摘要:基于深度学习的毫米波雷达手势识别以其免接触、保护隐私和环境依赖性低等特点受到越来越多的关注。但是目前的学习方法大都采用全监督方法，其性能受限于雷达数据的获取和标注，且其学习样本都来源于单一环境，极大的影响了不同场景下的迁移能力，因此本文提出了一种基于半监督生成对抗网络的跨域手势识别方法。首先，通过数据预处理，提取动态混合特征时间图（DFTM）以消除环境干扰，并且对手势动态特征进行更加全面的表征；其次，结合毫米波信号特点进行数据增强，进一步扩充数据量，提高模型泛化能力；第三，针对实际应用中可获得的标记数据通常较少的问题，提出并构建了一个改进半监督生成对抗网络，在原始GAN的基础上增加了分类器，通过生成数据帮助提高分类器辨别能力，同时利用源域中的少量标记数据和目标域中的大量未标记数据，实现域无关的手势识别。实验结果表明，对于新用户、新环境和新位置的平均手势识别准确率分别达到 98.21%、95.23%和97.6%。与现有其他手势识别方法相比，本文所提方法在只有少量标记数据的情况下也能达到较高的跨域手势识别准确率，为后续毫米波雷达人机交互提供了新的研究思路。

摘要:针对电力变压器油中溶解气体浓度预测过程中存在的时间序列内部复杂和预测困难等问题，研究了时间序列分解预测重构方式，提出变分模态分解，结合布谷鸟搜索-支持向量回归组合预测方法。首先采用VMD将原始溶解气体浓度分解成为一组平稳的模态分量，降低了预测的复杂度。之后利用预测性能较好的SVR对各个模态分量分别进行预测。最后使用CS开展全局搜索对SVR参数进行优化选取，将得到的溶解气体浓度预测结果进行叠加重构。通过对油中溶解气体中H2的仿真实验，得到VMD-CS-SVR组合模型预测结果的均方根误差为0.124 μL/L，平均绝对百分比误差为1.19%，有效提升了预测精度。通过对CO和C2H4建模预测，进一步验证了本文所提模型的有效性。

摘要:针对浅层图卷积提取的局部脑区空间关联信息对情感脑电表征不足的问题，本文提出了一种深层图卷积网络模型。该模型利用深层图卷积学习情绪脑电全局通道间的内在关系，在卷积传播过程中应用残差连接和权重自映射解决深层图卷积网络面临的节点特征收敛到固定空间无法学习到有效特征的问题，并在卷积层后加入PN正则化扩大不同情绪特征间的距离，提高情绪识别的性能。在SEED数据集上进行实验，与浅层图卷积网络相比准确率提高了0.7%，标准差下降了3.15。结果表明该模型提取的全局脑区空间关联信息对情绪识别的有效性。

摘要:无人机无源定位系统可借助广播电视信号实现对目标的双基无源定位，其中信号处理板的性能直接决定着定位精度。为适应轻型无人机平台，保证定位测量精度，本文设计了一款小型化的信号处理板。首先，对信号处理板的传统架构进行精简优化，采用FPGA+AD9467为信号处理的总体架构。为解决小型化设计带来的信号完整性问题，在设计全过程依托Cadence及HFFS仿真软件对信号完整性进行仿真分析，从反射、串扰、电磁屏蔽等方面入手，保障处理板的信号完整性。为提高处理板信号解析能力，在传统FFT频谱测量的基础上，设计了基于Blackman窗函数的四谱线差值算法。并用该算法对处理板接收信号的频谱特性进行测试，降低了频谱泄露和栅栏效应引起的测量误差，提高了测量精度。对信号处理板关键性能测试，其在29.5 kHz带宽内的SNR优于90 dB，SFDR优于75 dB。测试结果表明：所设计小型化信号处理板的信号处理能力表现优异，满足轻型无人机无源定位的应用场景。

摘要:通道相位不一致性是影响干涉仪测向精度的重要因素之一，修正零相位校正数据能够提高测向精度。本文提出了基于零相位拟合模型的野值识别方法，通过推导零相位的线性拟合模型，建立拟合相位误差，分析出拟合相位误差服从正态分布，从而将零相位野值识别转换为拟合相位误差的粗大误差识别，最后采用3σ准则和格拉布斯准则进行粗大误差的判别及剔除。通过本方法能够有效识别并剔除零相位野值，试验计算分析表明，零相位野值识别及剔除方法能够有效提高干涉仪测向精度，并已经在工程中得到应用。

摘要:针对传统永磁同步电机三电平控制策略由于参数变化导致系统性能下降的问题，提出一种基于扩张状态观测器的无模型预测电流控制方法来增强系统的鲁棒性。首先，建立系统超局部模型实现未来电流状态的预测，其中不涉及任何电机参数，解决了参数变化影响系统性能的问题；接着，针对系统总扰动，设计d、q轴扩张状态观测器估计超局部模型中的非线性部分；然后，通过价值函数筛选出最优电压矢量，并利用小矢量的冗余特性实现中点电位平衡控制；最后，在DSP实验平台上进行传统三电平模型预测电流控制、无模型预测电流控制及所提出方法的对比实验，实验结果表明所提出方法具有较好的动稳态性能并且有效提高了三电平驱动系统的抗扰动能力。

摘要:针对二次线性调节器(LQR)权重矩阵选取困难导致的自动驾驶车辆控制精度低、系统适应度欠佳等问题，设计了一种非线性递减权值粒子群算法（NLDW-PSO）。基于二自由度车辆动力学模型，构建了横向跟踪误差模型，设计了前馈控制消除了LQR稳态误差；并设计以横向偏差、航向偏差和前轮转向角为评价函数，将系统输出误差状态量反馈至NLDW-PSO算法，所设计的非线性递减惯性权重因子通过提升粒子群体寻优性能，从而自适应调整LQR权重系数更新策略，形成闭环优化控制，最终求解得到系统目标函数极值。将所设计控制器的跟踪效果进行了对比，Carsim/Smulink联合仿真结果表明所提出NLDW-PSO优化LQR算法的跟踪控制效果最优，横向距离偏差最大值为0.076 m，横向距离偏差均值相较于固定权重系数LQR降低了69.74％，显著提高了车辆跟踪控制精度和自适应能力，且对速度变化具有较强鲁棒性。

摘要:绝对定位精度是衡量机器人性能的重要指标。为提升工业机器人的绝对定位精度，提出一种融合运动学标定和空间插值的定位误差分级标定的方法。首先基于D-H法建立机器人运动学模型，运用微分运动学理论建立机器人末端位置误差模型，结合IGG3权因子函数采用抗差岭估计辨识了运动学参数。而后基于机器人定位误差空间相似性特点，采用空间插值法对剩余误差进行补偿。最后通过实验对所提出的方法进行了验证。结果表明：机器人定位误差RMS值由补偿前的0.812 mm减小为0.049 mm，精度提高了93.97%。该方法能够有效减小机器人的绝对定位误差，提高定位精度。

摘要:针对轴承健康状态无法直观监测以及预测问题，设计了一种L1正则化的双向门控循环单元模型和Bray-Curtis距离共同构建的健康指标，该指标能够直观表示轴承的健康状态。首先运用L1正则化对现阶段轴承振动数据提取有效特征作为退化特征，振动数据第一个时间窗的特征作为健康特征，然后计算轴承退化特征和健康特征之间的Bray-Curtis距离，构建轴承的HI。通过云监控平台实时监测轴承的健康状态并采用BiGRU模型预测未来的健康状态，一旦轴承的HI超过变化率阈值，平台即刻报警，实现了轴承的健康状态预测。将本模型与双向长短期记忆网络以及双向长短期记忆网络注意力机制模型作比较，结果表明本模型的准确度为97.52%，远高于另外两种模型，且模型更加轻量化，体现出本方法的实用性。

摘要:CoaXPress是一种新型高速数字图像传输接口标准，适用于各种高速和高带宽图像传输应用。本文设计实现了一种基于CoaXPress接口的高速串行传输系统。针对多路高速串行数据传输、调度、缓存和同步难题，硬件上每个模块设计4路CoaXPress接口，模块以FPGA为核心，采用PCIe3.0×8接口与主控制器进行通信，使用DDR4缓存高速数据；FPGA固件逻辑设计中使用XDMA硬核与主控制器进行通信，使用FDMA完成对DDR4的数据调度，使用GTH收发高速串行数据；采用FIFO缓存同步技术和PXI_TRIG触发总线技术相结合的方法，成功地实现了8个CoaXPress发送模块共32路发送接口之间的同步。最终对CoaXPress接口模块和系统进行了测试，CoaXPress接口的眼图、码速率、误码率、同步精度均满足要求。本文所设计的基于CoaXPress接口的高速串行传输系统工作稳定，性能可靠，已应用于新一代空间飞行器载荷—数传链路测试。

摘要:针对双足机器人步态训练平台自动化程度低，调试步态的过程中单人操作时辅助机器人行走和状态信息实时观测协调困难的问题，该文提出了一套基于立体视觉和姿态识别的天轨机器人跟踪伺服系统。首先利用双目相机取景，对左右目相机画面进行匹配后获取图像中每个像素点的深度信息，基于获取到的带有深度信息的图像，对双足机器人的姿态进行识别，获取每个关节点的深度信息，根据关节深度信息判断双足机器人运动状态制定跟踪策略进行伺服控制，由于引入了姿态识别，可以根据双足机器人的姿态变化实现更高程度的自动化跟踪保护。实验结果表现出高自动化程度和高动态的跟踪表现。

摘要:为了研究再认记忆脑电的纹理特征，以及解决垂直对称局部图结构和对称局部图结构在提取脑电纹理特征时结构不稳定的问题。基于新旧范式设计了再认记忆实验，采集医学生和非医学生（均为35名）相关脑电，并且将这些脑电分为学习医学图片阶段、学习非医学图片阶段、再认旧医学图片阶段、再认旧非医学图片阶段、再认新医学图片阶段和再认新非医学图片阶段。首先，利用二维小波变换得到每位被试脑电的三个子频带，并提出改进集成局部图结构方法对原数据和3个子频带进行特征提取，改进算法纳入了具有稳定结构的扩展对称局部图结构和复合局部图结构；然后对特征进行归一化,避免结果过拟合，使用皮尔逊相关系数筛选出相关系数在0.8~1之间的特征矩阵列。在支持向量机等分类器上验证改进前后的算法，并使用正确率、精确率、召回率和F1评分这四个指标对模型进行评估。与改进前算法相比，改进后算法在支持向量机上的分类正确率分别提升3.8%，0.4%，0.3%，1.6%，5.1%和4.2%。分类结果说明医学生和非医学生在医学图片学习再认阶段存在明显差异，新加入扩展对称局部图结构和复合局部图结构比原算法中垂直对称局部图结构和对称局部图结构具有更好的分类性能。

摘要:针对电磁悬浮系统存在的非线性、模型不准确性以及复杂运行工况对控制精度的影响，提出一种改进滑模变结构控制策略。通过对电磁悬浮系统进行建模分析设计，基于滑模变结构控制方法的位置外环控制器以及基于PI调节器的电流内环控制器，设计一种分段式变速趋近律，减小悬浮气隙跟踪误差和控制系统抖振，并引入速度状态量来降低控制系统在滑动模态初期过大的趋近速度。仿真和硬件实验结果表明，在采用改进滑模变结构控制策略后，系统的调节时间比传统滑模控制减少了60%，超调量减少了77%，具有更小的稳态误差和抖振，同等干扰情况下具有更强的抗扰动能力。本方法不仅能够有效提高电磁悬浮系统的控制性能，对于其他非线性控制系统也具有较好的参考价值。

摘要:本研究旨在解决自主移动机器人在点到点路径规划中面临的搜索效率低下、易陷入局部最优解以及对未知动静态障碍物处理不够实时的问题。为此，将改进A*算法与改进 DWA进行了有效融合。在改进的A*算法中，我们引入了基于障碍率的权重因子和双向优化策略，以提升搜索效率并生成更加平滑的路径。同时，改进的DWA算法融入了两种新的障碍物评价函数，并通过调整权重系数有效地避免了局部最优解问题。通过将改进的DWA算法与改进的A*算法结合，实现了对未知动静态障碍物的高效实时避障。仿真实验结果显示，提出的改进A算法与传统A算法以及文献［23］的改进算法相比，在四种环境下的表现表明：路径转弯次数分别平均减少了30.14%和18.16%，搜索空间分别减少了35.09%和15.21%，规划时间分别降低了82.36%和38.26%。进一步地，结合改进的DWA算法后，路径规划时间、路径长度和平均运动速度相比融合传统DWA算法和文献［23］的融合算法分别平均减少了37.46%和9.82%，减少了4.59%和3.63%，提高了53.49%和7.09%。

摘要:微型永磁步进电机作为电子阀核心器件，其运行状态对电子阀能否正常执行操作有着直接影响。为了准确掌握电机剩余寿命情况，提出了一种考虑个体差异Wiener过程的剩余寿命预测方法。首先通过分析电机性能退化失效过程，选取相电流有效值作为性能退化特征量；其次由于同型号多台电机同时参与实验，建立考虑个体差异Wiener过程的电机性能退化模型并基于EM算法进行参数估计；最后，设计一种将启停次数作为电机剩余寿命参考的实验，并与基于传统Wiener过程的预测结果进行对比。实验结果表明所提方法平均预测误差下降了3.74%，具有更高的预测精度。

摘要:为达到道路标识实时检测的要求，针对目前主流的目标检测算法在图像处理器上存在模型参数量大、实时性差、功耗大和成本高的问题，提出一种基于FPGA的道路标识实时检测方案。为减少参数量、提高检测速度，采用YOLOv3-tiny作为特征提取网络，进行权重参数的训练与优化；将模型浮点数参数量化为8位定点数，并将量化后的网络模型在FPGA上完成部署实验。实验结果表明，在Yolov3-tiny网络检测速率上，本系统对实验数据集的测试帧率可达到153 fps，功耗为4.92 W，峰值GOP/s为115GOP/s。该系统可以满足实时目标检测的要求，并且能够在低功耗的状态下实现系统的部署。

摘要:针对PCB缺陷检测无法兼顾检测精度与模型体积的问题，提出一种基于轻量级YOLOv8n网络的PCB缺陷检测算法。首先，删除大目标检测层，新增小目标检测层并调整网络结构，使模型轻量化并提高检测精度。其次，将C2f模块结合GhostConv与DWConv设计出C2f-GhostD模块替换C2f模块，减少模型计算成本。然后，将PConv融入Detect模块中，设计出POne-Detect模块并应用于检测网络，精简网络结构。最后，在颈部网络添加SimAM注意力机制，提高信息捕获能力。实验结果表明，在PCB数据集中，该算法相较于YOLOv8n，参数量下降78.7%，模型体积减小73.7%，mAP0.5提升至98.6%，满足模型硬件部署需求。

摘要:针对多面体注塑零件在机器视觉缺陷检测中的零件图像几何形变问题，提出了基于几何光学原理的矫正算法。在拍摄定位误差不大于1 mm的条件下，所述方法矫正误差理论上<0.1 mm，可满足注塑零件机器视觉缺陷检测的需要。首先对采集的图像进行预处理获取图像边缘；接着将轮廓线交点确定为零件顶点；根据顶点位置分割零件的不同表面并将其映射在二维平面；然后根据几何光学计算图像中每一个像素点的偏移量；最后使用基于几何光学的方法对图像中的像素点进行逐点矫正。利用一组六面体零件模拟实际工况，在不同的拍摄定位误差状态下进行实验，使用Matlab对矫正算法进行验证。实验结果表明，所述方法误差在0.1 mm以内，与理论分析相吻合，满足注塑零件在机器视觉缺陷检测中零件图像几何矫正精度的需要。

摘要:针对现有阈值分割方法中存在的分割精确性和分割适应性欠佳等问题，提出一种多向加权作用下的直觉模糊相似性最大化导向的阈值分割方法。该方法首先运用各向异性高斯一阶导卷积核对输入图像进行多方向卷积运算和多尺度乘积变换，得到四个方向下的具有单峰直方图模态的四幅参考图像；然后通过二值轮廓图像对四幅参考图像进行采样构建对应的直觉模糊集；最后运用多向加权策略，将不同方向的四个直觉模糊集融合以构建相似性目标函数，并以该目标函数取最大值时对应的灰度值作为分割阈值。提出的方法与5种新近的分割方法进行了全面比较，在8幅合成图像和88幅真实世界图像上的实验结果表明：提出的方法具有更高的分割精确性和更灵活的分割适应性，在合成图像和真实世界图像上的平均马修斯相关系数方面分别达到了0.998和0.964，相较于分割精度第2的方法分别提高了39.90%和26.22%。

摘要:电力变压器的关键尺寸测量是其装配制造、运输安装过程中重要一环，现有测量方法操作繁琐且效率较低。为此，本文提出了一种适用于110 kV油浸式电力变压器关键尺寸视觉检测方法，该方法利用YOLO目标检测算法、Grabcut图像分割算法实现关键组部件的智能检测与分割，然后基于双目立体视觉原理实现套管相间距离及变压器最大截面外形尺寸等关键尺寸的测量。本文搭建了110 kV油浸式电力变压器外观缩比模型，试验分析了拍摄距离和角度等因素对电力变压器关键尺寸视觉检测的影响。结果表明，本文基于缩比模型试验实现了在不同拍摄距离与角度下变压器关键尺寸的视觉检测，验证了该方法的有效性。本文方法可以为110 kV油浸式电力变压器现场尺寸测量提供参考。

摘要:番茄产量受到病害、天气等因素的影响，其中番茄生长过程中叶片的病害问题是影响番茄产量的最关键因素。然而，在叶片病害检测领域，现有模型普遍存在泛化能力不足以及小病斑漏检率高等问题。提出一种改进的番茄病害早期检测算法，通过对YOLOv5s网络进行多方面的优化来改善这些问题，同时保持模型轻量化。首先，采用Mosaic 9数据增强技术，强化了模型对小病斑的检测能力，增加了图像背景的复杂度，提高了模型的泛化能力；其次，使用GSConv和Slim-Neck网络，在保持模型准确性的前提下轻量化模型，降低计算负担；同时，使用SimAM注意力机制更准确地捕捉叶片上的小病斑特征，从而降低漏检率；此外，为了进一步增强多尺度目标的检测能力，引入自适应空间特征融合，有效地整合不同尺度的特征，提升了多尺度目标，特别是小目标的检测准确性。实验结果表明：该模型在叶片病害早期检测方面表现出色，对叶霉、早疫、晚疫以及健康叶片四种番茄病害的早期平均识别准确率、召回率、F1分数及mAP分别达到了0.951%、0.918%、0.934%、0.948%。可见该方法对于小病斑具有较好的检测性能，改善了模型泛化能力不足及小病斑检测过程中的漏检问题，进一步提高了检测效果。

摘要:随着空间精密载荷对星上振动要求的提高，主动隔振载荷在对敏感载荷进行微振动抑制方面的重要性逐渐凸显。为实现低频、小振幅微振动的采集和抑制功能，以满足载荷所需的振动环境要求，本文设计了一个基于FPGA主控板卡和Qt上位机软件的检测系统。通过FPGA控制多路Δ-Σ模数转换器完成微振动信号的同步采集、指令协议的解析、PID控制算法的实现以及驱动控制信号的输出，同时设计了上位机软件实现对遥测信号的实时数显和频谱分析。系统经过集成联调，对主动隔振载荷的实时遥测功能和隔振控制性能进行了测试。结果表明，加速度幅度谱密度积分从1.73×10-6 g降至1.41×10-7 g，隔振抑制比达到-25 dB，实现了良好的微振动抑制效果，验证了本系统能够满足主动隔振载荷的微振动抑制需求。

摘要:针对超宽带信号中非视距误差造成定位系统定位偏差的问题，提出了一种改进无监督算法的NLOS识别技术。本文提取信道脉冲冲激响应波形的8种特征参量，选择主成分分析算法对多维特征进行降维处理；采用基于迭代自组织数据分析法改进的K均值聚类算法，自适应地选择K值来区分视距和非视距信号；最后，结合特征参量的冗余性、相关性对分类结果进行判别。实验结果表明，该方法能有效地识别出NLOS信号，且具有较好的环境适应性，识别准确度达到95%。

摘要:对于星壤物质物化特性的反演是深空探测中最重要的一环，星壤的热导率、热容参数等热特性是研究星壤组成的科学依据，而温度测量是基于侵彻式的星壤原位探测的重要参数。针对月壤勘察器侵彻过程的外表面温度无法直接测量的问题，开展了基于LSTM神经网络算法的勘察器外表面温度反演方法的研究。借助ANSYS/LS-DYNA有限元软件实现侵彻过程的仿真模拟以获取多组勘察器弹头部内外表面温度数据，依据有限差分法离散热传导方程选取数据，采用长短期记忆神经网络来建立反演模型。通过模拟实验进行分析，该方法反演所得曲线和实验曲线相比均方根误差为12.9 ℃，最大相对误差不超过10％。实验结果表明本文所研究的方法可以实现勘察器外表面温度的反演。

摘要:针对饲料加工行业中锤片式粉碎机控制系统存在启动时间长、响应速度慢及负载变化时出现的稳定性差等问题，提出了一种基于BP神经网络算法PID控制方法。首先，建立变频器和饲料粉碎机驱动电机组合系统传递函数的参考模型，并对其进行稳定性分析。然后在分析常规PID和模糊PID控制算法的基础上，将自适应神经网络算法PID应用到饲料粉碎机驱动系统的控制过程当中。通过搭建饲料粉碎机控制电机的仿真模型，利用MATLAB软件中的Simulink图形化编程功能对其进行仿真分析，并基于LABVIEW软件搭建了粉碎机测控系统试验平台进行实验测试分析。结果表明：对于饲料粉碎系统所给定的速度参考模型，设计的BP神经网络PID控制器能够实现较好的自适应追踪，对阶跃信号的响应更加迅速、超调更小，抗干扰能力更强。设计的自适应控制器能够根据工况变化自动调节PID参数，吨料电耗平均降低5.16%、生产率平均提高2.08%，对粉碎机主轴转速的控制更加精确，误差更小，兼具了较高的控制精度和较强的鲁棒性，满足饲料粉碎机驱动系统的自适应控制要求。