摘要:为了降低电力巡检机器人识别变电站指针式仪表的误检率,提高仪表读数识别的精度,设计了一种基于深度学习的指 针式仪表检测方法。 通过在 YOLOv4-tiny 网络结构基础上添加残差模块来提高模型的鲁棒性,并对 Hourglass 网络结构改进,达 到精准识别指针式仪表读数的目的。 为了验证所提出方法的有效性,以变电站现场仪表图像数据对方法进行测试,并将检测结 果与其他方法进行对比。 实验结果表明,仪表定位漏检率仅 1. 25%,指针定位精度在 1. 125%以内,整体检测时间小于 0. 5 s。 相较于常用的 Hough 直线检测与 ORB 结合或基于 U-net 模型的方法,读数识别的平均误差分别降低了 70. 8%和 58. 8%,为变电 站指针式仪表的读数识别提供新的思路。

摘要:本文以 YOLOv5 目标检测算法为基础算法,针对 PCB 缺陷检测进行了提高精度的改进。 首先通过实验选取了合适的 数据增强方法。 针对 PCB 缺陷尺寸小的问题,在原有的 3 个检测头基础上增加了 P2 检测头。 设计全新的 PANet 多特征融合 结构,实现高效的双向跨尺度连接和加权特征层融合。 针对 PCB 背景复杂的问题,引入了 CBAM 注意力模块以增强图像信息。 引入了 Transformer 模块来增强算法,以提高捕捉不同位置的 PCB 缺陷信息的能力。 最终通过这些改进,在检测速度 FPS 仅下 降 7. 2 的情况下,检测算法的 mAP 精度提高了 11. 3%。

摘要:基于水域监控系统智能化的发展需求,提出了一种监控水域环境下人员识别算法。 在水域场景数据采集、数据清洗与 标记后,自主构建了一套监控水域场景下的人员类别数据集 YZ-Water4,共 8 092 张图片和 24 011 个标签。 基于目标检测算法 YOLO v7 的性能基础,针对水域场景特点,提出了适用于水域环境的目标检测算法 YOLO-WA( you only look once-water area)。 首先,使用更适合视觉任务的 FReLU 激活函数取代 YOLO v7 算法中激活函数;其次将注意力机制融合到算法网络骨架中,提升 算法的特征提取能力;最后,选择 SIOU 损失函数替换 YOLO v7 算法中的 CIOU 损失函数以优化算法训练过程。 实验结果表明, YOLO-WA 与原算法相比,在水域人员类别数据集上识别精确率由 82. 3%提升到 86. 9%,召回率由 92. 0%提升到 92. 8%,平均 精度从 88. 4%提高到 90. 6%,检测速度达到了 85 fps,满足实时运行的精度与速度要求。

摘要:为了实现输电线路的高精度、高速度巡检,设计了一种适用于移动终端设备的轻量化目标检测网络 DE-YOLO。 首先融 合深度可分离卷积、逐点卷积和 ECA 注意力机制提出了特征提取模块 NewC3,它负责显著降低网络参数、同时强化网络提取绝 缘子有效信息的能力。 再借助通道数成倍增长策略和通道注意力机制 SE 设计了轻量化模块 DC-SE,它用于削弱复杂背景对绝 缘子故障的干扰、互补提取绝缘子细微特征,进而增强浅层网络对目标特征信息的提取能力。 实验表明,DE-YOLO 网络在自制 绝缘子数据集上的 GFLOPs 降低 45%,运行参数降低 42%,自爆缺陷检测精度高达 93. 2%。 NewC3 和 DC-SE 能保证 DE-YOLO 的轻量化,同时满足绝缘子自爆缺陷实时检测的要求。

摘要:针对芯片缺陷检测中,缺陷尺寸跨度大、特征相似、小目标难识别、漏检等问题,本文提出基于 YOLOv5 改进的缺陷检测 方法。 针对小目标缺陷检测中出现的漏检、误检等问题,提出新增小目标特征检测器(small target feature detector, S-Detector), 提升模型对小目标缺陷的学习能力;针对缺陷尺寸跨度大、特征相似等问题,提出具有高效聚焦学习能力的特征金字塔结构 (efficient attention feature pyramid networks, EA-FPNs),提升模型对不同尺寸缺陷的检测能力;针对预测阶段冗余框较多导致时 间开销大的问题,提出基于面积的边界框融合算法(bounding box fusion algorithm, BFA),减少冗余框。 实验结果表明,本文方法 相较于改进前,检测精确度提升 1. 2%,小目标缺陷精确度提升 1. 6%;采用 BFA 消除冗余框的同时,平均检测时长为 26. 8 μs/ 张,较使用 BFA 前减少了 5. 2 μs。 本文所提方法具有良好性能,能够提升检测效率。

摘要:电铲是露天采矿中广泛使用的一种大型机械挖掘设备。 在挖掘过程中,铲齿与矿石长时间的直接冲击会造成铲齿过早 的松动甚至断裂,从而导致电铲计划外的停机和生产力的损失。 针对这个问题,提出了一种基于改进 YOLOX 的电铲铲齿断裂 检测方法。 该方法以 YOLOX 为基础,首先针对受光照不均匀等影响导致检测效果差的问题,在特征金字塔网络加入扩张卷积 注意力机制增强目标在复杂背景中的显著度;其次使用 CEIOU(corner efficient intersection over union)损失函数代替原网络损失 函数优化网络的训练过程,进而提高目标的检测精度;最后考虑嵌入式设备本身的计算能力问题,利用模型压缩策略裁剪网络 中冗余通道,减少模型体积并提高检测速度。 在自主构建的 4 200 张 WK-10 型电铲数据集上进行性能测试,实验结果表明:与 YOLOX 网络模型相比,改进后模型的平均检测精度达到了 95. 37%,提高了 1. 95%,检测速度为 46. 1 fps,提升了 8. 4 fps,模型体 积为 31. 74 MB,减少到原来的 32. 9%。 对比多种其他现存方法,所设计的目标检测算法有着精度高、体积小和速度快的优势。

摘要:针对新能源汽车电池集流盘中因目标缺陷分布杂乱、尺寸跨度大和特征模糊而易出现误检、漏检的问题,提出一种基于 多尺度可变形卷积的 YOLOv5 方法(YOLOv5s-4Scale-DCN),以用于汽车电池集流盘缺陷检测。 首先,针对不同尺度的缺陷目 标,在 YOLOv5 模型的基础上新增检测层,通过捕获不同尺度缺陷的特征以及融合不同深度的语义特征,提高对不同尺度缺陷 目标的检测率;其次,引入可变形卷积,扩大特征图的感受野,使提取的特征辨析力更强,有效地提高了模型的缺陷识别能力。 实验结果表明,所提的 YOLOv5s-4Scale-DCN 算法可以有效检测新能源汽车电池集流盘缺陷,mAP 达到了 91%,相较原算法提 高了 2. 5%,FPS 达到了 113. 6,重度不良和无盖缺陷这两种类别的缺陷,检测召回率达到了 100%,满足新能源汽车电池集流盘 缺陷实时检测要求。

摘要:针对分布式场景下单节点样本有限、多节点间工况分布不平衡等导致的深度学习故障诊断精度低的问题,提出一种多 小波系数增强动态聚合联邦深度网络用于分布式小样本下的多工况机械故障诊断。 提出多小波系数增强动态聚合联邦深度网 络的诊断框架,单终端节点从本地样本中提取小波系数特征,提出多小波系数深度网络融合的特征增强方法,局部模型从多样 性小波系数集合中提取更具判别性故障特征;聚合节点通过对多终端节点局部模型的聚合以构建全局联邦深度网络模型,并用 于多工况故障诊断;为降低多节点间数据非独立同分布的影响,提出平衡模型贡献度的联邦动态加权聚合算法。 轴承振动数据 分析结果表明,所提方法能在分布式小样本条件下实现高精度的多工况故障诊断。

摘要:为了实现未爆弹目标的高效探测及定位,开发了一种小回线激励-阵列式线圈接收的主动电磁探测系统。 采用偏心结 构的收发线圈配置,实现了一次场的对消。 通过接收线圈阵列排布,有效地提高了系统探测效率。 提出了一种基于阵列线圈响 应差分比较的未爆弹目标水平位置定位方法,并实验验证了可行性。 研究结果表明,探测系统对于典型环状金属柱体的探测深 度达到 1 m,定位方法的计算值与真值误差在 3. 76 cm,实现了对未爆弹目标的准确探测和定位。

摘要:针对松鼠搜索算法(SSA)优化长短期记忆人工神经网络(LSTM)时,存在优化参数易陷入局部最优以及 LSTM 预测效 率下降的问题,提出一种自适应变异混沌松鼠搜索算法(AMCSSA) 优化 LSTM 学习率及其下降因子的预测模型。 通过计算 AMCSSA 的时间复杂度证明其在未增加算法复杂度的前提下提高寻优效率,AMCSSA 采用切比雪夫混沌映射生成混沌初始种 群,并将捕食者概率改为非线性递减模式,利用位置贪婪选择策略使其在算法迭代过程中不断更新并保留更优个体,引入自适 应 T 变异策略提高 SSA 在搜索空间中的勘探能力。 通过 AMCSSA 对 LSTM 的学习率及其下降因子进行参数寻优,进一步提高 LSTM 的预测能力。 对滚动轴承的剩余使用寿命(RUL)进行实验验证,结果表明所提方法相较于传统 SSA、粒子群算法(PSO)、 蝙蝠算法(BAT)以及萤火虫算法(FA)优化 LSTM 后,在预测中的精度分别提高了 1. 05%、7. 61%、8. 4%以及 7. 73%,并且使优 化后的 LSTM 在完成收敛所需要的迭代次数减少,从而提高预测效率。

摘要:采用瞬变电磁法和谐变电磁法仪器观测地下空间数据并进行融合处理,能够提高探测成像能力,然而现有的瞬变电磁 法和谐变电磁法仪器独立成套,必须配置多套仪器分次采集。 设计了一种可满足瞬变/ 谐变两种模式使用的小型、大带宽、高灵 敏度大地电磁收发线圈,为便携、浅层高分辨的瞬变/ 谐变一体化电磁探测系统开发奠定基础。 首先,建立了空心线圈传感器等 效电路模型,分析了线圈传感器的灵敏度和噪声特性,制作的传感器经过测试表明,在 1 125 Hz 处,灵敏度为 23. 12 mV/ nT,等 效磁噪声 9. 27 pT/ √Hz,传感器带宽 1 Hz~ 100 kHz;然后,通过公式和有限元软件对传感线圈偏心放置时收发耦合进行了计 算,确定了收发线圈组合的最佳耦合位置,计算和仿真结果与实际位置分别相差 0. 21%和 0. 17%,有效对消了发射磁场(一次 场)。 构建了时间域和频率域电磁法探测系统,测试表明,设计的瞬变/ 谐变一体化收发线圈能够满足时间域和频率域电磁法 两种探测模式使用。

摘要:当路由器发生永久性故障时会影响网络的通信性能,现有的容错方法大多都是采用重路由策略,绕行路径的不确定性 不仅会带来较长的绕行延迟甚至故障节点周围形成热点导致死锁。 针对二维网状网络中的各种故障情况,设计了一种新的路 由器架构———DRRA,通过添加的组件将不同的输入端口和输出端口连接起来,并定义了 3 种不同的具体连接方式,当数据包遇 到故障节点时,会根据具体故障位置及路由信息选择合适方式直接绕过该故障节点,保证网络的连接性。 实验结果表明,本文 所提出的方案与其他容错方案性比不会产生过多的硬件开销,并且在网络存在多个故障节点的情况下保持良好的性能和可靠 性。 在热点流量模式下,本文提出的方案与 ReRS 方案相比可以降低 57. 4%的平均数据包传输延迟,与 MiCoF 相比可以降低 38. 9%的平均数据包传输延迟。

摘要:针对现有镜面单锥 TEM 室用作脉冲电场传感器校准时存在测试尺寸空间较小、低频响应较差、内部与环境反射影响测 量准确度等问题,采用超大型精密单锥结构、终端阻抗加载和低反射异形电波暗室等方法,在仿真优化分析基础上,设计研制了 基于超大型低反射镜面单锥的脉冲电场标准装置。 该镜面单锥母线长 2 m,能够适应脉冲宽度大于 5 ns 的脉冲信号,整体装置 所产生的标准脉冲电场幅值 50~ 150 V/ m 可调、脉冲前沿小于 100 ps、脉冲宽度大于 5 ns,满足装备测试脉冲电场传感器的大空 间、宽频带、高准确度校准需求。

摘要:针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基 于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SRCKF)w-检测的多传感器姿态融合算法。 利用协方差匹配法对 SRCKF 的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整 后的新息进行误差探测,提高 w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影 响;最后利用 SRCKF 进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。 实验 表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升 62. 43%,在不同条件下,算法整体性能均可得到 大幅提升,并能快速进行姿态解算,保证解算精度。

摘要:根据目前无线通信系统发展小型化与宽带化的趋势,设计了一款具有多谐振点的宽带偶极子辐射天线。 首先通过特征 模理论分析倒 T 型导体结构得到两个谐振模式;然后在不影响倒 T 型导体结构谐振特性的前提下,引入寄生谐振偶极子单元; 最后在 3 个谐振模式的电流共同最大处添加集总端口,同时激励 3 个谐振模式,得到 3 个谐振点的宽带谐振天线。 天线的仿真 与实测结果基本吻合,最终的工作带宽为 1. 8~ 2. 56 GHz (相对带宽为 34. 9%)。 由此,所设计的天线不仅结构简单,且性能方 面良好,可广泛应用于无线通信系统中。

摘要:光纤压力传感器工作性能受温度影响较大,需进行温度补偿。 针对这一问题,提出了灰狼算法与最小二乘支持向量机 (GWO-LSSVM)算法相结合的软件补偿方案,利用灰狼算法在指定范围内迭代优化最小二乘支持向量机的惩罚因子 ζ 和核参数 σ 以求构建补偿算法模型。 在不同温度环境下,对传感器进行标定试验测得传感器的输入输出数据,分成测试集和训练集。 以 测试集的预测值计算的均方根误差为适应度函数,将温度补偿问题转化为带约束的凸二次优化问题。 结果表明,相较于补偿 前,温度补偿后的光纤压力传感器的灵敏度温度系数由 9. 405 × 10 -3 / ℃ 提升到 1. 201 6 × 10 -4 / ℃ ,温度附加误差相对值由 28. 215%提升到 0. 481%,传感器的温度稳定性得到了很大程度的改善。

摘要:在电动汽车无线电能传输系统中,磁屏蔽效果往往以牺牲传输效率为代价,如何减少磁泄漏的同时提高传输效率是一 个难题。 为此本文提出了一种新型强耦合磁屏蔽结构来减少系统磁泄漏。 首先,提出了一种强耦合磁屏蔽线圈结构,基于提出 的屏蔽线圈结构,分析了屏蔽线圈阻抗特性对系统漏磁与传输效率的影响;其次,给出了一种漏磁优化流程,运用提出的优化流 程,得到了满足设计要求的各线圈参数;最后,根据得到的线圈参数研制了一套基于电动汽车带磁屏蔽结构的无线充电系统,通 过仿真和实验验证了所提结构与方法的有效性。 结果显示,提出的新型强耦合磁屏蔽线圈不仅使系统的磁泄漏有效降低了 28%,且传输效率提升了近 4%。

摘要:针对电容法测量河流含沙量过程中易受环境因素影响而导致测量结果不准确的问题,提出基于卡尔曼滤波和长短期记 忆神经网络(Kalman-LSTM)的融合模型。 先采用卡尔曼滤波器进行滤波处理,减小传感器测量的随机误差;再通过 LSTM 神经 网络模型对含沙量信息和环境量信息进行多传感器数据融合,减小环境因素对电容法测量含沙量的影响;最后建立了电容法测 量含沙量的 Kalman-LSTM 融合模型。 为了验证 Kalman-LSTM 融合模型的融合效果,与 BP 模型、RBF 模型和 LSTM 模型对比, 比较各模型的均方根误差、最大绝对误差、平均绝对误差和平均相对误差。 实验结果表明,Kalman-LSTM 融合模型的平均相对 误差为 2. 54%,均方根误差为 2. 47 kg / m 3 ,该融合模型能有效降低环境因素对含沙量测量的影响,提高电容法测量含沙量的准 确性。

摘要:GNSS / INS 组合导航系统已经得到广泛应用。 但是在 GNSS 系统受到环境限制时,松组合方案会失效。 星座几何布局 频繁变化等原因,会造成紧组合导航定位精度大幅下降。 针对这一问题,本文采用基于新息的自适应卡尔曼滤波紧组合导航方 法,设计了城市环境车载实验方案。 该方法以伪距、伪距率的误差作为观测量,进行滤波估算,同时根据新息的方差理论值与实 际值,构建自适应因子,对系统的量测噪声阵进行调整,进一步修正系统误差。 通过实验验证,在可视卫星数低于 4 颗的时间 内,此方法的三维定位误差相较于使用传统的卡尔曼滤波方法定位误差降低了约 24. 2%;在卫星可视条件频繁变化环境中,定 位误差最大降低了约 60%。 结果表明此方法在观测条件较差时,可以对卫星伪距的观测噪声进行调整,降低了状态误差,增强 滤波器的鲁棒性,从而提供更精准的位置信息。

摘要:在铣削加工工程中,产生颤振,严重影响产品的加工精度和表面质量。 为了有效避免铣削过程中发生颤振,提出了基于 自适应调频模态追踪(adaptive chirp mode pursuit,ACMP)的铣削颤振监测和识别方法。 该方法综合考虑了振动信号的带宽和 微弱特性,ACMP 在递归框架中逐个捕获信号模式,在该算法中,不需要输入信号模式的个数,而是可以通过评估残差信号的能 量来学习,这样就可以避免由于分解层数不确定带来的模态混叠或者过度分解的问题。 首先使用仿真信号验证了该算法对颤 振信号具有很高的识别精度;然后基于现场的铣削实验数据证明该方法及时有效地对颤振进行识别;最后从 ACMP 处理后的 信号中提取功率谱熵值作为颤振识别特征。 该方法解决了经验模态分解(empirical mode decomposition,EMD)算法的模态混合 和伪分量问题,又降低了变分模态分解( variational mode decomposition,VMD)的精度不稳定的影响,可以准确快速地识别到颤 振,对提高加工质量具有重要意义。

摘要:针对不同工况下多组件设备退化数据分布存在差异导致设备的寿命预测模型精度下降的问题,本文提出一种能适应于 不同工况的域特征融合网络(DFF-Net)。 首先,把不同工况的退化数据输入到特征提取网络以获取跨工况特征,然后利用域特 征融合网络(DFF-Net)对跨工况特征进行域适应调整,最后把调整后的数据输入寿命预测模型,输出不同工况下设备的寿命预 测结果。 通过在公开数据集上的试验表明,相比于没有增加域特征融合网络的寿命预测模型,本文模型在测试集上预测结果的 MAE 和 RMSE 分别降低了 6. 5%和 7. 4%,说明本文模型能有效地提高跨工况设备寿命预测的准确率。

摘要:量子点元胞自动机(quantum dot-cellular automata, QCA)因其延迟时间短、功耗低以及占用面积小等优点被当作代替 CMOS 的新型技术之一。 针对 CMOS 器件尺寸日益减小导致的高功耗和电容寄生及串扰问题,本文首次利用 QCA 技术构建了 一种递归盒式滤波器。 其中,提出了一种全新的 QCA 全加器,较已提出的 QCA 全加器减少了 55%的电路面积;少使用了 56. 7%的元胞数;量子成本也降低了 10%以上。 并以此为基础设计了一种高效的行波进位加法器( ripple carry adder, RCA)以 及一种高效的进位选择加法器(carry select adder, CSA)来构成盒式滤波器的加法单元。 以此构建的盒式滤波器较一般 QCA 盒 式滤波器节省了 32. 6%的硬件资源;减少 20%的电路运行时间;减少了 48. 7%的功耗。 并使用 QCA Designer 仿真,结果表明, 本设计完全可以代替实现传统的盒式滤波器功能,并在效率、功耗、电路面积、资源占用方面均有显著降低。

摘要:针对当前超快脉冲和超高重频脉冲产生技术需求,基于固态半导体开关技术和脉冲合成技术,提出了一种基于延时触 发控制的高重频可重构脉冲产生方法,研制了 kV/ MHz 高重频可重构脉冲源原理型装置。 测试结果表明,该脉冲源能够稳定输 出幅度为 1 kV、重复频率 1 MHz、前沿时间约 700 ps 的亚纳秒脉冲,通过精确调节各脉冲触发时间顺序还可灵活改变脉冲前沿、 脉宽和波形等参数,并能实现 1 ~ 50 MHz 重复频率的参数调节,可有效满足电子对抗、超宽带探测及通信等行业领域的应用 需求。

摘要:为提高基于声学检测压力气体漏源定位方法在强噪声干扰下定位运算收敛速度和定位精度,提出一种基于加权子空间 拟合(WSF)准则的宽带测向稀疏表示模型(W-SpSF),将模型与双边相关变换算法(TCT)相结合,通过聚焦运算得到聚焦频率 处的协方差矩阵,并作为稀疏恢复的数据,最终实现 DOA 定位,得到漏源的位置。 定位过程中,采用加权子空间拟合降低噪声 的敏感程度。 分别在仿真和实验室模拟环境中对算法进行测试,经仿真结果表明,在加入强噪声干扰条件下,相比于同类算法 的运算速度提升最低 50%,定位误差减少 20%,在实测环境下,本文搭建了 8 元声传感器阵列的声源定位系统,针对气瓶模拟泄 漏能够实现定位,且漏源定位速度快,证明了算法在实际环境中的可行性。

摘要:为了提高机器人在复杂的室内环境中场景识别的准确率,本文提出一种融合卷积神经网络( convolutional neural network,CNN)和视觉 Transformer 结构的机器人室内场景识别模型。 本文模型利用 CNN 提取场景局部特征,然后使用视觉 Transformer 结构捕捉特征中远距离依赖关系,其中提出的视觉 Transformer 结构包括 3 个部分,分别是特征编码结构(Attention Embedding)、Encoder 结构和一个将高层语义特征转化成像素级特征的结构(Attention Project)。 本文研究的机器人场景识别模 型利用 CNN 提高视觉 Transformer 局部细节特征的描述能力,同时通过视觉 Transformer 帮助 CNN 构建远距离特征的依赖关系, 从而能够有效的表征和利用机器人工作场景图像的视觉特征。 最后,通过机器人在实际工作环境中采集的数据集和开源的 COLD 数据集进行实验,验证了本文研究模型的有效性,场景识别精度更高。

摘要:现今,惯性传感器加双天线 RTK 的组合测姿方法被广泛的应用于车载测姿领域,该方法集中了惯性传感器的快速更新 速率特点和双天线 RTK 的高精确度的优点。 针对当遇到高楼或者树林阻挡时卫星信号会丢失,导致双天线 RTK( real time kinematic)无法提供可用的航向角,而惯性传感器又无法长时间保持航向角精度问题。 本文尝试采用了一种基于微惯性测量单 元(miniature inertial measurement unit,MIMU)与磁传感器与双天线 RTK 的信息融合方法。 开展了实际跑车实验分析。 得出了 在卫星信号丢失的条件下本方法通过引入磁传感器提供航向信息,能够保证高精度车辆姿态数据的稳定输出。

摘要:针对现有绝缘子检测算法无法定向检测绝缘子及其缺陷的问题,提出了一种改进 YOLOv5( you only look once v5, YOLOv5)算法的航拍绝缘子识别及其缺陷检测方法。 通过定向标注航拍绝缘子图片,形成航拍绝缘子数据集和缺陷绝缘子数 据集;在 YOLOv5 的主干特征提取网络引入轻量化注意力机制模块、在特征融合阶段使用改进的空间金字塔池化结构;通过改 进 YOLOv5 网络的头部结构使其可以对绝缘子进行定向识别,并对损失函数添加角度损失分类。 实验结果表明在检测时间由 单张 0. 044 s 到单张 0. 049 s 并无显著增长的前提下,改进后的算法在测试集上的 mAP(mean average precision)的值为 95. 00%, 实现了定向识别绝缘子及其漏帽缺陷,还可应用到绝缘子视频流检测。 为后续的绝缘子精确定位以及进一步故障检测打下良 好基础。