摘要:磁性材料是一种重要的刺激响应材料,可通过外部磁场穿透组织和器官实现无线远程控制,具有生物兼容性高、磁场控 制简单和调控速度快等特点,广泛应用于医疗机器人、人造器官、生物化学合成和药物递送等生物医学领域。 复杂的工作场景 和多功能需求对磁性材料的精确控制提出了更高的要求,从基于磁力的简单平面驱动,到基于磁力和磁力矩的复杂空间驱动; 从基于材料本身运动变形进行功能实现到作为多功能柔性电子器件载体实现更复杂的环境检测等。 本文介绍了几种常用磁性 材料的磁学特性、磁场控制平台和磁极编程技术,并展示了磁性液体、磁性块体和磁性薄膜 3 种不同形态磁性材料在生物医学 领域的应用进展和面临的诸多挑战,最后对未来的发展趋势进行了展望。

摘要:为解决电力变压器振动信号因非平稳特性而导致难以预测的问题,提出一种基于改进蜣螂优化算法的差分整合移动平 均自回归预测模型。 首先,利用 ADF 检验和 KPSS 检验对变压器原始振动信号进行平稳性检验,若不平稳则进行差分处理直至 信号平稳。 其次,通过在蜣螂优化算法中引入周期突变机制以提升算法的寻优能力,并利用改进后的蜣螂优化算法对差分整合 移动平均自回归模型参数 p 和 q 进行定阶,实现对变压器振动信号的预测。 最后,利用某个 0. 4- / 0. 4-kV,15-kVA 三相双绕组 干式变压器实际采集的振动数据,验证所提出模型的有效性。 仿真结果表明,该模型的平均绝对百分比误差可达 3. 77%,而差 分整合移动平均自回归模型、长短时记忆网络、循环神经网络和卷积神经网络的平均绝对百分比误差分别为 5. 34%、4. 74%、 5. 03%、5. 40%。 因此,所提出的模型可以实现变压器振动信号的精准预测。

摘要:针对传统可见光在黑暗环境中难以实现人员行为检测与身份识别的问题,本文结合红外热成像技术基于百度飞桨深度 学习框架研究了一种面向黑暗环境的人员行为检测与身份识别算法。 首先经过实地采集,自主构建红外热成像人员行为数据 集总计 10 900 张 9 种行为类别以及双光人脸数据集总计 3 000 张 30 位人员。 针对行为检测方面,基于轻量化网络 PP-LCNet 改进 YOLOv5 骨干网络进行人员行为检测,大幅度减少模型参数并提高检测精度与推理速度。 针对人脸识别方面,引入 CycleGAN 算法改进 InsightFace 实现将红外人脸转化为可见光人脸进行身份识别,提高在黑暗环境下人脸识别准确率。 最后实 现红外人员行为检测网络与人脸识别网络的级联工作,在黑暗环境下可以实时行为检测与身份识别,具有很好的应用效果。 实 验结果表明,基于 PPLCNet 轻量化改进的 YOLOv5 相对于原网络模型参数减少 56. 4%,平均精度 mAP 由 89. 1%提高至 94. 7%, 推理速度由 68 提高至 101 fps;基于 CycleGAN 算法改进 InsightFace 相对于原网络黑暗环境下识别准确率由 84%提高至 99%。

摘要:针对当前视差估计网络在将视差转换成深度时,存在深度精度受相机参数影响,且在远距离处产生深度精度急剧下降 的问题,提出一种全距离深度平衡立体匹配网络(FRDBNet)。 首先构建深度代价体,使网络学习到全距离深度的概率分布,进 行深度回归直接生成深度;然后采用视差与深度损失融合的训练策略使网络同时关注远中近三分段全距离的深度估计;最后, 基于初始视差右图对应点 7 邻域特征设计视差优化模块进一步提高网络的深度估计精度。 在大型真实驾驶场景 DrivingStereo 数据集上的实验表明,针对全距离[1,100]m 的深度估计,FRDBNet 在[1,30]m 近距离、[30,60]m 中距离和[60,100]m 远距离 处深度精度相比 CVPR2022 性能表现优越的 ACVNet 分别提高 10. 38%、15. 11%和 20. 35%,达到了良好的深度精度平衡。

摘要:近年来,不断发展物联网产生出海量数据,这给网络云等基础设施带来巨大压力。 对此学者们提出的“云-雾”计算的架 构模型,其中雾计算的障碍之一是如何分配计算资源以最小化网络资源。 研究提出了一种基于启发式算法的 TCC( time cost computing-power)算法,以优化该异构系统中基于遗传算法的“云-雾”计算中的任务调度问题,包括执行时间、操作成本以及总 算力资源。 算法以“云-雾-端-网”混合计算任务调度为研究对象,以进化遗传算法为研究手段,结合云计算、雾计算、遗传算法 等技术优势,实现时延、代价以及算力之间的平衡。 在混合计算任务调度中,对于仅考量单一指标的 TCaS 算法,本算法具有更 好的均衡性;本算法适应度值分别比 BLA 算法 0. 93%以及 RR 算法 26. 02%。 本算法还可以灵活地匹配用户对高性能-成本-算 力多方面的需求,提升系统的有效性。

摘要:准确高效地对人体姿态进行语义描述是识别人类行为的重要部分,也是快速了解个体状态以及发生事件的关键。 近年 来,人体关键点检测技术获得了长足的发展,然而针对人体姿态语义描述的研究并未引起足够重视。 为此,本文提出了一种基 于几何统计的人体姿态语义描述方法。 首先将获得的人体关键点划分为若干集合,然后提取每个关键点集合的几何分布特征 用于描述人体姿态,最后采用层次策略判断人体姿态的语义。 该方法采用了集合的思想来提高识别人体姿态的鲁棒性。 在不 同真实场景数据集上的实验结果表明,所提方法在简单和复杂单人姿态的 IFD 和 PASCAL 数据集上识别人体姿态的平均准确 率分别达到了 90. 8%和 77. 1%,对于复杂多人姿态的 MPII 数据集准确率为 77. 2%,均优于对比方法,可见所提方法在关键点缺 失等情况下依然能够实现较准确的人体姿态语义描述。

摘要:为了实现智能假手能够自然地模拟人手的连续运动,提出了基于 sEMG 的 DF-ANN 模型来估计手指关节角度的方法。 该方法引入了通道注意力机制中的 SE-Net 模块增强了 sEMG 的相关特征表达,减少 sEMG 重要特征的损失,有效提高了回归模 型的性能,选取 10 名健康的受试者进行 10 种不同手势的实验,选择 R-Squared(R 2 )等回归衡量指标来评估该方法关节角度估 计的精度,实验结果显示 R 2 为 86. 5%。 与未引入 SE-Net 的 DF-ANN 模型,单独的深度森林和人工神经网络相比,R 2 大约提高 了 4%。 这表明该方法能够有效减小 sEMG 的关节角度连续解码的误差,能够有助于实现智能假手的柔顺控制。

摘要:随机配置网络(SCNs)具有通用逼近能力和快速建模特性,已成功应用于大数据分析。 在 SCN 的基础上,块增量随机配 置网络( BSC)使用块增量机制提高训练速度,但增加了模型结构的复杂程度。 为了解决上述难题,提出遗忘因子随机配置网 络(FSCN-I 和 FSCN-II)驱动的自适应切换学习模型(ASLM)。 该模型利用正态分布配置隐含层节点的输入参数。 FSCN-I 通过 误差值和遗忘因子调整节点块的尺寸,提高训练速度。 FSCN-II 引入节点移除机制降低模型结构的复杂程度。 ASLM 由 FSCN-I 和 FSCN-II 构成,两者根据自适应变化的边界随机切换以提高模型的训练速度,并在 FSCN-I 的基础上降低模型结构的复杂程 度。 最后,通过基础数据集和工业实例,表明该方法的有效性。

摘要:针对石化工业中输气管道阀门的内泄漏故障,将声发射检测技术与深度学习技术相结合,提出了一种基于全卷积神经 网络(FCN)的阀门内泄漏声发射信号识别方法。 该方法利用声发射技术采集阀门内泄漏的声发射信号,基于 FCN 搭建阀门内 泄漏分类诊断模型,充分发挥了声发射技术在阀门内泄漏检测领域的优越性,以及 FCN 在时间序列分类任务上的高性能。 该 方法相较于传统的识别方法,无需对原始采集数据进行特征提取或繁重复杂的预处理,而是将特征提取的任务也交于神经网络 模型来学习和完成,可实现端到端的阀门内泄漏声发射信号分类识别。 搭建阀门内泄漏检测实验平台,采集并制作阀门内泄漏 声发射信号数据集,建立了基于 FCN 的阀门内泄漏声发射信号的二分类模型,实验结果表明,该模型的分类识别准确率可达 98. 72%,相比较于其他先进的分类模型在数据集上表现出了更加优越的分类识别性能和训练效率,同时对环境噪声具有良好 的抗干扰性能。

摘要:针对兰姆波损伤概率成像需要参考基准的问题,提出了一种基于相同传播距离的兰姆波无基准损伤概率成像算法。 首 先求解每条路径上信号的功率谱密度,然后将相同传播距离路径上的功率谱密度值进行分组,将每组的功率谱密度最大值对应 的路径视为无损路径,并与同组的其他功率谱密度值进行比较,构建损伤指数,最后结合损伤概率成像算法来识别损伤位置。 结果显示,该无基准损伤成像算法对检测区域内多种类型损伤定位成像的相对误差在 6%以内,能够对缺陷进行准确的定位 成像。

摘要:涡街流量计是流体振动型流量仪表,易受管道振动、流场扰动等影响,在小流量条件下测量误差较大,尤其在强振动干 扰下涡街信号被淹没,无法准确测量。 本文研制抗强周期振动干扰的涡街流量计系统,采用带有电压负反馈的差动式电荷放大 器,提高小流量信号的放大能力;提出基于频移策略的频率方差算法,减少强周期振动干扰的影响。 首先通过频移策略降低相 近频率的影响,然后根据流量信号与周期振动干扰的频带宽度不同,通过计算和比较频率方差,判定流量信号频率。 研制了涡 街流量计信号处理系统并实验,结果表明,研制的系统扩展了量程下限,且在强周期振动干扰条件下可以准确提取信号,精度提 升 1 个数量级。

摘要:针对在低信噪比条件下超声波风速风向测量精度低的问题,提出一种基于二次相关法的双阵元接收阵列超声波风速风 向测量方法。 首先采用由一个超声波发射传感器和两个接收传感器组成的阵列结构,其次在该系统结构基础上给出一种基于 二次相关的超声波传播时间测量方法,利用二次相关算法对噪声抑制更强的性能可有效提高风速风向测量的精度。 最后通过 模拟仿真实验对所提测风方法进行有效性验证,并通过双阵元测风系统进行了实测数据验证。 实验结果表明,基于二次相关算 法的双阵元接收阵列超声波传感器风速风向测量方法具有较强的噪声抑制能力,在实测环境下风速风向最大测量误差分别为 0. 24 m/ s 和 2. 4°,基本达到了超声波测风仪的设计要求。

摘要:驾驶风险量化评估对智能汽车拟人驾驶决策至关重要,针对复杂多任务场景下的驾驶风险量化问题,提出了一种基于 人类风险感知机理的智能汽车驾驶风险量化方法。 首先,利用传感器获取驾驶场景周围环境信息与行驶状态信息,并根据人类 驾驶经验对潜在冲突因素赋值代价,生成驾驶场景代价地图;其次,根据车辆运动状态与拟人驾驶的基本原则,利用高斯函数建 立动态风险模型;最后,结合驾驶场景代价图与动态风险模型实时计算拟人驾驶风险量化值。 仿真结果表明,提出的方法能够 基于人类驾驶经验,计算出动态变化的驾驶风险量化值,应用于智能汽车自动驾驶决策,可产生拟人驾驶行为。

摘要:在聚变装置真空检漏领域中,未来聚变装置涉氚运行,检漏人员无法进入装置检漏,这使得这项任务极其困难和耗时。 为实现聚变装置泄漏设备的快速准确检测,本文以 6 自由度机械臂为研究对象,提出了一种 GV2-YOLOv5 的真空设备检测方法 用于真空检漏机器人对真空设备进行识别和定位喷氦。 在该方法中,结合轻量级 GhostNetV2 网络构建 C3GhostV2 模块,同时使 用轻量的 Ghost 卷积提取目标特征,从而降低模型参数量,提高计算速度;在特征融合网络中添加 Bottleneck Transformers 和 ECA 注意力机制,提高网络特征提取能力以及加强模型通道特征。 实验结果表明,在自制数据集上,改进后的模型平均精度为 93. 2%,相比 YOLOv5s 提高了 1. 4%,模型参数量减少了 29. 5%,检测速度为 92 fps,满足实时性与准确性的需求,为真空检漏机 器人目标识别与定位提供了一种的解决方案。

摘要:为了实现管壁腐蚀缺陷的定量化成像,提出了一种基于物理信息嵌入式卷积神经网络的成像算法,从超声导波信号重 建管壁厚度。 首先推导了超声导波在管壁上传播的二维声波模型,通过矩阵 LU 分解求解频域波动方程,可实现从管壁导波速 度图到声场信号的正演;其次搭建了物理信息嵌入式卷积神经网络,包含 3 个迭代层,每个迭代层由正演模型和残差反演子网 络组成;生成包含随机腐蚀缺陷的管道仿真数据集,搭建网络进行训练和反演,训练集、验证集和测试集的成像结果的平均 Pearson 相关系数分别为 94. 91%、86. 47%和 87. 37%,缺陷图像一致度高;搭建了实验系统,在加工有不规则阶梯缺陷的管道上 采集导波信号进行反演,成像结果良好,厚度图的均方误差为 0. 005 7。 算法将物理模型与神经网络结合在一起,实现了从导波 信号到管道厚度图的高精度成像。

摘要:因为 P3P 问题固有的结构缺陷,二维激光雷达和摄像机的最小解标定方法存在数值稳定性差、精度较差等问题。 针对 上述问题,本文提出了一种鲁棒的最小解标定方法,对 P3P 问题的求解算法和最优解选择误差度量进行改进。 首先,根据 3 个 棋盘格构建的 P3P 问题,利用改进的 RP3P 算法进行求解,提高了解的稳定性。 然后,基于可信度加权观测概率设计了一种的 最优解选择策略,提高了所选解的准确性。 根据实验结果可知,本文的算法在标定结果的精度和有效性上得到明显改善。 仿真 实验中,在不同噪声水平下,相比于 Francisco 方法和 Hu 方法,本文方法的有效解概率提高了 5% ~ 41%和 2% ~ 20%,旋转矩阵 精度提高了 2° ~ 6°和 1. 5° ~ 2°,平移向量精度提高了 180~ 520 mm 和 150~ 180 mm,性能提高明显。

摘要:可靠定位是机器人完成导航和路径规划的前提,机器人通过多个超宽带(ultra-wideband, UWB)基站的测距信息实现定 位,但基站数量不足时定位精度受限。 针对这一问题,提出融合超宽带距离和方位的移动机器人定位方法。 根据方位标准差区 分信号来自基站前方(视场)或背后(非视场),消除方位的前后奇异性。 在此基础上,利用 UWB 距离和方位测量值构建约束函 数,通过图优化算法融合里程计和 UWB 测量数据实现全局位姿优化。 实验结果表明,该方法在 13 m×6 m 的室内环境中,移动 机器人无规则运动能够达到 0. 093 m 的定位精度,比传统的基于测距 UWB 和里程计融合方法定位性能提升了 46%,且具有较 强的鲁棒性。

摘要:PDC 钻头复合片的缺损情况是影响钻进效率的重要因素,检测 PDC 钻头复合片是否缺损是修复 PDC 钻头的前提。 为 了减少对 PDC 钻头复合片的误检,提升检测准确率,提出了一种基于改进 YOLOv5 的目标检测算法。 该方法以 YOLOv5 网络为 基础,融合 RepVGG 重参数化模块增强网络的特征提取能力;在 C3 模块中引入坐标注意力机制,在通道注意力机制中嵌入位置 信息,提升对缺损复合片的目标检测能力;将边界框回归损失函数改进为 WIoU 损失函数,制定合适的梯度增益分配策略。 实 验结果表明,改进后的网络的精确率提升 2%,召回率提升 0. 9%,平均精度均值(mAP)提升了 1. 3%,达到了 98%,能够实现对 PDC 钻头复合片的缺损识别。

摘要:温度的变化对导波传播有着很大的影响,但温度与其他因素对导波造成的复合误差却少有研究,而管道常常处于各种 严峻环境下,对其进行温度变化与不同工况之间的复合误差研究十分有必要。 本文就充水管道与温度变化之间的关系,提出了 一种新的补偿思路,即用信号集匹配相近的基线信号,同时判断充水信息,再用基线拉伸法拉伸监测信号中的时域部分,最后减 去相对应的最大残余幅值与充水偏差,完成信号的复合误差补偿。 通过 COMSOL 模拟仿真分析该方法的可行性,同时设计实 验验证效果,实验结果表明,进行补偿后的残余信号平均幅值比进行补偿后的残余信号平均幅值低约 5 dB,即该方法能够有效 的补偿由变温与充水共同造成的复合性误差。

摘要:为了解决当前红外与可见光图像融合算法中易出现场景信息缺失、目标区域细节模糊、融合图像不自然等问题,提出一 种用于红外与可见光图像融合的注意力残差密集融合网络(ARDFusion)。 本文整体架构是一种自编码器网络,首先,利用存在 最大池化层的编码器对源图像进行多尺度特征提取,然后,利用注意力残差密集融合网络分别对多个尺度的特征图进行融合, 网络中的残差密集块可以连续存储特征并且最大程度地保留各层特征信息,注意力机制可以突出目标信息并获取更多与目标、 场景有关的细节信息。 最后,将融合后的特征输入到解码器中,通过上采样和卷积层对特征进行重构,得到融合图像。 本文提 出了一种用于红外与可见光图像融合的注意力残差密集融合网络,实验结果表明,较已有文献的其他典型融合算法,具有较好 的融合效果,能够更好地保留可见光图像中的光谱特性且红外目标显著,并在主观评价和客观评价方面都取得了较好的融合 性能。

摘要:针对 PPD 层流流量传感元件在设计制作和使用中可能出现的 3 种非标准设计或非理想情况采用数值模拟进行研究。 对于两个支路中毛细管根数不同的非标准结构设计,数值仿真得到的压降曲线、差压-流量关系与标准结构相比差别微小,根据 压降计算得到流量与准确流量之间的相对偏差在±0. 4%以内;流量测量实验数据也验证了仿真结果,说明 PPD 原理适用于两 通道毛细管数量不同的结构设计。 对制作或使用中可能出现的毛细管进出口部分堵塞情况,计算发现,差压会出现非线性偏 差,根据不同堵塞位置,可能正偏差也可能负偏差。 当两支路中毛细管直径存在偏差时,两支路阻抗特性不再相同,两支路毛细 管中流量和流速不同导致进出口局部阻力不能完全抵消,差压-流量曲线将偏离理想曲线。 上述研究结果对于 PPD 层流流量 传感技术的实际应用有一定的参考价值。

摘要:针对风电齿轮箱故障预警中数据信息挖掘不充分问题,提出一种基于图注意力和时间卷积网络的风电齿轮箱故障预警 方法。 分别从时间与空间尺度建立各特征点的物理联系,拓宽特征维度以提升故障预警精度。 图注意力网络构建不同数据测 点间的空间拓扑结构,遍历每个节点的相邻节点进行加权求和达到聚合信息的目的;时间卷积网络使用特殊的因果膨胀卷积和 残差网络,扩大感受野,提升时间特征捕捉能力。 以华北某风电场实际数据为例进行验证,结果表明,提出方法能够在故障发生 前 122 h 监测到风电齿轮箱的异常状态并发出预警信号;与其他方法进行对比,提出方法预警时间提前 52~ 63 h,模型预测误差 减小 1. 05% ~ 3. 76%;使用 t-SNE 和概率密度曲线提升结果可解释性。

摘要:弧齿锥齿轮作为收获机主动力输出的关键零部件,其故障表现通常为激励脉冲,为实现农业收获机主传动齿轮箱故障 及时有效地监测诊断,本文提出基于物理模型驱动优化的小波包分解方法(wavelet packet decomposition, WPD)。 针对齿轮损 伤的多分量调制现象,该方法根据小波基函数特定时频窗口分析信号的特点,通过建立齿轮损伤集中参数模型,辅助筛选适应 齿轮损伤特性的小波包分解系数,以此优化分解信号所选用的小波基函数,使之具有更好的提取齿轮故障特征信息的能力。 通 过对实验信号和藠头收获机齿轮故障信号的包络谱分析,验证了该方法能够有效地应用于收获机齿轮故障诊断。

摘要:非金属管道在地下管网建设中得到广泛应用。 探地雷达法作为地下公共设施主要检测方法之一,常被用于地下非金属 管线探测中。 由于探测过程中存在非金属管道回波信号微弱、地下结构复杂、波速难以精确估算等问题,使雷达探测成像及定 位成为难题。 针对上述问题,研究了适用于埋地非金属管道的波速估算和回波信号处理方法,提出了空间频域插值成像和二值 化定位算法;通过数值仿真验证了所述成像定位方法的可行性,并进行了 0. 400、0. 600 和 1. 100 m 埋深的非金属管道现场测 试。 实验结果表明,所提方法能够有效消除双曲线效应,探测区域的成像定位误差分别为 0. 006、0. 006 和 0. 012 m,满足埋地非 金属管道定位需求。 研究成果可为埋地非金属管道成像及定位提供技术支持,有益于提高探地雷达对地下非金属管线的探测 精度。

摘要:针对煤矿井下路面崎岖,传统动态窗口法生成的角速度与线速度序列波动频繁无法控制机器人正常运动的问题,提出 了一种基于凸优化平滑动态窗口法生成的角速度与线速度的运动规划方法。 首先使用动态窗口法生成一组角速度线速度序 列,然后基于此序列构建目标函数利用凸优化求得最优解,达到去除原序列中的噪声的目的,实现对机器人的运动控制,求得的 最优解即为平滑后的角速度线速度序列;最后使用 MATLAB 进行仿真,验证不同地图下凸优化的平滑效果,并且与均值滤波和 VMD 重构信号进行对比。 结果表明,与对比算法相比,凸优化处理后的动态窗口法的角速度和线速度序列平滑效果最好,平均 绝对误差最小为 0. 005 6、0. 001 8,平滑了信号同时又保留了其特征。

摘要:针对单目 3D 检测中网络结构复杂、深度估计后得到的目标深度信息不精确的问题,本文提出一种端到端的联合多注 意力深度估计的单目 3D 目标检测网络结构(CDCN-3D)。 首先,为获取目标显著特征,引入自适应空间注意力机制,对像素特 征进行聚集,以增强局部特征来提升网络表征能力;其次,为改善深度估计时局部信息丢失问题,利用改进 C-ASPP 使每个深度 信息都能够捕获更加精确的方向感知和位置敏感信息;最后,利用精确的 P-BEV 将得到的目标三维信息映射到二维平面,再用 单级目标检测器完成检测输出任务。 实验结果证明,CDCN-3D 网络在 KITTI 数据集上,在 FPS 与现有单目 3D 检测网络持平情 况下,其准确率优于其他网络,在 Car、Pedestrian、Cyclist 类中,其检测精确度分别提升 2. 31%、1. 48%、1. 14%,能够完成 3D 目标 检测任务。

摘要:棒形复合绝缘子的爬电距离是其质量管控中的重要关注点。 针对现有测量方法依赖人工,效率较低且误差大,提出了 一种基于机器视觉的复合棒形绝缘子爬电距离测量方法。 首先,设计了棒形复合绝缘子图像采集平台,获得了其轴向连续图 像。 采用 SIFT 算法对获取到的连续图像进行拼接,通过 Canny 边缘检测算法构建识别模型,实现了棒形悬式复合绝缘子的爬 电距离的自动测量。 试验表明,图像测量方法的重复测量标准差约为传统方法的 5% ~ 12%,且其测量效率较传统方法提高 6 倍以上,实现了棒形复合绝缘子爬电距离准确高效的测量。