摘要:为提升短期电力负荷预测精度，提出了一种变权组合预测策略。首先，为了降低负荷数据的不平稳度，使用变分模态 分解(variational mode decomposition,VMD)将负荷数据分解成了高频、低频、残差3种特征模态分量。其次，充分计及负荷数 据的时序特点，参考指数加权法原理设计自适应误差重要性量化函数，并结合组合模型在时间窗口内的历史负荷数据的均方 预测误差设计改进最优加权法的目标函数和约束条件，以完成子模型的准确变权。最后，针对波动较强的高频分量选定极端 梯度提升(XGBoost) 和卷积神经网络-长短期记忆(CNN-LSTM) 模型并使用改进最优加权法进行组合预测、低频分量使用多 元线性回归(MLR) 模型预测、残差分量使用 LSTM 模型预测，叠加各模态分量的预测结果，实现了短期负荷数据的准确预 测。实验结果表明，使用策略组合模型的平均绝对百分比误差为4.18%。与使用传统组合策略的组合模型相比，平均绝对百 分比预测误差平均降低了0.87%。

摘要:为了满足有限测点下声阵列定位精度提升的需求，提出了基于双种群量子粒子群(dual-group interaction quantum particle swarm optimization,DIR-QPSO)联合到达时差定位技术(time difference of arrival,TDOA)的单基站声阵列拓扑结构 优化布设方法。首先，将声阵列中的声传感器作为粒子，利用Logistic 混沌模型全局遍历性的优势初始化种群；其次，利用双 种群之间信息共享优势，消除迭代过程中陷入局部最优点；再次，以TDOA 模型构建适应度评价函数，得到声传感器最优布设 位置；最后，通过仿真验证，得到优化后的声阵列拓扑结构。仿真结果表明，与传统六元正四棱锥阵列及 QPSO 优化后的阵列 相比，方法将几何精度因子减小至1.3518m, 克拉美罗下界减小至0.4817m, 均方根误差减小至0.5564 m。最后进行实验 对比验证，实验结果表明，提出的单基站阵列具有更高的定位精度，极大提升了弹丸落点定位精度。

摘要:针对港口复杂环境背景下，不同尺度间多种类集装箱损伤目标检测精度低的问题，提出一种基于改进 YOLOv5 的港 口集装箱损伤检测算法。通过使用一维卷积改进卷积块注意力机制(CBAM) 中空间注意力模块的池化操作，后设计残差结 构，并验证在不同位置引入改进的CBAM 基本块对模型性能的影响，探索尽量减小复杂背景对检测结果影响的最佳方案及融 合位置；为有效解决不同集装箱损伤图像尺度特征变换较大的问题，依据双向特征融合网络(Bi-FPN) 结构思想，对颈部特征 融合网络进行改进，在不过多增加计算量的情况下，更好地增强网络对多尺度目标的特征融合能力；最后将 EIOU Loss 替换 GIOU Loss作为算法的损失函数，在降低算法边界框回归损失的同时提高算法的检测精度。实验结果表明，改进 YOLOv5 算 法的平均检测精度达到了98.32%,较原YOLOv5 目标检测算法提高了4.28%,同时保证了检测速度，验证了所提出算法的 有效性，对港口企业高精度验箱的工业部署有重要意义。

摘要:凝露是造成电气设备绝缘劣化或损坏，影响电力系统安全稳定运行的主要危害之一。在相同凝露条件下不同表面产 生的凝露在形貌上存在差异，对其放电发展的影响不同。提出了一种基于图像识别的湿区占比和凝露平均接触面积等特征 形貌参数对沿面放电影响的表征方法，采用3种涂覆有不同憎水涂层的试验样品进行憎水性测试，在分析测定了不同样品表 面憎水性的基础上，通过相关试验研究了不同憎水表面下凝露液滴的发展过程及分布规律，并分析了凝露形貌参数对闪络电 压的影响。结果表明，CSS 涂层、P-EL88 涂层和无涂层样品表面静态接触角分别为103.17°、91.60°、80.77°,在0.01的显著水 平下湿区占比和液滴平均接触面积对凝露闪络电压的 Pearson 相关系数分别为一0.989 和一0.696,凝露闪络电压受湿区占 比和液滴平均接触面积联合影响。

摘要:传统的电力施工现场安全帽检测算法的网络计算复杂度高、在复杂场景下对于远处目标和密集群体存在漏检等问 题，提出一种改进后的轻量化YOLOv5s-GCAE算法，主干网络首先用GhostNet 网络中的深度可分离卷积GhostConv,以此 降低网络的计算量和参数量。其次在特征提取阶段中嵌入CA 注意力机制，填补了引入轻量化网络时精度的缺失。引入自适 应空间特征融合(ASFF) 网络以有效融合多尺度特征，提高模型丰富的语义特征表示使网络更好的适应复杂的电力施工现 场。最后引入损失函数 EIOU, 促使网络专注于高质量的锚点以提升在复杂场景下安全帽检测精度。构建了一个包含开源图 片和自行收集的图片共9326张的安全帽佩戴检测数据集。实验结果表明，该算法的安全帽检测准确率为93.4%,比 YOLOv5s 算法高2.1%,符合电力场景下安全帽检测的精度要求。

摘要:滚动轴承是机械设备中的重要零件，其工作状态直接关系着设备的运行， 一旦发生故障会引起整个设备的正常运行， 甚至引发重大的安全事故，因此，对其剩余寿命预测对设备的健康管理具有重要意义。提出了一种基于自编码一长短时记忆 网络(autoencoder-long short term memory,AELSTM)迁移学习(transfer learning,TL)的滚动轴承剩余寿命预测方法，首先 采用自动编码器自动提取源域中原始振动信号中的特征，再构建双层 LSTM 模型对剩余寿命进行预测，通过源域中训练获得 AELSTM 模型，再用目标域中的数据对 AELSTM 模型训练，完成对模型参数的微调，最后用调整好的模型对目标域中的数 据进行预测。通过参数共享和微调两种方法，大大简化了模型在目标域上的训练过程。试验结果表明，在同轴承不同工况 下，所提出模型相比于其他4种迁移学习方法的均方根误差分别降低了45.9%、58.9%、42.8%以及83.8%;在不同轴承不同 工况下，所提出模型的均方根误差分别降低了16.9%、18.9%、11.7%以及8.9%。

摘要:电力金具巡检是保证电网安全运行的关键任务。针对因金具样本类别不平衡、金具图像背景复杂而导致的误检、漏 检问题，提出了一种改进U 型网络 (U-shaped network,U-Net)的检测方法。首先，通过生成对抗网络生成虚拟金具样本扩 充数据集，解决数据集中样本类别不平衡的问题；然后，提出一种前景增强方法，在网络输出的特征图中加入背景掩膜，并优 化损失函数；最后，将注意力机制嵌入U-Net, 以提高模型在复杂背景下提取金具特征的能力。经实验证明，改进算法对电力 金具目标的检测效果良好，其金具检测准确率达到98.82%,平均交并比达到83.94%,精确率达到91.01%,召回率达到 86.18%,平均精度均值达到89.73%。改进算法不仅可应用于正常金具的检测，还有效适用于生锈金具的检测，为电力金具 智能化检测提供了一种新思路。

摘要:为解决移动传感网部署过程中存在的簇头节点更新质量不佳和节点生存率较低等不足，提出了一种基于匹配信任度 机制的移动传感网簇头更新算法。首先， 引入K-means 算法，利用误差平方根函数来完成网络初始聚类，以快速定位聚类中 心，提升聚类形成速度。随后，综合考虑备选簇头剩余能量、备选簇头与当前簇头的欧氏距离、备选簇头覆盖范围内节点总数 3个因素，设计了基于匹配信任度的簇头更新方法，按权值对各因素进行平均分配，进而将信任度权值最高的节点作为备选簇 头，从而选举出生存质量较高的节点。仿真实验表明，算法具有更高的网络稳定运行时间和簇头节点生存率，以及更低的节 点故障概率。其中，网络稳定运行时间提升了80%以上，簇头节点生存率保持在90%以上，节点故障概率也较低，具有明显的 优势。

摘要:提出了一种针对处理散乱堆叠物体的改进方法。在 YOLOv5模型中采用了加权双向特征金字塔网络(BiFPN) 替代 路径聚合网络(PANet), 结合 Gfocal损失函数，使得漏检和误检问题得到有效改善，平均精度均值(mAP)mAP@0.5 达到了 90.1%。利用Mask R-CNN进行目标物体分割，使用轻量化的 Mobilenetv3替代 ResNet101 主干网络以减少参数量，同时借 用CFNet 思想加强特征融合机制，使得分割精度提高至92.1%。通过级联改进后的 YOLOv5 和改进后的 Mask R-CNN,算 法在实时性和精确性上得到了平衡，在有效感兴趣区域(region of interest,ROI)中提取准确的物体形状信息。与单独使用实 例分割算法相比，检测速度提升了1 s。实验证明所提出的算法不仅提高了推理速度，还提高了分割精度，解决了复杂堆叠场 景下物体特征提取效果差且检测速度慢的问题。

摘要:针对全变分(TV) 模型引起的阶梯效应，造成图像出现块状伪影的问题，提出了基于分数混合阶的交叠组合稀疏正则 项全变分(HFOGSTV) 去噪模型。考虑到交叠组合稀疏正则项与分数阶微分能够抑制全局以及局部的块状伪影的特点，将二 者引入 TV 模型，可以较好地抑制阶梯效应。并引入高阶微分，提高模型的去噪效率，构建了基于 HFOGSTV 去噪模型。新 模型采用交替方向乘子法(ADMM)分解为各个子问题进行依次迭代求解，并选择合适的参数。实验结果表明，HFOGSTV 模 型与非局部均值去噪(NLM)、TV 和混合非凸高所交叠组合稀疏全变分(HNHOTV-OGS) 模型相比，峰值信噪比(PSNR) 分 别提升7.2%、5.3%、1.9%,结构相似性(SSIM)分别提升6.6%、6.1%、3.4%,耗时分别减少89%、51%、45%,不仅有效抑制 了阶梯效应，而且去噪效果更佳，运行时长大大降低。

摘要:当前谣言检测工作主要基于监督学习，需要人为标记数据而导致检测具有滞后性。为了充分利用大量的未标记数 据，及时检测社交网络中的虚假谣言。提出了一种基于多层次结构与半监督学习谣言检测模型(multi-level semi spuervised graph convolutional neural network,MSGCN)。该模型构建了一种多层次检测模块，基于图卷积网络对有限的标记样本进行 训练以提取多层次传播结构特征、扩散结构特征和全局结构特征。其次，引入随机模型扰动集成无标签数据的动态输出进行 一致性预测，提出互补伪标签法来获取高质量伪标签数据，并将其加入标记数据扩充样本。最后在有监督交叉熵损失和无监 督一致性损失约束下提高模型质量。在公开的 Twitterl5 、Twitter16 和 Weibo 数据集上的实验结果表明，所提出模型在30% 标记样本下准确率达到88.3%、90.1%和95.5%,在少量的标记样本下便可达到优异的成绩。

摘要:在配电系统中,使用圆形阵列霍尔电流传感器进行电流检测具有较高的精度,然而汽车电子、航空航天等领域对仪器 内部空间利用率要求较高,此时因其占用较大的空间会导致实用性降低。为解决这一问题,提出适用于扁椭圆(AR≥2)阵列 霍尔传感器的误差优化算法。首先使用投影法将圆形阵列转化为AR=2及AR=4的椭圆形阵列,缩小传感器尺寸以节省空 间;接着针对阵列传感器在电流检测过程中因载流导线偏心造成的测量误差进行分析,提出适用于扁椭圆阵列传感器的误差 优化算法;最后对不同AR 的椭圆阵列传感器进行导线偏心误差测试,并对误差优化算法进行验证。实验结果表明,椭圆阵列 传感器的精度会随着AR 的增大而降低,AR=4的椭圆阵列传感器最大相对误差达到33.36%,应用误差优化算法可将相对 误差降至0.41%,满足测量精度的同时极大提升了实用性。

摘要:新能源汽车能处于正确的电压级别下安全可靠地运行，DC/DC 变换器发挥着重要作用，针对其现有控制方法多为线 性控制，难以应对负载与输入电压参数多变的情况的问题；在非线性控制既无源控制的基础上引入了PI 阻抗反馈补偿环路的 概念，提出了一种 PI阻抗补偿无源控制策略。为证明其优越性，与现有方法进行了比较。并针对负载与输入电压参数变化情 况进行了模拟仿真，结果表明，该策略在输入电压跌落8 V 后，仅产生了2 V 的波动；负载突变为初值的一半时，仅用了不到 0.01s 便重新抬升至给定电压值。由仿真结果可得，该策略不仅响应速度快、不会产生超调现象，而且在负载和输入电压发生 较大变化的情况下，仍能很好的抵御外部干扰并保持输出电压的稳定性和优秀的电压纹波抑制效果，具有良好的鲁棒性。

摘要:为降低太阳辐射对机载下投式探空仪中温度传感器的影响，设计了一种阵列式NTC 珠状热敏电阻探空温度传感器。 该传感器阵列通过探头间的太阳辐射误差比值推算大气环境温度的真实值。首先，通过计算流体动力学(computational fluid dynamics,CFD) 方法选出传感器探头的最优引线夹角，再对表面涂覆不同太阳辐射反射率涂层的探头进行太阳辐射误差比值 计算；然后利用支持向量机(support vector machine,SVM)拟合仿真，得到辐射误差比值拟合模型；最后，搭建低气压风洞以及 太阳模拟器实验平台。实验结果表明，该温度传感器阵列可将测量误差降低至0.065℃,均方根误差降至0.078 ℃,有望将太 阳辐射误差对下投式探空仪温度测量的影响降低至0.1℃以内。

摘要:在电磁悬浮(EMS) 控制系统中，如何实现间隙及间隙微分信号的有效提取是提升系统控制性能的关键问题。针对当 前跟踪微分器(TD) 存在的综合控制函数形式复杂、参数整定繁琐、输出存在抖振等问题，设计了一种改进的非线性跟踪微分 器，旨在提升传感器信号的提取质量。首先通过引入反平方根函数与终端吸引子函数，设计了新型的跟踪微分器。之后应用 稳定性理论对改进跟踪微分器的收敛性进行验证，并通过扫频测试进行频域特性分析，明确了该跟踪微分器的参数整定原 则。最后进行了闭环控制系统仿真与实物验证，结果表明，ISRU-TD 相对于其他3种TD 方法在稳态误差方面表现出显著优 势。输出位置信号的稳态误差减小了92.58%,相对于ATD 减小了18.18%,相对于 Fhan-TD 减小了42.55%,而与 HSTD 相比则增加了3.7%。此外，ISRU-TD 使输出位置信号的调节时间显著减小，相对于ATD 减小了38.68%,相对于 Fhan-TD 减小了61.99%,相对于 HSTD 减小了58.06%。表明其具有出色的信号跟踪和噪声抑制能力。

摘要:针对传统姿态解算方法效率迟缓、精度低下及稳定性差等问题，提出一种基于 Mahony 和扩展卡尔曼(EKF) 相融合的 算法，并开发出一种新型人体手臂姿态测量系统。首先，通过 STM32 微处理器采集 MEMS传感器测得的数据，借助 Mahony 滤波器解算加速度计、磁力计和陀螺仪的数据，以此得到初步姿态四元数。其次，将初步姿态四元数作为EKF 量测值，依据非 重力加速度调节量测噪声协方差矩阵。然后，根据陀螺仪测得的角速度信息建立 EKF 状态方程，通过EKF 滤波更新状态，获 取解算融合后的手臂姿态数据。最后，将数据发送到上位机，通过上位机软件实时监测姿态角数据，再构建三维模型实时还 原手臂的运动状态。经实验验证，应用EKF 算法矫正Mahony滤波解算出的姿态数据，不仅可以使误差减小到0.5°、消除超 调量和降低噪声干扰，还能有效克服传统姿态解算方法中需要大量数据集和计算时间长问题，从而抑制了随机波动，提高姿 态解算精度。

摘要:针对快速扩展随机树算法(rapidly-exploring trees,RRT)在一些复杂环境中存在搜索效率低、收敛速度慢、生成的路 径冗余节点多等问题，提出一种改进的RRT 算法。首先引入自适应目标概率策略，实时调整对目标点的采样概率；其次引入 节点转向策略，提高单次采样的成功率；最后对生成的路径进行冗余节点裁剪，使路径更符合实际应用需求。在 MATLAB中 进行仿真实验，并与RRT 算法、RRTGoalBias 算法进行对比。实验结果表明，改进算法在多种不同环境下具有较好的适应 性，在寻路时间、采样次数和采样成功率3个方面均有较大提升，最终平均路径长路降低了21.1%,平均节点数降低了 75.3%,证明了改进算法的优越性和实用性。

摘要:视觉 Transformer 网络的高精度诊断性能依赖于充分的训练数据，利用卷积网络在提取局部特征上的优势，构造能同 时描述故障局部和全局特征的提取层，提高诊断模型的抗噪声干扰能力。首先，引入卷积网络模块将原始振动信号转换为 Transformer 网络可以直接接收的特征向量，提取故障局部特征，并通过增加卷积网络的感受野。然后，结合 Transformer 网 络多头自注意力机制生成的全局信息，构建能同时描述故障局部和全局特征的特征向量。最后，在 Transformer 网络的预测 层，利用高效通道注意力机制对特征向量的贡献度进行自动筛选。在西储大学(CWRU) 轴承数据集上的故障诊断结果表明， 在信噪比一4 dB 的噪声干扰下，改进后的 Transformer 网络轴承故障诊断模型的准确率达90.21%,与原始 Transformer 模型 相比，准确率提高了13.2%,在噪声环境下表现出优异的诊断性能。

摘要:针对退役电池组存在明显的不一致性问题，提出一种高效的可重构的均衡电路，该电路可以接入或旁路任意电池，以 满足多个电池同时均衡的需求。在此基础上提出一种基于能量分配的均衡方法，通过非线性规划遗传算法求解各单体电池 每个周期能量分配比例，从而计算出单体电池接入时长。同时在均衡过程中动态控制开关保持电池组接入电池数量固定，能 有效避免可重构均衡电压波动大的问题。在 MATLAB/Simulink 搭建仿真模型验证，结果表明，与传统可重构均衡方法相 比，所提方法在均衡过程中可以有效地保持电池组电压的稳定；与传统求解能量分配比例方法相比，所提求解方法在充电和 放电状态下均衡时间分别减少约12.31%和13.39%,验证了方法的有效性。

摘要:为解决复杂背景下小目标车辆检测存在的误检、漏检等现象，创新性提出一种改进 YOLOv7 网络的目标检测算法。 首先，为解决小目标车辆存在次要信息干扰问题，将高效通道注意力(ECA) 机制融于 YOLOv7 模型的主干网络特征层，通过 自适应学习来增强目标区域信息权重占比，抑制无关信息；其次，为解决神经网络检测模型训练的超参数随机经验设定性问 题，将麻雀搜索算法(SSA) 对检测模型训练超参数进行优化，通过内外双循环迭代方式，快速收敛出全局最优学习率，进而得 到最优组的权重信息，最终提高小目标车辆检测精度。实验结果表明，基于结构优化、超参数优化的 YOLOv7-ECA-SSA 检测 模型在 BDD100K数据集上的检测精度为79.01%,比原始模型提高了5.38%,具备更好的小目标车辆检测性能。

摘要:针对目前线束端子压接缺陷检测过程中存在检测效率低、误检率高等问题，提出一种基于改进 YOLOv7 的线束缺陷 检测方法。为提高算法的检测精度，在 YOLOv7 主干网络中添加归一化注意力模块(NAM), 加强对检测目标的定位和识别； 在颈部构建多尺度的集中特征金字塔网络(CFP), 以捕捉不同尺度下的目标信息，加深对图像深层特征的提取；使用 SIoU Loss 替换 CIoU Loss 优化训练模型，在加快模型收敛的同时提高预测框的回归精度。实验结果表明，改进后的 YOLOv7 网 络模型准确率达95.8%,召回率达94.5%,均值平均精度达97.6%,与原模型相比分别提高了5.0%、4.8%和3.3%,模型大 小90.5 MB, 检测时间为48 ms, 有效提高了模型的检测精度。最后，使用PyQt5 开源框架设计了线束端子压接缺陷检测系 统，实现了端子压接缺陷检测的自动化和可视化，提高了缺陷检测效率，可以满足生产企业的需求。

摘要:在低亮度条件下，传统的事故勘察方法难以获取高质量的勘察数据。提出了基于机载激光雷达的低照度事故现场重 建方法。首先，建立机载激光雷达勘察的方法框架。接着，使用高斯分布的统计学滤波算法去除噪点，通过判断空间划分体 素的占据状态来滤除现场周围移动物体。然后，利用传感器自身的位姿数据配准点云数据，建立事故现场的三维点云模型。 此外，探究了无人机飞行高度和激光旁向重叠率如何影响建模精度。最后，在夜间模拟事故现场进行实证研究，研究发现当 无人机飞行高度为15 m, 激光旁向重叠率为50%时，建模精度和处理时间能达到较好平衡。与航拍摄影建模、传统人工勘察 方法相比，机载激光雷达建模均方根误差(root mean square error,RMSE)为0.04636,低于航拍摄影建模误差，表明方法能 够应用于低照度交通事故现场勘测。

摘要:针对传统防外破技术抗干扰能力弱、适配性低、报警效果差以及平板电容型传感器对称结构中存在的边缘效应问题， 研制一种适用于多组态与多电压等级架空输电线路的防外破装置。首先，分析感应电压与场强关系，进行等位环结构改进并 完成 PCB设计制作，利用Ansys Maxwell 搭建多组态与多电压等级架空输电线路仿真模型，为报警阈值设定提供理论依据； 其次，完成防外破装置的硬件与软件设计，实现不同线路情况下的电压档位选择、电场信号采集处理以及声光报警等功能；最 后，搭建10 kV 模拟架空输电线路高压实验环境并进行现场验证，测试分析装置的工作性能。结果表明，所设计的防外破装 置感应电压测量平均相对误差在3%以内，与测试电压线性相关系数R=0.9997, 其变化规律符合电场分布规律；现场报警成 功率为100%,装置稳定可靠、兼顾精准性与线性度要求。

摘要:针对终端用户产生计算任务大小动态变化以及在工业物联网场景下业务的低时延、低能耗需求，提出了一种基于用 户意愿度的 D2D(device to device)协助的工业物联网资源分配模型。首先在用户层，每隔时隙t, 由概率分布函数更新用户成 为资源给予端的意愿度，在移动边缘计算(MEC) 服务器层，使 MEC 具有决策功能，能对终端上传任务做出判断，寻找出合适 的 MEC 处理；其次基于K-means 聚类算法，将终端产生的任务匹配到对应的层进行处理；最后在资源分配阶段，为解决 Q- learning 里 Q 表难以实时更新的问题，提出N-DQN 算法，使用双层神经网络相互拟合。仿真表明所提策略较传统方法，系统 能耗降低约10%,系统时延降低约12%。