摘要:针对安检X光图像中违禁物品大小不一、物品摆放随意且存在重叠遮挡的技术难题，提出了一种改进的HRNet多尺度特征融合网络模型，实现图像中违禁物品的自动分割与识别。在编码阶段，利用HRNet网络中的多分辨率并行网络架构，提取多尺度特征，解决安检X光图像违禁物品尺度多样化的问题。在解码阶段， 提出一种多层级特征聚合模块，采用数据相关上采样方法减少信息丢失，并聚合编码阶段提取的特征，以对物品进行更完整表征。 在网络整体架构中，嵌入基于注意力机制的去遮挡模块加强模型的边缘感知能力，缓解安检X光图像中物品重叠遮挡严重的问题，提高模型的分割识别精度。通过在PIDray安检图像公开数据集进行实验，结果表明，在Easy、Hard、Hidden 3个验证子集上分别取得了73.15％、69.47％、58.33％的平均交并比，相比原始HRNet模型，分别提升了0.49％、1.17％、5.69％，总体平均交并比提升约2.45％。

摘要:为了准确判断砂带在磨削螺杆转子时的磨损程度，根据砂带磨损过程中表面图像颜色特征和纹理特征的变化规律，对砂带磨损程度进行识别。对磨削加工后砂带表面图像的纹理特征和颜色特征进行提取，根据不同磨削时间段螺杆转子表面粗糙度划分砂带磨损程度。支持向量机的分类性能受到自身核函数与惩罚函数的影响较大，因此提出利用天鹰优化算法对支持向量机的核参数与惩罚参数进行优化，建立AO-SVM砂带图像识别磨损程度模型。利用自主研发的螺杆转子专用砂带磨削装置完成实验。磨削参数设置如下：砂带线速度为10 m/s,工件轴向进给速度为50 mm/min，张紧轮的气缸压力为0.35 MPa，主动轮的气缸压力为0.5 MPa，磨削时间为25 min。AO-SVM对砂带磨损程度模型的识别准确率达到92.5%，比随机森林算法(RFC)和XGboost分类算法分别高出5.0%和3.6%，且收敛速度更快。AO-SVM模型可以通过砂带表面图像的颜色特征变化和纹理特征变化对砂带磨损程度进行识别，可以有效避免砂带磨损过度损伤工件，为砂带磨削螺杆转子时判断砂带的磨损程度和换带时间提供理论指导。

摘要:针对现有的遥感图像目标检测方法中对小尺寸飞机目标的检测精度不高、特征信息传递不准确、信息交互不充分等问题，提出了一种基于可辨别特征提取和上下文感知的遥感图像飞机目标检测方法。设计了以可辨别特征提取模块为主体的主干网络，用以加强对多尺度飞机目标的特征提取；引入自适应特征增强模块，选择性关注小目标、优化特征信息的传递与信息交互；并设计了特征融合上采样模块对特征图进行上采样操作，用以提升高层语义信息的准确性。在DOTAv1数据集上的检测精度达到了95.2%，相较于YOLOv5s、SCRDet、ASSD等主流算法，飞机目标的检测精度提高了3.7%~18%。此外，该方法的检测速度以及模型参数量分别为147 fps和13.4 M，相较于当前主流算法具备较强的竞争力，满足在遥感背景下对飞机目标的实时检测需求。

摘要:船舶名称（牌照）识别在水路运输系统中发挥着重要的作用。针对船舶名称在内河航道中目标较小且航道两岸观测船舶存在较大倾斜角度导致难以识别的问题，提出一个以自然场景文本检测算法（differentiable binarization, DB）和文本识别算法（convolutional recurrent neural network, CRNN）为基础的船舶名称自动识别框架（automatic ship name identification，ASNI），ASNI包括以下3个部分：船名检测、文本图像修正和识别，其中，船名文本图像修正由船名矫正模块和超分辨率重建模块构成。首先，该框架利用DB算法对图像船名候补区域特征进行自适应尺度融合处理获取特征图，通过特征映射预测生成的二值图像寻找连接区域，以此获得船名感兴趣区域（ROI）。其次，在船名检测之后引入船名矫正模块，基于透视变换对ROI中船名不规则文本进行矫正。此外，设计超分辨率重建模块，对矫正后的船名图像进行超分辨率重建处理，以提高船名图像的分辨率。最后，利用CRNN算法对文本图像修正后的ROI中船名进行识别得到最终结果。通过在内河航道船舶数据集（ship license plate,SLP）上进行训练和测试，最终实验结果显示，ASNI框架对船舶识别的平均准确率为87.50%,相比于基础框架提升了3.12%。本文设计的框架有效解决了因分辨率不足和倾斜导致船舶识别不准确的问题，相比基础框架，ASNI有更好的识别效果。

摘要:针对工业自动化生产中微通道流道板复杂结构表面缺陷自动检测的需求，提出了一种基于图像处理的流道板表面缺陷检测方法。该方法针对流道板CV孔和膨胀阀孔中常见的凹坑缺陷和破损缺陷，首先通过霍夫圆检测提取ROI区域剔除背景区域干扰，利用高斯滤波对ROI图像进行滤波处理，并使用二值化和形态学腐蚀运算对干扰噪点进行过滤从而凸显缺陷特征，之后使用Two-Pass算法和种子填充法计算连通域实现凹坑缺陷的检测；使用圆查找找到孔端面内外圆进行圆环展开并采用Canny边缘检测算子查找缺陷轮廓，筛选轮廓面积实现破损缺陷的检测。通过对比实验，验证了本文方法相较于传统表面缺陷检测方法，在流道板缺陷样本的检测中有更高的检出率。本文方法经验证，对流道板表面缺陷检出率稳定在92%以上，且算法处理速度快、鲁棒性强，实现了快速、非接触式的高精度检测，满足了工业自动化需求。

摘要:为实现锈蚀图像分割网络模型轻量化,同时消除非单一特征背景和锈液等类似特征背景干扰,本文将U_Net网络模型的编码部分替换为MobilenetV3_Large网络,导入基于ImageNet数据集的MobilenetV3_Large网络预训练权重,将U_Net网络模型解码部分的普通卷积替换为深度可分离残差卷积,并在上采样的过程中添加注意力导向AG模块和Dropout机制。经实验验证表明,本文设计的改进U_Net网络模型在非单一特征背景和锈液等类似特征背景干扰下,具有明显的锈蚀图像分割优势,相比于原U_Net网络模型,模型大小减少了81.18%,浮点计算量减少了98.34%,检测效率提升了3.27倍,即从原来不足6 fps,提升至19 fps。网络模型实现轻量化的同时,网络模型的准确率达95.54%,相比于原U_Net网络模型提升了5.04%。

摘要:图像中的目标角点位置是实现很多计算机视觉任务的关键数据。为了克服传统检测算法产生的数据冗余问题,提出了一种在尺度空间下基于边缘的角点目标检测方法。首先,构建一个分组多层的尺度空间,将原图投影到其中后得到多个平滑图像。与此同时,采用定义的边缘算子检出平滑图像中所有边缘而得到多个按序存放的像素点集,当点集数量稳定时停止更大尺度的变换。然后,在当前尺度下,计算点集中各元素反映其角点强度的特征值。根据这些特征值变化规律检出角点的支撑集区间,并在此区间中采用高斯拟合函数确定最终的目标角点。实验表明,该方法能够检出特征显著的目标角点及其角度,其中合成图像精度在像素级,应用案例中的平均误差与图幅比约为1.5/100。

摘要:针对钢铁连铸产线板坯号识别字符区域小、光照变化复杂、板坯号图像质量差等问题，提出了一种基于深度学习的连铸板坯号检测与识别两阶段算法。首先，基于采集的连铸产线板坯图像，制备用于板坯号检测与识别的数据集；其次，在板坯号检测阶段，基于DBNet算法设计一种AD-PAN特征融合结构，以增强检测算法的多尺度特征融合能力和扩大感受野，提高板坯号定位精度；再次，在板坯号识别阶段，引入SPIN矫正网络和SVTR板坯号识别网络进行端到端训练，使其能够主动转换输入亮度，并改善字符间以及字符与背景间色彩失真的问题。最后，在自制的板坯号检测与识别数据集上进行了对比实验。实验结果表明，本研究提出的算法能够有效定位辊道上不同位置的板坯，并且在复杂背景下对板坯号进行鲁棒识别。其中，板坯号检测Hmean数值为97.92%，板坯号识别的准确率为97.33%，验证了本文所提算法具有较高的板坯号检测与识别精度。

摘要:海底管道的结构变形会增加管道断裂风险，从而造成极大的经济损失。本文提出一种基于球形内检测器和多通道磁传感器阵列的管道移位变形检测方法。根据磁机械效应，分析管道移位变形导致的管壁应力及管道内磁通密度变化规律。设计了检测器结构布局及磁阵列采集方案，实现了管道内空间旋转磁通密度的高覆盖率采样。设计算法将旋转磁信号转换为管道坐标系下的平动磁信号，提取管道内等高线的磁数据，实现了多通道磁信息融合，提高了磁异常检出率。最后，开展了管道竖向加载和等效横向加载等移位变形的内检测试验。结果表明，管道在纵向受力变形状态下，管道内等高线上磁通密度纵向分量的离散度降低 136.1 μT；管道在等效横向受力变形状态下，管道内等高线上磁通密度横向分量的离散度降低123.1 μT；球形内检测器所测得的磁通密度离散度能够反映出管道不同方向的移位变形，且管道变形越大，磁通密度离散度越小。

摘要:在管道输运当中，非稳态流会使涡轮流量计的计量结果产生偏差。为了指导脉动流工况下的涡轮流量计选型和修正，需估算脉动工况对涡轮流量计产生的最大脉动误差。忽略流体压力和温度变化影响，基于涡轮流量计的动态特性和能量守恒定律，在一个脉动周期内计算脉动流和定常流对叶轮的做功比值，推导得出正弦脉动流误差上限公式。基于6DOF模型和UDF建立了涡轮流量计CFD仿真模型，搭建了空气流实验平台，以工作级流量标准装置作为标准表，被校表和标准表间采用内置整流器的管段相连。对比定常流下的流量值，计算各脉动工况下的误差限值。综合各脉动工况点，上限公式与CFD仿真所得脉动误差上限的最大差值为0.281%，与空气流实验所得脉动误差上限的最大差值为0.224%。经CFD仿真和空气流实验结果对比验证，脉动误差上限公式较为准确，可以直接用于脉动频率大于10 Hz的工况下误差值的估计和修正。

摘要:基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法，但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况，严重降低评估准确性。针对上述问题，该文提出了一种基于局部离群因子(LOF)和改进K最近邻(IKNN)的回复电压数据清洗方法。首先，选取回复电压极化谱的回复电压极大值Urmax、初始斜率Sr与主时间常数tcdom作为老化特征参量，并基于LOF算法对非标准极化谱中的异常特征量数据进行识别与筛除。其次，利用模糊C均值(FCM)聚类算法减小噪声点对KNN算法的干扰，并通过加权欧氏距离标度突出各特征量间的关联性，进而构建出基于IKNN的数据填补模型架构以实现特征缺失数据的填补。最后，代入多组实测数据验证所提数据清洗方法的实效性。结果表明，数据清洗后的状态评估准确率相较于原有数据上升了50%左右，有效提高了变压器回复电压数据质量，为准确感知变压器运行状况奠定坚实的基础。

摘要:为保障单轨吊车在深部矿井复杂轨道工况环境下行驶的安全控制性能，需提高单轨吊车动态倾角辨识的精度及可靠性。因此，本文提出了基于DFFRLS-AUKF算法的单轨吊车动态倾角辨识方法。首先，利用自适应平滑滤波算法对实时采集的加速度和速度数据进行滤波处理，避免环境噪声的干扰，保证数据的完整性；其次，通过建立轨道曲率模型实现对轨道全工况的精准分析，在滤波处理后的数据基础上，再结合带有动态遗忘因子的递归最小二乘(DFFRLS)算法得到可靠地轨道曲率值；最终，在计算出的轨道曲率基础上，利用Sage-Husa噪声估计器对无迹卡尔曼滤波(UKF)进行改进，实现了对动态倾角辨识结果地自适应动态调整，提高了动态倾角辨识地精准度。实验表明，单轨吊车在单轨路段1和单轨路段2测试期间，所提的DFFRLS-AUKF算法与传统算法相比动态倾角辨识精度分别平均提升了25.25%和39.5%，表明了DFFRLS-AUKF算法在不同轨道工况下具有良好的精准性及可靠性，有效保障了单轨吊车在复杂轨道工况下行驶的安全性。

摘要:针对强脉冲噪声背景下基于分数低阶统计量时延估计方法性能退化且需要噪声先验知识的问题，提出了一种基于二次分数低阶协方差的时延估计新方法。所提方法首先利用有界非线性Sigmoid函数对含有脉冲噪声的信号进行预处理，使其在不影响有用信号时延信息的基础上对附加脉冲噪声进行充分压缩；然后对处理后的收发信号进行二次分数低阶协方差运算，即求得发射信号的自分数低阶协方差和收发信号的互分数低阶协方差之后，再次计算二者的互分数低阶协方差，以期更大程度上抑制脉冲噪声的影响。通过模拟仿真实验对所提方法进行了有效性验证，结果表明所提方法突破了分数低阶矩阶次需小于Alpha稳定分布噪声特征指数的限制，并且比分数低阶协方差方法具有更高的估计精度。仿真实验结果表明在广义信噪比-10 dB情况下，时延估计用时为0.056 0 s，准确率达到97.76%。

摘要:针对现有流量异常检测模型中稀疏特征易被特征选择算法忽略的问题，提出一种基于特征耦合泛化(FCG)的流量异常检测方法。首先，采用DBSCAN密度聚类算法去除数据中的离群点，降低异常点对后续FCG算法的影响。其次，使用最大相关最小冗余(mRMR)算法对数据特征进行排序，选择对分类最具影响力的特征生成FCG算法中的类别区分特征(CDF)，以增强分类能力。利用K最近邻(KNN)算法填补CDF中的缺失值，保持数据完整性。然后，将数据按照攻击类别分组，分别使用mRMR算法对特征进行排序，挑选每种攻击类别数据中具有实例区分能力的稀疏特征作为FCG算法中的实例区分特征(EDF)。利用两种特征在异常检测数据中的耦合程度和EDF的上层概念将EDF转化成更泛化的特征。最后，将经过处理的数据输入基于贝叶斯优化(Bayesian optimization, BO)参数的随机森林(RF)模型进行分类识别。通过在NSL-KDD数据集上进行仿真实验，准确率达到了91.79%，验证了所提方法具有较好的检测性能。

摘要:针对电磁式电导率传感器在低电导率测量下的优化设计问题,分析了电磁式电导率传感器的工作原理并构建了物理模型,考虑激励信号参数、磁芯尺寸、磁芯间距、激励线圈匝数和接收线圈匝数对输出电压的影响,改进现有的电磁式电导率测量模型,同时考虑激励频率的多重性,即激励频率直接影响输出电压,又通过磁致伸缩效应改变磁芯磁导率来影响输出电压。采用实验与理论相对比的方法,对频率、间距、匝数等主要参数进行理论分析,得知存在最佳频率段使得输出电压不随频率的波动产生较大的变化,通过改变间距降低两个磁芯间的耦合电压,提高有效信号占比,实现更高的精确度。并通过实验验证证明了理论模型的准确性。采用优化后的参数来设计电导率探头,配置了电导率标准液用于数据拟合,与德国宝德电导率仪进行对比实验,计算Pearson相关系数,证明了优化模型的准确性与高可靠性。

摘要:非线性摩擦会降低挖掘机器人电液伺服系统的动静态性能，引起轨迹爬行、平峰和稳态误差等现象。经典LuGre摩擦模型仅与速度有关，内部鬃毛状态变量无法准确测量，无法全面描述复杂的挖掘机器人电液伺服系统摩擦特性。本文综合考虑电液伺服系统位置、速度和方向等信息，设计了一种改进的LuGre摩擦模型，同时引入速度阈值解决了弹性鬃毛平均变形状态观测器不稳定问题。其次，为了解决传统优化算法陷入局部最优解、收敛速度慢等问题，通过引入惯性权重、异步变化和精英突变操作改进基本粒子群优化算法，以精准快速辨识出改进LuGre摩擦模型中的6个未知参数。最后，结合辨识出的摩擦模型，基于结构不变性原理设计前馈摩擦补偿控制器，并在23吨挖掘机器人进行了正弦和三角波不同工况下的轨迹跟踪实验。实验结果表明，传统的比例积分微分控制器跟踪误差最大，三角轨迹最大跟踪误差达到了29.68 mm，基于改进LuGre模型设计的前馈摩擦补偿控制器仅为9.70 mm，误差减小了67.31%，基于改进LuGre模型设计的前馈摩擦补偿控制器可以有效提升挖掘机器人的轨迹跟踪精度。

摘要:健康状态（state of health, SOH）是电池管理系统的重要参考依据,准确的SOH估计对保证电池安全稳定运行具有重大意义,其中提取可靠有效的健康特征描述电池老化状态以及构建精确稳定的估计模型是目前面临的主要问题。为了提高SOH估计精度,提出了一种基于模糊熵和粒子滤波（particle filter, PF）的锂离子电池SOH估计方法。首先,通过分析电池老化过程中的放电电压数据,提取模糊熵值作为电池的老化特征;其次,基于代谢灰色模型（metabolic grey model, MGM）和时间卷积网络（temporal convolutional network, TCN）构建描述锂电池老化特征的非参数状态空间模型;最后,通过PF实现锂电池SOH的闭环估计。此外,利用NASA锂电池数据集对所提出的SOH估计方法进行了验证,并与该领域其他方法进行对比实验。结果表明,所提方法最大估计误差在5%左右,相比于同类方法其估计精度提升了约50%,且在不同训练周期数条件下表现出较好的鲁棒性,验证了所提方法的可行性与优越性。

摘要:由于用户间干扰的存在，无线通信网络中的功率分配问题往往是非凸的、计算量巨大。当前图神经网络(graph neural network, GNN)成为一种有效的计算方法被用来解决该问题。为了最大限度地提高网络传输速率的同时降低计算复杂度，提出一种将设备属性和通信连接属性纳入GNN的柔性双工网络图表示方法，并构建了相应的柔性双工图神经网络(flexible duplex GNN, FD-GNN)模型，首次将节点对之间的距离、信道增益和邻居作为动态阈值引入到FD-GNN中，以适应动态环境。排除GNN中邻居的信道状态信息，通过修剪FD-GNN中的边来减少计算时间降低网络时间复杂度。仿真表明，所提出的基于信道增益邻居的阈值设定方法，性能最优且达到加权最小均方误差（weighted minimum mean square error，WMMSE）的97%，相较于Full-GNN所需的训练时间下降24%。提出的基于阈值的边剪枝有效降低了GNN运算的时间复杂度，提高了算法有效性。

摘要:虚拟现实晕动症的存在是制约VR技术行业进一步发展的关键因素，研究虚拟现实晕动症相关的神经活动及对其准确检测是解决此问题的前提，此前研究缺少对休息态虚拟现实晕动症神经活动的研究。因此，本研究利用虚拟现实晕动症暴露任务前后休息态脑电信号，提出虚拟现实晕动症脑电特征作为指标实现对虚拟现实晕动症的检测。首先，通过统计分析对所选的5个电极即Fp1、Fp2、F8、T7及T8的脑电信号分别进行变分模态分解，并从选中的模态分量中提取样本熵、排列熵及中心频率。然后，通过统计检验和ReliefF算法进行两个阶段的特征选择。最后，将选择的特征向量送入支持向量机中进行分类，进而实现对虚拟现实晕动症的自动检测。结果表明，此方法准确率、灵敏度及特异度分别达到了98.3%、98.5%及98.1%，ROC曲线下的面积值达到了1，优于其他方法，证明了此方法在虚拟现实晕动症脑电信号自动检测方面优势与有效性。

摘要:轻度认知障碍(MCI)是老年性痴呆诊断的关键阶段,脑电(EEG)信号特征可以反映MCI患者的认知状态,帮助实现早期诊断。现有研究在EEG特征提取过程中,针对脑电各节律,大多采用固定的时间窗完成分段处理,忽略了不同节律的特征差异,从而影响诊断效果。针对该问题,本文提出了一种新的组合滑动窗优化算法,该算法通过迭代振幅调整傅里叶变换(IAAFT)对零模型的构建方法进行了改进,以此得到评估大脑动态特性指标KPLI,通过对EEG各频段信号采取多种滑动窗组合,并以KPLI指标引导,得到适合不同频段的最佳滑动窗组合。在最佳滑动窗组合基础上,对各频段组合提取相位滞后指数(PLI),进行连续小波变换(CWT)特征,通过ResNetMLP双通道分类网络实现MCI诊断。结果显示,使用个性化组合频段滑动窗对88名受试者(32名MCI患者,36名阿尔茨海默症患者以及20名正常对照组)实现了诊断分类,得到了82.2%的分类准确率,比固定窗的分类提高了10%(得到了72.2%的分类准确率)。结果表明,基于个体化脑电节律特征组合能够更好提取MCI的特征,提高轻度认知障碍诊断的正确率与特异性,是一种有效的脑电特征提取方法。

摘要:谐振式力传感器的检测性能取决于谐振敏感元件的几何尺寸、结构形式和传感机制，目前，单纯依靠减小尺寸提高检测性能的方法已经处于瓶颈期。为了研究发展新型谐振式力传感器，协调非线性振动与谐振结构检测性能之间的矛盾，从而探索灵敏度更高的传感机制，提高其检测性能，提出了一种压电驱动的谐振式磁耦合悬臂梁力传感器。首先，对磁耦合悬臂梁的结构进行了设计和理论建模，通过理论分析了外界压力对磁耦合悬臂梁结构振动特性的影响，随着压力增大，磁耦合悬臂梁之间的距离减小，谐振频率增大。其次，实验验证了分岔跳跃动力学行为的优点，相比单根谐振梁共振时的最大振幅提高了2.8倍，然后研究了基于分岔跳跃特性和基于倍频响应的两种压力检测方案，分别利用分岔跳跃时的临界频率与模态耦合时高阶响应频率实现了压力检测，并对灵敏度和线性度进行了分析。实验结果表明，基于分岔跳跃特性的检测方案振幅变化明显，是基于倍频特性检测方案的5倍左右，易于检测，克服了非线性因素带来的不良影响；基于倍频响应的检测方案输出灵敏度高，是基于分岔跳跃检测方案的4倍左右，信噪比大，为设计不同检测原理的谐振式力传感器提供了一定的参考价值。

摘要:针对大型稀疏传感器网络中的数据获取，本文提出了一种利用环境中普遍存在的移动代理来连接稀疏传感器的网络体系结构和一种2-维网格随机游走分析模型；提出的传感器网络模型由3个抽象层构成，即由无线传感器构成的底层、由各种运输代理构成的中间层和由接入点/中央存储库构成的顶层。具体实现原理是位于中间层的移动运输代理从底层分布的无线传感器收集数据并缓冲数据，然后经过游走运输，最后将从底层的无线传感器收集的数据交付到顶层必要的接入点进行必要的存储和处理，从而实现整个传感器网络的数据获取；理论分析和仿真实验结果表明，提出的基于移动运输代理的传感器网络模型不仅具有较好的鲁棒性和可扩展性，而且相比于基站网络模型和Ad-hoc网络模型，在传感器功率消耗、数据成功率和基础设施投入成本方面有明显的优势。

摘要:针对随钻测量MEMS陀螺仪输出精度低的问题，提出一种基于磁重力蜉蝣算法(MGMA)的陀螺误差在线补偿方法。首先，分析随钻陀螺误差来源并推导出误差补偿模型；其次，利用MEMS加速度计无累积误差的特点，根据重力向量叉乘得到向量夹角作为目标函数；此外，考虑到实际钻进时强振动和冲击对加速度计输出的不利影响，利用MEMS磁强计抗振的特点，设计磁模值相对误差约束条件。然后，在MA基础上，针对随钻恶劣环境影响下的陀螺误差参数不断变化问题，根据陀螺和磁强计输出之间的关系自适应确定搜索上下界；并利用重力模值相对误差设计惯性权重，平衡算法的全局探索和局部开发能力；最后，利用磁重力模值相对误差在子代中引入变异扰动策略，减小陷入局部最优的可能。实验结果表明，经MGMA补偿后的陀螺输出误差明显减小，井斜角误差由9.75°降低至1.52°，且相比于PSO和MA算法具有速度快、精度高的优势。

摘要:针对无绝缘轨道电路故障的随机性和复杂性，采用单一诊断模型存在提取特征片面，且模型结构经验设计不合理的问题，提出一种智能优化深度网络的故障诊断方法。首先以轨道电路信号集中监测系统的6个电压检测量建立故障特征集，使用卷积神经网络（CNN）提取特征空间信息，长短期记忆网络（LSTM）提取时间特征信息，从而让轨道电路故障诊断所提取的特征兼具时空信息；同时，引入遗传算法（GA）优化上述深度神经网络的结构及参数，并结合强化学习中的Q-learning方法对两个组合网络特征级的输出权重进一步优化；最后，使用多层感知器（MLP）对深度网络的分类误差进行拟合修正，提高模型对轨道电路的故障诊断精度。仿真结果表明，利用智能优化的深度网络模型对轨道电路的故障诊断相较于单一模型、精炼设计的组合模型识别率可达99.28%，评价指标等均有所提升，具有更高的故障诊断准确度，证明了智能优化深度网络能进一步提高轨道电路的故障诊断性能。

摘要:超宽带(ultra-wide band, UWB)技术是无人装备在巡检具有多障碍物的大型封闭空间时获取定位坐标的主要方法之一。目前主要依赖人工方式设计UWB定位基站拓扑的构型、位置和数量。这种方式存在设计效率低下，设计效果未知，性价比难以确定等问题。为此，本文提出了一套较为科学完善的定位基站拓扑评价体系，并提出了一种在大型封闭空间中自动设计定位基站拓扑的通用方法。该方法以仿真模拟为基础，通过遗传算法结合拓扑评价体系，自动生成贴合实际应用场景的最优拓扑方案，包括最优的基站布设数量以及布设位置信息。实验结果表明：1）经通用设计方法生成的拓扑相比使用基站数量最多的拓扑，综合性能提高了6.2%；相比使用基站数量最少的拓扑，综合性能提高了21.2%。2）经通用设计方法生成的拓扑相比人工设计的锯齿形拓扑，综合性能提高了114%，设计效率提高了92.9%。可见，针对具有多障碍物的大型封闭空间场景，本文的方法可以在较短的时间内设计出综合性能较优，性价比较高的定位基站拓扑，为无人装备在此类大型封闭空间中开展全自主定位和巡检奠定了基础。

摘要:装备测试性验证及FMEA分析传统按照单故障模式考虑，并采用抽样方法确定故障样本，并未考虑冗余模块的不同失效模式以及对故障模式的覆盖程度。针对运载火箭电子设备冗余功能验证需求、测试覆盖性需求等测试性验证需求和难点，在装备通用测试性验证方法基础上，提出冗余降级FMEA分析及故障覆盖率指标评估方法，形成了适用于运载火箭电子设备的测试性验证及评估方法，最后以某箭上电子设备为例进行了验证。结果证明，本文提出的冗余降级FMEA分析方法有效识别了运载火箭电子设备冗余模块的冗余性能降低和整体失效故障模式，并将冗余模块的故障模式纳入测试性指标评估，实现了测试性验证对于运载火箭电子设备冗余功能的考核；所提出的故障覆盖率指标评估方法及样本量补充方法有效提升了测试性验证对运载火箭故障模式的覆盖程度。本文方法适用于运载火箭电子设备的测试性验证及指标评估，并可推广至全箭电气系统。