摘要:为了兼顾充电效率与使用寿命，锂电池通常采用先恒流后恒压的充电模式。引入了一种用于锂电池充电的可切换串联混合拓扑WPT系统。系统无需次级侧的实时反馈与复杂的控制策略即可从恒流模式切换至恒压模式。首先，基于T模型对混合拓扑进行了理论分析，推导出混合拓扑WPT系统在恒定频率与零相角的条件下输出与负载无关的恒定电流和恒定电压。其次，在电力电子仿真软件中搭建了模型，分析了恒压模式下两种拓扑的工作特性及系统效率特性。最后，搭建了一个充电电流为3.5 A，充电电压为65 V的WPT实验平台。实验结果表明：在广泛的负载范围内，恒流模式下，电流波动小于5.9%；恒压模式下，电压波动小于8%。

摘要:近年来，知识表示学习在智能推荐、智能问答，以及智能检索方面发挥了关键性作用，受到了广泛关注。知识表示学习旨在借助实体与关系的低维嵌入，将语义信息向量化，通过数学公式进行知识的推理。在众多知识表示学习模型中，TransE由于评分函数参数较少、计算复杂度低、计算效率高，被认为是最有前途的模型。然而，TransE在处理除一对一以外的复杂关系时，存在一定的局限性。为了解决这个问题所带来的困扰，提高知识嵌入的质量，本文提出了一种改进的基于翻译模型的知识表示模型TransREF。首先，借助关系矩阵投影，实现对实体和关系的嵌入；其次在原有向量的基础上加入关系邻域，增强模型的学习能力。在模型被训练期间，对于语义相似度高的实体，通过概率法实现对头实体与尾实体的替换，进而生成的较高质量的负例三元组，并且在选择关系邻域节点时采用五点随机法。最后，选择英文词典WordNet 的子集 WN18和Freebase子集FB15K上进行相关链接预测实验，之后在3个公开数据集WN11、FB13、FB15K开展三元组分类的实验。结果表明，相较于TransE、TransH，TransREF在 MeanRank、Hits@10，以及ACC指标上都有较好的性能改善，证明了TransREF的有效性。

摘要:轴向磁场永磁记忆电机(AFPMMM)是一种新型结构的电机，铁耗的准确计算对电机性能分析有着重要意义。为了获得准确的AFPMMM铁耗，首先建立铁心多环分层模型并分析铁心典型位置处的磁场；其次，在经典损耗分离模型的基础上引入柱坐标系分解磁密以构建铁耗计算模型，该模型不仅考虑了高次谐波的影响，还通过磁滞损耗修正系数和涡流矫正函数来提高铁耗计算精度；最后对样机进行实验测试，将改进后的模型和几种计算方法的结果值同时与实测值进行对比。研究结果表明：改进后铁耗模型在各转速下的计算精度得到明显的提升，相比实验结果平均偏差3.45%，更加贴近实测值。

摘要:为了更准确地分割视网膜血管图像中的目标区域，提出了一种基于改进W-Net的网络BW-Net。该网络采用菱形结构融合的方式进行语义特征聚合，通过将含有菱形结构的部分逐层堆叠形成U型拓宽框架，并引入嵌套的密集跳跃连接形成最终模型。融合方案提高了特征图组合的灵活性，设计的跳跃连接减少了特征图之间的语义差距，从而减轻了优化器的学习压力，实现了更好的图像分割性能。使用DRIVE数据集验证了拟议网络的有效性。BW-Net在分割任务中获得的Dice相似性系数值、敏感性、特异性和准确性分别是76.86%、73.66%、99.12%和94.55%，比目前大部分的先进网络框架的输出表现较好，并且网络参数却得到了减少。结果证明了该扩展结构在视网膜血管图像分割性能上的改进。

摘要:针对无人机电池充电极化反应导致的耐用性问题，同时为了提高激光无线传能系统对无人机电池的充电速率，提出了一种P&O的恒流变脉冲充电方案。该方案首先使用P&O实现了对GaAs薄膜光电池最大功率点的跟踪，能够快速精准的追踪到最大功率点的电流电压，确保无人机在进行能量传输时的供能稳定性；之后结合P&O以及无人机锂电池的输出特性建立了基于P&O的恒流变脉冲充电方案，实现了对无人机锂电池极化反应的改善，从而提升无人机锂电池的耐用性和整体的充电速率。仿真结果表明，基于P&O的恒流变脉冲充电方案不仅可以提高无人机锂电池的耐用性，而且较常规的恒流、恒流恒压充电方法能够减少289 s的充电时间，充电效率提升9.45%。

摘要:为满足无线通信日益增长的带宽需求，扩展圆极化微带天线阻抗带宽和轴比带宽的同时保持无线设备的小型化，本文基于微带缝隙天线提出了一种宽带圆极化微带天线的设计。该天线整体尺寸为30 mm×30 mm×1.6 mm，顶部结构为倒S形枝节，采用偏心侧馈的馈电方式，通过在微带线上加载矩形短截线改善天线的阻抗匹配，扩展了天线的阻抗带宽，在接地板上切角、挖槽扩展了天线的轴比带宽。测量结果表明，天线的-10 dB阻抗带宽为62.1%（5.14~9.81 GHz），3 dB轴比带宽为63.9%（4.43~8.59 GHz）。该天线具有小型、宽频带的特性，适用于5.8 GHz频段和WiFi-6E频段的无线通信系统中。

摘要:在卫星高速数传通信系统中，多普勒效应等因素会导致收发符号定时偏差加大，采用Gardner时钟恢复算法可以有效地消除其影响。然而现有时钟恢复算法实现结构存在着采样速率和实现复杂度较高的问题，由于实际系统中采样率和硬件资源有限，使其难以满足更高速率以及更高定时偏差容忍度的需求。基于Gardner时钟恢复算法，提出了一种新的并行实现结构，通过引入增删状态机、样值调整模块以及符号抽取模块使其能够在两倍符号率采样时实现快速符号定时计算。仿真及FPGA板级测试表明，该结构适应QPSK/8PSK/16APSK多种调制格式，能够容忍高达±400×10-6的定时频率偏差，且长期测试误码率稳定。另外，在实现625 MBaud符号率的实时接收机系统时，所提出的并行实现结构相对传统结构节省了约37%的LUT资源以及一半以上的Register和DSP资源，在资源受限的实时通信系统中具有很大的应用价值。

摘要:为了提高两轮自平衡控制系统的实时性和稳定性，提出了一种将四元数与PID相结合的两轮自平衡车控制机制。该机制基于四元数实现姿态角度的解算，基于PID算法实现平衡车的运动控制。该系统使用MPU-6050对平衡车的角速度和角加速度进行测量，使用编码器对电机转动速度进行测量，将这些测量数据作为平衡车控制系统的反馈，完成平衡车的控制，并可通过手机APP进行人机交互。在本文设计的控制算法下，平衡车在自平衡、载高度自平衡和载重自平衡三种场景下均可以保持良好的平衡性。采集了三种场景下平衡车俯仰角数据20 000组，方差分别为0.013、0.084、0.065。在静置状态下与卡尔曼滤波算法和互补滤波算法进行了对比，在5 000组的自平衡数据中平衡车的俯仰角方差为0.000 239，相较于其他两种算法更小。上述实验结果表明了本研究提出的控制机制能够在满足平衡车控制实时性的同时实现平衡车的稳定控制。

摘要:针对当前微波天线设计存在周期长、效率低等难题，设计了一种结合机器学习的多目标微带贴片天线自动设计和优化方法。本文通过遗传算法来寻优神经网络模型的初始权值和阈值，利用优化后的GA-BP模型预测多组天线结构参数在谐振点处的|S11|、-10 dB以下的有效区域面积及相应奖励值；还可以给定目标天线的电磁响应结果，通过该模型来反向预测天线的几何结构参数。结果表明，通过BP模型预测的决定系数R2可以达到0.968，而本文提出的GA-BP改进模型决定系数R2高达0.994，其预测能力显著优于传统的BP神经网络模型。

摘要:采用多种模型进行线性组合来对光伏功率预测，能有效避免收敛性差、可靠性低等缺点。线性组合模型中，将单一模型之间简为线性关系能简化组合模型计算，但会使预测精度降低。针对此问题，提出一种基于麻雀搜索算法(SSA)优化双向长短期记忆网络(BiLSTM)非线性组合方法的预测模型。首先，利用基于核改进的模糊C均值聚类算法(KFCM)和变分模态分解(VMD)对原始数据样本进行预处理；然后，采用Elman和SSA-BiLSTM对经过预处理后的光伏功率进行建模预测；最后，通过麻雀搜索算法优化双向长短期记忆网络对两个单一模型进行非线性组合，建立短期光伏功率非线性组合模型。通过某个光伏电站实测数据建立对比算例，结果表明所提组合模型在不同天气下的RMSE和MAE平均值分别为0.689 kW和0.540 kW,均优于其他对比模型，验证了所提组合模型的有效性和优越性。

摘要:光伏模型同时具有非线性和多模态的特点，传统算法在对其参数识别时易陷入局部最优，且识别精度不足。提出了一种改进的人工生态系统优化算法（IAEO），通过引入非线性控制参数调整策略来平衡探索与开发的关系，利用混沌的遍历性和非重复性来增强算法的探索能力。仿真实验表明，在单、双和三二极管和光伏组件模型上，改进算法的参数识别精度均超过99.9%，相较于原算法的RMSE值在四种模型上平均提高5.5%，和五种先进算法对比具有较强的优势。采用厂商真实数据对薄膜、单晶和多晶3种光伏组件在不同的光照和温度条件下进行测试，改进算法在不同环境中依然保持较高的准确性和稳定性。

摘要:针对风电叶片静力测试过程中叶片大挠度变形和叶根连接法兰变形对截面弯矩与形变测量精度的影响，本文分别基于柔度法和逐段刚化法得到叶片挠度以及变形后叶片承受弯矩的计算公式，进一步修正法兰变形带来的影响，并建立风电叶片多点静力加载的仿真模型，对比理论计算结果和有限元仿真数据。结果表明设计加载方案时考虑大挠度变形，可以降低靠近叶根区域截面的弯矩误差至1.07%；修正法兰变形带来的叶片挠度后，5.7 m处叶片挠度计算误差减小0.1%，从而可以确保全尺寸叶片静力加载的测试精度。

摘要:深度学习在自动驾驶环境感知领域发展逐渐成熟，但在城市道路上存在遮挡、重叠、残缺、小目标等情况下的多目标交通标志检测研究仍是目前关注重点。针对道路上的交通标志检测问题提出改进的YOLOv3目标检测方法：首先在YOLOv3的主干网络中引入深度可分离卷积层，优化卷积神经网络中的计算参数以减少计算量；其次在主干网络中的残差模块后引入CBAM空间通道注意力机制，增强网络对弱小特征信息的提取能力，提高对小目标交通标志的检测精度；最后改进原网络中的IOU交并比函数，引入CIOU交并比函数，减少候选框筛选不准的问题，提高目标检测准确率。实验基于CSTSDB开源交通标志数据集和部分自建数据集进行，实验结果表明，改进后的YOLOv3网络相比原YOLOv3检测算法对道路多目标交通标志的准确率提高了7%，并且对重叠、遮挡、小目标等交通标志漏检率更低，速度更快，有一定实际意义。

摘要:针对传统S曲线模型存在的加加速度值不连续从而影响设备精度和使用寿命的问题，提出了一种新的轨迹规划及多轴同步算法。首先，采用分段三角函数构造了一种无限可微的15段加加速度模型，在此基础上插补出满足运动学约束的点到点时间最优轨迹，最终推导得到最小速度下的点到点多轴同步算法的参数化表达。该方法计算简单且能够得到解析解，同时可以保证生成的曲线平滑无冲击。仿真实验表明，所提出的方法与传统S曲线相比，总规划时间增加不超过5%的同时可生成连续平滑的轨迹，验证了所提出方法的正确性和有效性。

摘要:L-N总线具有抗干扰性强、应用成本低和自主化的特点，可广泛用于建筑电气智能监控系统。针对当前L-N总线通信协议的软件实现带来的CPU开销问题，设计了一种可配置L-N总线控制器，从而实现通信协议的硬化。通过对L-N总线通信协议的深度分析，确认协议硬化的是可行的，在此基础上建立了协议控制器的硬件架构，对控制器各构成模块及其关系进行划分，然后在行为层对各功能模块进行描述，对其逻辑功能进行仿真，并实施FPGA原型验证。最后结合物理层测试平台的搭建，模拟控制器的应用场景，对控制器功能进行实测，包括通信测试、可配置功能测试及其可靠性测试。结果表明，所设计的L-N总线控制器能够很好地实现协议规范，并表现出良好的可靠性，通过分析可为CPU带来46%的效率提升。

摘要:针对滚动轴承在噪声环境下故障难以识别的问题，提出了一种结合注意力机制与Inception-ResNet滚动轴承故障判定方法。首先提出了一种将灰度图与伪色彩处理相结合的方法，将一维振动信号转化为三维RGB图像；然后结合Inception模块与残差网络，在宽度和深度两个方面拓展网络，提高网络的表达能力；最后结合CBAM注意力机制，融合通道注意力模块与空间注意力模块，增强输入特征中更重要的特征，抑制不必要的噪声特征，从而有效提高了诊断准确率。本文采用凯斯西储大学轴承数据集进行验证，并选用几个主流的深度的学习方法进行对比试验。试验结果表明：本方法具有很好的诊断准确率，平均准确率高达99.32%，在噪声状态下进行分析实验，结果表明在噪声状态下本方法依然具有良好的准确率，验证了本方法的鲁棒性。

摘要:针对可穿戴行为识别任务中小尺度的感受野难以提取长序列关联，大尺度感受野会导致特征压缩降低网络对信号特征的分辨率的问题。提出了一种基于多尺度通道注意力机制的行为识别方法。首先，从多个感受野提取时间特征和传感器通道特征，在保证信号具有低语义特征的同时提取信号的高语义特征；其次，在多尺度特征图之间建立跨通道关联，保证低语义特征和高语义特征之间的交互。多尺度通道注意力机制能够充分融合多尺度特征和多个特征图的关联信息，增强对微弱信号和剧烈信号的识别能力。在UCIHAR、DSADS、PAMAP2和UniMibSHAR数据集上进行了对比实验，结果表明MSCA-HAR方法相比目前的主流方法在4个数据集上的分类准确率分别提升0.43%，0.75%，2.90%和0.83%。

摘要:针对机动车驾驶人驾驶过程中使用手机与抽烟行为威胁交通安全的问题，本文提出了一种基于YOLOv7的改进网络模型。首先使用MobileNetv3主干网络代替原版YOLOv7的主干网络，减少模型参数量与计算量，提升模型的处理速度；利用深度可分离卷积、亚像素卷积搭建改进特征金字塔分支并与原版特征金字塔的输出特征层进行融合，丰富特征信息，增强特征提取效果；最后利用特征加强模块对融合特征层进行强化，提升特征层通道及区域两个方面的关注度。实验结果表明，改进网络模型的平均精度均值为95.33%，检测速度为75.31 fps，相比于原版YOLOv7网络的平均精度均值提高了6.84%，检测速度增加了17.25 fps。改进网络模型在满足实时检测的基础上具有较高的检测精度，能够实现对驾驶人使用手机与抽烟行为的实时、准确识别。

摘要:针对传统的路面裂缝检测方式耗时耗力、成本高、主观性强等问题，提出了一种基于YOLOv5的路面裂缝检测模型YOLOv5-Crack。首先在主干部分处引入坐标注意力机制并优化成CAplus结构以提高裂缝特征关注度；其次提出一种全新的特征融合网络ESPP，降低部分计算量的同时提升特征融合能力；然后，在颈部网络中使用重影混洗卷积替代传统卷积，尽可能保持通道语义信息的同时降低计算成本；最后，整体引入SIoU损失函数提升回归精度。为验证改进模型YOLOv5-Crack的有效性，在数据集GRDDC 2020上进行对比实验，结果表明其F1分数分别为58.43%和58.21%，与原YOLOv5模型相比分别提升了4.05%和3.93%，并且降低了7.8 GFLOPs的计算量，FPS达到37.9，有效解决了路面裂缝检测的弊端；同时与主流目标检测算法相比，所提出的YOLOv5-Crack模型在路面裂缝检测方面更具有优越性。

摘要:快速三维测量在工业检测、逆向工程领域得到广泛应用，提出一种基于二值条纹解相的三维测量方法。首先，通过投影1幅二值条纹图像，利用条纹级次分布特点，将携带物体相位信息的图像分割成两个条纹掩膜，利用连通域对白色像素点进行阶梯式标记，以此获得条纹级次。其次，由于环境噪声等干扰因素导致解相时出现跳变误差，因此提出了通过融合半周期位移级次的方法来对相位进行补偿，利用解相的二值条纹来获取半周期错位的互补级次。最后，根据条纹级次和互补级次实现解相进行实验验证。实验结果表明，本文方法解决了相位展开时出现的毛刺问题，并以平板为测量对象，利用本文方法测得的均方根误差为0.198 0 mm，且只需要1幅图像即可完成解相，具有良好的鲁棒性和有效性，可应用于快速测量领域。

摘要:针对现有管道三维重建方法依赖于管道内壁结构、纹理特征的问题，提出了基于合作目标与单目视觉的搭桥式点云拼接方法，实现管道内壁三维重建，该方法不依赖管道内壁的任何结构纹理特征，拼接速度快，且不受点云规模的影响。同时，设计了高精度的同心圆合作目标，用于计算点云的高精度拼接位姿，其位姿解算精度可达0.02 mm，相比椭圆合作目标高出53%，并实现了合作目标的鲁棒识别算法、以及拥有旋转不变性的特征点排序算法。最后，利用ROS机器人，搭建了不依赖任何特征的管道三维重建系统，并在实际实验中，完成了拼接精度为0.02 mm的管道整体三维重建。

摘要:针对现有时空降尺度深度学习方法对雷达降水图像时空特征学习不充分的问题，提出了一种基于时空分离的三维深度学习模型3DUST。该模型以Unet3d为核心架构，设计混合时空分离卷积单元增强降水图像局部时空特征的提取，并使用三维Swin Transformer补偿传统Unet3d编码器下采样造成的降水图像时空特征丢失问题，以提高时空降尺度预报的效果。通过法国气象局提供的公开数据集对模型进行检验和评估，结果表明：设计的混合时空分离单元具有较好的局部时空特征提取能力，基于时空分离的方法能够进一步提高时空降尺度预报效果。具体的，本文提出的3DUST模型使得SSIM和PSNR评价指标较对比模型分别提高了5.2%和6.7%，且参数量减少了3.2%。

摘要:在复杂自然环境下高效探测水下生物资源对中国渔业具有重要意义。针对复杂弱光环境下水下生物资源识别能力低、特征丢失严重等问题，本文提出了一种轻量级的水下生物检测算法。首先，针对水下图像颜色偏差大、清晰度低等问题，提出暗通道-对比限制-光衰减算法用于丰富图像特征信息。其次，引入GhostNet网络和构建C3CA模块提高模型的特征提取和融合能力。最后，对损失函数进行了改进，在降低总损失自由度的同时进一步提升算法的泛化能力。实验结果表明，YOLOv5_PGS算法在水下生物数据集上的检测精度达到了86.22%，较原YOLOv5L算法提高了0.48%。此外，本文算法模型的体积仅为20.4MB，比原模型减少了89.31%，检测速度提高了56.56%。实验结果表明，YOLOv5_PGS算法在水下图像处理中取得了良好的效果，为水下生物资源的实时检测提供了保证。

摘要:为了应对矿产领域的矿石识别困难、识别设备成本高等问题提出了改进的Unet矿石图像分割算法，首先对EfficientNetV2加以改造作为模型的主干网络提取矿石特征；其次，引入MBconv模块作为解码器中的基本模块，加强特征提取能力；采用CA注意力模块替换SE注意力模块，保留更多空间位置信息；最后使用滤波器响应归一化(FRN）层替换常用的批量归一化(BN)层，避免模型性能受批量大小的影响。基于FeM和Cu数据集实验结果表明，PA分别为96.58%和95.39%，Miou分别为92.8%和90.43%，F1_score分别为95.15%和93.47%，Efficient_unet模型参数相比Unet减少了60.4%，推理速度提升了19.23%，可达21.7 fps，所提模型在精度和速率方面均优于现有经典分割模型，同时表现出良好的泛化性能。

摘要:针对大多去噪网络仅在合成噪声去噪任务上表现良好，且只从单一尺度上提取特征，不能够更好的重构出干净的图像等问题，本文提出了一种多尺度特征融合的真实噪声图像盲去噪算法。该算法的横向网络结构利用自适应密集残差块提取同一尺度的丰富特征，并且有选择性的增强信息量大的特征，纵向网络结构利用金字塔层与编-解码器进一步获得不同的感受野，实现多尺度特征提取，横向同一尺度的特征与纵向不同尺度的特征充分融合更有利于噪声去除，保留图像的边缘细节。在真实噪声测试集（DND和SIDD）上对提出的网络进行评估，峰值信噪比(PSNR)分别为39.62和39.49，结构相似性(SSIM)分别为0.956和0.954。实验结果表明，本文提出的网络取得了更加优越的性能表现。