摘要:电锁相环(PLL)在无线通信系统、导航、雷达等领域中都占据相当重要的作用,它影响了整个系统的数据处理速率、时 钟相位信息的提取等。 光学锁相环(OPLL)具有高速实时接收、功耗低、抗背景光干扰能力强、抗多普勒频移等优势,是相干光 通信系统的关键电路模块,其性能直接影响光通信系统性能,光锁相环的研究主要针对其参数进行优化和改进。 综述了由电锁 相环到光锁相环技术的研究进展,在对其原理和关键组件介绍的基础上,详细介绍了电锁相环和光锁相环的分类和参数指标, 比较各类光锁相环的性能,总结了无线光相干通信系统中的光锁相环技术,最后对其未来的发展方向进行展望,可为锁相环技 术在不同领域的研究和发展提供参考。

摘要:时间交替采样(TIADC)与量化交替采样技术(QIADC)分别是提升采集系统采样率与分辨率的有效方案。 基于 TIADC 与 QIADC 的混合并行采集系统可以提供不同采样率与分辨率的组合,但由于采集系统的高采样率与高分辨率不能兼顾,因此 本文首先研究该系统的最佳采集性能。 通过分析系统采样率与分辨率对输入噪声及量化噪声的影响,得出在系统可用 ADC 数 量一定的情况下,存在最优的采样率和分辨率,使得系统达到最佳采集精度。 另外,本文对偏移量不匹配导致 QIADC 系统精度 降低的影响进行了分析,建立了量化偏移误差与采集系统量化提升位数之间的关系模型。 理论分析与实验结果均表明,当输入 噪声能量与量化噪声能量相等时,采样率与分辨率的组合是最优的,且此时系统的输出信噪比取得最大值,说明系统具有最佳 的采集性能。

摘要:腐蚀状态的准确预测对油气储运、化工设备安全可靠运行具有重要意义。 因腐蚀过程复杂,影响因素多,导致常规腐蚀 预测方法中先验模型对环境依赖性大,中长期预测效果差。 本文提出一种融合模糊推理和深度学习的数模融合驱动的卡尔曼 滤波腐蚀预测方法。 首先结合腐蚀物理模型和实际监测数据,建立腐蚀速度模糊规则,得到基于现场环境的结合物理模型的修 正腐蚀速度。 同时针对模糊推理结果存在的预测滞后性,考虑腐蚀监测数据的长期规律性,利用深度学习预测腐蚀速度;然后 融合模糊策略和深度学习预测结果,实现基于卡尔曼滤波的数模融合腐蚀预测。 最后利用天然气管道实际腐蚀监测数据,与高 斯过程回归(Gaussian process regression, GPR),粒子群优化灰度模型(particle swarm optimization gray model,PSOGM),模糊推理 (fuzzy reasoning, FR),多层感知机(multilayer perceptron, MLP)和卡尔曼滤波预测方法(Kalman filter, KF)进行了对比验证分 析。 结果表明本文所提方法具有良好的预测效果,对两年内腐蚀状态的相对预测误差在 1% 范围内, 均方根误差为 0. 000 49 mm,平均绝对百分比误差为 0. 34%。

摘要:为了解决目前车道线检测过程中特征融合不充分、检测精确度低和鲁棒性差的问题, 本文提出一种融合多分支结构和 注意力机制的车道线检测模型 (fusion of multi-branch structure and attention mechanism network,FMANet), 图像编码部分采用多 分支结构和注意力机制, 并选择 swish 作为激活函数, 图像解码部分采用跳跃连接结构, 实现跨层特征融合。 本文利用 TuSimple 公开数据集对 FMANet 模型进行评估与验证, 实验结果表明, 本文所提的 FMANet 模型的 mAP 指标接近 97. 25%, 车 道线检测精确度达到 98. 15%, 此外,通过 CULane 数据集验证 FMANet 模型在不同场景下的检测具有更好的鲁棒性。

摘要:针对矿用永磁直驱电机异响声信号噪声干扰大,有用信号被噪声淹没难以提取的问题,提出一种融合改进 VMD 与小波 软阈值的降噪方法。 首先,利用粒子群算法优化变分模态分解算法得到分解层数 k 和惩罚因子 α 的最优参数组合,基于最优参 数组合分解获得矿用永磁直驱电机异响声信号 k 个本征模态分量(IMF)。 其次,利用加权裕度指标筛选出有效信号分量和需 进一步分解的含噪分量,基于小波软阈值对含噪分量进一步降噪。 最后,将有效信号分量与小波软阈值降噪后的分量重构得到 最终降噪信号。 应用此方法分别对仿真信号和矿用永磁直驱电机异响声信号降噪,并与其他方法对比。 试验结果表明,该方法 能将仿真信号信噪比提升至 27. 524 7 dB,均方根误差降低至 0. 085 5,实测信号信噪比提升至 34. 715 3 dB,均方根误差降低至 0. 006 7,降噪效果较好,为后续的故障特征提取与故障诊断工作提供数据基础。

摘要:为充分挖掘 MEMS 陀螺的性能,提高 MEMS 陀螺在实际应用中的精度,通过搭建四陀螺阵列结合改进的 Sage-Husa 滤 波算法对陀螺阵列的输出信号进行降噪,在不改变陀螺加工工艺和显著提高生产成本的条件下有效提高了 MEMS 陀螺仪的实 际性能。 通过分析 MEMS 陀螺仪的系统误差和随机误差,搭建误差模型,利用传统卡尔曼滤波、移动平均滤波、小波阈值去噪 和改进的 Sage-Husa 滤波算法对单个陀螺和陀螺仪阵列进行降噪处理,实验对比发现改进的 Sage-Husa 滤波算法和陀螺仪阵列 结合后能有效降低陀螺的输出噪声。 利用 Allan 方差分析陀螺仪阵列经过改进的 Sage-Husa 算法滤波后的随机误差,四陀螺阵 列角度随机游走从 0. 40°/ h降低到 0. 03°/ h ,零偏不稳定性从 71. 11°/ h 降低到 5. 83°/ h,有效提高了 MEMS 陀螺在实际应用 中的性能。

摘要:随着集成电路的规模不断扩大,其测试成本随测试时间的增长而不断提高,如何优化测试参数是一个重要课题。 模拟 集成电路测试中,测试参数间存在非线性隐式依赖,使得直接揭示其相互关系并进行测试方法优化非常困难。 本文基于 XGBoost 决策树模型提出了一种优化模拟集成电路测试参数数目的方法,该方法探索不同测试参数间的相互表征能力,在测试 序列中依次删减可被良好表达的测试参数,在保证一定逃逸率的条件下达到缩短测试时间的目的。 本文讨论了故障数目、特征 重要性和 SHAP 值 3 种评估测试参数间表征能力的指标,并对两类模拟集成电路测试数据集进行了实验,结果表明故障数目是 一种优秀的评估指标,可在测试逃逸率不超过 20 PPM 的条件下实现 25%的测试参数优化。

摘要:本文针对高温环境下传感器节点存在误报、漏报、工作状态异常等问题,提出了融合长短时记忆网络模型( long short term memory,LSTM)和改进 A ∗ 算法的火灾逃生路径规划研究方法。 根据 LSTM 自适应学习火灾实时态势信息,建立异常节点 数据预测模型,实现异常节点的温度、一氧化碳浓度等威胁态势的预测;基于室内火灾实时态势信息,搭建火势威胁态势蔓延模 型,利用改进的 A ∗ 算法动态规划逃生路径,获取异常情况下火灾最佳安全逃生路径。 结果表明,该方法在不同火灾时期均能 规划出最佳安全逃生路径,为人员的撤退争取宝贵的时间,具有实际应用价值。

摘要:道岔几何位置异常是导致列车脱轨的主要原因,对其进行实时监测是有效预防列车脱轨的重要手段。 针对此需求,本 文设计一套基于双目视觉的道岔关键参数在线原位监测装置。 首先,针对铁路行车振动易造成视觉测量系统外参改变的难点, 提出一种基于简易标签的在线自标定算法。 此外,为了准确定位道岔监测特征,采用激光标记方式增强纹理特征的方法,可解 决尖轨摆动导致成像视角变化导致监测特征难以定位的难题。 同时,针对露天光照的干扰,提出了高斯加权的灰度重心法提取 光条中心,该方法成功克服铁轨金属表面易漫反射等缺陷,可有效定位出监测特征。 最后,完成双目立体配合并计算出监测特 征点三维坐标,完成道岔参数的监测。 现场实测表明,本装置硬件成本低、鲁棒性强、速度快,误差约为 0. 3 mm。

摘要:针对目前航空航天、车辆碰撞分析等领域对高 g 值加速度计的迫切需求,设计了一种新型多梁凹槽压阻式加速度计,该 加速度计利用变截面梁作为敏感梁来放大质量块的等效惯性力,并通过辅助梁与背面凹槽的组合有效提高结构刚度,实现了高 灵敏度输出和良好的频宽特性。 建立了加速度计的力学模型,并通过 ANSYS 有限元软件仿真分析,优化获得了加速度计的结 构和尺寸。 利用敏感梁表面路径,分析总结其应力分布规律,确定压敏电阻位置。 仿真实验结果表明,设计出的该加速度计量 程为 150 000 g,灵敏度为 1. 32 μV/ g,固有频率约为 268 kHz。 最后基于 SOI 技术设计了加速度计的工艺流程。

摘要:基于合成孔径成像原理的扫描成像技术(ESM)在电子设备电磁干扰(EMI)检测领域具有明显的技术优势与应用价值, 但是其在球面成像算法与系统设计方面仍需进一步的研究与完善。 针对以上需求,本文提出了球面扫描成像任务下的机械臂 系统设计方法与控制策略。 在系统模型上,对机械臂构型、球面扫描边界与检测天线姿态进行建模,探索在以上约束下的最优 球面孔径求解方法。 在控制策略上,设计实现基于关节角搜索的机械臂控制策略与微波成像聚焦算法。 以上模型、方法与策略 在仿真实验中实现平均关节变化角降幅 60. 21%,在由六轴机械臂与基准微波辐射源搭建的验证实验中实现自动聚焦与精确成 像(聚焦精度 0. 1 mm,成像精度不低于 3. 14 dBm),可望应用于电子系统的 EMI 检测定位。

摘要:瞬时角速度(instantaneous angular speed, IAS)信号的估计精度易受编码器自身误差影响,影响其故障检测结果。 针对 上述问题提出了一种局部多项式微分估计方法对 IAS 信号进行估计。 首先通过局部多项式微分抑制编码器细分误差产生的锯 齿状噪声和估计误差导致的信号不连续问题,实现了 IAS 信号的高精度获取,然后使用精确估计的 IAS 信号通过局部同步拟合 技术提取太阳轮故障特征。 通过实验和仿真说明,本文提出的局部多项式微分估计能较好地抑制编码器误差导致的 IAS 信号 噪声,提高 IAS 信号的信号比,结合局部同步拟合能够有效地提取太阳轮齿面剥落故障特征。

摘要:针对传统生产方式存在的管理成本大,生产效率低的问题,为实现智能化生产,设计了基于数字孪生技术的生产线全生 命周期管理应用框架。 首先基于物理生产线的多元数据,通过建模技术构建了生产线数字孪生模型,分别从生产线的规划阶 段、调试阶段、运行阶段,为物理实体生产线提供仿真预演分析、连通调试、生产状态监控、数据可视化等服务。 通过孪生模型对 实际生产线的规划到运行阶段进行指导和改进,使企业生产线平衡率提高了 6. 84%,年产量增加了 792 件,结果表明该方法 有效。

摘要:光场相机单次拍摄可以同时记录光线的强度与方向信息,相较于 RGB 相机能够更好地揭示场景的三维结构和几何特 征,在目标 6D 位姿估计领域具有独特优势。 针对现有 RGB 位姿估计方法存在复杂场景下检测精度低、鲁棒性差的问题,本文 首次提出了一种基于光场图像的端到端卷积神经网络目标位姿估计方法。 该方法首先利用双路 EPI 编码模块实现高维光场数 据的处理,通过重构出光场 EPI 图像栈和引入水平和垂直 EPI 卷积算子,提高对光场空间角度信息关联的建模能力,并由双分 支孪生网络进行光场图像的浅层特征提取。 其次,设计了带跳跃连接的特征聚合模块,对串联后的水平和垂直方向光场 EPI 浅 层特征进行全局上下文聚合,使网络在逐像素关键点位置预测时有效结合全局和局部特征线索。 针对光场数据不足问题,本文 使用 Lytro Illum 光场相机采集真实场景,构建了一个丰富且场景复杂的光场位姿数据集———LF-6Dpose。 在光场位姿数据集 LF-6Dpose 上的实验结果表明,该方法在 ADD-S 和 2D Projection 指标下平均位姿检测精度分别为 57. 61%和 91. 97%,超越了其 他基于 RGB 的先进方法,能够更好地解决复杂场景下的目标 6D 位姿估计问题。

摘要:针对开关磁阻电机多变量、高非线性以及传统设计过程无法快速而准确获得最优方案的问题,提出一种基于 Kriging 模 型和改进粒子群算法的参数优化策略。 首先建立多目标优化模型,采用田口正交方法进行敏感性分析,依据灵敏度大小将优化 变量分为两个子空间;其次为提高多目标粒子群算法的收敛速度和全局寻优精度,引入天牛须搜索算法中环境感应机制和遗传 算法中交叉变异策略;最后建立 Kriging 模型,利用改进粒子群算法对两个子空间参数进行迭代寻优。 实验结果表明,优化后的 转矩脉动减少 23%,平均转矩提高 2. 3%,在大幅度减少转矩脉动情况下保持了较大平均转矩。 结论是改进的粒子群算法与 Kriging 模型相结合策略适用于开关磁阻电机优化过程,可显著提高优化效率,保证求解精度。

摘要:针对车型识别技术存在类别判定冲突问题,提出基于相容系数的多传感器融合目标识别方法。 首先,采用多假设思想 实现多传感器异构数据聚类合并获取单帧融合检测结果;然后,计算证据之间的相容系数对证据冲突重新分配,结合 DezertSmarandache 理论(DSmT)来处理单帧融合后可能出现的证据冲突情况,并获取目标类别的准确识别结果。 实测数据结果表明, 该方法能克服传感器检测范围受限问题和类别判定冲突问题,目标识别准确率可达 93%以上,降低了目标识别的漏检率和误 检率,可达到良好的目标识别准确性能。

摘要:薄壁件由于结构复杂刚性差且精度要求高,薄壁件装配主要由人工完成。 存在自动化程度低、产品良率低、效率差、严 重依赖工人的技术水平的问题。 为了提高产品质量和生产效率,急需采用自动化装配设备。 薄壁件的装配单元需要根据在线 测量数据分类匹配装配,采用传统的工业机器人,占用较大的工作空间,并联机器人结构柔性,占用空间小,本文设计提出一种 薄壁件自动化分拣装配单元设计方案,来代替传统人工分拣与装配的生产方式。 首先根据薄壁件分类装配功能需求,设计了并 联结构,建立了并联结构的动力学模型和运动学模型;分析了并联结构快速运动时速度及加速度的变化规律,3 条主动臂和中 间支链的角度数据曲线变化平稳,没有发生突变,角速度和角加速度相对平稳,保证了测量相机工作精度,并联机构的稳定性满 足设计要求;动平台的位移曲线与预定轨迹重合,结果显示所设计的机构可以满足功能要求。 该结构工作空间小,可以实现薄 壁件装配的自动化,保证了产品的质量。

摘要:智能井盖作为较早提出的概念,其发展受制于远距离无线物联网通信发展和电池续航能力等问题。 为此,本文提出了 采集井盖热能的温差发电方案。 为了提高井盖下表面附近的温差,增加了隔热层和散热器,使温度梯度提高了 5 ℃ ~ 10 ℃ 。 结 合室外测试数据,搭建了温差发电模块测试环境,测试分析了温差发电片的性能,结果表明在 13 ℃ 的温差环境下 1 h 内产生 7. 92 J 的电能,平均功率 2. 2 mW。 基于 NB-IOT 技术,设计智能井盖监测节点,实现了对井盖倾斜角的监测。 通过休眠待机方 法,降低了节点系统的功耗,一次数据采集发射消耗 0. 185 J 电能,静态工作电流仅 87. 45 μA。 将自供电技术与低功耗技术结 合,验证了利用温差发电可以满足智能井盖的供能需求。

摘要:为解决目前变压器故障诊断精度低的问题,提出一种多策略改进海洋捕食者算法( MPA) 与混合核极限学习机 (HKELM)的变压器故障辨识方法。 首先通过核主成分分析法(KPCA)对高维线性不可分的变压器故障数据进行降维,获取特 征支持数据;然后通过伯努利混沌映射、改进阶段转换判据、最佳候选者等策略综合改进 MPA,加强全局开发能力;最后使用改 进的 IMPA 算法对 HKELM 的参数寻优,构建变压器故障诊断模型。 为验证模型有效性,分析比较常用算法优化的 HKELM 的 4 种变压器故障诊断模型。 其中 IMPA-HKELM 的诊断精度为 94. 7%,相比于另外 3 种基础算法优化的模型,诊断精度分别提升 了 5. 4%、8%、10. 7%。 结果表明,提出模型有效提升了故障诊断的分类性能,并实现了较高的故障诊断精度。

摘要:针对双马赫-曾德干涉型光纤振动传感系统定位误差较大的问题,提出了一种基于伯格算法的振动定位方法。 利用频 谱分析法比较伯格算法与快速傅里叶变换算法在不同频数下的能量特征,通过能量比计算确定最优频数,并进行伯格算法最优 阶数的选值分析。 在最优频数与最优阶数条件下提取特征数据帧,通过互相关计算获取双路振动信号之间的时延,进而获得振 动位置。 在双马赫-曾德干涉光纤振动传感系统中,开展了振动定位实验研究。 实验结果表明,在 2. 2 km 的传感光纤上,本方 法能顺利提取出振动信号频率的特征数据帧,且振动定位绝对误差为 7. 3 m,为提升双马赫-曾德干涉光纤传感系统定位精度提 供了新方法。

摘要:随着电网和管网交叉建设,油气管道上动态直流干扰与交流干扰呈混叠化发展趋势,加剧了管道腐蚀速度。 为分离检 测油气管道上的动态直流和交流干扰,分别利用不同分辨率的 FFT 提取混合干扰信号中动态直流干扰和交流干扰的频谱特 性。 进而利用分段聚合近似和 FFT 相结合的方式,将动态直流干扰近似处理为直流信号,实现动态直流干扰与交流干扰的分 离与特征参量计算。 检测结果表明,动态直流干扰和交流干扰的检测进度符合预期要求,其中原始交流干扰电位有效值与分离 后测得的交流干扰电位偏差不超过±2. 5‰,动态直流干扰电位有效值与分离测得的动态直流干扰电位有效值相差小于 1 mV (不超过±0. 5‰)。 所做工作可以为干扰源排查和管道腐蚀针对性防护提供数据支撑。

摘要:语音通信双绞线故障点定位对断路、短路故障检测,以及防止机密信息窃听等具有重要意义。 在基于时域反射法 (TDR)和扩频时域反射法(SSTDR)的语音通信双绞线故障检测与定位中,由于双绞线的低频传输特性,反射信号衰减严重,无 法实现远距离故障点定位。 针对这一问题,提出了基于分数阶傅里叶变换的时频域反射法(FRFT-TFDR)。 首先使用线性调频 信号(LFM)作为检测信号,接着对接收信号加窗以提高信号的分辨力,然后进行分数阶傅里叶变换将接收信号变换到分数域, 最后通过分析入射信号和反射信号谱峰值在 u 域内的位置差,并将其转换到时域内,从而定位故障位置。 经实验验证,该方法 可有效定位出不同断路故障点,实测时在 1 557 m 处的定位误差小于 7%,满足语音通信双绞线远程故障检测需求。

摘要:随着大量锂离子电池从电动汽车上退役,对退役电池快速检测的研究迫在眉睫。 针对传统方法因初始状态差异,导致 电池在二次利用前的一致性检测时间较长问题,基于电池充电曲线提出了一种快速测试方法。 通过将电池充电至截止电压保 证电池具有相同的初始状态,而无需进行将电池放空以保证初始状态相同这一步骤,测试时间仅为电池完整充放电时间的 12. 5%,检测效率提高;提取特征后采用融合 Canopy 的 K-means++聚类算法在 NASA 数据集和实验室电池上进行验证,聚类准 确度达 80. 5%,证明了设计的快速测试方法的可行性。

摘要:当对天气图像等场景复杂和特征不明显的图像进行识别时,往往存在识别率不高和特征冗余等问题。 基于此,本文提 出了一种基于深度迁移学习的图像分类算法。 该算法利用 ImageNet 数据集的模型参数构建 ResNeXt、Xception 以及 SENet 3 种 网络模型提取图像特征,采用领域自适应的判别联合分布自适应算法来相似化特征向量,完成高质量的特征表示,并以其结果 为准则融合模型特征,将融合特征经过多层感知机训练以实现高准确率识别的图像分类。 实验结果表明,该算法的性能优于传 统的单一网络模型,进一步提升了图像分类准确率的上限。

摘要:光学元件缺陷会直接影响整个光学系统的性能,在光学元件缺陷检测中,划痕缺陷无疑是检测的难点,划痕缺陷存在着 尺寸小,长宽比却比较大,易受杂质影响的问题,本文将深度学习算法应用到光学元件缺陷检测,并根据划痕缺陷的特点,对 Mask R-CNN 网络模型进行了改进,使算法对划痕缺陷也有了更好的检测效果。 首先,将原有的 ResNet 更换为本文提出的 CSPRepResNet,并添加 ESE 注意力机制,提高了特征提取的能力并减少了计算量;其次,利用 K-means 算法重新聚类 anchor boxes 的长宽比例;再次,将目标检测的损失函数由 Cross Entropy 改为梯度均衡化的 Focal Loss,解决了正负样本不平衡问题的 同时,更有利于对困难样本的检测,还可以消除离群点的影响。 总体来说,检测的 mAP@ . 5 由原来的 52. 1%提高到 57. 3%,提 高了 5. 2%,且推理速度几乎不变,可见,改进后 Mask R-CNN 对光学元件划痕缺陷有更好的检测效果。

摘要:高速流水线生产的棒状物极易产生各种表面缺陷,但基于传统图像处理的缺陷识别方法易受环境影响、可靠性低,而基 于深度学习的缺陷识别方法存在模型过大、识别准确率受制于样本数量等问题。 因此,本文提出了一种基于改进 SqueezeNet 的 棒状物表面缺陷识别系统。 设计了可获取圆周对称小体积棒状物全表面图像的采集装置,并在轻量级卷积神经网络 SqueezeNet 中引入注意力模块以改善模型的特征提取效果,利用数据平衡方法提升数据集内少数类样本的识别准确率,利用迁 移学习的方法进行深度学习训练,减轻数据集样本不足对训练效果的影响。 以生产线上的卷烟烟支为研究对象,采集其圆周表 面图像进行实验,结果表明,改进方法在少样本条件下的分类准确率达到了 94. 49%,其中对于少数类样本的 F1 分数提高了 31. 19%,单张图像检测时间约 1. 66 ms,模型轻量化,可满足工业生产线中棒状物实时缺陷识别的需求。