摘要:针对割草机电机控制过程中存在的转矩脉动大，动态性能差等问题，设计了一种割草机无刷直流电机的矢量调速系统。使用滑模控制器代替PI控制，用于电机的速度调节，并分别设计了基于脉振方波高频注入和滑模观测器算法的位置估计系统，提出了一种通过分析电机在机械角度旋转一周内两者的误差，来切换位置估计方法的策略，实现了电机在全转速下的位置估计。在MATLAB中对算法进行仿真，并利用STM32F302芯片搭建硬件实验平台。结果表明：两种转子位置估计方法能够平稳切换，提高了转子位置估计的准确度，滑模控制器的使用降低了转速调节时间，提高了系统鲁棒性。

摘要:飞行试验中飞机会产生混合可燃性气体，气体浓度的变化给飞行试验安全带来极大安全隐患。针对传统测试方法响应时间长、精度低等局限性，当前新机种新飞行任务对气体浓度测试提出了更高需求。根据型号任务需求，通过对测试环境、气体成分和当前气体浓度测量技术进行分析，确定了混合气体浓度测试总体技术方案，研制了新型机载混合可燃性气体浓度测试系统，实现了气体浓度实时高精度测量。主要阐述了测试系统原理和设计方案，详细介绍了基于时分复用背景噪声去除技术，分别进行了地面和飞行试验验证，经数据分析，系统状态稳定，功能正常，测试数据各项指标均能满足型号任务测试需求。

摘要:为了满足太阳能供电系统对于输出功率稳定、太阳能转化率高、低成本、小型化和便于部署的性能要求，提出了一种应用卡尔曼滤波算法和MPPT技术的追光式小型太阳能供电系统。设计采用光电法追踪太阳位置，文中对控制过程进行了建模并在SIMULINK中进行了仿真。通过在经典PID控制的输出端加入卡尔曼滤波器以使系统达到最佳的控制效果。在功率输出端加入MPPT控制电路，使太阳能电池板处于最大功率输出状态。实验结果表明，该系统具有较高的太阳能利用率，良好的功率输出效果，有较高的实际应用价值。

摘要:面对不同海况，船载S波段测波雷达数字接收机需要支持6种不同的基带采样速率和带宽。为了满足雷达各模块多功能一体化以及雷达系统对多速率多带宽的需求，提出了一种基于FPGA的多带宽数字下变频（DDC）方案，可根据接收机工作参数，动态加载适用于不同海况的抽取倍数和滤波器系数。通过坐标旋转数字计算法（CORDIC）实现了16级流水线数控振荡器（NCO）模块；对分布式算法（DA）进行改进，实现了全并行128阶FIR滤波器，并对DA通道进行时分复用；异步FIFO模块保证数据在跨时钟域无失真传输，并适当的对数据截位来节省硬件资源。最终结果表明基带I/Q信号频率准确，信噪比高达60 dB，满足设计目标和雷达使用需求，该结构可节省大量DSP乘法器和RAM资源，对DA结构时分复用后，可额外节省42.8%的查找表资源。数字下变频方案合理可行，可有效针对不同海况切换抽取倍数和滤波器系数，为后续基带信号处理器提供了稳定有效的数据来源，对雷达各模块多功能一体化具有重要参考意义。

摘要:目前存在的仿真测试系统大部分是针对使用方进行的，主要仿真实际运行过程、测试界面等，缺少针对操控设备参数的仿真测试。针对目前该类情况，研制开发一款集系统仿真与设备测试仿真于一体的综合性测试平台。该仿真平台在完成测试实际应用界面的同时，同时测试各操控设备的操控参数。经过测试验证，效果良好，满足系统仿真测试和操控设备参数测试两项功能的需要，仿真测试结果更加全面完整。本文主要介绍其设计实现，包括总体设计、结构组成、工作原理、测试应用结果等几个方面。

摘要:为了便于检测航空器蒙皮结构缺陷状况，弥补人工检测的不足，设计了一套16电极的电阻抗成像系统。该系统利用正弦信号，以相对激励模式刺激样品，用测量值解调信息对比由前向运算求得的相对参考幅值，基于开源软件Octave和软件包EIDORS，利用图像重构算法得到蒙皮结构的电导率分布图像，以其电导率变化趋势表征蒙皮结构缺陷状况。成像实验选用了航空器常用板材2024 T-3铝合金板材作为样品，并利用PE等评价指标对重建图像质量进行了评价，结果表明利用该系统可以测量到样品由于缺损引起的电导率变化，故该系统可以有效检测金属材料蒙皮结构缺陷。

摘要:为了进一步提升运动想象脑电解码的性能，针对共空域模式（CSP）特征提取方法存在的问题，提出了新的CSP改进方法，即基于CSP变换和滤波器组的对数带通功率特征提取方法。首先，对原始脑电信号进行预处理；接着，使用CSP变换对预处理信号进行空间滤波；然后，使用滤波器组把空间滤波信号分解成多个子带，并提取每个子带信号的对数带通功率作为特征；最后，使用最小绝对值收缩和选择算子（LASSO）进行特征选择，并使用支持向量机（SVM）进行分类。在脑机接口（BCI）竞赛IV数据集IIa上进行了实验，所提出的方法取得了最高的平均分类准确率，结果为81.97%。实验结果表明，所提出的方法其分类性能优于现有的CSP改进方法，而且特征提取时间也具有较大优势。

摘要:基于FBD功率理论的谐波检测法因实现简单、稳定性强被广泛应用于有源电力滤波器，但传统FBD法在电网电压畸变下由于锁相环失锁，检测精度降低，且低通滤波器的使用存在稳态误差与响应速度不可兼得的固有矛盾。针对此不足提出一种改进型方法，该方法首先通过对三相电压偏移600进而快速提取正序电压分量，以代替基准参考电压信号参与运算，避免了电压不对称引起的检测误差;并构建出一种基于双曲正切函数的变步长自适应滤波器获取基波等效有功电导，引入误差信号的自相关时间均值估计反馈步长迭代函数，使自适应算法和FBD检测算法有机融合，有效提升了算法的动态响应速度。理论推导与仿真结果证实了该改进算法的正确性与有效性。

摘要:由于轴承的振动信号中往往蕴含大量的干扰信号，高效提取故障特征并进行分类识别是轴承诊断工作的关键所在。传统的故障特征提取方法往往需要多种表征不同故障的指标集合，本文提出了一种基于马氏距离加权的Laplace矩阵和改进K均值聚类的轴承故障诊断方法。首先将轴承的时域离散信号映射到图形域以获得图信号，通过马氏距离加权和图信号的代数形式Laplace矩阵得到表征轴承不同故障状态的特征指标集合，再应用改进K均值聚类思想将特征指标集合进行评估和分类，以实现通过单一指标对不同故障状态轴承准确分类的目的。实验结果表明，基于马氏距离加权的Laplace矩阵和改进K均值聚类的轴承诊断方法能够有效提取不同故障的特征指标并进行准确分类，同时，该方法在单一指标分类上正确率远高于传统故障特征提取方法。

摘要:煤矿井下机车运输在煤矿日常生产中起到运输物料和矸石的作用，机车作为运输的载体，其能否安全高效地完成调度中心指派的运输任务对煤矿生产至关重要。对机车进行合理的调度优化不仅可以提高运输效率，还可以极大地降低撞车等安全事故问题。本文利用一种结合交叉因子和模拟退火算法改进的果蝇优化算法来求解煤矿井下机车运输的调度优化问题，该算法引入交叉因子更新个体位置，根据模拟退火算法的适应度增量来选择进入下一次迭代的个体，既保留了果蝇优化算法参数易调节、信息共享程度高、自适应能力强等优点，又较好解决了果蝇算法易早熟且求解精度不高的弊端。通过对煤矿井下机车运输的模拟仿真，证明了该算法所规划的路径更合理，可使机车的运输效率更高。

摘要:为了提高手语识别准确率，本文提出一种基于混合粒子群优化的支持向量机（Hybrid Particle swarm algorithm Support vector machine，HPSO-SVM）的多传感器手语识别方法。在原始数据采集阶段，利用ZTEMG-2000肌电传感器采集人体手臂表肌电信号、MPU6050传感器采集右手加速度和角速度信号；在数据处理阶段，增加一个自适应容错长度，提高了短时能量法提取活动段的精度；在分类方法阶段，通过混合粒子群算法（HPSO）寻找出支持向量机（SVM）的惩罚因子和核函数参数的最优组合，优化了SVM模型。实验上，对每名受试者分别执行的5种中国手语进行识别，平均识别率达到了96.78%。该方法利用数量较少的、经济实惠的传感器对手语进行识别，且识别准确率较传统SVM算法提高了5%，展现了该方法在手语识别上的优越性。

摘要:针对传统校正方法在非均匀背景场中会面临校正性能降低，甚至完全失效的问题，本文设计了一种新的非均匀背景场中的矢量磁力计阵列校正方法，依据空间中一点的张量不变量的旋转不变特性，建立新的误差校正模型，并采用数值方法估计系统的校正参数。经过仿真与野外实测的双重测试，在多种背景场下，这种经过基于张量不变量的校正(TI)方法校正后的磁梯度张量矩阵的缩并CT近似为一个常数，与理论分析保持一致，表明TI校正算法在不同的背景场下都有满意的校正性能。结果表明此校正方法不仅可以应用于非均匀场中，同样也可以用于均匀场环境下，相较于传统方法实时性强，校正效果好。

摘要:传统的单个模糊分类器方法采用固定的去模糊化规则，在情感数据分类上容易引起文本歧义，针对该问题，提出一种基于深度神经网络和模糊规则的文本分类方法。该方法分为两个主要阶段。第一个阶段，利用模糊规则形成算法与不同的模糊范数，利用特征提取方法（词袋法、词嵌入向量），以及基于关联的特征子集选择方法来制备特征，从而训练多个模糊分类器；然后，进行分类器融合以识别歧义实例。第二个阶段，整理歧义实例，生成第二个训练集，使用KNN对新出现的歧义实例进行分类。与当前已有的先进方法相比，所提方法在大部分情况下具有更优的分类性能，Wilcoxon秩检验的统计具有显著性。

摘要:针对未知动态环境中多机器人协作围捕的时间长、成功率低的问题，提出了一种基于生物启发神经网络的新型多机器人协作围捕方法。首先，构建了多机器人协作围捕模型，利用动态联盟策略实现多机器人的联动；其次，构建基于生物启发神经网络的追踪策略，动态指导联盟所有机器人进行追踪；最后，采用编队策略实现目标的围捕。实验结果表明：所提出的方法在单目标、多目标、部分机器人故障、不同形状障碍物、不同规则环境等情况下平均捕获时间分别为12.7s、22.3s、34.2s、17.7s和28.5s，平均捕获成功率为97.4%；与其他多机器人协作围捕算法相比，本文提出的算法在捕获时间和捕获成功率上具有较大优势。

摘要:随着信息化程度不断加深，移动机器人的应用越来越广泛，但在很多情况下，移动机器人需要工作在不断变化且复杂的环境中，由于无法提前获取环境信息，往往难以对移动机器人进行路径规划并寻找到一条合适的路径。针对这一问题，本文提出了一种移动机器人路径规划方法。该方法运用栅格法建立环境模型，利用探索步数定义回报值，并通过强化学习不断优化路径；针对强化学习中对环境的探索与利用的平衡问题，提出一种变化的ε-decreasing动作选择策略和学习率选择方法，使探索因子随着智能体对环境探索程度的增加而动态变化，从而加快了学习算法的收敛速度。仿真结果表明，该方法能够实现移动机器人在复杂的环境下的自主导航和快速路径规划，在获得相同路径长度的前提下，迭代次数相比于传统强化学习算法减少了约32%，有效的加快了收敛速度。

摘要:机车车顶设备状态异常和车顶异物是影响机车正常运行的因素之一，研究和运用机车车顶状态及异物检测技术对于铁路行车安全具有重要的意义。本文首先论述了目前运用于机车车顶设备状态检测的机械接触式、基于线性图像的非接触式以及综合性的动态监测三种检测技术，对这些技术所适合的应用场景及其优缺点进行了阐述及对比；然后在介绍传统人工进行异物检测的基础上，重点论述了基于图像处理的机车车顶异物检测技术，归纳总结了车顶成像、图像预处理、异物检测各环节中采用的技术手段和方法，分析比较了各环节的主要技术特点，并指出了今后机车车顶异物检测技术的发展趋势和需要进一步研究的主要内容。

摘要:在计算机系统电磁辐射的信息泄漏中，视频信号是最容易被截获及恢复的信息。针对计算机系统VGA线缆传导发射的视频信号的恢复问题，建立了计算机模拟视频信号在VGA传输通道中的传输及电磁辐射模型，分析了模拟视频信号的呈像规则以及采集过程中模拟视频信号在各个阶段的时域特性，得到了VGA线缆辐射的模拟视频信号的恢复步骤。由于低采样率下恢复的单帧视频信号质量差，故根据视频信号的呈像规则将连续多帧恢复图像重叠，即可在低采样率下得到质量较高的恢复图像。仿真结果表明，该方法可有效增加视频图像的恢复质量，在低采样率下恢复质量的提升尤为明显。为验证仿真结果的正确性，对实际截获的VGA线缆辐射信息进行还原，所得结果与仿真基本符合。

摘要:对于催化材料，纳米颗粒的大小和形状等结构信息对催化性能有着重要的影响，基于透射电子显微镜图像的纳米颗粒识别与统计是获取这些信息的主要手段。本文提一种基于深度学习的深度可分离卷积U-Net网络架构，以核壳结构纳米材料为数据集，采用交叉熵损失函数、加权交叉熵损失函数、IoU(Intersection Over Union)损失函数和Dice损失函数作为优化目标，分别对网络进行训练。分割结果表明IoU损失函数和Dice损失函数在正负样本不均衡的核壳结构纳米颗粒数据集中性能较好。最后利用训练好的网络，对TEM图像分割且进行统计，获取粒径及周长分布等结构信息，为深度学习在催化材料领域的应用提供可行性。

摘要:车辆通信（Vehicle to Everything，V2X）能够有效的提高交通安全性和移动性，是车辆部署场景中的关键技术之一。V2X通信链路需要满足不同应用的服务质量（Quality of Service, QoS）要求，如车对车(Vehicle to Vehicle，V2V)链路的延迟和可靠性要求。面向车辆高速移动性导致的无线信道快速变化，为保证不同车辆链路的QoS约束和车辆动态网络的鲁棒性，提出一种基于联邦深度强化学习（Federal Deep Reinforcement Learning，FDRL）的频谱分配和功率控制联合优化框架。框架首先根据不同车辆链路需求提出了对应的优化问题，并定义了强化学习的状态空间、动作空间和奖励函数；然后介绍了联邦深度强化学习的训练框架；最后，通过分布式的车辆端强化学习和基站聚合平均训练，找到最佳的频谱分配和功率控制策略。仿真结果表明，与其他对比算法相比，所提出算法能够提高车对基站(Vehicle to Infrastructure，V2I) 的总用户信道容量，并保证了新加入车辆时动态网络的鲁棒性。

摘要:针对基于最大单纯形体积方法的端元提取算法通常涉及到对全局像素的处理且对噪声敏感的问题，本文提出了能快速从高光谱图像中提取端元的鲁棒最大单纯形体积端元提取算法。首先，该算法采用主成分分析对高光谱图像降维至p-1维子空间。随后，对于降维的子空间，算法采用凸包检测算法获取子空间下的凸包边界点。接着，对于检测到的凸包边界点，算法迭代选取p个数据点并计算其行列式体积，直至选取出p个能产生最大单纯形体积的数据点。最后将提取的p个数据点逆变换至原始维度空间从而获取去噪后的p个端元。在模拟数据集和真实数据集上的实验结果表明：提出的算法能快速提取弱噪声的端元。该算法能满足高光谱端元提取领域中的高精度，实时性强的要求。

摘要:人脸表情识别在人机交互、情感计算等计算机视觉领域具有十分重要的应用前景。针对人脸表情识别的复杂性、多样性、遮挡性、光照等方面的挑战，提出了一种新的端到端网路，并将注意力力机制应用于表情自动识别。新的网络体系结构由特征提取模块、注意力模块、重构模块和分类模块四部分组成。通过LBP特征提取图像纹理信息，捕捉人脸的微小运动，提高网络性能。注意力机制可以使神经网络更加关注有用的特征，并结合LBP特征和注意力机制对注意力模型进行改进，提高识别精度。将新提出的方法应用于三个代表性的数据集，即JAFFE、CK+和FER2013，实验结果表明在三个数据集上人脸表情识别精度分别达到了98.95%、98.95%和79.89%，证明该方法利于提高人脸表情的识别率，具有一定的先进性。

摘要:风云三号多颗星在轨组网观测与数据传输，受限于频带、极化及地面天线资源，数据接收可能存在潜在干扰风险。本文重点阐述了风云三号卫星数传频点、带宽以及天线极化方式等信道设计，建立双星信号干扰仿真模型，分析了多星在轨组网观测对数据接收的影响，分析结果表明，多星数传信号特性和信道参数设计合理可行。在多星同时与地面站可见的情况下，通过对多颗星的轨道进行优化调整，可避免多星同时与国内外数传地面站可见，从而确保数据的正常传输与接收。

摘要:无线信息和能量同传技术（SWIPT）可降低网络中能量的消耗，延长网络中能量消耗设备的使用寿命。本研究对象为发送端发送波束成型信号与用户进行通信，接收端采用功率分配器进行信号分开，分别进行信息和能量的收集，一部分信号流用于能量集，一部分信号流用于信息解调，通过运用波束成型技术，实现系统最小化发送功率，提高系统的吞吐量。同时，利用半正定松驰技术和S程序将该非凸问题转化为一个半定规化问题。最后，通过仿真验证算法，仿真结果证明基于无线信能同传技术的波束成型系统的正确性和合理性。

摘要:本文针对深水地震拖缆长缆多道问题，提出一种采集仪器的质量控制方法。该方法通过主动与被动两种模式来实现，包含室内系统运行质量控制方法和水下拖缆数据采集质量控制方法。其中主动模式可以按需产生模拟或数字激励信号送至采集仪器，从而用于评价仪器关键性能参数指标；被动模式则可实时采集仪器运行过程中的各种状态参数，用以实现仪器运行质量的实时评估。基于该独立于采集仪器的完备质量控制方法，可以有效控制采集仪器的质量，保障数据采集的品质，极大地降低了勘探作业的风险。长期的实验室测试和海洋作业的结果均表明了本方法的正确性和可实现性。

摘要:针对弹光调制型傅里叶变换光谱仪难以采集到一个完整周期的激光干涉信号，并且无法对其进行光谱实时复原的问题，本文设计了基于LabVIEW的弹光调制型傅里叶变换光谱实时复原。首先，选用波长为632.8nm的氦氖激光器作为光源，经过弹光调制型傅里叶变换光谱仪后，产生随时间变化的干涉信号，然后再通过光电探测器对干涉信号进行转换，获取干涉数据。最后用高速数据采集卡将数据采集下来并传输到LabVIEW上位机，对干涉数据进行光谱复原中的数据处理，并进行波长标定和复原分析。实验表明，对采集的单色激光在上位机LabVIEW能获取到一个完整周期的干涉信号，并经光谱复原算法可以实时复原得到频谱图，复原激光误差小于1nm，半峰宽为0.01um。

摘要:针对存在电磁干扰等特殊环境下的漏液监测的需求，本文设计了一种基于STM32的光纤侧向耦合漏液监测系统。系统主要分为硬件模块和上位机模块。系统硬件包含光纤传感器模块和信号变换器模块，光纤传感模块由带缺陷结构的POF光纤、LED灯带以及传感封装外壳构成；信号变换器模块采用STM32为主控芯片，实现弱光信号的采集放大和传输功能。系统上位机采用滤波算法实现对漏液信号的均差比较，滤除偶发脉冲，降低误报率和系统响应时间，提升传感带的灵敏度。系统采用多条传感带级联安装，经实验表明，系统能够稳定工作，每个传感点能够实现单点标定，漏液监测范围可达8m，漏检和误检率在2%以内。

摘要:针对小型火箭弹研发试验中对膛内高过载数据的实时测量问题，提出了一种基于MRAM的无线弹载采集系统。该系统的硬件部分采用无线传输的方式实现了数据的实时接收，利用MRAM可靠性高的特点存储数据，使用数据回读的方法提高系统的可靠性；在软件部分采用连续阈值触发设计降低误触发概率，使用可编程的数字化调理模块为数据采集提供更好的线性、精度和温度稳定性。通过试验结果表明该系统可以在膛内恶劣情况下以100 kHz的采样率实现对过载数据的采集和存储，无线接收900 m内数据，且发射电流为430 mA，不仅具有高可靠性的优势，还具有小型化和低功耗的特点。

摘要:为了解决传统的机器学习算法在不同工况下跨平台的滚动轴承故障诊断中容错率和诊断精度低的问题，本文提出了基于连续小波变换（CWT）算法与迁移学习（TL）算法相融合的滚动轴承故障诊断方法。该方法通过提取不同工况下跨平台的滚动轴承故障时域信号分别作为源域样本和目标域样本，并通过CWT算法将振动信号转化为二维信号。其次将故障信号通过核函数将源域样本和目标域样本映射到再生希尔伯特空间，以多核最大均值差异（MK-MMD）距离为度量标准，优化迁移过程的卷积神经网络（CNN）的损失函数，减小迁移后源域样本和目标域样本的分布差异。最后将适配的源域和目标域样本通过CNN模型进行模式识别，实现不同工况下跨平台的滚动轴承故障迁移诊断。经过实验验证，本文所提方法相较于其他方法，显著提高了不同工况下跨平台的滚动轴承故障诊断精度和鲁棒性。