摘要:随着智能安防系统的不断升级，面向全天候监控实现行人检索成为了相关领域热点之一，可见光红外跨模态行人重识别的研究应运而生。该研究面临的主要挑战是同一行人在不同模态的图像间展现出巨大的差异。现有方法通过探索不同模态之间共享信息，来减少同一行人在两种模态下的特征差异。为了进一步提升跨模态行人重识别的准确率，提出了一种多粒度共享-解离相关网络，通过共享-解离模块的嵌入，对主干网络中参数共享分支进行复制和分解，打破了原有基准模型在多粒度特征提取上的局限；通过多粒度相关特征学习模块的设计，充分挖掘了行人跨模态不变的身体结构关联信息，优化了全局局部特征的对齐方案；通过多层次的损失函数构建，为模型的训练提供了有效的监督，提升了模型的判别力和鲁棒性。该算法在公开数据集SYSU-MM01和RegDB上均获得优秀的性能，其中，SYSU-MM01全搜索模式下Rank-1和平均精度均值（mAP）分别达到74.70%和71.79%；在RegDB的两种检索模式下，Rank-1和mAP均高于90%，准确率优于多种先进方法。实验显示该网络在跨模态特征对齐和复杂场景适应性方面具有一定优势。

摘要:在工业生产中，长时间和高强度的作业易导致人员疲劳，从而增加安全事故的风险。已有研究表明，接触式生理特征能有效表征疲劳状态，但在工业环境中采用接触式设备获取生理信号进行疲劳判别会干扰正常作业。因此，基于监控视频的疲劳判别成为更实际的选择，然而现有方法主要关注嘴部和眼部特征，未能全面反映疲劳状态。为此，提出了基于视频的融合面部外观与生理表征的无干扰式疲劳判别方法，通过双支路网络模型实现对作业人员疲劳判别。首先，在视频中定位面部感兴趣区域并进行子区域划分，通过提取皮肤反射光变化获取视频隐含的生理表征信息，进而构建生理时空图。接着，搭建双支路三维卷积网络分别提取面部外观和生理表征特征。最后，将两者特征融合并输入全连接层，以映射最终的疲劳判别结果。通过模拟工业生产任务获取的疲劳数据集验证了所提方法的性能。实验结果表明，基于视频的融合面部外观与生理表征的疲劳判别准确率达到88%，相较于现有技术具有更高的准确性和更强的现场适用性。

摘要:针对医疗领域狭小空间内高质量成像的需求，设计了一种基于STM32F407IGT6微控制器的便携式超细电子内窥镜系统。该系统采用OV6946摄像头模组采集图像，并通过OV426桥接芯片将模拟信号转换为数字信号，利用USB接口将图像数据传输至上位机。上位机基于LabVIEW平台，噪声滤波、RAW色彩还原及改进型CLAHE算法，显著提升了图像质量。实验中，通过去噪处理后，图像的峰值信噪比（PSNR）达到37.65 dB，结构相似度（SSIM）为0.970 8，去噪效果良好，图像保留了较高的细节和结构相似性；通过图像增强，局部对比度由3.32提升至13.16，平均梯度由7.08提升至28.05，表现出显著的血管区域对比度和清晰度提升。系统实时处理帧率在30 fps，处理延时为33 ms，能够满足医疗诊断中对高实时性和高质量图像的要求。硬件设计上，系统的体积和重量相较于传统设备显著减小，增强了便携性与操作灵活性。实验结果表明，系统在成像质量、实时性和便携性方面表现出色，能够有效辅助临床诊断，提高医疗操作的精准度与效率，具有广泛的临床应用前景。

摘要:不同年龄段的儿童心脏尺寸差异大且儿童心率过快会导致心脏边界相较成人更加模糊,影响超声心动图的分割效果。针对上述问题,对H2Former分割模型进行改进,提出了一种时间和位置注意力的分层混合视觉状态空间模型（TPA-H2VSS）对儿科超声心动图左心室进行分割。首先替换Transformer模块为视觉状态空间模块,改进医学图像分割的长期依赖性建模关系;其次在模型的编码器与解码器之间搭建时间注意力模块,把超声心动视频左心室的语义信息在时间维度上进行补充和交互;最后,在输出部分加入位置注意力模块,进一步提高网络的分割性能。在儿科超声心动视频数据集EchoNet-Pediatric的PSAX数据集和A4C数据集上分别进行训练、验证和测试。与基线模型H2Former相比,在PSAX数据集上的Dice、交并比（IoU）、准确率（accuracy）分别提升了0.86%、1.41%、0.15%,豪斯多夫距离（HD）降低了0.219 5;在A4C数据集上的Dice、IoU、Accuracy分别提升了0.93%、1.53%、0.2%,HD降低了0.167。与其他模型进行比较,该模型能有效分割儿科超声心动图左心室,可以为先天性心脏病辅助诊断提供新的解决方案。

摘要:疲劳驾驶的检测对于确保交通安全极为重要，实时监测并识别驾驶员的疲劳程度，配合预警机制，可有效降低因疲劳驾驶导致的事故风险。针对目前疲劳驾驶检测过程中驾驶员表情特征目标小、背景环境复杂的问题，提出了一种基于YOLOv10改进的疲劳驾驶检测模型—YOLOv10-GMF。该模型引入全局分组坐标注意力模块(global grouped coordinate attention, GGCA)，通过分组后的全局信息与局部特征处理，生成加权注意力图，实现信息压缩与特征表达，提升模型对疲劳状态下微小神态特征的捕捉能力。同时添加多尺度空洞融合模块(multi-dimension fusion attention, MDFA)，利用多尺度空洞卷积，并行融合空间和通道注意力机制，有效加强模型在复杂驾驶环境中对图像特征的识别能力。此外，为进一步优化训练过程，还设计了反馈信息驱动损失函数(feedback-driven loss, FDL)，有效加速模型的收敛过程，提高模型的检测效率。经过对比与消融实验，改进后的YOLOv10-GMF模型的检测平均精度均值（mAP）可达到98.1%，较YOLOv10提升了14.5%，且检测速度为64.3 fps。通过实际车载嵌入式部署测试，整个疲劳检测过程总耗时19.0 ms，完全满足驾驶过程中对疲劳状态进行实时监测的需求。

摘要:动物生命体征的精确监测对于动物健康管理和疾病诊断具有重要意义。针对动物呼吸心跳信号微弱且心跳信号易被呼吸谐波和其他噪声干扰，以及动物生理特性与人体不同且检测环境复杂多变等问题，基于毫米波雷达信号检测生命体征方法，提出改进自适应无迹卡尔曼滤波和小波联合谱估计的检测算法。通过引入噪声加权因子优化自适应无迹卡尔曼滤波对噪声的估计，保持滤波器对新观测值的敏感度；根据心率和呼吸速率信号特征的不同，使用不同的小波基提取更加纯净的信号特征，并采用谱密度估计方法计算心率和呼吸速率参量，进而实现对生命体征信息的准确估计。在29组包含牛和10组狗呼吸心跳的数据集上对算法进行验证，实验结果表明，方法可实现呼吸心跳的准确测量，呼吸频率的均方根误差为0.030 4和0.031 5，心跳频率的均方根误差为0.057 4和0.056 9，相较传统峰值捕捉算法，检测准确率分别提高了3.33%和7.26%以及3.65%和6.96%。算法具有测量精度高、抗干扰能力强特点，对生命体征检测具有较好的理论和实际应用价值。

摘要:基于骨架序列数据的双人交互行为识别具有广阔的应用前景，针对目前识别模型中存在双人交互特征表示不充分、动作类内特征表示冗余等问题，提出了一种基于多尺度可变形图卷积网络(multi-scale deformable graph convolutional network, MD-GCN)的双人交互行为识别方法。首先，构建双人交互超图，包括双人超图以及双人交互关系矩阵。与传统图不同，该超图能够更好地表达两人之间的交互关系，充分捕捉双人之间的交互特征。其次，将3流输入分支分别进行数据预处理和特征提取，然后将这些特征信息融合后送入以多尺度可变形图卷积网络为主的主分支中，最后进行动作分类。该网络能够多模态地学习可变形的采样位置，捕捉具有显著交互特征的关键信息，有效避免了特征冗余以及信息丢失。所提出的MD-GCN，在NTU RGB+D 60和NTU RGB+D 120数据集中的26类交互动作的识别任务中，准确率最高达到98.41%，有效地解决了双人交互行为识别中特征表示的挑战。实验结果表明，该方法在保持识别准确率的同时，显著减小了模型运算成本，模型推理性能达到了良好的平衡，具有较高的应用价值。

摘要:针对压水堆核电站蒸汽发生器系统的强非线性特征，多参数耦合等因素导致的在线故障诊断算法稀缺的问题，提出一种基于自启发遗传算法的蒸汽发生器参数在线辨识方法。首先，基于参数辨识理论，构建模型驱动的自监督遗传算法框架，将故障诊断问题转化为系统关键性能参数的辨识问题。通过结合精细的系统机理模型，利用遗传算法将参数辨识任务重构为函数优化问题，从而有效克服非线性系统以及系统方程高阶微分项的求解限制。之后，构建基于动态时间规整适应度设计遗传算法的参数辨识方法，使用拟牛顿梯度下降思想优化遗传算法种群迭代策略，将全局随机搜索策略替换为沿梯度方向的定向搜索策略，解决了传统遗传算法收敛速度慢，难以满足在线系统参数辨识需求的问题。最终,基于模型数据与真实系统仿真机数据对提出的参数辨识方法进行性能验证,相较传统遗传算法降低了约5%的参数辨识误差,并平均减少了47%的算法收敛步数,证明了基于自启发遗传算法的参数辨识方法的有效性。

摘要:准确预测弹丸发射点能够迅速定位敌方威胁源，提供关键情报支持，优化反击策略，在军事领域中具有重要战略意义。针对弹丸的发射点预测问题，提出了一种基于时序卷积网络(temporal convolutional network, TCN)、双向门控循环单元(bidirectional gated recurrent unit, BiGRU)和注意力机制(attention mechanism)相结合的深度学习模型。该模型旨在提高弹道轨迹预测精度，尤其是在复杂战场环境下，通过反向推算敌方弹丸发射点，为反击策略提供支持。首先，基于弹道方程，针对不同射角和初速度的情况，通过解算六自由度刚体弹道方程，构建了详细的弹丸轨迹数据集。然后，提出的TCN-BiGRU-Attention模型，通过引入TCN结构，捕捉轨迹数据中的长时间依赖性，并结合Attention机制优化信息加权，以提高预测的精确度。在仿真验证中，与BiGRU、双向长短期记忆网络(bidirectional long short-term memory, BiLSTM)等模型及其改进模型相比，TCN-BiGRU-Attention模型在发射点预测精度上表现显著优越，尤其在射程方向和侧偏方向的误差显著降低。通过多组仿真测试，结果表明，TCN-BiGRU-Attention模型能够在不同发射高度下稳定地提供精准的发射点预测。其中在海平面高度下，模型的射程方向误差仅为8.3 m，侧偏方向误差较小，可以有效预测并打击敌方的发射点。为未来战场中对敌方发射点预测的实施提供了理论依据和技术支持。

摘要:无线射频识别（radio frequency identification，RFID）技术在智能仓储管理和物流追踪系统中发挥着越来越重要的作用。然而，传统商用RFID系统通常工作于工业、科学与医学频段，受限于带宽资源，难以实现高精度的载波相位测距。此外，在移动机器人与手持式读写器等场景中，由于空间受限，难以部署多天线阵列，从而对基于测角的定位方法提出了更高挑战。为解决上述问题，提出了一种基于合成孔径原理的单天线单频点RFID定位系统。该系统在天线运动过程中采集相位序列及其时间戳，构建空间上非均匀的虚拟线性阵列以实现角度估计。进一步提出一种基于相位序列导数的快速粗估计算法，以缩小角度估计的搜索范围，提升算法效率与估计精度。同时，利用不同虚拟天线位置之间的相位差计算出标签的距离差，并结合角度信息构建双曲线定位模型，最终通过引入加权粒子群优化算法对标签位置进行求解。实验结果验证了系统的有效性，距离差估计中值误差为4.2 cm，角度估计中值误差为1°，最终定位中值误差达到3.45 cm。方法在无需增加硬件成本的前提下，实现了RFID商用平台高精度定位，具有一定的实际应用价值。

摘要:针对现有控制方法难以满足开关磁阻电机基于变速变负载工况下的高性能调速控制要求，提出一种基于超螺旋控制算法的开关磁阻电机调速控制方法。建立了开关磁阻电机的数学模型，深入研究了开关磁阻电机基于变速变负载工况下采用超螺旋控制算法的具体设计方法，并以其控制参数为优化对象，通过构建其多目标优化适应度函数，提出采用果蝇算法对其控制参数进行优化并就其具体优化过程展开了深入研究，最后通过仿真和实验对其效果进行了验证，同时与目前常用的渐进稳态信号误差控制算法进行了对比分析，结果表明，开关磁阻电机基于变速变负载工况下采用超螺旋控制算法相对于渐进稳态信号误差控制算法，其稳态控制精度提高了1.213%，而其动态性能指标如当电机给定转速发生突增或突减时，其过渡过程时间分别下降了22.3%及26.6%，而在负载发生突增或突降时，其转速超调量分别下降了61.09%及62.28%，而其过渡过程时间则分别下降了36.36%及38.88%，可见其稳态和动态性能指标均较渐进稳态信号误差控制算法得到了明显提高，因而具有较好的实际应用价值。

摘要:装配式钢结构因其轻质高强度、施工便捷等优势在建筑工程中广泛应用，但其在复杂服役环境下的防火与防腐性能不足，需依赖多层防护涂层（如防火层、防腐层）保障长期耐久性。而涂层厚度的精确测量是质量控制的关键环节，现有超声检测技术面临多层界面回波混叠、噪声干扰等难题，导致测量精度不足。为此，提出一种基于高频超声脉冲反射法与稀疏分解匹配追踪(MP)算法相结合的涂层厚度检测方法，通过信号分离与重构提升检测精度。首先，基于COMSOL建立装配式钢结构防护涂层的有限元模型，模拟水浸超声检测过程，分析超声波在多层介质中的传播特性，揭示界面回波混叠的物理机制。针对混叠信号分离难题，提出优化Chirp过完备原子字典的稀疏分解MP算法，通过迭代匹配最优原子实现信号降噪与特征重构，并对比传统小波变换模极大值法的分离效果。仿真结果表明，在相同信噪比条件下，MP算法重构信号的均方根误差显著低于小波变换方法；其防火层与防腐层厚度检测相对误差同样优于小波变换方法。为验证方法的实用性，采用20 MHz水浸探头对防腐层与防火涂层试块进行检测，结合金相法标定真实厚度。通过MP算法成功分离混叠界面回波，计算得到防火层与防腐层厚度相对误差分别为-4.64%和-4.65%，明显优于小波变换的-7.15%和-7.28%，本文方法具备更好的实际检测应用场景。

摘要:针对城际列车牵引系统因参数摄动和未知扰动等不确定因素造成一台或多台电机牵引性能下降，导致总牵引力减小的问题，提出一种基于虚拟主轴的多电机预定义时间总量协同控制方法。首先，考虑参数摄动和未知扰动，基于多电机输出转矩与给定转矩的跟踪误差，建立城际列车多电机的状态方程。其次，采用新型预定义时间滑模面，基于总量协同一致控制算法设计预定义时间总量协同控制器；同时，采用虚拟主轴控制策略，将多电机转矩总和反馈给总量协同控制器，确保列车牵引力总量恒定，同时提高了多电机的同步控制性能。最后，通过与PI控制、积分滑模控制进行仿真与半实物实验比较，验证了所提出的控制算法，多电机输出总转矩在预定义时间内保持稳定，系统输出转矩能在0.005 s内跟踪给定转矩，跟踪误差不超过0.03%。结果表明当电机存在参数摄动和未知扰动时，该方法增强了多电机牵引系统的同步控制性能。

摘要:实时、高精度烟火检测对于火情监测与快速预警具有重要意义。针对现有检测方法难以同时兼顾准确率和实时性以及计算复杂度较高等问题，提出了一种改进YOLOv5s的烟火检测方法。首先，优化了Neck结构。在原有的特征金字塔网络-路径聚合网络（FPN-PAN）结构基础上，额外增加了一个更小尺度的P6特征检测层，从而提高网络的多尺度特征融合能力、小目标的识别与定位精度。其次，进行了骨干网络中的C3模块的轻量化改进。使用基于结构重参数化的C3RepGhost模块替换骨干网络中的C3模块，减少了计算量并加速推理过程。此外，构建了一个包含约18 000张多样化场景（城市街道、森林、单体火焰等）图像的大规模烟火数据集进行模型训练与验证。试验结果表明，所提出的方法在烟火检测数据集上的平均精度均值（mAP）达到0.89，相比于原始YOLOv5s模型，平均提高了约29%，检测速度达到66 fps。该方法实现了高精度、高实时性的烟火检测。与最新的YOLOv11s模型相比，改进YOLOv5s的烟火检测方法的计算复杂度降低了46%，更适合部署在边缘计算设备上。

摘要:为提高双边LCC补偿无线充电系统的效率,提出一种通过优化补偿元件参数使逆变器在恒流、恒压双模式均实现零电压开关(zerovoltage switch,ZVS)的参数优化方法。首先,采用基尔霍夫定理对双边LCC补偿拓扑进行建模,分析系统在零相位角条件下实现与负载无关的恒流、恒压输出条件;其次,提出一种双模式参数协同优化策略:引入扰动系数,定量分析补偿元件在双模式下参数扰动对系统等效输入阻抗虚部的影响趋势,筛选在双模式均能使等效阻抗呈现弱感性的元件,依据此筛选结果,给出系统在恒流、恒压双模式均实现零电压开关的参数优化方法,从而实现双模式ZVS;最后,搭建双LCC补偿无线充电系统仿真模型与输入电压15 V的实验样机进行验证。结果表明,系统具有与负载无关的恒流、恒压输出能力,优化后系统逆变器在双模式均能实现零电压开关,系统最大效率可达91.31%,较传统单模式参数优化方法效率提升1%~1.1%,验证了所提参数优化方法的有效性。

摘要:针对现有电梯钢丝绳表面损伤检测方法所存在的精度不足、计算量过大等缺陷，基于YOLO11算法提出一种轻量化YOLO-SGLS模型。首先采用StarNet替代YOLO11的主干网络，以星型运算提升特征提取和计算性能。同时，引入大核分离注意力（LSKA）模块与空间金字塔池化快速（SPPF）模块融合，利用深度卷积增强模型的特征表达与感知。此外，用动态卷积（DynamicConv）改进Ghost模块得到GDC（ghost-dynamic-Conv）模块，并将其于C3K2结合，减少计算负担。最后设计轻量级共享卷积检没头（LSCD）提高推理速度。实验使用Cable Damage数据集，分训练、验证、测试集，在特定实验环境下，进行消融实验、泛化实验和对比实验。实验表明YOLO-SGLS模型相比原始基础网络YOLO11n的浮点计算量和参数量分别降低了40%、36%，准确率提升了5.5%，平均精度和召回率只下降了0.3%、1.9%，在泛化能力测试中，100张新数据集，YOLO-SGLS正确识别的图像数为77张。证明了算法的轻量化程度、准确率和鲁棒性均满足电梯钢丝绳损伤检测在实际应用场景中的需求，尤其适用于资源受限的嵌入式设备。

摘要:针对流量异常检测模型因噪声和离群点干扰导致鲁棒性下降、特征表达能力不足，以及在处理不平衡高维海量数据时少数类检测率偏低等问题，提出一种基于生成对抗网络的流量异常检测方法。首先，采用基于聚类的SCiForest算法检测异常点，减少其对后续网络的影响。其次，设计以降噪自编码器为核心组件的生成对抗网络(denoising autoencoder-based generative adversarial network, DGAN)，基于重建误差分布之间的Wasserstein距离定义其训练目标，生成可信的合成少数类样本，从而有效缓解数据不平衡问题。再次，通过与判别器一致的降噪自编码器(denoising autoencoder, DAE)，输入真实样本与合成样本进行重构训练，得到优化后的编码器部分作为特征提取与降维模块，以增强特征的表达能力。最后，将处理后的数据输入融合卷积神经网络和双向门控循环单元的特征模型(feature fusion model of CNN and BiGRU, CNN-BiGRU-FFusion)，在充分捕捉空间特征和时序特征的基础上实现分类与检测。在NSL-KDD数据集上的准确率和F1分数分别达到92.06%和92.25%，验证了所提方法在网络流量异常检测任务中的优越性能，并通过CICIDS2017数据集的实验进一步验证其可行性。

摘要:随着用于行星探索的高光谱数据量的增加，高效而准确的算法对其分析具有决定性的意义。研究了光谱解混分析火星高光谱图像的能力。为此，利用火星专用小型侦察影像频谱仪（CRISM）的观测数据，对其进行大气校正、“Smile”光谱效应等预处理步骤，去除图像中噪声影响，为后续光谱曲线分析奠定良好基础。然后采用基于特征值分析的方法对Jezero撞击坑图像的端元数目进行估计。特征值最大似然方法定义了一个似然函数，通过寻找全局最大值来确定端元数目，不需要调整阈值，能够在低信噪比条件下得到准确结果。最后通过顶点成分分析（VCA）算法对图像中的混合端元进行分解提取，将提取结果与CRISM波谱库进行了比对并通过对光谱曲线在特定波段的吸收峰来确定具体矿物种类，精确识别出了Jezero撞击坑内的矿物成分——含水硅酸盐类以及碳酸盐类矿物，从而表明火星曾经可能有适宜生命存在的液态水环境，并可能在远古时期具有更为温暖和湿润的气候条件。

摘要:晶圆图的缺陷模式分类是半导体生产制造过程中的重要环节,对提高产品良品率与生产效率有着重要意义。针对现有深度学习晶圆图缺陷模式分类方法解释性差和资源消耗高等问题,改进了一种基于拓扑数据分析(topological data analysis, TDA)的特征提取方法,其依托持久同调理论,通过构建 Alpha复形(alpha complex)以挖掘晶圆图的拓扑结构,并将其转化为可量化的拓扑特征。实验结果表明,在基于WM-811K数据集构建的模拟晶圆图数据集上,采用Alpha复形代替原VR复形(vietoris-rips complex),平均复形构建时间降低了约82%,平均内存占用降低了约10.09%。此外,将基于TDA的方法与DenseNet121、Swin Transformer以及新兴的ConvNeXt模型进行了对比，在特征提取方面,t-SNE可视化结果显示基于TDA方法提取的特征向量取得了最佳的聚类效果,相比于次优的ConvNeXt,轮廓系数提升了17.24%,提取时间降低了约75%,而内存峰值降低了约95%;在分类性能方面,结合支持向量机（SVM）分类器的实验表明,基于TDA的模型整体分类准确率高达0.992,优于DenseNet(0.989 3)和Swin Transformer(0.982 0)。

摘要:针对当前掘进机位姿检测与可视化监测难题，提出一种数字孪生驱动的掘进机位姿监测方法。首先，建立了基于超宽带技术的掘进机三维定位模型和位姿解算模型。为了减小井下非视距环境对超宽带定位技术的影响，提出了基于最大相关熵卡尔曼滤波的C-T融合算法，能够在非视距环境下显著提高定位标签的精度。其次，采用数字孪生技术对掘进机位姿进行实时监测，基于Unity3D软件建立了数字孪生系统，以MySQL数据库作为数据交互媒介，实现了虚拟空间中掘进机实时位姿的三维可视化监测。最后，搭建实验平台进行掘进机位姿测量实验。实验结果表明，掘进机定位实验的位置误差不超过3.44 cm，角度误差不超过0.34°；数字孪生系统监测功能实时有效，能保证系统虚实同步性和一致性，满足掘进工作面作业过程中掘进机位姿检测与可视化监测的要求。为数字孪生技术在煤矿井下掘进工作面的应用提供了新的思路。

摘要:针对混合三电平双有源桥变换器电流应力大以及动态响应差的问题，对扩展移相调制进行改进，提出一种基于超螺旋滑模自抗扰控制器的最小电流应力控制策略。首先，通过重新定义内、外移相比改进扩展移相调制，以实现移相比与传输功率正相关，并降低移相比间的耦合度；其次，分析改进扩展移相调制在不同工作模式下的传输功率和电流应力的数学模型，并采用KKT条件法求解考虑软开关条件的最小电流应力移相比组合；然后，为简化计算，建立变换器的降阶模型，将超螺旋滑模控制算法与自抗扰技术相结合，以改善变换器的动态性能；最后，通过搭建实验样机进行验证，结果表明，超螺旋滑模自抗扰控制与传统自抗扰控制相比，负载电阻突减时所需的调节时间缩短了72.4%，电压波动减小了51.7%；输入电压突变时所需调节时间缩短了73.7%，电压波动减小了60%。同时有效减小了电流应力并实现了软开关，与单移相调制相比，低功率下效率提高了15%，高功率下效率提高了9%。

摘要:室外场景中特征点丰富且具有多样的几何形状和尺度,但因光照变化明显、纹理重复性较高,导致传统的视觉同步定位与建图算法在进行场景的三维重建过程时,存在特征点提取与匹配精度低的问题。为了提升系统在复杂环境中的建图精度和鲁棒性，提出一种融合注意力机制的视觉同步定位与建图（SLAM）算法,对SLAM系统中的特征提取和匹配方式进行改进。首先,将通道空间融合的卷积注意力模块融合到SuperPoint网络编码器的卷积层中,以增强模型的特征提取和匹配能力;然后,将改进后的SuperPoint网络与ORB-SLAM2算法的后端相结合,实现在复杂场景中更准确的位姿估计和地图构建;最后,在KITTI数据集上进行验证。结果表明,融合通道空间卷积注意力模块的SuperPoint网络在保持特征点稳定性和描述子判别性的基础上，有效提升了图像间特征匹配的精度,所提出的SLAM算法与ORB-SLAM2算法相比,绝对轨迹误差减少了30.05%,相对位姿误差减少了14.49%,实验结果表明，方法在光照变化明显和纹理重复性高的室外环境中具有更强的鲁棒性和稳定性，有效地提升了SLAM系统在室外复杂环境中的建图精度。

摘要:作为电力电子系统的核心器件,绝缘栅双极型晶体管（IGBT）在实际应用中易受电热应力影响而发生性能退化和失效,因此对其剩余寿命的准确预测具有重要意义。针对IGBT寿命预测中单一模型预测精度不足的问题，研究了多模型融合的剩余寿命预测方法。首先采用变分模态分解（VMD）将IGBT寿命预测关键特征参数集电极发射极瞬态尖峰电压分解为多个本征模态分量,其中低频趋势分量应用高斯过程回归模型预测,高频波动分量使用神经基扩展分析（NBEATS）网络建模,最后将各分量预测结果进行重构融合得到最终预测值。在NASA提供的IGBT加速老化实验数据上进行验证,所用融合模型较最优的单一VMD-NBEATS模型,均方根误差降低70%,平均绝对误差减少232%,决定系数提升至0.97以上。改变模型训练集和测试集的比例,融合模型在不同比例下仍表现出最优性能,验证了多尺度分解与差异化模型的稳定性和泛化性,为电力电子设备的健康监测与预防性维护提供了新的方案。

摘要:针对现有均压电极结垢超声回波检测法中结垢厚度识别不精确的问题,提出了一种结合多尺度熵的逐次变分模态分解法(SVMD)-冠豪猪算法(CPO)-随机森林(RF)-AdaBoost均压电极结垢智能识别方法。采用SVMD对超声回波信号进行分解,并根据模态选取方法筛选出有效信号成分进行重构,实现信号降噪;引入多尺度排列熵(MPE)和多尺度散布熵(MDE)作为特征提取方法,提取不同结垢厚度的均压电极超声回波信号的多尺度特征;将RF作为AdaBoost的弱分类器,构建RF-AdaBoost双集成学习模型,并通过CPO对模型参数进行优化,以实现结垢厚度的智能识别;开展了不同多尺度熵以及CPO-RF、CPO-AdaBoost、CPO-SVM等6种模型的对比研究。实验结果表明,结合MPE与MDE特征的结垢厚度识别准确率优于单一特征;所提方法能够准确识别0~0.8 mm范围内的均压电极结垢厚度,识别准确率达到了94.50%,且精确率、召回率和F1值均优于其他方法,为特高压换流站均压电极结垢提供了一种智能识别方法。

摘要:为提高断路器寿命预测效率并制定合理的维修方案,基于断路器非周期振动信号可以充分表征剩余寿命的特性,提出一种基于冠豪猪优化算法(CPO)的改进特征模态分解-双向时间卷积网络-双向门控循环单元-注意力机制（IFMD-BiTCN-BiGRU-AT）预测模型。首先通过融合适应度函数和新周期估计方法改进特征模态分解法,弥补其处理非周期信号能力差的缺陷,并利用CPO实现IFMD自适应分解。其次,引入双向并行结构及注意力机制,构建BiTCN-BiGRU-AT预测模型来充分提取时间-空间重要特征,同时利用CPO搜索最优超参组合。最后,搭建断路器信号采集处理实验平台进行实验验证,用该方法进行预测并设计消融实验及多模型对比实验。最终,该方法得到的拟合度、平均绝对误差（MAE）、均方根误差（RMSE）指标分别为99.28%、80.33、98.17。相较于其他3种信号处理方法,经IFMD处理后,预测拟合度平均提高19.7%,且有最高的预测效率;相较于其他模型,该模型的预测拟合度平均提高18.3%,MAE、RMSE平均降低60.9%、61.6%。实验结果表明了该方法的有效性与性能优势。

摘要:在智能交通系统和安防监控等领域中，目标检测技术的准确性至关重要。然而，除常规交通环境外，雨雪等特殊天气条件严重制约着目标检测的精度。雨雪天气致使图像模糊不清，极大地增加了行人、车辆等目标的特征提取难度，导致检测结果误差较大，影响相关系统的有效运行。为攻克这一难题，以 YOLOv7 算法为基础，深入研究并提出了一种适用于雨雪等特殊天气的目标检测优化方法。首先，引入广泛应用的暗通道去雾算法和基于引导滤波的去雨雪算法，对受雨雪雾影响的图像进行预处理，有效消除天气因素造成的图像降质，恢复图像清晰细节。其次，将 DIP模块与 CNN-PP模块相结合，通过弱监督学习方式，进一步挖掘图像中的目标特征，增强算法对复杂天气下目标的识别能力。大量实验结果表明，改进后的算法在检测精度方面表现卓越。相较于 YOLOv5 算法，其检测精度提升了 23.7%；与原 YOLOv7 算法相比，也实现了 11.9% 的显著增长。这充分证明了所提方法在特殊天气目标检测场景中的有效性和优越性，为智能交通、安防监控等领域在恶劣天气下的稳定运行提供了可靠的技术支持，具有重要的实际应用价值和广阔的发展前景。

摘要: