摘要:压力容器 A、B 类对接焊缝是重要受力部位,其质量参数测量是焊接质量评估重要环节,本文研究基于深度学习主动视 觉压力容器焊缝质量参数检测方法。 提出多缺陷共存下焊缝参数计算方法,突破焊缝缺陷参数共存下存在焊缝质量参数难以 计算或无法计算问题;开展编码-解码图像特征点提取网络(EDE-net)结构设计,较好实现焊缝表面参数特征点一次性准确提 取;研究深度网络结构化通道剪枝方法,有效提高压力容器焊缝检测实时性能。 以不同尺寸压力容器焊缝为实验对象,结果表 明 Resnet50 骨干的 EDE-net 网络在模型整体压缩率 CR= 0. 5 下,单张图片提取时间由 0. 31 s 降低到 0. 19 s,减少 38. 7% ;第三 方检测机构给出测试报告,装置同时测量对接焊缝(A、B 类)焊缝 5 个参数耗时<0. 63 s,测量误差允许误差≤0. 08 mm。

摘要:针对当前基于无键相阶次跟踪(TLOT)的故障诊断所面临的转速谐波分量提取存在误差累积效应、瞬时相位难以准确 估计等问题,本文提出了一种基于自适应谐波分量提取的航空发动机附件传动系统变速故障诊断方法。 首先,通过低通滤波和 降采样优化搜索空间并提升计算速度,在此基础上利用自相关平均周期进行自适应辛几何模态分解;其次,采用基于替代数据 检验的伪谐波分量识别方法,完成转速谐波分量自适应分离结果的稀疏化表征。 最后,基于转速谐波分量瞬时相位计算结果, 对原始非平稳信号进行等角度重采样,利用傅里叶变换获取阶次谱以实现旋转机械装备的变速故障诊断。 通过与典型信号分 解方法对比,验证了所提方法的有效性;此外,对法国 Safran 某型航空发动机扫频试车过程中附件传动系统实测数据进行分析, 所得阶次相对误差为 0. 059% ,优于同类方法计算结果,进一步显示了其工程应用价值。

摘要:现有模式单一且固定的深度神经网络压缩方法受限于精度损失,而难以对模型进行充分压缩,致使压缩后模型在实际 部署时仍需消耗大量成本高昂且容量有限的存储资源,对其在边缘端的实际应用造成严峻挑战。 针对该问题,本文提出一种可 同时对模型连接结构和权重位宽进行自适应联合优化的压缩方法。 与已有组合式压缩不同,本文充分融合稀疏化和量化方法 进行联合压缩训练,从而全面降低模型规模;采用层级自适应的稀疏度和数据表征位宽,缓解因固定压缩比导致的精度次优化 问题。 通过使用本文提出方法对 VGG、ResNet 和 MobileNet 在 CIFAR-10 数据集上的实验表明,精度损失分别为 1. 3% 、2. 4% 和 0. 9% 时,参数压缩率达到了 143. 0×、151. 6×和 19. 7×;与 12 种典型压缩方法相比,模型存储资源的消耗降低了 15. 3× ~ 148. 5×。 此外,在自建的遥感图像数据集上,该方法仍能在达到最高 284. 2×压缩率的同时保证精度损失不超过 1. 2% 。

摘要:热误差建模和补偿是提高机床加工精度的重要手段。 将得到的热误差模型应用到类似或相近任务中,对减少模型构建 和数据收集的成本具有重要意义。 本文提出了一种简易迁移学习(EasyTL)融合域内对齐的主轴热误差建模方法,以实现不同 工况下误差模型的迁移复用。 建立基于域内对齐和距离矩阵全组合择优的热误差迁移模型参数选取方法,获得最优组合。 进 一步分析不同类型的域内对齐和距离矩阵各自对模型迁移性能的影响。 最后,将迁移模型与 kNN 典型机器学习模型和卷积神 经网络深度模型进行比较验证,分别预测不同工况下主轴 Z 向和 Y 向的热误差。 此外,根据预测的主轴热误差进行工件补偿 加工实验。 该方法为热误差建模及补偿提供了一种新思路。

摘要:为获取列车风源系统故障诊断所需特征参量及故障影响规律,针对部分故障模式不可注入或注入具有破坏性等问题, 阐述了风源系统的构成原理和故障模式,提出了等效故障模型设计方法及等效故障注入流程,基于等效故障注入试验研究了 5 种典型故障模式在不同故障程度下的影响规律并分析了故障原因。 研究结果表明:等效故障注入试验可以在不对风源系统 造成破坏的情况下再现供气不足、油温高以及压缩机不加载 3 类典型故障现象,且不同故障模式的影响规律和特征参量不同。 进气过滤器严重堵塞时总风压力不足 740 kPa,造成供气不足现象;温控阀严重卡滞时最高喷油温度和机头排气温度分别较正 常值增加了约 20℃和 17℃ ,冷却油流量最大减小了约 14 L/ min;冷却器积灰引起冷却效果下降, 环境温度分别为 20℃ 、35℃ 和 50℃时,最大下降约 3℃ ;油严重泄漏时喷油流量高出正常值约 19 L/ min,机头排气温度最高可达 105℃ ,造成油温高现象;卸荷 电磁阀卡滞造成开度为 25% ~ 100% 时总风压力只有 690 kPa,造成供气不足现象,开度为 0 时空压机第一次正常工作并停机后 无法重新启动,造成压缩机不加载现象。 研究结果为基于温度、压力等多传感器数据的故障诊断算法设计以及智能风源系统传 感器布局提供了参考。

摘要:为了给不同听者在不同场景下提供更好的语音增强主观听觉感受,提出了一种基于感知条件网络的可控语音增强模 型。 首先设计分位数损失函数来对语音的高估和低估进行权衡,并以此来指导网络的训练,通过调节网络输出中的语音损失和 噪声残留水平,来控制模型的输出特性。 然后为了让单个网络具有可变的输出特性,引入条件网络,利用分位数损失函数中与 听者感知相关的分位值产生条件信息来对含噪语音特征进行调制,建立了可控的语音增强模型。 实验结果表明,设计的分位数 损失函数能够有效调节增强语音中的语音损失和噪声残留水平;基于感知条件网络建立的可控语音增强模型,能够提供可由听 者主动控制的增强语音输出特性,使听者获得更好的语音增强体验。

摘要:针对现有数据驱动型方法在滚动轴承早期退化识别中存在敏感度低、误警率高的问题,提出一种面向瞬态机械装备健 康监测的动态调整灰色关联分析(DAGIA)方法。 该方法首先采用希尔伯特(Hilbert)变换对滚动轴承振动数据进行幅度解调得 到包络信号。 为了削弱分辨系数取值的影响以凸显关联度值的区分程度,将可以表征轴承退化信息强弱的特征噪声能量比 (FNER)指标引入传统灰色关联分析(TGIA)中动态调整分辨系数。 然后,提取轴承运行初期的第一组数据作为参考数据,计算 其余数据和参考数据的动态灰色关联度并构建轴承性能衰退指标。 最后,根据正常样本并结合切比雪夫不等式设置控制线瞬 态识别滚动轴承早期退化起始位置。 利用 IMS 和 XJTU-SY 数据库完成对轴承早期退化瞬态识别,结果表明,所提方法可以瞬 态识别轴承早期退化位置,误报警逼近于 0,兼具敏感性和鲁棒性,有利于设备维护人员更好掌握滚动轴承的运行状态。

摘要:超声导波技术被大量应用于管道腐蚀的检测与评估。 腐蚀是实际管道中的主要缺陷形式,管道腐蚀缺陷形貌多样且复 杂,针对管道腐蚀导波检测的很多研究是通过仿真手段开展的。 常用的缺陷简化模型不能充分反映实际腐蚀缺陷的复杂程度, 有可能造成分析结果的偏差。 本文在分析腐蚀特点基础上提出了基于 W-M 分形函数的腐蚀仿真模型,研究了管道腐蚀缺陷的 有限元自动建模仿真方法,并通过分析讨论超声导波检测不同腐蚀缺陷的仿真结果对模型的有效性进行了验证,结果证明基于 本文提出的腐蚀模型所得缺陷回波可提供更丰富的缺陷信息,有利于揭示管道腐蚀特征与导波信号之间的量化关系。 本文的 研究成果可为进一步分析管道腐蚀缺陷的检测评估建立理论基础

摘要:为了提高光纤光栅 (FBG)柔性结构采用正交曲率三维重构方法的末端精度,通过神经网络将重构后的曲率末端坐标 与实际空间坐标建立映射关系。 首先利用 COMSOL 仿真软件对聚氨酯胶棒建立模型,将两根光纤光栅串共 8 支光栅正交排 布,采用递推角算法建立动态坐标系进行三维重构。 对重构的末端点坐标利用误差逆传播(BP)神经网络算法与极限学习机 (ELM)神经网络算法进行训练检测,结果表明,BP 神经网络和 ELM 神经网络训练平均误差分别为 0. 443 6 和 0. 008 2。 最后搭 建实验平台,对聚氨酯胶棒在受力情况下进行形状重构,并代入 ELM 模型中进行训练,训练结果相关系数 R 2 = 0. 985 8,均方根 误差(RMSE)为 1. 363 0,相较于 BP 神经网络方法有效提高了形状重构的末端坐标精度。

摘要:当轮式机器人在锥形薄壁深腔筒内运动时,减小机器人与筒体零件之间的同轴度误差对提升加工精度十分重要。 然 而,使用分布式气缸作为变径机构的轮式机器人系统具有非线性、时滞性和复杂的摩擦力特性,这导致同轴运动偏差精确调控 极其困难。 为此,本文提出了一种基于变论域模糊控制理论的自适应运动控制方法,以提高机器人运动变径位移精度和偏航、 俯仰角度控制精度。 首先,本文建立了轮式机器人行走机构的树状运动学模型,并提出了位姿解算方法;接着,提出了自适应运 动控制方法,并构建了基于 Simulink 与 Adams 的联合仿真系统,验证了方法的有效性;最后,利用机器人样机进行了筒内运动控 制试验。 结果表明:本文提出的自适应运动控制方法能够减小机器人筒内运动偏差,保证机器人变径位移偏差≤±1 mm,偏航 和俯仰角度偏差≤±1°。

摘要:以前列腺粒子植入机器人精准穿刺为目标,针对机器人辅助前列腺粒子植入手术的现存不足和发展趋势,开展针挠曲 形变预测模型和穿刺控制策略等方面的研究。 研究了针挠曲形变预测模型的参数获取问题,提出基于矫正力的术中组织杨氏 模量识别方法,解决术中组织杨氏模量获取困难的问题。 随后,建立基于矫正力的穿刺控制策略,分为两个阶段,即术前针尖轨 迹规划阶段和术中穿刺策略调整阶段。 在术前针尖轨迹规划阶段,基于针挠曲形变预测模型构建成本函数获取最佳针尖轨迹 与穿刺参数。 在术中穿刺策略调整阶段,构建了反向针挠曲形变预测模型,对矫正力的数值进行术中补偿,并采用基于强化学 习(RL)的自适应 PID 方法设计控制器控制矫正力的施加,实现精准穿刺。 自主搭建了粒子植入机器人实验平台以验证所提穿 刺控制策略的有效性,粒子植入的平均误差为 1. 96 mm,标准误差为 0. 56 mm,实验结果表明,基于矫正力的穿刺控制策略能够 有效降低针尖挠曲值,可以提高粒子植入精度。

摘要:虽然血细胞分析仪已广泛应用于医院中,但人工镜检仍是白细胞检测的“金标准”。 本文提出了一种基于 DETR 的 Transformer 结构的深度学习模型 T-DETR 用于外周血白细胞的检测,旨在缓解人工镜检的压力。 首先,使用 PVTv2 作为 DETR 的骨干提取多尺度特征图来提高检测精度。 然后,将可变形注意力模块引入到 DETR 模型中,减少计算复杂度以加快模型收 敛。 最后,为了得到最优权重,在筛选后的公共白细胞数据集上使用了迁移学习的训练方式。 实验结果表明,T-DETR 在 COCO 数据集上 mAP 为 0. 476,在白细胞数据集上的 mAP 为 0. 954,优于 DETR 和经典 CNN 模型,验证了 Transformer 结构的模型在医 学图像检测中应用的可行性。

摘要:当手持刚性工具在材料表面滑动时,用户可以通过工具的振动来感受材料表面的纹理特征。 这些振动加速度数据包含 了丰富的纹理类别信息,为纹理的分类提供了基础。 利用触觉进行纹理分类对于力触觉人机交互、机器人精细化操作等应用具 有重要的意义。 目前,手工设计与纹理相关的特征以及借助卷积神经网络进行简单的特征提取等方法已经被应用于触觉纹理 分类。 然而,这些方法未能关注时间尺度的选择和触觉序列数据间的时间依赖性,还存在触觉数据特征提取不充分和分类精度 不佳等问题。 为了解决上述问题,本文提出一种由多尺度卷积网络和双向长短时记忆网络相结合的融合模型,以便同时捕获触 觉信号多尺度的几何局部空间特征和时间依赖特征。 所提出的模型从公开的触觉数据集中学习材料表面纹理的触觉特征,并 在公开的纹理振动加速度数据库上进行训练。 实验结果表明,本文提出的模型可以稳健且高效地实现最高 92. 1% 的纹理分类 精度。

摘要:宽带无线光相干通信通过信道均衡来抑制大气湍流产生的码间串扰。 以湍流环境下的中频信号作为样本,分别采用反 向传播(BP)神经网络和长短期记忆(LSTM)神经网络进行训练,将训练达到稳定的网络模型作为信道均衡器,以均衡器输出的 中频信号作为系统性能评价指标并与自适应光学波前畸变校正算法进行比较。 仿真结果表明,智能信道均衡算法对于系统误 码率的改善优于自适应光学波前畸变校正算法。 实验结果表明:采用 BP 神经网络信道均衡技术、LSTM 神经网络信道均衡技 术,以及波前畸变校正技术后,中频信号直方图的峰值分别位于 0. 49、0. 38、0. 38 V,相应的系统误码率分别为 3. 79× 10 -5 、 1. 64×10 -4 和 8. 48×10 -2 。 智能信道均衡技术相比于波前畸变校正技术对于中频信号幅值随机起伏和误码率都有明显改善。

摘要:脑电信号被认为是检测驾驶员疲劳状态的最佳生理信号之一。 然而,由于不同被试者和不同记录时段的脑电信号差异 很大,设计一个无校准的脑电疲劳检测系统仍然具有挑战性。 近年来,虽然开发了许多深度学习方法来解决这个问题并取得了 重大进展,但是深度学习模型的黑盒效应使得模型决策不可信赖。 为此,本文提出了一种可解释深度学习模型,用于从单通道 脑电信号中检测跨被试疲劳状态。 该模型具有紧凑的网络结构,首先设计浅层 CNN 提取 EEG 特征,然后引入自适应特征重新 校准机制增强提取特征的质量,最后通过 LSTM 网络将时间特征序列与分类相关联。 模型分类决策的可解释信息则是由 LSTM 输出隐藏状态的可视化技术实现的。 在持续驾驶任务的公开脑电数据集上进行大量跨被试实验,该模型的分类平均准确率最 高达到 76. 26% 。 相比于先进的紧凑型深度学习模型,该模型有效降低了参数量和计算量。 可视化结果表明该模型已发现神经 生理学上可靠的解释。

摘要:针对激光近程全向探测问题,在激光近程动态周向扫描探测机理研究基础上,提出了基于光锥扩束机理的单脉冲激光 近程静态周向探测方法。 基于激光近场探测理论和静态探测场空间几何分布,推导出基于光锥扩束机理的单脉冲激光近程静 态探测回波方程。 构建了单脉冲激光近程测距概率分布模型并搭建了实验室静态探测实验平台,研究了脉冲激光发射功率、倒 置反射光锥角、脉冲激光束发散角和目标尺寸投影面积对激光近程周向探测概率分布的影响机制。 结果表明:随着发射功率和 目标投影尺寸分别从 10 W 和 0. 01 m 2 增加到 30 W 和 0. 25 m 2 ,回波信号幅值亦随之从 0. 16 和 0. 43 μV 提升到 4. 22 和 5. 95 μV,随着倒置反射光锥角和光束发散角分别从 30° 和 10 mrad 增加到 120° 和 30 mrad,回波信号幅值随之从 3. 18 和 2. 52 μV 降低到 0. 88 和 1. 92 μV;周向探测概率分布随着发射功率和目标投影尺寸的增加而半宽减小且峰值增加并向左偏离、 随着倒置反射光锥角和光束发散角的增加半宽增大且峰值降低并向右偏离;探测分布对称性并不受以上 4 种因素影响。

摘要:针对空间环境应用中航天器结构形变夹角测量系统因系统误差导致测量精度较低的问题,提出一种基于自准直对比系 统的夹角测量系统标定方法。 通过该方法对夹角测量仪进行标定后得到标定系数,并应用仿真数据对系数进行验证。 验证结 果表明,夹角测量系统量程可达到±25′,测量分辨率可达到 0. 1″。 使用标定后的夹角测量系统进行角度检测,并将测量结果与 自准直仪进行对比。 结果表明,该标定方法简单方便精准度高,计算测量结果与标准值的差值的绝对值,夹角测量仪测量精度 达到±0. 2″,标定后夹角测量仪精度满足卫星使用要求,该方法的应用将为卫星在轨结构微形变研究提供技术支撑。

摘要:针对三轴标准振动台簧片解耦结构低固有频率及非线性特性导致的工作频率范围受限及输出振动波形严重失真等问 题,首先基于确定的解耦结构关键参数及简化组合,通过 Ansys 模态和瞬态动力学分析,得到相应参数变化时三轴标准振动台 的固有频率和输出波形失真特性。 进一步,采用多元非线性回归法建立准确表征固有频率、失真度与关键结构参数间非线性变 化关系的回归方程,并基于 NSGA-II 遗传算法对簧片解耦结构进行多参数优化,求解得到前 3 阶固有频率、弯曲振型固有频率 最大可分别提升 123. 95% 、166. 85% 及失真度最大可降低 36. 83% 的最佳簧片结构参数。 最后,实验测试表明最优簧片解耦结 构对应的三轴标准振动台在固有频率及输出波形失真度两方面性能均得到提升,验证了簧片解耦结构遗传算法多参数优化设 计的有效性,为其他多维柔性结构优化设计提供了参考。

摘要:近年来结构光照明显微术(SIM)在技术发展和应用方面都受到了广泛关注。 然而,传统采用空间光调制器( SLM)进行 条纹投影的 SIM 成像视野有限。 为满足生物医学研究中高通量显微成像的需求,本文基于 SIM 开发一种基于激光干涉的大视 野超分辨荧光显微成像系统。 将用于投射条纹图案的 2D 光栅和用于控制条纹方向相移的 SLM 相结合,突破数字投影设备对 条纹数量和精细度的限制。 开发一种空域重建超分辨图像的算法来提高成像速度。 最后,搭建 1 套结构光照明荧光显微成像 系统样机,在 20×放大倍数和物镜 NA 0. 75 的条件下,验证了本文方法的有效性,在分辨率提升至 1. 8 倍的同时视野可达 1 380 μm×1 035 μm,所述空域超分重建算法能够大幅降低计算耗时。

摘要:航空发动机涡轮叶片的断裂脱落与叶片温度密切相关,准确测量涡轮叶片温度对航空发动机的安全运行具有重要意 义。 针对涡轮叶片材料发射率不均匀、周围高温物体反射严重以及探测角度变化等因素导致传统红外辐射测温方法精度难以 保证的问题,基于辐射传输理论与红外热成像测温原理,分析了对红外测温结果影响的主要因素,提出了复杂背景下三维弯曲 表面红外辐射测温的修正模型。 通过设计实验测量获得弯曲表面的发射率、双向反射分布函数、角系数等重要参数,根据提出 的温度修正模型,得到弯曲表面红外修正温度。 通过与典型位置上热电偶的测温结果对比,测温误差由修正前的 4% 左右下降 到 1% 以内,证明了所提的修正模型具有较高的精度和适应性,可为涡轮叶片气动传热试验技术的提升和航空发动机等重大装 备的研制提供支撑。

摘要:为了解决传统石油开发集中计量方式难以获取单口油井油气水三相流相关参数的难题,采用流体体积和有限元分析等 方法在建立该测量装置的数值仿真模型基础上对其结构参数、气液分离效果等进行了深入研究与优化,从而确定了该监测装置 的最优结构参数,并研制了可以在现有集中计量环境中长期、稳定与可靠使用的一种永置式石油生产多井组单井轮巡三相流监 测装置。 另外,还在搭建的永置式石油生产地面多井组单井轮巡三相流多参数监测平台上开展了实验研究,实验结果表明,所 研制的装置在气、液相流量 5~ 70 m 3 / d,液相持水率 50% ~ 90% 等混合流体下持水率、气量测量误差均小于 10% ,流量测量误差 小于 4% 。 仿真和实验均证明了永置式监测装置具有良好的多分相测量性能。

摘要:磁粒子成像是一种全新的人体内动态靶向影像学方法,但当前磁粒子成像系统以封闭式磁场扫描结构为主,严重限制 了其临床应用范围。 设计了一种开放式电子扫描窄带磁粒子成像系统,在分析了超顺磁粒子谐波磁化响应的基础上,通过对线 圈表面耦合磁场的计算及电流控制利用 8 个梯度线圈形成了基于无场线的开放式空间定位磁场,成像区域 30 mm×30 mm;以 单边激励线圈产生 20. 7 kHz 激励磁场,处于高频激励磁场及定位磁场中的超顺磁纳米粒子示踪剂产生具有丰富谐波成分的可 定位超顺磁磁化信号,使用高信噪比 Gradiometer 线圈检测其 3 次谐波信号形成电压云图图像;通过预测量的系统函数矩阵利 用非负最小二乘法对电压云图进行重建,形成示踪剂浓度分布云图。 成像实验结果表明,系统在开放式成像区域内探测灵敏度 20 μg Fe,图像重建空间分辨率 2 mm,成像速度 1 fps,达到了较好的开放式成像效果,系统也是国内首台全自主研发的开放式 磁粒子成像系统。

摘要:为了在传感器径向尺寸不变的前提下,保持良好的测量精度和分辨率,以适应小型化需要的工业场合,提出了一种利用 多层结构实现信号二次调制的圆时栅角位移传感器。 传感器为 3 层结构,利用轴向空间,使内外环分别通过多层结构完成信号 的二次调制,其中内环作为粗测环经二次调制后用于实现传感器的绝对定位,外环作为精测环经二次调制后,提高了传感器分 辨率。 采用 PCB 工艺制造了外径 Φ= 100 mm,内径 Φ= 50 mm 的传感器样机,初步实验表明内外环同时施加激励时,内外环将 分别受到对方产生的串扰影响,因此进一步提出分时施加激励的优化方法避免信号串扰的影响以提升测量精度。 最终实验结 果表明传感器能够实现绝对定位且分辨率提升了 1 倍,原始测量精度达到了±4. 1″。

摘要:人体皮肤含有丰富的感知受体,通过触摸可以识别不同物质,柔性热觉传感器能够模拟人体皮肤的结构和功能,实现智 能机器人、智能传感应用。 设计了一种基于恒定温差法(CTD)的柔性热觉传感器,由金属电极与柔性聚合物薄膜结构组成,结 合机器手指触摸识别应用,建立了“加热-接触”传热模型,考虑了传感器、物体、机器手指的几何特征,采用数值拉氏逆变换算 法进行求解。 通过有限元仿真和热觉感知实验进行了验证,设计了 CTD 工作模式的调理电路,通过 PID 算法实现闭环温差控 制,引入卡尔曼滤波抑制扰动,温控相对误差在 3. 0% 以内,实现了 11 种具有不同热属性的材料的识别。 该柔性系统在机器人 感知、可穿戴电子、虚拟现实等领域具有应用潜力。

摘要:近年来,随着工业机器人技术的不断完善,利用相机与激光测距仪结合测量的应用不断增多。 为了使两者之间配合的 更加便利,两者之间的标定是必不可少的。 本文提出了一种基于双目相机与单点激光测距仪的标定方法,以双目相机光心为原 点,建立相机坐标系。 将单点激光测距仪光点打到标定板上,并在标定板上形成光斑,通过灰度重心法提取光斑中心像素点,利 用双目相机的内参矩阵及深度数据获取光斑点的三维坐标值。 然后利用两个三维坐标点建立公式求取外参参数的粗略解,同 时通过相机坐标系下多个光斑点的三维坐标建立约束方程,并利用优化算法对约束方程进行优化,得到精确的外参参数值。 该 方法做法简单,且对标定器件无特殊要求,通过该方法得到的外参参数精度高,鲁棒性好。 实测结果表明,通过该算法得到的外 参参数进行重投影后,平均相对误差小于 0. 30% ,能够应用于实际生产过程中。

摘要:针对高低温环境对高 g 值加速度传感器灵敏度影响机理不清的问题,通过建立两端固支的敏感单元数学模型,得到了 传感器灵敏度与敏感单元纵向应力、横向应力的关系。 通过热-力耦合仿真分析得到了传感器灵敏度与温度间的关系,在 -40℃ ~ 50℃范围内,传感器灵敏度随温度的增加而减小,且在-40℃ ~ 20℃ 范围内灵敏度变化较快,在 20℃ ~ 50℃ 范围内灵敏 度变化较慢。 通过传感器高低温试验得到高低温环境下传感器灵敏度数据,-40℃条件下灵敏度大小为 0. 523 μV/ g;50℃ 条件 下灵敏度大小为 0. 516 μV/ g。 与仿真结果进行对比,验证了温度变化对传感器灵敏度的影响规律,为提升高 g 值加速度传感 器在高低温环境下测量精度具有理论参考意义。

摘要:为了进一步溯源时栅位移传感器磁场耦合过程引起的误差,对时栅位移传感器在构造场中的耦合特性进行研究,并研 制了一种基于指数形平面线圈结构的新型直线时栅位移传感器。 建立传感器工程构造磁场的数学模型,分析传感器耦合间隙 对线圈耦合平面磁场分布的影响,研究不同形状平面线圈的耦合特性;根据传感器的耦合特性,构建了一种新型直线时栅位移 传感器测量模型,对该模型进行了电磁场有限元仿真和仿真误差分析,得出该结构最佳感应间隙为 0. 4 mm;对传感器的结构误 差进行了溯源分析,进一步优化传感器的结构;搭建实验平台,利用双层 PCB 绕线工艺加工传感器定尺和动尺,对优化前后的 传感器样机开展对比实验。 实验结果表明,设计的基于指数形平面线圈结构的新型直线时栅位移传感器可以有效抑制传感器 的四次误差,新研制的传感器样机的原始测量精度在原有的基础上提高了 45. 8% 。

摘要:传统的基于电涡流的多周期位移传感器由于输出信号的周期重复性,难以解决断电重启后的绝对位置识别问题。 提出 一种基于电涡流的新型双极直线位移传感器。 经过理论与仿真分析,验证了随着滑片的滑动,接收线圈中感应电压的幅值呈现 正余弦变化。 设计了双极敏感结构,通过上极多周期接收线圈保证位移的精确测量。 下极布置单周期接收线圈对上级所处周 期进行识别。 通过感应信号偏移及幅值归一化处理算法提高精度,在实验室搭建传感器样机,以高精度电控平移台进行测试。 经测试,新型多周期双极电涡流直线位移传感器可以实现绝对位置测量,在 0~ 60 mm 量程内测量误差为 30 μm,最大非线性为 0. 08% 。 突破了传统多周期涡流式位移传感器绝对位置无法识别的局限。

摘要:针对传统射频识别(RFID)室内定位方法定位精度不高的问题,提出了一种基于双频点载波相位距离模型的 RFID 室内 定位算法。 采用跳频技术虚拟大带宽获取距离粗估计以实现多径抑制,并基于多径抑制完成最优双频点的选择;利用最优双频 点载波相位设计粒子滤波定位算法,通过遗传算法优化传统粒子滤波中的重采样方法,有效解决了粒子退化问题并提升了定位 精度。 实验结果表明,所提算法的中位数定位误差为 5. 23 cm,定位性能比传统中国余数定理的定位方法提高了约 39% 。

摘要:针对金属板腐蚀在线超声动态检测时探头抖动致使超声波入射角变化,引起测量精度低的问题,建立双参数超声波水 浸检测误差修正的非线性概率模型,结合函数逼近理论补偿超声入射角引入误差。 采用基函数加权组合与三阶拉格朗日插值 结合方法,同时对超声波入射角、界面声程双参数与工件声程的函数关系进行最小二乘曲线拟合,得出入射角与检测误差的非 线性相关关系。 通过对误差补偿算法中非线性概率模型入射角与界面声程变量的迭代运算,利用折射角反向求解入射角,解决 检测中超声波入射角不确定问题。 在水层厚度 30~ 45 mm 范围内,对不同厚度铝板进行检测,结果表明,经模型补偿处理,超声 波以 0° ~ 8°角入射,板材检测精度为 1% ,为有效提高腐蚀精度估计提供依据。

摘要:针对电学层析重建(ET)的“软场”特性和逆问题求解的病态性所造成的边界伪影和空间分辨率低的问题,本文提出一 种基于迭代展开的预重建模块和改进的注意力深度 U 形卷积神经网络(CNN)的深度成像方法。 其中,预重建模块是由牛顿— 拉夫逊迭代算法得到的 4 层反卷积神经网络;深度 U 形 CNN 模块中,在特征提取和重建模块中加入残差连接,用于缓解深度 CNN 模型中的梯度消失问题,同时引入自注意力跳跃连接实现对全局特征和局部特征的抽象融合,使模型更好地表达图像重 建问题的非线性特征。 重建结果表明空间分辨率高,内含物边界清晰,重建相对误差为 0. 10,相关系数为 0. 93,说明本方法可 以有效改善 ET 图像的质量,为无损测量与检测可视化提出了一种可靠方法。

摘要:在对空气中未知的宽带声源的波达方向进行估计时,麦克风阵列的阵元间距很容易大于声信号半波长而出现栅瓣,严 重影响估计效果。 尽管多频带数据的使用在一定程度上可以抑制栅瓣产生,但目前的方法抑制效果比较一般而且计算效率不 高。 在稀疏贝叶斯学习基础上,提出了一种针对宽带声源方位估计的改进方法。 这种方法将超先验引入到传统的多频稀疏贝 叶斯估计模型中,然后同时利用声源信号在多个频带上具有的相同空间角度稀疏性并结合期望最大化算法重新推导了多频稀 疏贝叶斯模型中各相关参数的迭代形式。 与此同时,考虑到实际场景中的声源方位通常不位于稀疏网格上,离网格修复模型也 被加入设计框架中,以解决该问题。 为验证算法性能,开展了仿真实验和场地实验。 结果表明,相比最近提出的基于 l 1 最小化 的多频 压缩感知方法和宽带的多频稀疏贝叶斯学习方法,提出方法能更好的利用宽带声源的多频特性以降低栅瓣的干扰,同 时具有更高的估计精度和计算速度。 在现场实验中,改进方法表现了优于其他先进方法的栅瓣抑制能力,声源方位估计误差可 达 0. 09°,所需迭代收敛步数相比 MF-SBL 减少约 50% 。

摘要:目前,同时定位与地图构建(SLAM)技术在真实环境中的应用仍受多种因素制约,室内环境中的动态对象干扰就是其 中一个亟待解决的问题。 提出一种基于 ORB-SLAM3 并以实例分割网络为辅助的视觉 SLAM 系统,该系统将分割任务置于后 端,在前端结合 RGB-D 相机输入和核相关滤波(KCF)算法对后端检测到的语义信息进行跟踪传递,并且使用语义信息在贝叶 斯概率框架中追踪关键点的运动状态。 与目前基于检测或分割的方法相比,该系统使用更为轻量化的方案来分割和跟踪场景 中的运动对象,并在贝叶斯滤波模型的进一步辅助下,既实现了准确的动态干扰滤除,又优化了卷积神经网络(CNN)预处理导 致的系统运行实时性问题。 在 TUM RGB-D 数据集上的实验表明,该系统能以约 16 fps 的速度取得较高的定位精度,相较于 ORB-SLAM3 平均领先 78. 56% ,相较于 DynaSLAM 平均领先 11. 85% 。