摘要:由于具有非接触、效率高、检测信号的信息含量丰富等诸多优点，脉冲涡流技术被广泛应用工业产品的缺陷检测，尤其是带包覆层、异质、以及多层导电结构等检测难度极大的工业产品。脉冲涡流探头结构的设计和优化是提高检测灵敏度和准确度的关键，目前大量的研究工作围绕探头结构的设计和优化开展；不同材质、结构、以及缺陷类型或形状需要选用合适特征量表征，特征量的选取与分析也是脉冲涡流技术研究的关键；另外，由于脉冲涡流检测信号受提离高度影响极大，未知提离高度的缺陷准确检测面临极大的挑战，因此提离效应的抑制也是研究的重点之一。本文从探头的设计与开发、特征量的选取与分析、提离效应的抑制等方面，对脉冲涡流检测技术的研究进展进行综述。同时，为更好的推动脉冲涡流检测技术发展，论文在现有的研究基础上，对脉冲涡流探头设计、特征量分析、以及提离效应抑制等进行了展望。

摘要:针对现有电动汽车动力电池SOC和SOH估计方法存在运算效率低、实时性差以及估算准确率低的问题，提出一种精确估算电动汽车动力电池SOC&SOH的循环门控模型。首先，改进门控循环单元GRU中更新门和重置门的计算方式并将候选隐藏状态激活函数替换为ThLU函数，缩短训练时间，有效缓解梯度消失。其次，优化序列数据输入方式，引入环形GRU计算模式，提升模型运算效率和估计精度。最后，基于卷积神经网络CNN和改进门控循环单元IGRU，利用传感器采集到的电压V、电流I、温度T数据，实现全周期SOH和SOC同步估算，并将SOH估计值计入SOC估算，消除老化因素对SOC估算造成的不利影响。利用牛津大学电池数据集进行实验验证，结果表明，相比传统估计模型，循环门控模型SOC估计精确度有效提升，预测误差基本保持在0.5%以内。

摘要:行人重识别任务可以看做是细粒度视觉分类任务的一种。现有的无监督行人重识别方法通常只关注人体全局特征，不能获取准确的细粒度局部特征，进而影响模型的识别精度。为解决这一问题，提出了一种基于ViT的细粒度特征增强网络，该网络利用视觉语言模型生成图像中人体局部区域的掩码，根据自注意力机制中可学习标记与图像块之间交互策略的不同，使类标记与引入的可学习变量局部标记分别学习全局与局部细粒度特征表示。此外，为进一步提升特征表示能力，设计了一个空间信息增强模块，该模块通过挖掘人体局部区域内代表性图像块之间的空间上下文关系来增强特征学习。最后，利用提取到的全局和局部细粒度特征，分别计算在线和离线相机感知对比损失，以增强模型在无监督环境下对于行人身份的鲁棒性。在Market-1501、MSMT17和PersonX数据集上的实验结果验证了所提方法的有效性，mAP/Rank-1分别达到了90.3%/95.9%、59.2%/83.5%、91.3%/96.1%。

摘要:针对视网膜图像中细小血管分割困难以及血管分割过程中出现断裂的问题,构建了一种密集级联卷积与自注意力特征聚合的网络用于视网膜血管图像的分割。该网络采用多尺度密集卷积结合自注意力机制;为更好的提取视网膜细小血管复杂的特征信息,构建密集聚合模块作为U型网络的骨干网络;在网络底层嵌入自注意力摸块和多尺度聚合模块,以提升感受野和获取高维语义特征信息;在模型的跳跃连接部分采用特征聚合模块,提升模型的分割精度。实验结果表明,在DRIVE公开数据集上,该网络的F1-sore指标达到83.19%,准确率ACC指标达到97.11%,AUC值达到了98.94%;在CHASE-DB1和STARE数据集上,相比于Unet、DUNet、SA-Unet和FR-Unet等网络, 该网络的AUC指标均达到了目前最好效果。采用该网络进行视网膜血管分割,分割的精度和鲁棒性均有不同程度的提升,对细小血管分割及其泛化能力达到了优异的效果.

摘要:针对室内定位过程中由非视距和环境干扰导致的定位精度不高的问题, 提出一种基于多元宇宙优化支持向量回归的室内指纹定位算法。 首先通过基于超宽带通信技术的双边双向测距算法计算得到测距信息; 然后利用测距值作为指纹特征并建立指纹库, 使用SVR算法构建定位坐标和测距值之间的映射关系; 最后使用MVO优化算法寻优SVR算法的cost和γ参数, 以提升定位精度。 实验显示, 选择径向基函数作为SVR模型的核函数能够有效提高定位精度, 并将MVO-SVR的结果与三边定位、 随机森林算法、 极致梯度提升算法、 SVR的结果进行对比和分析, X方向平均绝对误差分别降低了20.12%、 54.43%、 60.66%和16.21%, Y方向平均绝对误差分别降低了79.57%、 54.18%、 59.29%和38.17%, 平均定位误差Ep分别降低了60.73%、 54.38%、 60.01%和22.84%, 且MVO-SVR算法在X和Y方向平均绝对误差均达到了厘米级。 结果证明: 基于MVO-SVR的室内指纹定位算法明显提升了定位精度, 在复杂室内环境中具有良好的应用前景。

摘要:针对传统的配电网故障选线方法受限于单一的故障诊断模型，提出一种基于图像融合和双通道卷积神经网络的配电网故障选线方法。研究目的是解决现有方法在面对高阻接地、噪声干扰、分布式电源接地、采样时间不同步等复杂工况时的准确性问题。首先，利用格拉姆角和场和格拉姆角差场将零序电流信号转成易于区分故障的二维图像，为图像处理提供了基础。其次，通过图像融合技术将GASF图像和GADF图像进行空间域图像融合，得到一张综合特征图像，充分利用了不同图像的特征，提高了特征表达的丰富性和有效性。接着，构建双通道卷积神经网络模型，其中一维卷积神经网络和ResNet50网络分别用于挖掘零序电流信号和格拉姆角场图像的特征。这种设计充分发挥了不同卷积神经网络在处理一维信号和二维图像时的优势。最后，将融合后的特征输入到Sigmoid函数实现故障线路的筛选。实验结果表明，该方法在各种复杂工况下的表现均优于传统方法，其准确率、Kappa系数、马修斯相关系数、召回率分别达到了99.97%、0.999 3、0.999 3、0.999 5。这些结果表明，该方法不仅具有较高的准确性，还具有良好的鲁棒性和稳定性，能够有效应对高阻接地、噪声干扰、分布式电源接地和采样时间不同步等实际应用中的挑战。提出的方法为配电网故障选线提供了一种新颖且高效的解决方案，具有重要的实际应用价值和广泛的推广前景。

摘要:电站锅炉受热面积灰是导致锅炉热效率降低，甚至影响锅炉出力的重要因素之一，因此对锅炉受热面积灰结垢状况的精准预测是优化提升锅炉能效的前提。针对这一问题，本文以300 MW电站锅炉省煤器的清洁因子为研究对象，提出了一种融合基于时变滤波器的经验模态分解（time-varying filtered empirical mode decomposition, TVF-EMD）和卷积门控神经单元（convolutional neural network gated recurrent unit,CNN-GRU）的组合模型来预测锅炉受热面能效变化情况。首先通过改进的小波阈值法对非线性非平稳的清洁因子原始数据进行预处理，去除噪声和异常值；再通过TVF-EMD对处理后的数据进行分解得到预设好的本征模态分量，根据自相关系数对阈值大于0.2的分量进行叠加重构，在保留原始数据重要特征的同时降低相关性低的分量对预测精度的影响；最终将重构后的信号利用卷积神经网络（convolutional neural network, CNN）强大的特征提取能力和门控循环单元（gated recurrent unit, GRU）的时序记忆能力，建立输入与输出之间的非线性关系，实现较为精准的时间序列预测。研究结果表明，利用TVF-EMD进行分解相比直接进行预测可以提升9.628 67%的预测精度，为后续优化及制订更加合理的吹灰策略提供了理论和技术支持。

摘要:生产车间环境复杂，设备众多且人员活动具有高度自主性和不确定性，传统的人工观测方式在面对海量监控数据时，难以实现高效的实时管控。为提高车间人员行为的自动化监测水平，保障生产安全，提出一种基于改进DETR的行为识别算法。通过智慧车间的实地调研，采集多种工作行为及异常行为数据，构建车间红外行为数据集，并在此基础上设计改进算法。针对原始算法的不足，引入相对位置编码，并采用空间调制共同注意力机制，旨在提升网络对全局特征中待检测物体的定位精度。此外，通过引入待检测物体的高斯分布权重，使网络解码器更加高效地识别行为特征。实验结果表明，改进后的算法在自建数据集上的识别精度相比原始算法提高了6.97%，并在公开数据集上同样表现出色。该改进方法不仅为车间人员行为的监控提供了更加高效的解决方案，也为智慧车间的自动化与智能化发展提供了有力的技术支持。

摘要:针对无线传感器网络资源受限和入侵检测系统策略优化问题，本文提出一种基于复杂网络演化博弈的无线传感器网络入侵检测方法。结合小世界模型理论，模拟网络节点之间的连接关系，在不改变节点原有关系的前提下增强网络连通性并降低传输能耗；构建关于簇头节点和恶意节点的无线传感器网络攻防博弈模型，通过收益矩阵计算节点收益，利用奖惩机制描述节点在博弈过程中选择不同策略的收益变化；引入经验加权吸引力学习算法改进传统博弈的策略更新规则并将该算法应用于入侵检测系统，使得簇头节点能够动态更新策略选择，得到不同条件下的入侵检测最优策略。实验结果表明，与传统方法相比，所提算法的簇头节点检测策略扩散深度可以达到79%，该算法下簇头节点在保障自身检测收益的同时尽可能选择检测传感器网络中出现的攻击，保证网络检测率并减少网络各类资源的消耗。

摘要:针对变压器的多模态数据中存在差异性和样本缺失的问题，提出了一种基于振动信号和红外图像数据的多模态信息融合方法，分析多模态数据对电力变压器故障状态进行有效、快速的评估。首先，该方法采用双向门控神经网络对振动信号的文本信息、振动信号的频域图和变压器的红外图像分别进行特征提取，并获得不同模态的重要特征向量。然后，使用交叉注意力机制建立不同模态之间的联系并进行特征向量融合。最后，通过卷积层和全链接层输出电力变压器的故障状态。实验数据采集于10 kV变压器，含振动信号和变压器的红外图像。实验结果表明，提出的多模态信息融合方法在4种评价指标上优于对比方法，其故障诊断准确率为96%。在不同的电压和电流等级下多模态信息融合方法能获得较为可靠的诊断结果且准确率高，可为变压器多模态数据的故障检测提供方法。

摘要:利用在轨可测参数准确估计卫星锂离子电池的健康状态，对卫星的安全可靠运行至关重要。对于卫星锂离子电池的健康状态估计，性能退化表征和评估都需要适应多种工况。针对卫星锂离子电池在多种工况下，模型和数据中的不确定性带来的表征参数的有效性和评估结果的可靠性不足的问题，本文提出了一种基于BNN-PF的概率性健康状态估计方法。从卫星锂离子电池充电过程的可测参数中提取不同的健康因子来表征性能退化，将排列熵与主成分分析法相结合，提高特征对不同任务的适应能力。在此基础上，采用贝叶斯神经网络估计锂离子电池的健康状态并量化不确定性，基于粒子滤波算法融合经验模型得到的不确定性，进一步增强了所提方法对多工况的适应性。实验结果表明，本文所提方法对多工况下的卫星锂离子电池健康状态估计具有良好的适应性和通用性。交叉验证试验结果显示，最大估计误差小于0.01，且多数结果的估计区间覆盖率大于0.95，表明方法在空间应用场景下具有良好的前景。

摘要:针对同步磁阻电机运行过程中严重的转矩脉动问题，提出一种基于机器学习的同步磁阻电机转子结构多目标智能优化方法。首先，通过磁路分析获得同步磁阻电机待优化转子结构参数，并利用有限元法进行敏感度分析，确定待优化变量与范围。其次，引入深度神经网络建立同步磁阻电机非参数快速计算模型，构建待优化变量与转矩之间的非线性映射关系，完成电机电磁特性精确建模。在此基础上，提出一种基于强化学习的改进粒子群算法，根据强化学习中奖励函数机制在线调整优化算法的学习因子，提高粒子群算法的收敛速度和全局寻优精度。最后，以最小化转矩脉动和提高平均转矩为优化目标，采用改进粒子群算法与深度神经网络模型，实现同步磁阻电机转子结构参数的多工况全局优化。仿真与实验结果表明，所提出方法优化后的同步磁阻电机相较初始电机模型，不仅具有更低的转矩脉动，而且平均转矩输出略有增加。

摘要:为了有效监测复杂工况下分布式驱动电动汽车用轮毂电机的运行状态，提高其轴承故障的识别准确率，提出一种基于多信息加权融合和二维卷积神经网络（MIWF-2DCNN）的故障诊断方法。首先，将轮毂电机轴承的多方位振动监测信号分别进行二维数据重构和时频变换，逐一转化成灰度图后按照方位顺序堆叠成时域灰度图集和时频域灰度图集，作为故障诊断模型的输入；其次，将高效通道注意力机制（ECANet）的网络结构进行改进，提出了改进高效通道注意力机制（iECANet），其核心思想是在全局平均池化（GAP）基础上添加上全局最大池化（GMP）分支，基于有效信息的贡献度更新各分支的权重系数，进而提取时域和时频域的故障特征，实现了多信息加权融合；再次，利用GMP简化传统二维卷积神经网络（2DCNN）模型的一层全连接层，实现了网络轻量化。最后，基于轮毂电机不同工况下实验数据，进行同一工况下对应验证、不同工况下交叉验证及消融实验验证。结果表明所提的MIWF2DCNN模型能够有效提取轮毂电机轴承故障特征，在复杂环境和多变工况下故障识别率保持在95%以上，整体优于传统的LeNet-5、1DCNN模型。

摘要:无损检测模型辅助探测概率问题的研究需要大量仿真数据，而高精度的物理模型计算模型响应需要大量时间，往往是无法实现的。代理模型是一种高效的数学模型，可以替代费时复杂的物理模型，广泛应用于设计优化问题。CoKriging模型可以融合高精度和低精度的数据，融合了大量计算成本低的低精度数据和少量计算成本高的高精度数据，提高了建模效率，是一种非常有应用潜力的代理模型。文中将CoKriging模型应用于涡流无损检测模型辅助探测概率的研究，在有限截面线圈探测金属平板表面槽缺陷算例中，利用物理模型计算部分训练点，构建CoKriging模型，精度验证通过后的CoKriging模型可以代替物理模型进行MAPoD分析，通过对比物理模型计算的MAPoD关键参数验证CoKriging模型的精度和效率。结果表明，相较于Kriging模型，CoKriging模型只需要更少的样本点训练模型就可以达到求解精度的要求，其构建元模型所需时间仅为Kriging元模型所需的7%，提高了涡流无损检测模型辅助探测概率研究的效率。

摘要:无人机图像中的小目标检测是研究的重难点之一。与大目标相比，小目标特征较少，更易受到遮挡和复杂背景的干扰，针对该问题，提出一种基于YOLOv7-tiny的多模型融合目标检测网络YOLO-DA。首先，增加小目标和极小目标检测层，提高网络对小目标特征的学习能力；其次，引入空间自适应特征融合ASFF-L检测头，通过学习空间过滤冲突信息来抑制不同尺度特征的不一致性，实现多尺度特征的自适应融合；最后，引入DCNS可变形卷积并设计了扩展变形建模范围的调制机制，增强模型的建模能力，降低遮挡重叠等对检测的影响。经试验验证，提出的方法在Visdrone2019数据集上实现了44.7%的平均精度及71 fps的推理速度，平均精度较基线算法提高了9.7%，模型内存为63.8 M，能够实现实时检测。通过消融、对比实验表明YOLO-DA在无人机航拍图像检测方面明显减少了误检和漏检问题，具有更高的检测性能，且算法参数量和计算量可以满足无人机等边缘设备的实时检测需求。

摘要:针对A*算法存在的搜索效率低，路径平滑性和安全性差，以及DWA融合全局路径规划算法实时寻路效率低等问题，提出了一种分层平滑优化A*引导DWA（HSA*-G-DWA）的移动机器人路径规划方法。首先，在A*算法的代价函数中引入双动态加权因子并构建碰撞约束函数剔除路径搜索过程中无关扩展节点的搜索，以提升路径搜索的效率和安全性。其次，利用分层平滑优化策略消除路径中的冗余点和转折点，减少路径点数量和路径长度。之后，通过无障碍约束直线与有障碍约束圆弧插补分段优化生成初始全局路径，保证路径的安全性与平滑性。然后，若移动机器人跟踪全局路径过程中面临未知障碍物则利用全局路径引导DWA生成避障与返回全局路径的局部动态修正路径，减少了实时计算量。最后，仿真实验结果表明，静态环境下HSA*-G-DWA算法路径搜索时间和路径点数较A*算法分别平均减少了88.43%和86%，路径的平滑性和安全性更好；未知环境下HSA*-G-DWA算法可以实时避开环境中出现的未知障碍物，路径长度较DWA算法、Dijkstra算法、RRT算法和现有融合算法分别平均减少了25.78%、18.65%、30.48%和14.59%，路径搜索时间较现有融合算法平均减少了67.39%。

摘要:针对食品加工过程中设备表面食物残留快速检测的需求，以菠菜汁液为例开发了一套便携式荧光成像检测系统，并在此基础上增加系统对菠菜汁液中含量较高的物质叶绿素A的定量功能。该系统主要由光源、CCD相机、显示屏及控制处理单元组成，用于激发物质产生荧光的光源、滤波片可根据实际需求调整更换，同时开发了检测系统的控制软件，利用显示屏进行人机交互操作，主要实现图像数据采集和处理等功能。对3种广泛使用的食品加工材料表面的菠菜汁液残留开展定性实验，检测结果显示：当食品加工表面本身不具有荧光效应时，便携式荧光成像检测系统能够较好地识别出其上的叶绿素残留。对叶绿素A的定量检测结果表明，当叶绿素A溶液浓度在0~8.5 μg/mL范围内时，浓度预测模型的决定系数R2都能达到0.99，预测结果的均方根误差RMSE不高于0.24 μg/mL。研究结果表明，开发的检测系统对具有特定荧光效应的物质检测可行且有效，系统具有的检测视场大、体积小便于携带等优点可将系统用于现场实时检测，也可拓展至植物病变等其他领域的应用，具有较广阔的应用前景。

摘要:气液两相流广泛存在于能源化工领域，由于两相流流动特性复杂多变，为流量准确测量带来了极大困难。为了建立准确的气液两相流量测量模型，针对气液两相段塞流分相流量测量，充分利用声发射传感器捕获气液两相流动噪声的功能和近红外吸收会因介质类别产生较大差异的特性，设计了一种新型测量传感器。在文丘里管的喉管和延伸段分别安装两组声发射探头，并在文丘里管的喉管处安装两组近红外光电探测器。设计了声发射与近红外同步采集系统，以水平管段塞流为实验对象，在河北大学高精度气液两相循环装置上完成了54组段塞流试验的数据采集，并进行融合处理，得到气液两相流特征参数。引入时域分析方法，提取声发射与近红外测量数据的标准差与偏斜度。结合参数拟合方法，建立两相流流量预测模型并进行误差分析。经验证，92.6%的流量预测值的相对偏差在±20%以内。结果表明，基于声发射传感器与近红外传感器的多传感器信息融合方案为气液两相流流动特征参数研究提供了一种新的思路。

摘要:针对同步磁阻电机模型参考自适应法的无传感器控制存在的转速估计精度低、动态性能差等问题,提出一种基于超螺旋滑模自适应观测器的无传感器控制方法。首先,通过有限元仿真构建同步磁阻电机电感非线性模型,根据电机不同运行工况实时更新电感参数,提高观测器中模型准确性。在此基础上,使用超螺旋滑模算法代替PI自适应环节,并结合所选取的线性补偿矩阵构造超螺旋滑模自适应观测器来减小估计误差。最后,引入积分型全局快速终端滑模速度控制器提高系统的动态性能。仿真与实验结果表明,相比于基于模型参考自适应法的无传感器系统,所提策略在启动阶段转速响应速度快且超调量小,电机运行更加平稳,突变负载时转速波动小且转速误差收敛速度更快,在变速运行整个阶段也具有更高的转速和转子位置辨识精度,具有良好的动稳态性能,可以实现电机的高性能运行。

摘要:根据目前无线通信系统的发展趋势,为了大幅度地提高通信效率,针对Ka波段,设计了一款基于开口谐振环和互补开口谐振环的低耦合多输入多输出天线。天线整体尺寸为40 mm×25 mm×1.2 mm。首先，该天线正面由带有空心圆的椭圆形辐射贴片、梯形微带馈线及开口谐振环组成,保证天线工作在Ka波段（26~40 GHz）。其次，该天线背面为刻蚀互补开口谐振环结构的矩形接地板,可以有效地达到去耦的目的,从而实现低耦合的效果。仿真与实测结果表明：工作带宽为26~40 GHz(相对带宽达到50%),回波损耗小于-10 dB,耦合度均小于-26 dB,包络相关系数小于0.001,辐射方向图良好,增益稳定,辐射效率较高。由此,所设计的天线不仅结构简单、尺寸紧凑、频率覆盖范围广,且各项性能占优,可广泛应用于5G毫米波相关领域。综上,应用SRR/CSRR的技术使毫米波MIMO天线的互耦度得到了降低，验证了SRR/CSRR技术作为一种新型去耦技术的可行性和有效性。

摘要:当三相异步电动机发生机械振动时，主回路中接触不良的电气接触点在振动作用下会产生串联型故障电弧，进而影响电路安全甚至引发电气火灾。而振动条件会加剧了故障电弧信号的复杂性，因此本文以回路电流信号为研究对象，提出了一种振动条件下的高实时性串联型故障电弧检测方法。首先通过构建滑动记忆矩阵对实验电流数据进行动态保存，其次通过正交方向改进局部三值化模式（orthogonality direction local ternary pattern，OD-LTP）提取滑动记忆矩阵的纹理特征，最终将统计的OD-LTP图像的灰度分布直方图幅值作为特征向量，通过基于沙猫群优化（sand cat swarm optimization，SCSO）的支持向量机（support vector machine，SVM）建立振动串联型故障电弧检测模型。本文通过对比不同矩阵参数，得到最佳的滑动记忆矩阵尺寸，最终所提方法对故障电弧识别的准确率达到99.2%。通过对不同工况、不同特征提取方法对比分析，表明本文提出方法不仅适用于不同工况运行的工业电机变频器系统，其相对于其他特征提取方法也具有较高的实时性。

摘要:将人工智能技术应用到故障诊断领域可以实现电力设备的自动化、智能化诊断，提高诊断精度和效率。以单输入多输出的反激式开关电源为例，针对其因脆弱元件失效而引起的电路工作性能异常的问题，通过分析不同故障模式的信号特性和可分性，提出了融合输入电流和输出电压信息的非侵入式开关电源故障诊断方法。构建了由时域特征及频带小波包奇异熵特征组成的融合时频域信息的多维特征矢量，建立了故障特征与故障模式之间的映射关系。进而，提出了基于人工智能技术的深度神经网络（DNN）故障诊断方法，实时监测反激式开关电源的运行状态，并通过数据分析及时识别故障位置，对潜在故障进行预警。实验结果表明,所提出的方法对单故障和多故障模式均具有良好的诊断效果，诊断准确率可达97.9%，并且，在不同工况下，该方法均可表现出较高的诊断准确率和较强的抗干扰性能。

摘要:针对货运列车在多源扰动下的跟踪控制问题，提出一种基于级联干扰观测器的固定时间替换滑模控制方法。首先构建了考虑车间作用力的多质点动力学模型，针对匹配与非匹配扰动同时存在的情形，设计了一种级联结构扰动观测器同时估计多源扰动，放宽了传统扰动观测器要求“扰动缓慢变化”的前提条件。基于扰动观测信息，将非匹配扰动下的列车动力学模型转化为匹配模式。最终，提出了一种基于替代滑模法的分布式控制策略。仿真结果表明，所提的级联干扰观测器能够在0.5 s内准确估计多源干扰；相比于传统的列车跟踪控制研究，所提出的控制策略能够在快速处理多源扰动带来的一系列失稳问题，在保障车间作用力稳定的同时，实现了速度位移双指标鲁棒跟踪控制；相对于传统控制方法系统收敛时间提高5 s以上，体现了较好的实时性与鲁棒性。

摘要:针对金属齿轮内部缺陷检测信号易受噪声干扰导致缺陷特征提取不准确问题，提出一种基于动态局部熵与自适应分解的齿轮缺陷超声检测信号去噪方法。采用经验模态分解对齿轮缺陷超声检测信号进行自适应分解，结合相关系数模态聚类指标得到预处理信号；基于检测信号动态局部熵理论确定缺陷回波区间，得到缺陷回波信号；采用经验小波变换实现缺陷回波信号去噪，结合二次多项式平滑滤波算法提升去噪信号平滑度，得到金属齿轮缺陷超声检测信号的最终去噪结果。仿真超声检测信号去噪实验结果显示，对于不同信噪比条件下的仿真信号，本文方法去噪信号平均信噪比值和均方误差分别为21.34 dB和0.000 2 V，去噪效果明显优于经验模态分解和小波变换，两种方法的平均信噪比和均方误差分别为10.43 dB、12.56 dB和0.001 9 V、0.001 4 V，且在不同信噪比条件下的本文方法均具有更优的去噪效果和更强的鲁棒性。金属齿轮内部缺陷实测实验结果表明，本文方法能够去除齿轮缺陷超声检测信号中的复杂噪声干扰，有效提高了金属齿轮内部缺陷超声检测信号质量。

摘要:涡街流量计是基于流体振荡原理对流量进行测量的流量计，但在低流速下输出的信号很微弱，在实际测量过程中会叠加各种现场产生的噪音。并且目前工业上使用小口径涡街流量计在小流量工况下存在测量局限性，一般最小口径仅到DN15。针对目前涡街流量计存在的问题对DN10及以下的微小口径涡街流量计结构及参数进行研究，以满足工业上的测量新需求。基于模拟仿真计算平台，建立不同尺寸参数的微小口径涡街流量计数值计算模型并进行仿真计算，提出优化的涡街流量计结构尺寸。通过对不同压力监测点的压力波动强度及频率的研究，分析传感器的最佳布置位置。最后以电磁流量计为标准表对所研制的微小口径涡街流量计在微量程段进行了测试，对该被检流量计的误差、精度等参数进行实验，同时对雷诺数与斯特劳哈尔数之间的关系及仪表系数进行分析，结果表明，仿真所获的测量特性与实验测得的特性具有较好的一致性，且该微小口径涡街流量计相对误差优于05%，重复性等指标能够满足微量程段内的测量标准。