测量结果的准确性，因此需要对已失真的信道传输特性进行补偿以提高带内幅度平坦度。现有技术主要采用频域采样法设计补偿滤波器实现，但是这种方法设计的滤波器阶数过高，通常达到200阶以上。面向测试仪器的工程应用，针对传统的最小均方误差(LMS)和递推最小二乘(RLS)自适应滤波算法不能兼顾收敛速度和稳态误差的缺陷，分别设计了基于变步长因子的LMS超宽带信号平坦度补偿技术和基于变遗忘因子的RLS的超宽带信号平坦度补偿技术。实验结果表明，所提出的两种方法能在获得良好幅度平坦度优化效果的基础上将滤波器阶数降到100阶以下。

摘要:针对假设的退化模型与实际模型不一致时图像超分辨性能显著降低的问题，提出了一种融合图像空间局部和退化表征信息的深度卷积神经网络模型。首先对低分辨图像提取初始特征和退化表达量；然后构建级联的空间局部信息和退化信息模块以及特征融合块，这些模块进一步级联组成特征变换子网络；最后，利用反卷积层得到高分辨率图像。在基准测试数据集上的实验表明，当高斯核宽度不为0时，算法在采样因子为×2和×4的盲超分辨重建中均取得了较当前主流算法更高的峰值信噪比值(PSNR),其中×2盲超分辨时最高的PSNR值为37.56,×4盲超分辨时最高的PSNR值为31.87,并且与主流算法相比也有较高的重建效率和较好重建视觉效果。

摘要:三明治装甲复合材料因其大厚度多层多种复合材料结构导致难以准确获得Lamb波在结构中的传播速度，给损伤监测的准确性带来较大难度，而基于空间滤波器的结构健康监测技术能够在不依赖Lamb波传播速度的情况下进行损伤定位。基于此，利用空间滤波器损伤定位的方法，针对由氧化铝陶瓷，T700碳纤维，TC4钛合金3种材料构成的5 mm厚度的三明治装甲复合材料，在表面布置两组压电传感器阵列获得损伤相对于传感器阵列的角度，再利用公式计算出损伤位置。实验结果表明，该方法能够实现对5 mm厚度的三明治装甲复合材料进行损伤定位，且定位误差在1 cm以内。

摘要:纯电动汽车动力电池的荷电状态下降到一定程度时，会出现电池实际输出功率无法满足控制需求的情况。考虑电池功率对电机控制的影响，建立基于电池输出功率的永磁同步电机预测电流控制策略。使用无差拍预测控制预测电流值，进而计算电机期望功率。当电机期望功率超出电池功率时，通过降低目标转速和对控制电流限幅的方式降低期望功率值。通过仿真及实验验证，提出的控制策略能够在电池输出功率下降的情况下，降低电机期望功率，使电机能继续正常运转。并且与传统控制策略相比，电机动态响应速度更快，响应时间缩短50%以上，功率波动更小，动态性能明显提升。结果表明，基于电池输出功率的永磁同步电机电流预测控制策略是有效的。

摘要:准确地预测短期负荷为发电厂电力调度提供依据，提高电力系统的经济性。由于负荷数据的非线性非平稳性，提出一种经验模态分解-改进粒子群算法-长短期记忆(EMD-IPSO-LSTM)的预测模型。首先，利用EMD处理非线性的负荷序列，将序列分解为多个本征模态函数(IMF)以及残差(Res),引入非线性递减分配方法和正弦函数分别改进粒子群算法(PSO)的惯性权重和学习因子，可以更有效地寻找LSTM参数的最优解。其次，利用IPSO优化LSTM的第1层神经元个数、损失率、以及批量大小等参数，将所有IMF和Res分为高、中，低频三组分量，并代入优化后的LSTM网络进行预测，叠加获取最终的预测结果。最后，以GEFCom2014预测竞赛电力负荷数据集进行仿真实验，并且对LSTM、IPSO-LSTM、EMD-PSO-LSTM这3种模型作比较，结果表明所提的预测模型具有较高的预测精度。

摘要:为了有效获取前方道路信息，应用于低成本的固态激光雷达，提出一种道路边沿与障碍物检测方法。首先对原始点云数据进行地面滤波处理，提取地面与非地面点云数据；根据地面点云数据中路沿高度突变的特征，提出了一种动态滑动窗口的方法提取路沿特征点，后使用随机抽样一致算法(random sample consensus, RANSAC)进行路沿直线拟合；将路沿内障碍物点云作为感兴趣区域(region of interest, ROI),在z轴方向上对障碍物点云数据进行安全高度为H直通滤波处理，最后使用欧氏聚类算法完成了对路沿内障碍物的检测。通过在校园内实际采集数据与处理实验，验证了该方法的可行性。

摘要:为避免地下电缆遭受破坏，提高振动监测系统对外力破坏的预警能力，提出一种基于时频谱图和自适应动态权重PSO-CNN的外破振动信号识别方法。首先，将振动传感系统获取的3000组外破振动信号转化生成为时频谱图数据集，在图像预处理阶段，采用直方图均衡化和2D-PCA算法来增强灰度图像特征并实现图像数据的降维；然后，将图像数据集的70%作为CNN模型的训练集，并在网络训练过程中引入自适应动态惯性权重粒子群算法（PSO）对CNN模型的卷积层、池化层相关参数进行迭代寻优，从而获得优化PSO-CNN分类模型；最后，利用测试集图像数据对优化PSO-CNN模型的识别性能进行验证，并与其他分类模型进行了对比。结果表明：所提方法对六种常见外破振动信号的识别准确率达到98.33％，平均每张图像的识别时间仅为0.24s，与其他分类算法相比具有更高的分类精度和更快速的识别速度，为快速准确地识别外力破坏事件类型提供了一种可行方案。

摘要:为了检测供水管道是否出现泄漏，同时针对人工检测精度低、背景噪音难以去除和现有检测设备的实用性低等问题，本文研究了一种基于卷积神经网络（Convolutional Neural Network, CNN）的供水管道泄漏声音识别方法。首先设计水下机器人的供水管道内部声音实时采集系统，并利用用户数据报协议（User Datagram Protocol/Internet Protocol, UDP/IP）通信技术将该系统采集的声音信息上传至上位机，并对供水管道内的声音进行泄漏和不泄漏的划分且制作成数据集，提取泄漏音频和不泄漏音频样本的梅尔谱特征图，根据实时性选用轻量级卷积神经网络ShuffleNet V2进行训练和识别；其次引入卷积注意力模块（Convolution Block Attention Module, CBAM）到网络模型中，并对ShuffleNet V2 的Unit1单元进行改进，提出了Unit1_y单元，最后将改进后的网络与MobileNet V3、ResNet18等轻量级网络进行对比，试验结果表明改进后的网络模型相较于其他的模型对供水管道漏泄声音识别效果最佳且参数量低，占用上位机运算资源少，测试集识别率达到92.14%，验证了算法的有效性。

摘要:在无人机航拍的过程中，背景更广阔，目标的尺寸更小，种类更复杂。本文提出一种基于YOLOX-S的轻量化无人机航拍目标检测算法YOLOX-IM。首先，为了提高该模型检测小目标的性能，通过使用切片辅助推理（Slicing Aided Hyper Inference，SAHI）算法以及坐标修正矩阵对训练集进行预处理和数据增强。然后，在路径聚合网络（Path Aggregation Network，PAN）中引入一个浅层特征图以及超轻量级子空间注意模块，并添加一个检测头对小物体进行检测。最后，对边界回归的损失函数进行了优化。在VisDrone2019数据集的消融实验结果表明，所提出的模型检测精度与基础YOLOX-S相比高了8.13%；模型体积4.55MB，相较于原模型下降67.14%。接下来，利用该模型在中国天津市渌水道进行实地交通监测的交通参数提取实验。研究表明：在设定的场景中，当无人机航拍高度为50米时，该模型的交通提取参数精度最高，达到96.14%。

摘要:为进一步简化数据处理过程和提高生产工序识别准确率，提出一种基于非侵入式负荷分解的工序识别方法。首先将每种工序定义为一种用电设备，然后根据非侵入式负荷分解相关理论，分别选取双向长短期记忆网络和时间卷积网络构建负荷分解模型，选择各用电设备对应功率、总功率数据构造数据集对模型进行训练和测试，最后对测试集负荷分解结果进行相关处理得到对应的工序数据。结果表明由基于时间卷积网络的负荷分解方法构成的工序识别模型具有较高的识别准确率，针对测试集的工序识别准确率达98.83%。

摘要:在物体杂乱放置非遮挡和遮挡构成的复杂场景下，针对位姿实时、准确和稳定地估计的问题，提出了混合坐标注意力与改进空间金字塔池化融合的目标位姿估计算法。搭建了由坐标特征、通道特征和空间特征组成的混合坐标注意力残差模块，有效提高了关键点估计的准确率。改进了空间金字塔池化网络，并通过颈部位置的多尺度特征细化方法，获得边缘姿态及空间位置的高精确估计。将所制作的遮挡数据集，进一步验证所提出算法性能和泛化能力。在公开LineMod及Partial Occlusion遮挡数据集上，所提算法与基于组特征注意力(SA)算法相比ADD指标分别提高2.26%和2.57%，5cm5°指标分别提高5.16%和4.1%，达到了30FPS实时处理速度，为遮挡等复杂场景下的物体位姿估计提供一个有效的方法。

摘要:图像分类是极化合成孔径雷达（PolSAR）图像解译的关键。传统卷积神经网络（CNN）逐像素的分类，造成卷积的重复计算。PolSAR图像存在丰富的信息，包括极化相干信息与极化分解信息，因此如何融合信息实现高效分类至关重要。本文基于极化散射特征分析，以U_net网络模型为基础，提出了双通道特征融合编解码网络，该网络使用注意力机制特征融合模块将极化相干信息和极化分解特征整合到语义分割框架中，辅助深度CNN分类器训练，实现高精度像素级的标记，加入空间金字塔结构有效的提取多尺度特征。该网络结构避免了逐像素切片重复计算，有效提升计算效率。利用AIRSAR获取的旧金山地区PolSAR数据和海南博鳌地区机载PolSAR数据进行试验研究，试验结果两个地区精度(OA)分别达到97.11%与99.97%，验证了本文提出的分类方法的有效性与较好的应用价值。