摘要:风机叶片的原位检修与维护对保证风电机组的安全运行起着至关重要的作用,目前主流的无人机巡检方式需要对风机叶片图像进行全景拼接以进一步定位分析叶片的微小缺陷和评估叶片的整体状态。针对风机叶片结构单一纹理稀疏难以拼接的问题,提出一种改进归一化互相关NCC算法的图像拼接技术,利用Canny边缘检测算法提取叶片边缘并进行筛选去重得到边界坐标,将NCC算法沿叶片边界坐标搜索匹配以简化搜索路径加快运算速度,同时增加关键信息的权重提高拼接准确率,并结合图像金字塔粗精匹配思想对算法进行进一步加速,最终根据得到的最佳匹配位置获取空间对应关系实现图像拼接。实验结果表明,所提方法的匹配耗时约为原始NCC算法的6%，其他经典灰度匹配算法的3%~10%,同时也低于其他改进的NCC算法。其拼接成功率为94.74%,高于所有对比方法,最终成功获取了风机叶片可见光全景图像，表明该方法对大尺寸风机叶片可见光图像全景拼接具有良好的稳定性。

摘要:针对车间工具不同型号之间尺寸存在较大差异、形状种类繁多等问题，提出了一种基于稀疏可学习proposal的车间工具检测算法。首先，融入稀疏表示和可学习的proposal机制来提升模型的鲁棒性，并减少检测过程中所需的参数量；其次，引入Swin-Transformer结构，旨在增强模型的全局以及细节学习能力，有效地解决传统卷积神经网络在高层语义信息融合方面存在的不足；然后，使用一种改进的多尺度特征融合网络架构，通过有效融合不同尺度的特征，提高了模型对于各种尺度目标的检测能力；最后，将多头注意力和动态卷积结合，在不同特征层之间建立更精确且细致的联系，从而进一步提升了目标检测的准确性；采用了CIoU损失函数，通过综合考虑位置、尺度和形状信息，使得模型对边界框的回归预测更加全面与准确。实验结果显示，本文算法在车间工具目标检测任务上的平均检测精度达到了91%，较当前主流算法至少提升了2.3%以上。同时，单张图片的检测速度大约为53 ms，满足了实时检测的需求，体现了综合性能优越。

摘要:针对现有遥感图像目标检测方法在受资源限制的小型设备中检测精度不足问题，提出了一种基于改进YOLOv7tiny 算法的高效轻量遥感图像目标检测方法。首先，针对遥感图像小目标分布密集问题，设计了一种低跨度的上下文解耦检测头模块，通过融合深层和浅层特征分别实现目标检测的分类和回归任务，有效解决了遥感图像小目标漏检和误检的问题。同时，针对遥感图像目标多尺度问题，设计了一种并行级联注意力机制，通过并行三分支网络与空间注意力模块相结合，增强了网络对多尺度目标特征的提取能力。此外，引入Focal-EIoU损失函数，提高模型泛化能力。对模型进行了对比实验、消融实验、部署实验和泛化实验，结果表明，在DIOR-5s和NWPU VHR-10数据集上的检测精度分别达到了85.4%、90.6%，相较原模型分别提高了2.6%、1.7%。且模型大小仅为19.1 MB，检测速度为64.1 fps，验证了算法的有效性。

摘要:针对现有红外与可见光图像融合模型在深层特征提取时细节信息丢失、显著目标轮廓模糊的问题，提出一种结合语义分割与跨模态差分特征补偿 (CMDFC) 的红外与可见光图像融合方法。通过具有卷积注意力机制 ( CBAM) 的跨模态差分特征补偿模块，叠加不同模态的互补特征信息至原始特征中进行深层特征提取，引入语义分割网络对融合图像进行像素级别的分类操作构造语义损失来约束融合网络，并使用解码器重构融合图像。在公开数据集上进行融合实验的结果表明，相较于对照模型中的最优指标，所选的5种指标均有不同程度的提高，其中互信息 ( MI) 和视觉信息保真度 (VIF) 分别提高了4.41%和4.25%，说明本文所提出的模型生成的融合图像更清晰，与源图像相关性更强，该方法有效缓解了红外与可见光图像融合过程中特征细节信息丢失的问题，增强了生成图像的视觉效果和对比度。

摘要:光场成像技术能同时捕捉场景中光线的空间和角度信息，被广泛应用到许多计算机视觉任务中。针对基于RGB图像位姿估计方法在严重遮挡和截断、光照变化、物体和背景相似等复杂场景下难以有效预估出位姿的问题，提出一种光场解耦特征融合的两阶段6D位姿估计方法。该方法采用多种特征提取器解耦光场宏像素图像并将其映射到特征空间，并引入注意力机制融合空间角度及EPI信息，为下游位姿估计网络提供有效可靠的关键特征。同时，将反投影应用到关键点预测网络以减少特征传递过程中信息的损耗。在光场位姿估计数据集LF-6Dpose上的实验表明，该方法在平均最近点三维距离(ADDS)和二维投影(2D Project)两个指标下的结果分别为91.37%和70.12%，在三维距离指标上相比现有先进方法提升12.5%，能够更好地解决复杂场景下的目标6D位姿估计问题。

摘要:动态磁共振成像(dynamic magnetic resonance imaging, DMRI)是一种通过连续扫描图像获取其随时间和空间变化的影像技术，将压缩感知技术应用于动态磁共振成像，容易导致磁共振图像重建后的视觉质量不够理想。因此，针对压缩感知在DMRI重建上存在的不足，通过 1范数以刻画磁共振图像数据的稀疏性，以及利用低秩描述动态磁共振图像序列的内在相关性，提出了一种基于低秩和稀疏分解的重建模型，有效减少了动态磁共振成像的伪影。在建模阶段，将稀疏成分应用1范数进行建模，对低秩成分利用核范数进行建模。在模型优化求解阶段，引入小波框架正则化方法，将重建模型转化为非光滑凸优化问题，然后使用基于动量加速的近似点优化梯度方法求解该问题。最后，通过在心脏电影、心脏灌输和phantom体膜影像数据上进行实验，验证了所提模型的有效性。结果表明，所提方法在采样率30%时，平均峰值信噪比达到 33.709 0 dB，平均结构相似度达到0.966 0，进一步提升了磁共振图像重建的精度。

摘要:针对云端单一集中数据处理时效性低、架空线路上鸟巢检测精度不高、模型对边缘计算设备算力高消耗以及目标定位不准确的问题，提出了一种基于云边端协作的架空线路鸟巢检测与定位算法。该算法通过云、终、边缘3端的协作，解决了云端集中处理效率低的问题，并通过云边数据可视化协作解决由于角度及光线引起的图像不清晰问题。为了提高架空线路鸟巢检测的精度，该算法在YOLOv5x模型基础上进行了优化。首先，通过将主干特征提取网络中的C3模块替换为C2f模块，并在最后一层加入SE（squeeze and excitation）注意力模块，以提升模型对小目标的检测能力。其次，将激活函数替换为Mish函数，解决训练梯度饱和导致神经元停止学习的问题。为了降低模型对边缘计算设备算力的消耗，对改进后的模型进行剪枝微调以降低模型参数规模。基于此优化模型，提出了三维目标定位算法，结合GIS（geographic information system）系统对定位结果进行修正，实现了对检测目标的精准定位。实验数据显示，改进后的模型平均精度均值达到93.25%，比原YOLOv5x模型提升了3.44%，优化后的模型剪枝率达到45%。检测目标经过三维空间建模计算并通过位置修正能够定位到相应的杆塔，有效指导工作人员快速准确排除隐患。

摘要:针对目前间接式胎压监测(iTPMS)在识别汽车四轮同时欠压时准确度低且易误识别的问题和发动机的震动导致的误识别问题，为提高系统对欠压轮胎识别的准确率，研究轮胎受到道路激励所产生的轮速频谱特征，提出了一种基于轮速传感器和车载硬件的间接式胎压监测算法。首先通过信号去噪、齿轮误差过滤对轮速信号进行了预处理，剔除了轮速漏齿和多齿的问题，使用最小二乘法（RLS）对齿圈进行了误差校正，然后结合轮胎的振动特性分析，使用傅里叶变换方法（FFT）得到轮速的频谱特征，使用带通滤波器（BSP）和陷波滤波器（NF）得到指定范围内的轮速频谱特征，并剔除发动机转动的影响，利用最终得到的共振频率尖峰判断轮胎气压的状态，欠压轮胎的峰值频率会正常胎压的峰值轮胎频率低2~3 Hz，基于此特征给出轮胎气压的结果。实车测试结果表明，该算法可以剔除发动机转动对轮速的影响，既可以保证在单轮、两轮和三轮欠压的识别准确性，也可以准确识别四轮同时欠压的情况，可识别工况增加约18%，对发送机转速在一定范围内时对轮胎共振产生影响的工况识别精度提高约25%，相比于传统间接式胎压监测可以更准确和及时得告知驾驶员避免轮胎爆胎风险。

摘要:时间数字转换器（TDC）是一种将信号脉冲之间时间间隔的连续模拟量转换为离散数字量的设备。基于现场可编程逻辑门阵列（FPGA）内部进位链资源实现抽头延迟链-时间数字转换器（TDL-TDC）的方法被广泛应用，但TDL-TDC中每个延迟单元的延迟时间数值受运行温度变化的影响较大，目前使用码密度测试、线性补偿或高阶泰勒函数拟合等的TDC校准方法不能很好地拟合复杂温度变化情况下长延迟链中各单元延迟时间的变化趋势。为继续满足TDC工作精度要求，提出了一种基于多层感知机（MLP）的神经网络校准方案，以延迟链中128个延迟单元的延迟时间数据和相应温度数据作为训练样本建立4层MLP。工作时通过反馈当前运行温度信息，可以独立给出每个延迟单元的延迟时间数值，以用于计算待测脉冲之间的时间间隔。实验验证了校准网络对温度变化的补偿作用，该网络可以移植于不同的FPGA芯片。测量得到校准网络的准确率为91%，实现TDC分辨率为34 ps。

摘要:针对TDOA估计精度受采样频率限制的问题以及单一麦克风阵列声源定位误差较大的问题，提出了两种改进方法并进行了仿真验证。首先，为了解决采样频率低导致的TDOA估计误差较大的问题，提出了一种基于三次样条插值的改进二次互相关算法进行TDOA估计的方法，在第1次互相关后进行三次样条插值提高采样频率，之后进行第2次互相关求得TDOA。在10倍插值的条件下仿真表明该方法将TDOA误差从7.6％降低到0.6％，有效的提升了估计精度。其次，为了解决单个麦克风阵列声源定位误差较大的问题提出了一种多麦克风阵列数据融合的声源定位方法，以四元十字麦克风阵列为单元，首先在每个单元阵列上进行单独的声源定位，之后将多个单元阵列的定位结果进行融合得到最终的声源位置，选取空间中的10个点利用双麦克风阵列以及四麦克风阵列对比单麦克风阵列进行远场定位仿真，结果表明，单麦克风阵列在声源距离较远时的定位误差达1 m以上，而利用所提方法设计的双麦克风阵列的定位距离误差在0.3 m以下，四麦克风阵列的定位距离误差在0.2 m以下，大大提高了声源定位的精度。

摘要:心律失常是一种常见的心血管疾病，它会严重影响患者的生活质量和生命安全。利用心电信号(ECG)进行心律失常自动分类对于其及时诊断与防治具有重要意义。为此，提出一种使用多特征融合的心律失常分类方法。首先从去噪后的心电信号中分别提取短时傅里叶(STFT)特征和小波(WT)特征。然后将STFT特征输入分支聚合残差网络(BCAR-NET)进行特征提取，获得其深度STFT特征；将WT特征输入1D-CNN网络，获得其深度WT特征；将原始ECG输入LSTM网络，获得其深度ECG特征。最后使用全连接网络将3种深度特征进行拼接和融合，进而实现心律失常分类。使用MIT-BIH心律失常数据库进行实验，所提出的使用多特征融合的心律失常分类方法的准确率为98.66%，F1分数的宏平均为94.22%，优于传统心律失常分类方法。实验结果表明，所构建的多特征融合网络有效利用了深度STFT特征、WT特征和ECG特征之间的互补性，提升了心律失常的分类性能。

摘要:针对笑气（N2O）等气态物质的滥用，基于量子级联激光器与波长调制技术相结合的检测方法，可以对吸食人员呼出笑气浓度进行检测，实现吸食人员的现场快速鉴定。针对检测过程中激光器光强抖动带来的测量误差，提出一种适用于痕量N2O气体检测中数字锁相放大器的设计。该锁相放大器中集成了激光器光强调制模块，当碲镉汞探测器接收到吸收后的光强信号后，同时在FPGA中进行一次和二次谐波的解调，并对二次谐波进行归一化处理，避免光强抖动对测量的影响。使用该锁相放大器对检测系统的性能进行评估，通过质量流量控制器配置不同浓度N2O气体，当激光器调制频率为5 kHz，测得归一化二次谐波峰值平均值与N2O气体浓度值之间的线性拟合度为0.992 1。使用Allan方差对检测系统的检出限进行评估，当系统的积分时间为0.1 s时，N2O气体的检出限为17.7×10-9；积分时间为6.3 s时，N2O气体的检出限达到最低为8.9×10-9。该锁相放大器具有集成度高、检测速度快、信噪比高等优点，适用于痕量N2O气体的现场快速检测。

摘要:在无损检测领域中，红外热成像检测具有重要地位。在利用红外热成像技术检测缺陷的过程中，受加工工艺和周围环境的影响，待检测设备的表面粗糙度各有殊异，材料表面的发射率不均，导致温度采集误差较大。针对该问题，结合热辐射基本定律探究出一种发射率可矫正的红外热成像全局检测法，意在矫正材料的表面发射率，降低检测过程中可能出现的缺陷错检漏检等安全性问题的风险。其仿真和实验结果表明，一方面使用红外热成像法检测时，表面粗糙度不同会严重干扰检测的准确性，具体影响为粗糙度越大，检测出的辐射温度越高；另一方面使用分离温度法可以实现矫正物体表面由于粗糙度不同带来的发射率不同的影响，仿真和实验结果表明矫正准确度可达70%左右，最高可以达到75%以上。基于此矫正检测方法能够有效实现基于红外热成像技术的全局检测，减少发射率对红外热像仪检测精度的影响，提高检测精度，同时也可以极大程度上提高缺陷检测的效率。

摘要:针对A*算法生成路径存在斜穿障碍物、转折点多及不平滑的情况,本文提出一种改进的A*算法。首先通过排除所有强迫邻居节点来优化搜索邻域,避免生成斜穿障碍物的路径,提升路径的安全性和可靠性;其次设置安全距离,提取优化邻域后生成路径的必经转折点,减少路径冗余,简化路径结构;最后使用贝塞尔曲线对必经转折点进行插值,根据相邻两必经转折点的位置和连线斜率确定每段贝塞尔曲线控制点的数量和位置,进行分段平滑。仿真实验表明,改进的A*算法较原A*算法生成的路径安全性平均提升了33.68%,转折点个数平均减少了37.00%,同时机器人转向角和路径曲率连续,保证了路径的平滑。改进的A*算法最终生成的路径与障碍物均保持在安全距离内,转折点少且平滑,可应用到移动机器人室内路径规划中。

摘要:针对现有的基于深度学习的目标检测方法在面对现实场景的无人机目标时，存在鲁棒性差、准确率低、模型复杂度高的问题，提出一种基于动态卷积的YOLO目标检测方法——OD-YOLO。该算法针对无人机目标低、慢、小的特点，采取了以下改进措施：首先针对下采样过程可能导致学习信息丢失和目标信息不突出的问题，提出空间到深度卷积来实现下采样过程，不丢失学习信息的同时突出无人机目标的特征；其次为了进一步提高目标检测的精度和对不同背景的泛化性，采用全维度动态卷积进一步提高目标检测的精度和对不同背景的泛化性；最后对模型骨干网络进行改进，增强无人机目标的语义特征，并缩减骨架大小，减少参数量，既提高模型的计算效率，又保持对无人机目标的有效表示能力。通过实验仿真，对比了OD-YOLO和当前先进的目标检测算法。结果表明，OD-YOLO在精度和轻量化方面都有显著提升。mAP和Recall分别相比原模型提高了3.4%和5.1%。

摘要:无线电频谱监测海量数据存储和分析是无线电监管工作的重要组成部分。频谱数据具有时间相关性以及不同频点间的相关冗余，对此本文设计了一种基于类小波变换的无线电频谱监测数据无损压缩方法。该方法首先基于时间相关性将一维频谱信号转换成二维矩阵；转换成二维矩阵后数据在水平方向以及垂直方向都存在冗余，算法采用卷积神经网络来代替传统小波中的预测和更新模块，并引入了自适应压缩块来处理不同维度的特征，从而获得更紧凑的频谱数据表示。研究进一步设计了一种基于上下文的深度熵模型，利用类小波变换不同子带系数获得熵编码参数，以此估计累积概率，从而实现频谱数据的压缩。实验结果表明，与已有的Deflate等传统频谱监测数据无损压缩方法相比，本文算法有进一步的性能提升，与典型的JPEG2000、PNG、JPEG-LS等二维图像无损压缩方法相比，本文所提出的方法的压缩效果也提高了20%以上。

摘要:在实际服役环境中,飞机发生的总故障的40%是由于密封泄漏造成的,其密封性能的优劣直接影响产品的功能、性能和使用可靠性。然而,飞机上缺乏对密封圈的磨损监测,导致密封圈健康状态难以评估。针对这一问题,本研究提出了一种基于物理模型与统计分析的活动密封O形圈磨损预测方法,首先对密封圈的磨损进行了机理分析和参数测定;其次,采用Abaqus有限元软件模拟研究了密封圈的运动过程,得到密封圈的接触应力;然后,对舵机每个架次的累计行程进行统计分析,得到行程的概率统计曲线,结合Holm-Archard磨损模型得到磨损体积的概率分布曲线;最后,结合时间与行程的关系,建立了磨损体积与时间之间的数学模型。采用多个样本进行验证,结果表明,实际磨损体积在预测密度函数的3σ范围内的概率为95.83%,证明本研究建立的模型能够有较大概率预测活动密封的O形圈的体积磨损情况。

摘要:智能驾驶域控制器承担着处理和分析来自各种传感器的数据。然而，随着车载摄像头数量的不断增加，域控制器内部的解串，加串，图像处理等各个环节都可能出现丢帧和像素异常问题，进而对其图像处理结果产生负面影响。为了精准评估智能驾驶域控制器的GMSL2视频输出功能，研究了一种双路GMSL2视频采集和视频质量对比系统。通过硬件板卡设计将GMSL2接口视频信号解串为MIPI CSI-2信号，由桥接芯片MC20901将MIPI CSI-2信号分离为FPGA可识别的LVDS信号和CMOS信号。通过XLINX XC7K325T-FFG900主控芯片进行FPGA逻辑设计，实现MIPI信号解析，YUV422转RGB888视频格式转码，DDR3缓存和PCIe 2.0×8总线上传。最后，以6位数码管百分秒表和24色标准色卡为拍摄对象，将拍摄到的视频帧结合图像特征提取、数码管穿线识别算法和RGB加权欧几里得色差公式，实现视频的丢帧和色差检测。实验结果表明：本系统能够实时采集双路YUV422 8 bit、4K、30 fps的GMSL2接口视频数据，并对智能驾驶域控制器输出的视频是否存在丢帧和色差问题进行定量分析，区分出被测件合格品与不合格品。提高了智能驾驶域控制视频输入输出功能检测结果的可靠性。

摘要:为了有效解决多视图三维重建中的边缘缺失、网络内存消耗严重、重建精度低的问题，对基于深度学习的多视图三维重建网络的特征提取、正则化网络、损失函数、优化器等进行研究。首先，使用融合ECA注意力层的特征提取网络，提高网络对通道特征信息的关注；然后，在门控循环单元模块中加入卷积层，改进的门控循环单元组合成GC正则化网络，采用此网络对代价体进行正则化，降低网络的计算量；最后，使用SmoothL1损失函数和Adam优化器，提高模型训练后期的收敛精度，优化模型的损失和参数。在DTU公开数据集上训练和测试，提出的融合注意力机制和轻量正则化的多视图三维重建网络（EGF-MVSNet）相比于经典的MVSNet网络完整性上提高了22.1，模型总体评分提高了11.5%。能够实现物体的重建，显著提高重建结果的质量，降低网络对内存的消耗。

摘要:在跨用户手势识别研究中，针对单源域迁移学习存在的负迁移和模型泛化性能差的问题，本研究创新性地提出了一种基于肌电-惯性特征融合的多源域迁移学习策略，关键创新点在于整合多个源域的数据，并在此基础上采用域特有特征对齐与域分类器对齐的技术手段。这一方法旨在强化模型在不同用户间的手势识别性能，进而显著提升跨用户手势识别系统的准确性。首先，引入长短时记忆(long short-term memory, LSTM)网络模型，提取肌电惯性信息的平均绝对值、方差、峰值等时序特征；其次进行域特有特征对齐与域分类器对齐，利用多个源域数据完成对目标域的特征提取；最后融合分类损失、域特有特征差异损失和域分类器差异损失3个损失函数，协同优化整体损失。实验结果表明，所提方法与单源域、源域组合等多种传统方法相比，识别平均率有所提高，在NinaPro DB5数据集上，目标用户的手势识别平均准确率达到80%以上。

摘要:在永磁同步电机（PMSM）的故障类型中，匝间短路（ITSC）故障较为常见，准确提取其故障特征具有重要意义。然而，在故障特征提取时容易出现模态混叠现象。为了准确提取出永磁同步电机（PMSM）出现匝间短路（ITSC）时振动信号的故障特征，提出了一种基于粒子群优化变分模态分解（PSO-VMD）的自适应非线性信号处理方法。首先，利用粒子群优化（PSO）寻找变分模态分解（VMD）的最优分解层数与二次惩罚因子，得到最优分解模型。其次，利用得到的最优分解模型对电机振动信号进行分解，得到一系列固有模态函数（IMF）。在此之后，计算分解得到的各IMF的方差贡献率（VCR），进一步计算累计方差贡献率（C-VCR），以筛选出包含故障特征信息的IMF。最后，应用希尔伯特变换（HT）对筛选出的IMF进行分析，并以三维时频图输出时间、瞬时频率与幅值，完成故障特征提取。为了验证所提方法的有效性和准确性，搭建了PMSM的ITSC实验平台，使用所提方法处理实测信号，结果表明，所提PSO-VMD方法有效改善了模态混叠现象，能更准确的提取故障特征，具有更好的工程适用性。

摘要:在自主空中加油中,锥套加油口的圆形结构常被用于辅助目标定位,然而复杂的背景干扰与插头遮挡使得圆特征提取准确性大大降低。针对背景干扰问题,设计自适应均值滤波器获取加油口质心信息,从而在更小的范围内利用图像学操作得到精确的边缘点;针对插头遮挡问题,提出基于凸包检测的离群点排除算法,增强了特征提取的抗干扰性能。在此基础上,提出基于几何距离的迭代重加权最小二乘来优化椭圆目标,进一步提高了定位圆特征的提取精度。在仿真平台上着重分析了迭代重加权最小二乘算法中K值对拟合精度与效率的影响,同时对拟合算法的精度和抗遮挡性能进行了测试,算法在无遮挡时平均误差小于0.5%,在遮挡率为50%时平均误差小于2%。最后对实际锥套进行特征提取实验,与其他经典算法相比,精度上提高了49.3%,提取误差均值为0.79%,平均处理耗时为13.9 ms,且在锥套被遮挡的特殊情况下,提取误差控制在2%以内。实验结果表明,锥套的定位特征提取方法满足自主空中加油图像处理的准确性、快速性、鲁棒性要求,能够帮助提高自主空中加油对接成功率,减少事故发生的概率。

摘要:针对传统压电俘能器存在共振频率高、输出功率低的问题，提出了一种T型磁力耦合压电俘能器。通过引入两侧互异的磁力耦合作用使压电梁产生弯扭振动，以增加压电梁的形变量，进而提高俘能器输出电压响应。首先分析了该压电俘能器的工作原理及结构设计，并对其振动特性进行仿真分析，最后，制作试验样机进行实验测试，通过仿真分析与实验测试验证了该压电俘能器的有效性。结果表明，存在最优负载电阻使压电俘能器输出功率最大。调整装置自由端质量块质量可对俘能频率进行控制，增大激励加速度能显著提高俘能器输出功率。引入磁力耦合，并通过对比实验分析了磁力耦合引起的弯-扭复合运动对俘能器输出性能的影响，当激励加速度为0.2 g时，磁力耦合装置Ⅲ由于发生弯扭复合振动，其工作频率与最大输出功率分别为5.5 Hz和3.71 mW。相比无磁力耦合的俘能装置Ⅰ，输出功率提高了约47%，因此，该T型磁力耦合压电俘能器在低频环境下具有较高输出效率。

摘要:针对麻雀搜索算法(SSA)存在收敛精度低和易陷入局部最优等问题，提出了一种改进麻雀搜索算法(ISSA),并应用于PMSM匝间短路故障诊断。首先，搭建了PMSM匝间短路仿真模型，模拟了不同短路匝数比的故障。其次，对故障进行分析，提取了3个故障识别特征量。接着，利用实验平台进行不同短路匝数比的故障测试。然后，介绍了麻雀搜索算法(SSA)，并利用Tent混沌映射、自适应正余弦策略和Levy飞行策略对其进行优化，生成改进麻雀搜索算法(ISSA)，同时将ISSA算法与SSA算法、粒子群算法(PSO)、灰狼算法(GWO)在测试函数上进行比较，验证其在寻优能力和稳定性等方面具有优越性。紧接着，介绍了随机森林(RF)算法，并搭建了ISSA-RF的故障诊断模型。最后，将4种算法分别对RF的基本参数进行优化并实现故障分类。结果表明，所提出的改进方法能够检测出匝间短路故障及其故障严重程度，ISSA-RF模型的准确率达到98.5%，验证了该算法的有效性和可靠性。

摘要:尽管采用小电流接地方式的配电网发生单相接地故障时短路电流较小，但若故障发生后燃弧现象长时间存在，将会显著增加火灾发生风险。为减小火灾隐患，已有多数研究从燃弧现象发生与否角度对故障进行辨识，但并未计及燃弧频次的影响。为此，针对某地配电网实际单相接地故障案例，通过系统分析不同故障场景下零序电流变化特性与燃弧之间的关联规律，从火灾隐患程度角度提出了计及燃弧频次的单相接地故障分类方法；进一步挖掘出不同种类故障发生后零序电流波形分别呈现“平肩畸变”、“瞬态值”等特征，并利用不同频带能量占比、谐波重心和燃弧周期数对波形畸变特征进行了数学描述；以前述数学特征量作为输入，研究建立了基于长短期记忆（long short-term memory, LSTM）网络的故障种类辨识模型，经某电力公司现场收集的223组现场典型故障案例验证，模型识别准确率达96.4%，可有效识别燃弧故障种类，对于减小森林火灾隐患、节约配电网运维成本意义重大。

摘要:串联故障电弧的高温是引发电气火灾的主要原因之一，针对工业变频器负载回路中串联故障电弧尚无有效保护手段的问题，提出了一种新的串联故障电弧检测及选线方法。首先，针对工业领域常用的三相变频器负载回路开展了不同线路中发生串联故障电弧的实验；其次，利用基于能量收敛原则改进的变分模态分解将变频器前端A相电流信号自适应分解为多个模态分量，依次将单个模态分量乘以能量系数并重构，得到多个电流信号的特征增强信号，并建立特征矩阵；再次，对特征矩阵进行分块，利用核主成分分析对每块矩阵进行降维，并对降维信号组成的矩阵进行二次降维构建故障特征向量；最后，利用鹈鹕算法优化的支持向量机对串联故障电弧进行检测及选线。结果表明：该方法仅通过分析变频器前端A相电流可以实现变频器整个回路中6条线路的串联故障电弧检测及选线，检测及选线准确率均达到98%以上。