摘要:为实现探地雷达小型化和数字化的设计，对伪随机编码探地雷达的系统设计方案进行了研究。该文研制了一款双通道伪随机编码超宽带探地雷达主控机。研究基于FPGA芯片Virtex-5和宇航级ADC芯片ADS5463-SP，采用码元平衡直发的信号源设计方案，配合混合采样实现了中心频率60MHz和800MHz的双通道格雷互补码编码信号的发射和接收。进行了信号源测试实验和主控机的闭环测试实验，双通道脉冲压缩结果峰值旁瓣比均大于25dB，并达到了低频1.875m和高频11.72cm的距离分辨率。将主控机接入雷达系统，在沙坑中进行雷达整机的高频通道测试实验，测得埋藏大理石板厚度约17cm。结果表明该文设计的雷达主控机性能可靠，可以广泛应用于伪随机编码体制超宽带探地雷达系统。

摘要:为了实现实时而准确的跌倒预测，同时将深度学习模型移植到于可穿戴端设备中运行，提出了一种轻量级卷积神经网络模型。借鉴深度可分离网络的轻量级模型思想，设计了网络结构，并优化通道数和卷积核尺寸，在保证准确率基本不变的情况下大大减小了模型计算复杂度。为将算法部署于可穿戴跌倒保护设备，提出了模型在嵌入式端的实时运行框架，并将算法编写为C程序，移植到了STM32单片机中。此模型在Sisfall数据集中获得了97.5%的准确率，204.3ms的裕量时间。移植的模型仅有11.65KB大小，在STM32单片机中的算法延时仅为8.24ms。实验结果表明，该模型具有较高的预测精度和很好的实时性，为跌倒预测算法和跌倒保护装置的开发提供了进一步的参考。

摘要:失超保护系统在超导托卡马克的运行中发挥着重要作用，其在失超发生时快速转移储存在线圈中的磁场能量，从而保护超导磁体。由于失超保护系统功率较大，在应用时必须并联多个固态开关模块，因此带来的均流问题也有待进一步的解决。本文在选定IGBT作为失超保护系统中的固态开关后，分析了影响其均流的因素，采用调节栅极电阻的方式进行IGBT关断时的动态均流，并对栅极电压进行PI控制以实现IGBT导通时的静态均流，仿真和实验结果均证明了220A电流下该控制方案的有效性。相比于传统支路串入阻抗的均流手段，该方案无须改变主回路，控制方式简单，灵活性更好，同时能有效抵御干扰的影响，进一步推动了固态开关在失超保护系统中的实际应用。

摘要:针对液体表面特征少，区分度低，机器视觉难以有效识别检测的问题，通过使用两束不同波长的激光光源同时照射液体来提高不同液体之间的区分度，设计了数据集自动采集装置为模型训练提供了大量有效的样本，并构建了基于EfficientNetV2深度神经网络的视觉识别模型，模型引入cosine学习率衰减，调节获得最佳超参数后，形成最优方式实现高效训练，进一步提升了预测精度，结果表明视觉检测系统能够获得100%的测试准确率，成功解决了液体视觉检测中特征少的难题。

摘要:本文提出了一种新型的用于合成孔径雷达的L/Ku共口径天线单元，L频段单元为双极化的波导背腔十字开槽天线和Ku频段天线为单极化波导缝隙阵列天线。L频段腔体高度通过“倒T”型馈电减小，每一个十字开槽天线均通过一对差分探针馈电。Ku频段缝隙阵列透过同轴探针通过波导功分器馈电。通过L频段2×2阵列和Ku频段嵌套设计的实物加工和测试，实现了阻抗带宽（VSWR<2）分别为22%的L频段双极化天线单元和8.6%的Ku频段单极化波导缝隙阵列。该设计可以应用于大型共口径阵列。

摘要:为了解决钢筋绑扎机器人对绑扎点识别准确率低，定位精度差的问题，提出一种基于深度学习的钢筋绑扎机器人目标识别与定位方法。首先采用YOLOv4算法对绑扎点目标框识别和裁剪，完成绑扎点初始定位；其次设计轮廓角点选取方法，利用角点计算绑扎点的图像坐标；之后通过融入CBAM注意力机制改进Monodepth算法的特征提取部分，解码部分引入路径增强PAN结构，以提高模型的特征提取能力，进一步提高立体匹配精度；最后通过双目立体视觉定位技术获得绑扎点深度信息，并由坐标变换求解钢筋绑扎机器人手眼坐标系映射关系，从而实现对绑扎点的精确识别和定位。实验结果表明：该方法针对绑扎点目标框的识别准确率达到了99.75%，每秒传输帧数达到54.65；在空间中的定位精度最大误差为11.6mm。可较好地识别定位绑扎点位置，为自动绑扎工作提供有力支持。

摘要:金属铝因其与多晶硅具备良好的塞贝克系数差且成本低在红外热电堆中常用作热偶条，热偶条制备在MEMS工艺流程制备中至关重要，其结构形貌对热电堆性能有很大影响。为研究不同制备方法对铝热偶条的形貌及性能影响，本实验采用金属刻蚀工艺、剥离工艺进行热偶条制备，调整溅射功率、光刻胶厚、曝光剂量、超声功率等参数对制备工艺进行优化，通过共聚焦显微镜、扫描电子显微镜及台阶仪表征形貌，半导体分析仪表征电阻值。实验表明：通过ROL-7133负胶，前烘1min30s，曝光剂量85mj/cm2，中烘1min40s，显影48s，采用金属剥离工艺制备得到了宽度3μm，厚度0.4μm的高长宽比金属铝热偶条，且整体形貌良好，器件电阻值符合要求。

摘要:某型军用雷达为复杂电子设备，其在服役部队的时间逐年增加，使用过程中的故障明显增多，由于基层级维修能力较弱，雷达的维修保障基本依靠工厂支援，及时性和有效性都不能满足部队需要，严重制约雷达分队战斗力的形成。为了解决雷达在基层部队使用中维修困难的问题，提高雷达的综合保障能力，研制了一种便携式故障诊断系统。该系统由信号采集板、嵌入式主板、电源管理模块、人机交互模块等组成，采用神经网络技术，实现了故障的快速诊断。解决了雷达现有维修设备体积庞大、配套设备复杂、价格昂贵、操控复杂等问题。实验结果表明，系统实现了故障诊断平台的小型化和智能化，具有较高的故障诊断效率，可快速提高雷达的维修保障能力。

摘要:针对电力系统正常运行中的微弱次同步振荡信号趋势难以辨识，辨识算法抗噪性差、辨识结果可靠性低等问题，提出一种基于深度残差网络的次同步振荡模态参数辨识方法。建立了一种由卷积层、若干残差层和全连接层等构成的深度残差网络模型；模型训练数据集依据SSO信号特点生成，全部采用仿真数据；经参数调整和优化后的模型能够实现对现场实测的低信噪比SSO信号模态参数的盲辨识。利用理想信号、含噪仿真信号和现场实测数据等三种方案对模型性能验证，结果表明该算法能有效地辨识出微弱SSO的频率和阻尼等关键参数，与卷积神经网络(CNN)和随机子空间(SSI)算法相比较，辨识精度更高，受噪声干扰小，具有盲辨识的特点，可用于电力系统次同步振荡风险的预警。

摘要:针对油气管道泄漏检测过程中，泄漏信号包含大量噪音、特征提取困难等问题，提出一种改进的总体平均经验模态分解联合卡尔曼滤波算法的管道信号去噪方法。首先采用改进的总体平均经验模态算法对采集到的管道负压波信号进行分解，其中利用排列熵和卡尔曼滤波算法对分解后的固有模态分量进行筛选和处理，最后得到重构后的削噪信号。并且提出基于散布熵和峭度的特征提取法，将提取的特征参数作为支持向量机的输入来对输油管道的工况进行分类识别。经采集到的数据验证，改进的总体平均经验模态分解、卡尔曼滤波、散布熵与峭度结合的组合识别方法可以较准确的对管道信号进行分类识别，结果显示其总平均识别准确率达到98.89%，为管道的工况识别研究提供了一种新的途径。

摘要:表面肌电信号的产生超前于肢体运动的发生，具有预测肢体运动的能力，常常辅助患者的康复训练。针对单通道表面肌电信号难以有效进行关节角度预测的问题，本文提出了一种基于多通道肌电特征采集下的最大相关最小冗余结合粒子群优化的特征选择算法。通过与采用mRMR算法、主成分分析法对关节角度预测精度进行实验对比，验证mRMR-PSO算法的性能。实验结果表明，基于多通道的mRMR-PSO特征选择算法相比mRMR和PCA算法在关节角度预测精度分别提高了32.6%和14.9%，从而验证了算法的有效性，并将该算法应用于实际场景。

摘要:针对移动机器人受到外部不规则扰动时易出现速度和位姿误差跳变的问题，提出了一种基于扰动观测器的动态终端滑模控制方法。结合运动学模型，利用李雅普诺夫法设计虚拟控制器，进一步设计非奇异动态终端滑模轨迹跟踪控制器。为减小外部扰动对系统的影响，设计非线性扰动观测器对控制器进行扰动补偿。最后，将本文所提方法与自适应滑模控制方法进行仿真比较。结果显示，在第15 s扰动发生阶跃变化时，自适应滑模控制方法的线速度和角速度分别发生1.4 m/s和1.24 rad/s的跳变，而本文所提方法速度跳变幅度小于自适应滑模控制方法的1/10。仿真结果表明，本文所提方法可有效地抑制扰动对系统的影响，减小移动机器人速度和位姿误差的跳变幅度。

摘要:为了解决传统自适应恒虚警检测器在多目标环境下检测性能下降的问题，对传统基于指数变换的恒虚警检测器 (Variability Index CFAR，VI-CFAR)的选择策略进行改进，提出了一种改进的自适应恒虚警检测器-VIHCES-CFAR。在杂波边缘环境下和多目标干扰环境下分别选择非均匀杂波估计恒虚警检测器 (Heterogeneous Clutter Estimating CFAR，HCE-CFAR)和交互式恒虚警检测器 (Switching CFAR，S-CFAR)进行处理，提高了多目标环境下的目标检测能力，有效避免了目标遮蔽的问题。实验结果表明，在检测概率为0.5的条件下VIHCES-CFAR的信噪比相对于SVI-CFAR低0.05dB，在多目标环境下检测概率为99.78%，在杂波边缘环境下检测概率控制在10-4左右，具有稳定的抗干扰能力和良好的虚警控制能力。并通过实测数据验证了VIHCES-CFAR检测器在解决目标遮蔽问题上的有效性。

摘要:针对工业数据采集中所涉参数繁多、数据结构复杂、采集频率高但数据质量难以保证等问题，提出了一种基于多域并发的时间窗数据采集方法，该方法基于滑动时间窗口的划分构建数据域模型，以多线程数据域并发的方法实时采集多源异构数据，针对高维度的多源异构数据进行扁平化处理，采用字节数据连接的方式对多源异构数据进行集成存储，实现了工业多源异构数据的采集与集成。通过仿真实验验证了该方法对于实时数据采集与集成存储的有效性，并在冶金起重机多维健康监测系统中应用该方法进行多源异构数据采集，实际运行结果显示，该方法能够提高冶金起重机多维健康数据的采集实时性，保证采集数据的质量，增加多维健康数据的集成度，是一种有效的实时数据采集集成方法。

摘要:针对惯性测量系统中MEMS加速度传感器存在信号漂移而导致测量误差的问题，采用时间序列的分析方法，对MEMS加速度传感器测量的数据进行分析。将MEMS加速度传感器测量的数据通过DSP读取后，通过ADF准则进行平稳性检验，传感器数据满足平稳时间序列条件。根据传感器数据的自相关函数与偏自相关函数特征，判断出序列满足AR(p)模型。通过AIC准则进行随机性检验，同时进行时间序列模型识别与参数估计，传感器数据在使用AR(1)模型进行建模时达到最优。建立MEMS加速度传感器信号漂移AR(1)模型，并依据模型设计卡尔曼滤波器。结果表明,在滤波前加速度传感器零偏稳定性为0.3032mg,卡尔曼滤波后的加速度传感器零偏稳定性为0.0247mg，测量稳定性能有效提高，并且运算阶数较低，能很好的应用于嵌入式系统。

摘要:在分布式拉曼测温系统中，所包含的温度信息的反斯托克斯光比较微弱，容易被噪声掩盖，且传统的去噪方法容易滤除掉系统的原始特征，因此针对上述问题，本文采用EEMD结合小波阈值降噪的去噪方法，在保留信息原始特征的情况下，极大的提高系统的信噪比（SNR）和系统的测温精度。仿真证明，该算法在1db的噪声下，信噪比提高了2.3db。实验结果表明，系统的测量精度提升了76.11％。通过单独的小波阈值降噪处理，系统在测温光纤的熔接点的温度曲线是1℃以上的波动范围，而通过该算法后，系统解调温度波动范围在0.5℃左右，最后通过实验证明该算法不影响系统的空间分辨率。

摘要:在火箭参数测量系统中，传统的传感网络使用电缆进行连接，随着测试点的增加，大量缆线的使用不仅带来了多余的负载和功耗，而且还占用了大量的舱内空间，为火箭舱内其他设备的布局和安装造成巨大的困扰。针对上述问题，提出了一种基于CC1310的无线传感网络（WSN）设计方案，实现测试系统无缆化。该设计选用通信频段低于1GHz（Sub-GHz）的超低功耗射频芯片CC1310作为传感网络控制器，使用低功耗的K型热电偶AD8495实现温度数据的采集，使用锂电池为传感器节点供电。软件设计实现了传感器节点周期性休眠和唤醒侦听机制，主节点轮询访问传感器节点获取状态和数据的功能，完成了传感器节点低功耗设计并且数据的可靠性可以得到保证。经试验测试，该系统设计合理，具有功耗低、数据传输稳定可靠等显著特点，且系统在组网后工作状态平均能耗为88μA，可实现火箭舱内环境参数的进行长期测量。

摘要:针对油田中压力变送器对钻井泵、抽油机的液压参数靠有线传输方式，以及人工定期巡检的效率低和实时性差等缺点，从现场实际需要设计了一种采用ZigBee通信技术的无线压力采集系统。其硬件电路主要由供电电源管理模块电路、USB转串口电路、MSP430微处理及AD转换电路、PT2407齐平膜压力变送器接口电路、ZigBee通信模块电路组成。本系统的设计理念采用星状网络拓扑结构，提高了系统的抗干扰能力。经过实验室和油田现场测试表明：本无线压力采集系统的压力测量值相对误差0.01%～0.5%，有效传输距离达100米，克服了传统物理布线的不足，无线方式可以准确地进行数据采集和传输，该套无线压力采集系统，具有功耗低、易组网、无线化的优点，极大地提高了生产效率。

摘要:在大量数据支持的背景下，如何高效利用大量SAR图像，提升舰船目标的检测精度是当前舰船目标检测的难题。本文聚焦如何提升YOLOv4算法对SAR舰船目标的检测精度，提出了一种融合多尺度和注意力增强的YOLOv4增强算法。在原YOLOv4的PANet中加入注意力模块（CBAM），同时使用加强的K-means聚类算法对数据集中的舰船目标真实框进行聚类，并对锚框结果进行线性比例变换，让算法锚框更适合于训练集。实验证明本文提出的算法在SAR舰船检测中的平均准确率（）达到了94.05%，比原始YOLOv4精度提高了0.7%。实验结果充分证明本文提出的算法能够提升SAR舰船图像检测精度，为海上活动判断精确化提供技术支持。

摘要:色环电阻作为常用的电子元器件，其阻值主要通过色环颜色表示。色环颜色依靠人工判断，效率低且误检率高。传统基于图像处理的色环判断，鲁棒性不高、受光照等物理因素影响较大。基于此，提出了一种基于深度学习的色环检测及判读方法。首先利用提出的目标检测算法实现色环检测和电阻本体检测，其次利用提出的颜色关系匹配方法结合检测结果，判断色环与电阻本体的从属关系并进行色环排序。最后利用提出的阻值推断方法，结合色码表，完成色环电阻的实时检测与判读。实验结果显示，相较于其他检测算法，该算法在色环检测的准确度上有更好的表现，达到98.71%，且网络的参数量仅10.61M、计算量仅31.68GMAC。在测试集上随机抽取20张图片进行验证，阻值判读的准确率高达98.59%。

摘要:针对很多小型工业零件存在微米级测量的需求，提出了一种点云多次滤波与平面拟合相结合的测量方法。以上下平面平行的规则直三棱柱体工件作为测量对象，使用3D线激光传感器获取工件的点云模型并传输到计算机中进行处理，将点云数据首先通过统计滤波剔除噪声和离群值；其次利用体素滤波降采样精简点云数量；然后采用直通滤波分离出工件点云的上下表面；再分别对上下表面的点云通过随机抽样一致性（RANSAC）算法拟合出平面方程；最后计算上下平面之间的间距即为被测工件的高度信息。将该方法测得的高度与激光三角法原理测得的高度数据进行对比，结果表明，该方法测量精度提高了72.33%；同时对于不同的点云密度，利用所提出的方法进行测量，测得当降采样中体素立方体的边长为15cm时（点云数量精简了98.3%时）测量的误差最小，最小能达到5.1。该方法大大提高了工件的测量精度，可以广泛应用于工业测量中。

摘要:针对循环神经网络存在提取特征单一，对特征的空间信息处理不充分的问题，提出一种基于骨骼的双支融合的人体行为识别模型。该模型由双向循环门网络和多尺度的残差网络融合的双支网络中进行特征提取，得到丰富的时间和空间上的特征信息，并且在双向循环门网络中增加注意力机制，进一步提升整个网络的性能，最后将特征信息经过分类器进行分类得到动作。分别使用UCF101和HMDB51数据集进行实验，准确率分别为98.0%和67.8%。通过实验测试，证明该模型能够获得更加完整的特征信息并且具有良好的性能指标。

摘要:针对机器视觉领域中并联机器人存在目标识别模糊，分类效率差以及反应速度过慢的问题，提出了一种基于深度学习的并联机器人定位检测技术。首先对目标识别物进行图像采集，改进图像数据集，将处理前后图像放入训练集提高网络效率，搭建YOLOX目标检测分类识别算法提高并联机器人检测精度；其次改进训练方式，通过预训练与实际训练提高可靠性，改进损失策略；然后建立并联机器人主体基坐标系与相机坐标系，结合手眼标定与相机标定方法，求得目标实际坐标与机器人基坐标系的转换关系；最后在并联机器人实验平台验证目标标定结果，对比主流深度学习算法YOLOv3、YOLOv4、Faster-RCNN得出的并联机构网络定位与实际定位的相对误差，结果表明YOLOX的定位精度误差为3.992-5.061mm之间，平均精确度达到了91%左右。该方法可为并联机器人结合深度学习实现检测定位提供一定参考价值。

摘要:针对现有目标检测算法在水面垃圾检测中，由于图像存在光照、水纹、倒影等干扰导致的算法鲁棒性不足的问题，提出了一种融合空域先验信息和频域相位谱的水面垃圾显著性检测方法。在空域融合基于背景先验、局部对比度先验和暗部区域先验信息生成的最小障碍距离图、对比度图和背景图，得到初始的水面垃圾显著图；在频域对图像相位谱进行低秩分解再加权融合，得到冗余较少的显著目标。实验证明，该方法准确率可达96.4%，可有效抑制波纹、光照、倒影的干扰。

摘要:针对风机叶片表面缺陷检测识别率低、且易受光照影响的特点。提出一种基于卷积神经网络特征融合局部二值模式特征及核极限学习机的风机叶片表面缺陷检测方法。利用引入注意力机制的卷积神经网络提取图像深层次信息，然后提取描述图像浅层纹理信息的局部二值模式特征，采用主成分分析方法降低局部二值模式特征维度；将两种从不同层面描述图像的互补特征串行融合。用改进的麻雀搜索算法优化核极限学习机参数，利用融合的特征训练模型，得到最优模型进行缺陷识别。通过实验，在自建数据集训练后的分类准确率达到了97.5%，kappa系数达到95.1。相比利用单一特征检测，分类准确率有明显的提高。经风电场实际验证，本模型的平均分类准确率为96.3%，Kappa系数为94.5，漏报率明显降低。

摘要:随着深度学习理论的不断进步，端到端的立体匹配网络在自动驾驶和深度传感等领域取得了显著的成果。然而，最先进的立体匹配算法仍然无法精确恢复物体的边缘轮廓信息。为了提高视差预测的精度，在本研究中，提出了一种基于边缘检测与注意力机制的立体匹配算法。该算法从立体图像对中学习视差信息，并支持视差图和边缘图的端到端多任务预测。为了充分利用二维特征提取网络学习到的边缘信息，本算法提出了一种全新的边缘检测分支和多特征融合匹配代价卷。结果表明，基于本文模型的边缘检测方案有助于提高视差估计的精度，所获取的视差图在KITTI 2015测试平台上的误匹配率为1.75%，与金字塔立体匹配网络相比，视差图的精度提高了12%，且运行时间减少约20%。