摘要:矢量控制是目前永磁同步电机（PMSM）的主流控制方法,针对其计算复杂,依赖电机参数辨识等缺点,提出采用信号时序逻辑（STL）的形式化方法对电机运行状态进行识别,从而可以通过控制电机驱动电路的脉宽调制（PWM）实现最大转矩电流比控制(MTPA)。采集与驱动电路直流母线串联的shunt电阻在电机同种工况不同运行状态下的电压数据,采用5折交叉验证,基于决策树学习STL公式,最后使用STL公式判断电机运行状态正常,欠调制,或过调制。定义了一阶基元和二阶基元分别作为决策树节点,学习过程使用粒子群优化（PSO）,并采用了不同不纯性度量作为优化时的损失函数。实验结果表明,使用一阶基元的STL对电机状态识别准确率可达98.78%,程序运行耗时0.1509s;使用二阶基元识别准确率可达95.06%,程序运行时间2.3979s,对基于STL实现电机控制算法具有重要意义。

摘要:电力设备的健康状态评估能降低设备检修的盲目性。针对目前断路器状态评估中存在的相邻状态分界点附近状态划分模糊性较高的问题，文中设计了一种可拓灰云聚类且考虑状态区间范围差异断路器状态评估方法。该方法以可拓云理论和灰云聚类函数作为基本理论框架，采用不同的约束范围构造最优云熵，同时将状态区间范围差异一同考虑。以某变电所真空断路器为例：预警状态下，“3En”规则构造云熵为0.6712，“50%关联度”规则构造云熵为0.5776，本文构造最优云熵为0.6127，该方法将其整体判定为预警状态，同其他评估方法结果一致，但其隶属度上的反映更精准。实例结果分析表明，它能有效的处理断路器状态评估中的不确定性因素，具备一定的可行性与准确性。

摘要:针对成百上千甚至上万颗卫星组成的大型复杂天基组网星座，单靠地面测控网难以满足对卫星实时管控的问题，以及单靠星座组网自主测控存在的长时间偏离地面基准（时间和空间基准）等风险，本文综合考虑地面测控网以及星间组网的优势，提出大型组网星座自主运行的平行系统方法。通过构建天地一体平行系统，在ACP框架作用下，形成以组网星座自主处理为主、地面平行系统支持为辅的天地一体平行运行机制，从而实现大型组网星座自主管控、自主观测、自主处理和自主监测等自主运行功能。研究结果表明，本文提出的方法在大型复杂星座的自主运行方面具有参考价值。

摘要:铁磁性金属异物是无线电能传输系统在实际运行中常见的干扰物之一，其通过影响磁耦合机构的电气参数间接影响无线电能传输系统的输出特性。DD/BP结构作为电动汽车无线电能传输系统最常见的磁耦合机构类型，本文将以其为例通过磁场模型分析铁磁性金属异物对DD/BP磁耦合机构的线圈自感和线圈间互感的影响，通过磁理论的分析说明不同位置的铁磁性金属异物对DD/BP磁耦合机构的影响，借助Maxwell构建DD/BP磁耦合机构电磁仿真模型，在模型中不同垂直位置和水平位置加入铁磁性金属，来证实理论推导的正确性。仿真结果表明铁磁性金属异物处于DD/BP线圈两侧时会增大线圈自感和线圈间互感,而处于两D线圈交界处时会增大线圈自感并减小线圈间互感；在垂直方向上铁磁性金属异物越靠近线圈对相应线圈的自感的影响越大，越靠近任意线圈对线圈间的互感影响越大。

摘要:为实现微旋钮的智能调控，获取旋钮准确位姿为关键任务。基于此，提出了一种融合边缘检测与深度网络的旋钮位姿测量方法。首先，针对图像倾斜产生测量误差的问题，提出改进的Canny算法提取准确边缘，并结合透视变换对其矫正；其次，利用改进的YOLO-V4算法实现旋钮的精确分割；最后应用改进的Canny算法与双三次样条插值提取高精度旋钮凹槽亚像素轮廓，通过PCA算法拟合轮廓矩形并测量位姿。实验结果表明，所提改进Canny算法的边缘提取精度提高，有效减少了虚假边缘；改进的YOLO-V4旋钮检测算法相较于YOLO-V4平均检测精度提升了2.92%，达到99.49%；旋钮凹槽中心位置与偏转角度的测量精度分别达到1.5pixel和1.5°，可实现旋钮位姿的高精度测量。

摘要:随着工业化水平的不断提高，基于机器视觉的大尺寸零件测量技术成为研究的热点。首先阐述了机器视觉测量技术的研究背景以及国内外研究现状，指出目前视觉测量研究的难点，提倡通过研究图像处理算法来提高测量精度和效率。其次，对视觉测量中广泛运用的边缘检测技术进行了调研分析，其主要采用粗精定位相结合的边缘检测算法，并重点分析了精确边缘定位中的亚像素边缘检测算法。接着，对大尺寸零件测量中所用到的图像拼接技术进行了调研分析，该技术所应用的图像配准主要基于区域和特征两类方法，并分析了两类方法的优势与不足。最后，总结了大尺寸零件测量方法的特点与局限性，并指出未来进一步探索的方向。

摘要:为提高变压器故障诊断的准确率及可靠性，提出了基于MPC(modification of the PC,简称MPC)算法优化贝叶斯网络的变压器故障诊断方法，对变压器故障诊断技术进行了研究。首先，根据油中溶解气体分析，采用无编码比值法提取油浸式变压器的9维故障特征，并对数据样本进行归一化处理；其次，以归一化的训练样本作为输入建立基于贝叶斯网络的故障诊断模型，采用MPC算法对贝叶斯网络模型进行优化；最后，利用测试样本对故障诊断模型进行测试。为了证明所提出方法的优越性，将本文研究方法与现有故障诊断方法进行了对比。结果表明，所提出方法的诊断正确率更高，诊断效果更好。

摘要:为解决复杂地物背景下航拍图像树木检测出现的过分割和误分割问题，提出了一种基于最优标记的改进分水岭图像分割方法。该方法先对输入图像非线性灰度变换提高目标与背景的对比度，再根据目标的形状特征对前景和背景区域初步标记，用前景区域的形心代替传统分水岭算法中的距离变换，二次标记前景，最后使用分水岭算法得到分割图像。实验结果表明，该算法分割准确率平均值为92.5%，比现有图像分割方法抗噪性更强、准确率更高，同时改善了分水岭算法过分割问题。

摘要:为了能够在保证功放建模精度的基础上减少模型系数个数，本文创新性的提出一种基于压缩感知算法的功放简化模型，该模型使用去重复稀疏度自适应匹配追踪（RDSAMP）算法对模型系数进行简化。相较于广义记忆多项式（GMP）、分段简化动态偏差减少（PSDDR）全系数模型，数字预失真测试结果表明本文提出的简化模型建模精度分别提高1dB、-0.6dB，达到-46.01dB，邻信道功率比（ACPR）分别提高3.2dB、-1dB，达到-50dBc，与此同时，模型系数个数分别大幅度减少了72%、65%。因此，本文提出的模型能够在保持建模精度的基础上大幅度减少模型系数，对目前存在的功放模型简化问题有很高的参考价值。

摘要:针对双绞线在信号高速长距离传输过程中，百米以上信号衰减损耗就会加剧的情况，本文设计了百米电缆参数模型，以RLCG参数模型为研究对象，并且在其基础上估计电缆的衰减特性，结果通过对两种常用型号电缆在相同的实验条件下测试的数据，与模型仿真结果进行对比，发现在10～200MHz的频率范围内，两者的误差不超过0.5dB，这表明在一定的频率范围内，参数模型上估计的电缆损耗特性与实际测试结果基本一致。该模型为研究双绞线快速、远距离可靠地传输低电压差分信号（low voltage differential signaling,LVDS）提供理论依据。

摘要:随着工业生产向智能化发展,无人化已经成为一种趋势。机械设备运行中,滚动轴承容易发生损坏,远程监测机械设备的运行情况已成为急需解决的问题。本文设计了一种基于LoRa基站对滚动轴承运行状态进行远程监测的系统,该系统以STM32为核心,形成一个采集子节点,用于采集轴承振动信号,然后将采集的数据通过SX1278射频芯片发送到LoRa无线网关。LoRa无线网关通过GPRS模块将接收到的数据发送到远程服务平台。远程服务平台采用互补集合经验模式分解(CEEMD)方法,分析振动信号以确定轴承的工作状态。实验表明,该系统有效地实时监控机械设备,确保长期稳定运行并安全有效地生产。

摘要:针对在双选衰落特性下信道时变和非平稳导致OFDM信号检测精度较差的问题，提出了一种基于CNN-GRU神经网络（Convolutional Neural Network-Gated Recurrent Unit Neural Networks，CGNN）信号检测方案。首先使用信道模型生成数据以充分挖掘信道先验知识；然后在离线训练中采用一维卷积神经网络对原始信号进行降维和特征提取，利用门控循环单元的记忆特性恢复受到衰落的信号；最后为减少衰落程度严重的子载波引起的干扰，在网络训练中添加注意力机制，给每个子载波赋予权重，从而进行差异化训练。仿真结果表明，本文所提检测方法的误码性能提升明显，在平坦衰落信道下，CGNN能获得0.3dB~1dB的误码性能增益，在频率选择衰落信道下，CGNN能获得2dB~5dB的误码性能增益，并且拥有很强的鲁棒性。

摘要:有研究表明，在下肢运动想象脑电信号分类中，在运动想象基础上加入稳态体感诱发电位能够得到更高的分类结果，但是研究大多都是基于双侧电刺激辅助诱发的体感电位，对于单侧电刺激辅助研究较少，本文对单侧脚踝胫后神经与双侧脚踝胫后神经分别施加电刺激，来探究何种刺激模式能够得到更好的分类结果。并设计了两组对照实验：单侧左脚电刺激模式vs单侧右脚电刺激模式以及单侧右脚电刺激模式vs双侧同时电刺激模式。综合频谱图、时频图谱、脑地形图特征分析结果得出，单侧右脚电刺激模式ERD特征最显著，激活程度最深。单侧右脚刺激模式比双脚同时刺激模式平均分类准确率高5.57%，单个受试者单侧右脚刺激模式比双脚同时刺激模式分类准确率高15%，证明了在单侧右脚电刺激辅助的情况下，更有利于下肢运动想象脑电信号的分类。

摘要:微型航姿系统（AHRS）采用三轴磁强计、加速度计和陀螺仪的组合实现三维姿态测量，广泛用于无人机飞控等领域。但AHRS利用重力矢量解算俯仰角和横滚角时，会受运动加速度影响而产生误差。现有抗扰算法本质上均依赖陀螺仪，在长时间运动加速度干扰下易造成累积误差。提出一种采用光流传感器对运动加速度进行感测和补偿的新方法，并对重力矢量和地磁矢量进行并行估计，以提高扩展卡尔曼滤波的动态性能。实验表明，当存在水平加速度影响时，所提出的算法姿态角误差比现有算法降低50%以上，可显著改善动态航姿精度。

摘要:针对沙漠埋地油气管道服役环境、破坏情况和威胁管道安全的第三方入侵情况，容易引起入侵振动信号的有效特征提取和准确分类识别困难的问题，提出一种沙漠埋地油气管道入侵信号特征识别方法。该方法首先利用分布式光纤采集管道沿线入侵振动信号；然后通过改进的总体平均经验模态分解（MEEMD）法分解振动信号得到信号的固有模态函数（IMF）分量；进而提取IMF分量的能量以及MEEMD能量熵组成特征向量；最后将该特征向量输入到极限学习机（ELM）分类识别模型。实验结果表明，该方法能够实现敲击管道、人工挖掘、机械施工和沙暴天气四类事件识别，并与BP神经网络和支持向量机识别模型进行对比，该方法总识别准确率达到了94%，识别速度更快。本文所提方法对分布式光纤沙漠埋地油气管道监测具有重要参考意义。

摘要:电气设备内存在多个局部放电源时，会产生混合的局部放电信号，这会给后续信号识别等工作带来困难。针对该问题，文中以电气设备内同时存在3种不同绝缘缺陷为例，分别用3种指数型信号模型和3种特高频局放数学模型构造了两组混合局放信号，以模拟不同电气设备产生的混合信号，并提出使用一种通用的基于联合近似对角化（JADE）的盲源分离算法来分离信号，接着使用相似系数和信号干扰比两种评价参数来描述分离算法的性能，最后在信号中加入适当的噪声，测试了算法的鲁棒性。仿真结果表明，该方法能够有效分离信号，分离信号与源信号的相似系数分别在0.90以上，信号干扰比在9.0以上，且具备一定的鲁棒性，为后续信号识别工作打下了一定的基础。

摘要:针对复杂、非平稳振动传感信号特征量提取的需求，研究一种基于三角Shepard的Hermite插值改进算法TSHI，并提出一种基于TSHI的LMD振动传感信号特征量提取方法。TSHI将二元Hermite插值函数和密切三角Shepard基函数相结合，构建复杂、散乱振动传感信号的包络曲线插值多项式，该算法在插值过程可根据插值点与所在三角形各顶点的时间距离调整局部插值曲线，使包络估计曲线更合理。基于TSHI的LMD方法将振动传感信号分解为若干个包含时频特征尺度的乘积函数分量PF分量，再将各主要PF分量的能量组合、构成信号特征量向量。试验结果表明，TSHI对复杂、高频率振动传感信号的包络曲线插值可避免相位差、过包络和欠包络等问题，插值结果RMSE小；应用基于TSHI的LMD方法的相关向量机RVM故障诊断模型对振动传感器各种状态的诊断正确率接近100%。

摘要:超声波测距是最常见的测距技术手段，性价比极高。但常用超声波回波测距中信号整形经常会引起的测距误差，其主要原因是由于起振周期丢失及反射信号幅度差异使测量的信号飞行时间越过了接收信号起始时间点所引起的。文中提出的双相位检测方法，通过发射一组64周期载波，2周期调制信号的临界调制信号，同时开始计时，当接收信号幅值超过特定阈值时停止计时，进而检测阈值点信号的相位，得到接收信号的起始时间点，再使用载波相位校正法来消除信号整形带来的误差后得出距离测量结果。经过仿真测试和实验测试，结果表明实际测量精度几乎不受噪声和反射信号幅度的影响，在50~200mm的测距范围，双相位测距装置测距实验标准差不超过1mm，测距精准度得到有效提高。

摘要:X波段T/R组件中，键合金丝的数量、长度、拱高、跨距、焊点位置等参数会对微波传输特性产生严重的影响。通过自动检测技术实现上述参数的自动检测，可以推断出X波段T/R组件键合质量是否合格。本文基于变焦显微测量技术，通过自主设计的图像采集平台，获取到键合金丝的一组图像，然后通过多聚焦图像融合、聚焦评价等图像处理技术，实现了键合金丝的拱高和跨度的微米级测量，测量结果相对误差小于0.7%。该方法该技术有利于提高金丝键合成品质量的检测效率，提高X波段T/R组件的生产效率。

摘要:为了提高Tiny YOLOV3目标检测算法在行人检测任务中的准确率，对该算法进行了研究改进。首先对Tiny YOLOV3的特征提取网络进行深化，增强网络特征提取能力；然后在预测网络的两个检测尺度分别加入通道域注意力机制，对特征图的不同通道赋予不同的权重，引导网络更多关注行人的可视区域；最后，改进激活函数和损失函数并采用K-means聚类算法重新选择初始候选框。实验结果表明，改进后Tiny YOLOV3算法的准确率在VOC2007行人子集上达到77%，较Tiny YOLOV3提高8.5%，在INRIA数据集上达到92.7%，提高2.5%，运行速度分别达到每秒92.6帧和31.2帧。本文方法提高了行人的检测精度，保持了较快的检测速度，满足实时性运行需求。

摘要:网格运动统计（Grid-based Motion Statistics，GMS）匹配算法中网格化图像加速了算法的实现，然而网格边缘的特征点没有进行有效的处理，导致匹配对中存在着错误匹配对，为此提出了一种融入自适应边距的网格运动统计的图像误匹配剔除算法。首先采用了自适应算法计算出最佳网格边缘距离，将网格边缘的特征点归属到相邻的其他网格，使得这些特征点可以有效发挥对正确匹配点的支持作用，提高了正确匹配点的得分；最后通过表征运动平滑约束的统计特性剔除初始匹配中的错误匹配点。仿真实验表明：该方法相比 GMS 算法召回率提高了10% 左右，同时实时性也提高了30 %左右，相比于SIFT算法，运行时间平均缩短了17倍；相比于SURF算法，正确匹配个数平均提高了8倍，充分说明能有效、高效的剔除错误匹配点，进一步提高图像匹配质量。

摘要:Gan（生成对抗网络）被应用于电力巡检缺陷样本生成工作以解决缺陷样本不足问题。目前基于Gan的绝缘子缺陷样本生成技术存在以下不足：1）依赖大量缺陷样本训练且生成量不足；2）生成质量较差，尺寸较小，难以供目标检测神经网络训练使用。针对上述问题，提出一种基于Starganv2的风格迁移Tw_Cycle（目标加权循环一致）Gan网络，其可借助非缺陷样本训练，并依据非缺陷样本实现一对多缺陷样本生成。为保证缺陷语义不变，加入Unet分割网络，使用目标循环一致及目标掩码损失加强绝缘子目标物的约束。通过定性与定量评估，Tw_Cycle Gan取得了更好的结果。为了验证生成样本的有效性，设计了一种基于真实样本的缺陷检测实验评估方法。结果表明，使用生成缺陷样本扩增训练的同一Yolov3目标检测算法，AP平均提升5%左右，Precision平均提升4.6%左右，Recall平均提升10%左右，F1平均提升0.083。

摘要:现有PCB（印刷电路板）缺陷检测方法，多采用参考法进行检测，对图片配准要求高，不仅耗时且定位误差大。YOLOv4速度快，精度高，但应用在PCB检测上存在着漏检的情况，对小目标检测效果不佳，现提出了一种基于改进YOLOv4算法的PCB缺陷检测方法。首先，以CSPDarknet53为主干网络，采用单特征层结构，避免了数据不均衡带来的先验框分配问题。然后，将网络中的五次卷积改进为CSP结构的残差单元，进一步提高特征提取能力。最后，采取K-means++对先验框重新进行聚类，提高模型训练效果。实验部分采取北京大学发布的PCB数据集进行训练，结果表明，改进后的算法mAP（平均精度均值）达到98.71%，在精度上优于其它常见的目标检测算法。

摘要:针对传统SSD算法在不同尺度的特征缺少相互之间的特征信息的交流，不利于目标的定位和识别，使得传统SSD算法的检测结果往往无法达到实际要求精度，并且检测速度也无法满足实际需求的问题，因此对其进行改进，引入轻量化网络MobileNet-v2和特征融合模块，使得文中算法(ENMobileSSDnet)在应对巡检环境下数字式仪表示数的识别问题检测效果相比于传统SSD算法性能有了显著性提高，检测精度（mAP）达到了98.32%，检测速度（FPS）达到了72帧/s，对实际的工程项目有更好的应用价值。

摘要:人脸表情能够正确的反应人的内心活动，但由于表情的复杂性和微妙性，准确的识别人脸表情仍然是一大难题。本文设计了一种基于卷积神经网络（Convolutional Neural Network，CNN）和长短期记忆神经网络（Long Short-Term Memory, LSTM） 的方法让计算机能够识别人脸的表情，损失函数采用Focal loss。该框架包括三个方面：(1)采用两种不同的预处理技术处理光照变化，并保留图像的边缘信息；(2)预处理后的图像被输入到两个独立的CNN层用于提取特征；(3)将提取到的特征与LSTM层融合。我们使用FER2013、JAFFE和CK+三个数据集验证模型准确性，并选择FER2013数据集制作混合矩阵，结果为我们的模型在FER2013数据集上的准确率相比于目前先进模型提升了9.65%，在JAFFE和CK+数据集上也表现良好，结果表明我们提出的模型具有较强的泛化能力。

摘要:针对异源高分遥感影像变化检测中面临突出“伪变化”突出问题，本文提出了一种基于改进双边滤波和小目标抑制的变化检测方法｡在传统基于全局像素的滤波策略的基础上，本文设计了一种分割对象边界约束条件下的改进双边滤波器，以提高对象内部像素间的空间结构一致性；此外, 为进一步弱化局部异常值所导致的“伪变化”，提出了一种基于高阶神经元on-off通道的小目标抑制策略；最后,采用大津法对差分信息进行分类，从而获得最终变化检测结果。通过对多组异源高分遥感影像的实验结果表明，所提出方法能够有效减小“伪变化”所造成的检测误差，总体精度可达92.2%，误检率低于8.7%，在目视分析和定量评价中均显著优于三组对比方法。

摘要:近年来，深度学习方法在人体动作识别有着良好的表现，其利用陀螺仪和加速度计等可穿戴传感器获得的时间序列数据，经过预处理和数据级融合之后进行训练分类。本文针对数据级融合方法对多传感器的识别有一定局限性的问题，提出了一种特征级融合的LSTM和CNN方法。该方法将独立的传感器数据依次接入到LSTM层和卷积组件层用于特征提取，之后汇聚起多传感器的特征再进行动作分类。该方法在三个公开数据集UCI-HAR、PAMAP2和OPPORTUNITY上分别取得的平均F1分数为96.06%、96.17%和94.44%。实验结果表明，本文所提出的方法在多传感器识别人体动作上有较好的精度。