摘要:光纤时频同步技术的需求逐渐向远距离、多节点、高精度的方向发展。白兔(WR)技术作为光纤时频传递的重要实现方案，在精确时间协议(PTP)的基础上进行了创新性扩展，通过引入同步以太网和数字双混频时差测量(DDMTD)技术，实现了主、从时钟之间亚纳秒级的时间偏差和纳秒量级的同步不确定度，更在标准化、通用化以及便捷组网等方面展现出显著优势。系统性阐述了WR技术的同步原理及其性能优势，深入分析了影响系统同步性能的关键因素，并对现有研究方法的优缺点进行了对比，最后进一步探讨了该技术当前面临的技术挑战与未来发展方向。研究表明，WR技术在分布式系统中具有广阔的应用前景，但要满足多样化应用场景的需求，仍需在多个关键技术领域取得突破，具体包括高精度绝对校准技术、远距离光纤传输的温度补偿、级联系统的噪声累积抑制以及基于无线链路的时频传递实现等。

摘要:模数转换器（ADC）的性能决定了采集系统的性能优劣，随着采样率和带宽的提升，非线性误差相较于线性误差具有更大的危害。针对频率相关的ADC非线性误差，提出一种基于正弦拟合结合归一化最小均方算法（NLMS）进行自适应参数估计的方法，对ADC采样数据进行数字后校正。该方法首先对ADC采集的单音信号进行正弦拟合，再基于拟合输出和Volterra级数模型重新构建非线性误差信号。采用NLMS算法对Volterra级数模型相关参数进行自适应估计，当各参数趋于收敛时，经校正后的ADC采样序列与拟合输出之间的偏差接近为0。该方法只需要较少的采样点即可收敛，且不涉及复杂运算，资源开销较少。仿真和实验验证了算法的有效性。在仿真验证中，单音正弦波信号经所提出的方法校正后，2次谐波和3次谐波分别下降了超过20和15 dB；宽带多音信号经校正后，非线性杂散整体“下降”超过15 dB。在一个20 GSPS采样率的硬件平台进行验证也得到了较好的校正效果，系统无杂散动态范围“提升”高于10 dB。

摘要:模型辅助检测概率（model-assisted probability of detection, MAPoD）和灵敏度分析对于量化涡流无损检测（eddy current nondestructive testing, ECNDT）系统的检测能力非常重要。由于不确定性在涡流无损检测的MAPoD和SA问题中的传播，传统基于实验方法和物理仿真模型对该问题的分析需要耗费大量的时间和人力成本，为了降低这些成本，提出基于粒子群算法（particle swarm optimization, PSO）的支持向量回归（support vector regression, SVR）模型取代传统的实验方法以及物理仿真模型，对涡流无损检测模型的响应进行预测，从而加速MAPoD和SA问题的分析。此外，创新性地将网格搜索、随机搜索、模拟退火算法和PSO等优化算法与SVR相结合，研究不同的优化算法对SVR的关键参数优化的精度和效率，验证PSO相较于其他优化算法的性能优势。最后，将PSO-SVR模型应用于ECNDT算例中，对表面裂缝长度的不确定性进行MAPoD和SA的分析。结果表明，所提算法在保证求解精度的同时，加速了涡流无损检测系统的MAPoD和SA问题的研究，并减少了计算开销。在计算量方面，对这两个问题的求解，平均分别仅需纯物理模型计算量的3.5%和0.06%。

摘要:针对现有印刷电路板缺陷检测模型参数量庞大、计算复杂度高，难以部署在计算资源有限的工业边缘设备上的问题，提出了一种基于STRDETR的轻量化缺陷检测算法。首先，通过分组卷积重构轻量级网络StarNet形成新型主干网络G-StarNet，在保留多尺度特征提取能力的同时显著减少模型复杂度；其次，在自适应特征交互模块中引入基于统计学特征的自注意力机制来代替原有的多头自注意力，降低了计算开销；再次，结合曼哈顿自注意力机制及其分解形式设计RetBlockC3模块，采用距离相关的衰减模式增强了局部特征的表达优先级，实现了计算复杂度从二次方到线性的优化；最后，提出了一种新的损失函数FSN Loss，通过改善形状和尺度因素、样本分布不均对边界框回归结果的影响来增强检测的定位与分类准确性。实验结果表明，改进后的算法平均精度均值(mAP)mAP@0.5达到了96.7%，相较于基准模型，参数量减少了50.8%，计算量下降了55.4%，检测速度提高了23.7%，验证了算法的有效性，能够满足轻量化小目标检测的需求。

摘要:针对高温防护热板法导热仪的电子系统进行了深入研究，发现该电子系统的温度测量数据波动范围大、测量周期长以及加热功率计算不准确，这些问题均对仪器的测量重复性产生了不利影响。通过设计高温防护热板法导热仪的新一代电子系统，在新一代电子系统的设计中搭建热电偶温度传感器冷端补偿恒温结构和加热电路取样电阻散热结构，降低了温度测量数据的波动范围，提高了加热功率计算的准确性，并利用两片温度转换芯片重新构建温度测量电路，提升了温度测量的转换频率。实验结果表明，电子系统改进后的高温防护热板法导热仪在200 ℃~600 ℃的温度范围内测量重复性从改进前的±3.67%~8.93%提升到±2.69%~4.34%。新一代电子系统使得仪器的测量重复性显著提升，能够为保温材料在高温下的测量提供更为可靠的数据支持，在实际应用中具有重要价值，有望推动高温保温材料研究的深入发展。

摘要:针对传统电容式路面覆盖物检测方法在低温下辨识能力弱、区分度不高的问题,基于电容器的串联等效模型,从电介质极化原理出发,研究了电容器和覆盖物存在的介电损耗和弛豫现象,分析了覆盖物和检测频率对电容器等效串联电容和等效串联电阻的影响,设计并搭建了电容器高通滤波电路,通过比较高通滤波电路输出与输入信号的幅度衰减比和相位偏移,间接测量电容器等效串联电容和等效串联电阻的变化,实现覆盖物类型的识别。在恒温箱中进行样本测试,实验结果表明,当温度在10 ℃~60 ℃时,干燥时的相位差大于30°,衰减比例小于0.8;积水时的相位差在10°以内,衰减比例接近1。当温度在-30 ℃~0 ℃时,干燥、结冰和积雪时的衰减比例存在交叉。相位差随着温度缓慢变化,干燥时平均相位差大于40°,结冰时平均相位差小于30°,而积雪时的平均相位差介于二者之间。利用温度、相位差和衰减比例构建神经网络分类模型,部署到单片机后进行实测。实测数据表明在0 ℃~60 ℃之间,干燥和积水的区分准确率达到95%;在-30 ℃~0 ℃之间,干燥、结冰和积雪的区分准确率达到83%,能够满足路面覆盖物检测的需求。

摘要:超声波焊接技术被广泛应用于工业制造领域，但焊接参数、设备状态和操作技术等因素常导致焊接缺陷多样化。为提高焊接效率，基于深度学习提出了一种轻量级网络UWDNet用于超声波焊接表面缺陷检测。首先，针对传统卷积在焊接缺陷检测中对细节信息不敏感、容易丢失关键细小缺陷特征的问题，提出了一种新型分步注意力卷积模块SA-Conv。SA-Conv架构增强了模型对缺陷特征的感知能力，并降低了设备运算成本。其次，针对复杂焊接缺陷特征提取困难的问题，设计了一种基于可变形卷积和SA-Conv的DCN-Module与WDFE-Module的缺陷特征提取网络。该网络在复杂背景下显著增强了对缺陷目标的表征能力，实现了对形状多变等特点的焊接缺陷特征的充分提取。最后实验结果定量与定性分析表明，UWD-Net在自建焊接缺陷数据集和NEU-DET公开数据集上均取得了优异的检测性能。在自建焊接缺陷数据集上，UWD-Net的F1值和平均精度均值（mAP）mAP@0.5分别达到0.952和936%，而在NEU-DET数据集上，其F1值和mAP@0.5分别达到0.710和78.6%，均优于其他对比算法。此外，UWD-Net的模型参数量仅为1.818×106，帧率达到145.80 fps，充分实现了检测精度与推理速度的平衡，为工业环境下的实时缺陷检测与部署提供了有效支持。

摘要:温度对软磁材料的磁特性存在一定的影响，高频变压器优化设计需重点考虑温升参量，但目前软磁材料在不同温度下磁特性测试，变温时间依赖实验者主观判断，加热时间不足，测试精度较低，加热时间过长，效率较低。因此，提出一种磁环自升温的磁特性测量方法，旨在保证磁特性测量精度的同时提高测量效率。以高频变压器的优选材料即纳米晶材料为研究对象，研究了纳米晶磁环温升的影响因素，并据此设计激励电路使磁环快速升温，当磁环温度达到指定温度后，使用低频交流衰减激励对纳米晶磁环进行去剩磁处理，以满足指定温度的测试条件，并通过励磁和测量电路得到其磁特性参数。最终，设计并搭建了纳米晶磁环的传统恒温箱和自升温磁热特性测试系统，通过两种方法的测量结果对比验证了所提方法在保证精度的前提下提高了测量效率。所提测量方法可模拟磁性材料实际温升变化，将升温时间缩短90%以上，且可对磁环温度进行定值改变，具有变温准确、可控、快速等优点，为高频变压器的多物理场耦合和优化设计提供了实验和数据基础。

摘要:针对传统图像质量增强算法处理不同场景效果较差的问题，提出了一种基于动态自适应优化模型的新型图像质量增强方法，以适应不同场景的需求，提升图像质量增强的效果。首先，根据待增强图像的大气散射特性，构建出一种动态自适应优化模型，并采用图像评价指标峰值信噪比（PSNR）与结构相似性（SSIM）设计出上述模型的目标函数，为不同场景下的图像质量增强提供评估标准；在此基础上，设计了一种合作竞争学习算子，由此提出合作竞争人类学习优化算法，以计算出模型的最优透射率阈值t0、滤波窗口n、参数ω，从而构建出最优的动态自适应优化模型，实现不同场景图像质量增强。最后，利用SOTS标测试集中图像和6幅实际场景图像进行图像质量增强实验，并将其与对比度限制的自适应直方图均衡多尺度融合算法（CLAHEMF）、基于亮度融合透射率的改进暗通道先验算法（IDCPLT）和暗通道先验模型-粒子群优化算法（DCP-PSO）3种方法进行对比分析。实验结果表明，所提出方法无论是主观视觉效果还是客观评价指标，均优于其他3种对比方法，从而充分验证所提出方法的有效性与可行性。

摘要:针对现有目标检测方法在光伏阵列表面缺陷检测中精度较低且模型过于庞大，难以适用于轻量化无人机检测设备的现状，提出了一种改进的轻量化YOLOv8模型。使用跨阶段部分异构卷积网络（CSPHet）模块，在减少模型参数、提高运行效率的同时，保证了对特征的提取能力；引入部分自注意力（PSA）机制，将全局信息融入特征图中，提升网络对目标与背景的辨别能力，同时减少噪音对目标定位和分类的影响；采用跨尺度特征融合模块（CCFM）颈部结构，通过调整模型的输出通道数，降低了模型的复杂度，从而实现了更加高效且轻量化的网络架构；加入全局感知模块自注意力卷积混合(ACmix)，增强模型对全局的感知能力，减少了无关信息的干扰，提高了模型的鲁棒性。实验结果表明，改进后的YOLOv8模型参数量减少37%，计算量减少27%，且检测平均精度均值（mAP）mAP@0.5提升至81.2%。显著降低了参数量和计算量，实现轻量化的同时，提升了检测精度。与其他模型相比，更加适合部署在轻量化无人机设备上，用于光伏阵列表面缺陷的目标检测。

摘要:针对现有不规则图案透明包装袋缺陷检测中低对比度及敏感度不足导致的多尺度异常、图案干扰、漏检等问题，提出一种基于YOLOv8s框架改进的YOLOv8s-CBW检测算法，在YOLOv8s的主干网络C2f模块中嵌入坐标注意力机制（CA），增强模型对低对比度、微小缺陷的空间特征定位与精细化辨识能力；通过双向特征金字塔网络（BiFPN）替换原有的PANet结构，优化多尺度特征融合效率；最后，引入动态聚焦的WIoUv3损失函数提升边界框回归精度，替代传统的CIoU损失函数，提升模型对不规则形态缺陷的边界框回归精度与整体泛化性能。实验表明，相较于基准YOLOv8s型，YOLOv8s-CBW在参数量仅增加0.11×106、浮点数基本不变的情况下，在缺陷检测任务中mAP@0.5达到82.2%，提升了1.3%，mAP@0.5:0.95达到49.3%，提升了7.1%；与YOLOv5s、YOLOv6s等主流模型相比，算法的mAP@0.5分别提高2.3%与10.6%，在保持浮点数基本不变的前提下实现更优检测精度。证明通过轻量化改进的YOLOv8s-CBW在多尺度缺陷的检测中能够保证效率，显著提升稳定性，为包装袋自动化质检提供可靠解决方案。

摘要:随着聚类算法在智能测量系统、多源传感数据分析与嵌入式状态识别等场景中的广泛应用，如何在保证聚类质量的同时兼顾敏感属性的公平性，已成为制约聚类算法在关键测量任务中应用效果的瓶颈问题。为解决上述问题，提出了一种创新的种群优化联合鲁棒距离度量的公平性K-means聚类算法（PODM-Kmeans）。该方法在构建过程中，充分考虑到敏感属性的公平性与聚类质量之间的平衡性，引入改进的布谷鸟搜索算法以实现初始聚类中心选择过程中的全局搜索能力和局部搜索能力的平衡，有效增强了聚类效果的稳定性。在此基础上，在聚类迭代目标函数的构建上，该方法有效采用了公平性约束和簇大小约束机制，并融合了灵活的加权欧氏范数作为距离度量方法，合理抑制了异常值所带来的消极影响，助力了公平性的提升。通过在5个合成数据集和5个真实数据集上进行的大量实验结果表明，PODM-Kmeans在同类方法中具有较优的性能表现，尤其在Adult、Bank、Census1990和CreditCard 4个数据集上，在维持一定的聚类效果的同时，PODM-Kmeans的公平性比率（FR）指标均超过0.95。

摘要:太赫兹噪声源是高频器件噪声系数测试和性能评估的重要工具。传统基于电子学的固态噪声源由于受到电子器件带宽的限制，难以实现高超噪比且功率谱平坦的太赫兹噪声输出，从而限制其在更高频段的应用。为解决这一问题，基于光子学方法研制太赫兹噪声源样机，利用两束非相干光在高速光电探测器上进行光子混频，可以产生频率范围覆盖140~220 GHz，最高超噪比达47 dB，平坦度小于±2.0 dB的太赫兹噪声，可通过改变光功率实现超噪比调谐。此外，对样机的运行稳定性及输出重复性进行了测试，结果表明该样机在12 h运行中的超噪比输出稳定度为0.35 dB，10次开关机的输出重复度为0.39 dB。为了进一步验证噪声源样机的性能，测量了混频器模块的噪声系数，测量结果的不确定度小于0.48 dB。光子太赫兹噪声源的研制提升了我国噪声源的最高工作频率,为太赫兹器件的设计和优化提供了必备的测试仪器。

摘要:针对复杂管道漏磁缺陷识别研究中，因实际漏磁缺陷样本数量少、差异大导致的智能识别模型在实际应用中性能不佳的问题，提出了一种基于改进生成对抗网络的数据增强方法。首先，该方法研究了多类别混合估计的方法为生成器提供原始信号的先验信息，改进生成器的随机噪声输入，同时在生成器网络中引入多头注意力机制以捕获全局关键特征，提高生成样本质量；然后，研究了基于变分自编码重构误差的样本筛选方法，从生成样本中选取质量更高的样本，用来改善识别模型的训练效率；最后，将筛选出的生成样本及原始样本组合构成缺陷样本数据集，实现了数据增强。为验证数据增强效果，实验中采用常用的分类方法对扩充后的漏磁缺陷信号进行分类识别，实验结果表明，改进的方法在样本量较小的情况下平均识别准确率可达93%，相比其他类似方法具有更好的性能。

摘要:针对慢性病患者长期管理中对生理指标与环境因素同步监测的需求,设计了一种基于 LoRa Mesh 的智慧医疗测量系统。系统采用 RadioHead 协议栈实现自组织的多跳 Mesh 通信,部署于医院内分泌科住院部,结合环境感知与患者健康监测,节点通过 LoRa 模块传输数据至中央网关,并接入云端服务器进行存储与可视化。通过扩展仿真平台 LoRaMeshSim,模拟了74个节点分布在18间病房与公共区域的场景,测试不同数据包长度与发送速率条件下的系统性能。实验结果显示,在数据发送速率为1 包/h时,系统数据投递率高于995%;当发送速率升至26 包/h时,投递率下降至约83.2%。同时,数据包长度增加导致信号冲突次数上升,150 bytes数据包的平均冲突次数比30 bytes增加了约2.1倍。研究分析表明,系统在中低数据负载下具有良好的稳定性与扩展性,而在高负载条件下,信号冲突和节点收发冲突成为主要性能瓶颈。提出未来可通过自适应扩频因子与智能路由算法进一步提升系统稳定性与能效。此外，在实验室环境中搭建了小规模 LoRa Mesh 网络进行实测验证，确认了系统在实际场景下的可用性与通信稳定性。

摘要:针对消费电池产品表面字符缺陷检测中存在的缺陷位置动态分布、多尺度适应性差和细小缺陷识别困难等关键技术难题,提出了一种创新性的 可变形大核卷积注意力、动态采样和P2-动态检测头的YOLOv8（DDP-YOLOv8）检测模型框架。首先,针对YOLOv8在特征提取过程中无法有效调整特征图权重的问题,设计DCNv3-LKA注意力模块,通过融合动态卷积网络与大核注意力机制,在特征提取阶段实现空间权重自适应调整。其次,针对YOLOv8颈部网络在字符缺陷检测中的采样位置固定和多尺度适应性差的问题,对YOLOv8的颈部网络结构进行重构,采用跨尺度特征融合模块（CCFM）架构并提出一种引入了动态偏移量与可学习采样权重双驱动机制的动态采样器DS(DS-CCFM模块),突破传统特征金字塔的固定几何约束。最后,针对消费电池产品表面字符小尺度及YOLOv8检测头使用普通卷积层导致的特征表达不足与信息丢失问题,增加P2小目标检测层并在检测头融入DynamicHead多个自注意力机制(P2-DynamicHead模块),提升对微小缺陷的捕获能力。实验结果表明,DCNv3-LKA、DS-CCFM和P2-DynamicHead模块分别使模型在字符缺陷数据集上的平均精度均值(mAP）mAP@0.5达到91.8%、91.2%和92.4%,相较于YOLOv8n分别提高了1.7%、1.1%和2.3%。DDP-YOLOv8最终实现了94.0%的mAP@0.5,相较于基准模型YOLOv8n提升了3.9%,模型检测速度为85.1 fps,满足电池大规模定制生产中字符缺陷检测对高精度与实时性的需求。

摘要:坐标旋转数字计算机（CORDIC）因其简易的硬件实现，在电子测量、雷达探测和图像处理等诸多领域得到了广泛应用。高基数和并行CORDIC能够有效降低CORDIC迭代延迟，能够满足实时性要求较高的需求。但是，两者均引入了可变缩放因子，这增加了缩放因子的计算复杂度，引起额外的资源消耗。相比而言，免缩放CORDIC算法消除了可变的缩放因子。然而，现有的大多数免缩放CORDIC算法虽然能保持一定精度并支持较大收敛范围，但是在资源消耗和延迟指标上仍有待提升。因此，提出了一种结合查找表（LUT）和并行免缩放迭代的混合CORDIC算法及其计算结构设计，采用具有更少非零项的近似角度确定查找表与并行免缩放迭代角度边界的方法，扩展了并行免缩放迭代所支持的角度收敛范围；提出将并行迭代分为二并行迭代和四并行迭代来平衡每级迭代的计算复杂度，以保证整体设计性能的方法，LUT用于将位于区间(-π/2,π/2)的大角度输入快速折叠至二并行迭代所支持的角度收敛范围；然后执行二并行免缩放迭代，使得剩余角度进入到四并行免缩放迭代所支持的角度收敛范围；最后执行四并行免缩放迭代并输出CORDIC迭代结果。所提出的设计使用Verilog硬件描述语言实现，并在现场可编程门阵列（FPGA）上完成验证和性能评估。实验结果表明，与已有相关研究相比，本文提出的设计在保持相同精度和收敛范围的同时，资源消耗降低23.1%，延迟降低22.1%。

摘要:针对强海杂波背景下传统方法难以检测海面微弱目标信号的问题，研究了混沌相空间重构理论和改进牛顿-拉夫逊优化算法(NRBO)，提出了一种基于优化双向长短时记忆网络（BiLSTM）的混沌背景下微弱信号检测方法。将重构的相空间信号作为BiLSTM网络的输入，通过嵌入维度和延迟时间确定训练数据的长度，利用改进牛顿-拉夫逊优化算法优化BiLSTM模型的参数，使用自适应加权误差（AWE）损失函数训练模型，提高模型预测精度与运行速度，降低目标检测门限，结合BiLSTM模型进行单步预测，根据预测误差从强混沌背景噪声下检测微弱目标信号。以Lorenz混沌系统作为混沌背景设计仿真实验，对叠加的微弱信号进行检测，结果表明所提方法能有效检测微弱信号。使用IPIX实测数据和烟台对海探测数据进行预测实验，进一步证明了其有效性。

摘要:为了确保托卡马克实验的安全运行,对关键真空获取设备分子泵的可靠性评估至关重要。然而,有限的退化数据导致现有的预测方法准确性较低。针对这一挑战,提出了一种基于时间序列生成对抗网络（TGAN）的分子泵退化数据生成方法,旨在通过生成数据来扩充数据集,进而提高预测模型的准确性和可靠性。该方法创新性地结合了Transformer网络和TGAN,并通过引入威布尔分布提高了生成数据的质量，再利用长短期记忆网络对生成的退化数据进行退化预测。实验结果表明,TGANTransformer能有效生成满足分子泵退化预测需求的数据,显著提升了预测的准确性和可靠性,为分子泵的可靠性分析和安全运行提供了可靠支持。通过对比实验，TGAN-Transformer在均方根误差（RMSE）指标上相较于生成对抗网络（GAN）、深度卷积生成对抗网络（DCGAN）、递归条件生成对抗网络（RCGAN）、变分自编码器（VAE）和条件变分自编码器（CVAE）分别提升51%、48% 、36%、40%、30%；在平均绝对误差（MAE）指标上，分别提升52%、49%、38%、42%、33%，证明了其在分子泵退化预测中的有效性。未来的研究可进一步优化生成网络结构,探索更多生成对抗网络的变种,以提高生成数据的多样性和真实性,从而进一步提升退化预测的准确性和可靠性。

摘要:变分模态分解（VMD）方法在超低空磁异常信号去噪中具有较好的模态分解效果，然而在实际探测中需要依赖人工设定惩罚因子和模态分解参数，且磁异常信号微弱、环境噪声复杂。针对上述问题，提出了一种改进的粒子群优化变分模态分解（IPSO-VMD）联合小波阈值的去噪方法。首先，通过引入自适应惯性权重和学习因子策略，利用排列熵作为自适应函数，实现了对上述参数自适应。之后，采用最优参数组合对信号进行分解，并对异常分量应用小波阈值去噪处理。最终，将信号重构并获得去噪后的信号。仿真实验结果表明，该方法相比其他方法将信噪比提升了约9.44 dB，相关系数达到约0.74，获得了良好的去噪效果。通过野外实验表明，去噪后的实测信号磁异常位置明显，有效降低了环境噪声对信号的干扰，显示出在野外超低空磁目标勘探中的应用潜力。

摘要:火车轴在高温锻造后，表面形状不规则，且在冷却过程中，轴体可能变形，给粗削工序的轴心点定位带来挑战和困难。现有方法，如两点法、光学投影法、回转轴法等，或只考虑端面中心与局部表面，忽略轴体变形与表面不规则形状，存在效率低、无法加工、产品损耗大的问题等。针对现有方法存在的问题，提出一种火车轴粗削最优加工的标记方法，首先通过扫描仪扫描得到3D轴体点云，先后对点云进行坐标系转换、对变换点云进行切片、计算初始加工轴；然后分析产品加工CAD(computer aided design)模型在轴体点云空间余量分布情况，采用梯度下降法优化策略来调整加工轴位置；最终计算得到火车轴粗削加工的最优标记点，再通过激光打标机标记在轴体上。该方法使用C++与PCL(point cloud library)混合编码实现，在中车现场实践验证长达一个月，数据统计表明准确性>98%，效率相比人工提升了3~6倍。该方法提高了火车轴粗削工序的生产效率，降低了生产过程的报废率，同时保证车削加工过程中余量充分性和旋转平衡性。

摘要:针对管道泄漏定位中由于检测信号信噪比低并存在各种噪声干扰导致时延估计误差大的问题,提出一种级联反正切LMS自适应时延估计方法。首先,将反正切函数引入LMS自适应滤波器,增强滤波器在非高斯噪声下的鲁棒性,然后将两路泄漏信号输入第1级自适应滤波器进行滤波处理,抑制相关高斯噪声,再将第1级的滤波器的两路输出信号作为第2级滤波器的输入信号和期望信号,进一步滤除噪声,最后通过分析第2级滤波器的权系数曲线得出时延估计结果。在仿真中,在相关高斯噪声和3种不同分布的非高斯噪声干扰下,与互相关法、反正切LMS法和级联的LMS法相比,该方法的噪声抑制效果最好,信号相关峰最突出,当信噪比逐步下降时,该方法能在更低的信噪比下获得较好的时延估计精度。最后通过实际管道泄漏定位实验进一步验证了该方法的有效性和实用性,在噪声干扰下该方法能准确地找到泄漏点的位置,平均相对定位误差为2.31%,标准差为2.08%。

摘要:航运业的迅速发展导致船舶尾气污染排放显著增加。船舶烟羽排放具有分布广泛、流动性强的特点,其排放特征隐蔽,不均且多变,对其监管难度极大。鉴于此,设计并研发了一套高精度、高时空分辨率的紫外成像遥感监测设备,用于船舶尾气SO2气体排放的远程实时监测。该设备采用三通道设计,通过310和330 nm双波长通道剔除干扰,精准捕获SO2信号,并使用光谱通道对比验证其准确性。监测系统集成了2-IM天空背景重构法、自定标法和光稀释效应校正算法,实现了光学厚度图像的精确获取与SO2浓度的实时反演。此外,通过排放速率反演算法,将SO2二维浓度数据转化为直观的排放速率信息,进一步增强了监测数据的实用性和可解释性。实验结果表明,自定标技术能够实时拟合定标曲线,误差仅为2.35%;经光稀释效应校正后,在623 m处相机探测极限高达3.84 ppm·m,而在1 932 m处仍能维持6.24 ppm·m的高灵敏度,这些数据充分证明设备满足对远距离、低浓度移动污染源监测的性能要求。设备的开发不仅为海上污染物的监测与治理提供了坚实的技术支撑,而且有助于了解船舶排放特性与气体污染物扩散机制。

摘要:目前的红外与可见光图像融合算法对图像的特征提取不充分，细节信息丢失。实际生活中的红外与可见光图像多为未配准图像，已有的配准算法仍存在伪影和偏差等问题。针对以上问题，提出了一种自适应特征增强的多尺度红外与可见光图像配准和融合算法。首先，在配准网络中使用多尺度卷积核和密集连接，以提取不同尺度的特征和防止信息丢失，并引入ORB特征点检测算法和设计的特征增强模块，以充分提取特征和适应复杂环境；其次，通过引入通道注意力和自学习参数设计了光照增强模块，以增强可见光图像的信息表达；然后，在融合网络里，利用不同池化和可变卷积设计了自适应多尺度池化卷积，以提取不同尺度的细节信息，并设计EMA特征融合模块将局部特征和全局特征进行融合；最后，设计了流场一致性损失函数，从而减小配准误差。为了更好地验证方法的实用性，建立了红外与可见光图像数据集。在公开数据集TNO、Roadscene和自建数据集上进行对比实验和消融实验，实验表明，在主观评价上，配准图像偏差小无伪影，融合图像清晰可见，客观评价上，在指标MSE、MI、NCC、SD、EN上相比于其他算法提高了20%、7%、4%、15%、8%左右。另外，在YOLOv8上进行融合结果的目标检测性能实验，检测性能表现良好。

摘要:在干式变压器高压线圈的浇注过程中，内外模具的同心度和垂直度偏差较大会导致线圈结构不对称，影响电气参数一致性，甚至引发局部过热、电场畸变等问题。为此提出了一种干变线圈模具同心度与垂直度检测及调整算法，该算法利用高精度激光位移传感器获取模具与三维框架的相对位置，并通过测得的位置信息计算同心度与垂直度。随后采用梯度下降算法优化计算，精准求解同心度与垂直度偏差。计算完成后，单片机生成调节指令，并通过步进电机驱动推杆调整模具位置，使其达到所需精度。系统实时显示检测数据，并结合闭环反馈控制，提高调整精度和稳定性。此外，该系统能够自动记录检测数据，支持多次测量数据的趋势分析，以优化调整策略。实验结果表明，该算法运行稳定，调整精度高，同心度误差控制在2 mm以内，垂直度误差小于1.5°。该方法相较于粒子群优化算法与遗传算法计算效率更高，同心度偏差为20 mm的条件下优化时间仅需11.2 s，适用于实时检测与在线调整，可有效提升干变线圈的制造精度和一致性，并减少人工干预，提高生产的自动化程度。

摘要:随着电子器件工艺的进步，芯片工作电压降低，对对轨运算放大器的性能要求越来越高，特别是在失调电压、摆率等关键参数方面。因此设计了一种低失调、高摆率轨对轨运算放大器，通过将一个高增益低带宽运算放大器和低增益高带宽结构进行级联，基于电流分配原理，实现输入级在轨对轨共模电压范围内的恒跨导；输出级采用前馈式AB类推挽放大器实现轨对轨输出，输出驱动能力强，同时设计了摆率增强电路来提升输入较大时输出摆率较低的不足，进一步提升了输出响应速度，增加了运放工作带宽；此外，为克服工艺偏差导致失调，在运算放大器输入级增加了数字熔丝对运放负载进行修调。最后，通过采用嵌套式密勒补偿实现运放工作稳定。后仿真结果表明，在2.2~5.5 V电源电压下，该运算放大器在1 kΩ和100 pF负载下具有10 MHz的增益带宽积，145 dB的开环电压增益62°相位裕度和11 V/μs的输出摆率以及最高70 μV的失调电压。相较于其他轨对轨运算放大器设计，该设计通过修调技术有效降低了失调电压，并通过摆率增强电路显著提高了输出摆率，使得该运算放大器在有限功耗下能够驱动大负载，同时具备较高精度和性能表现。

摘要:间歇式运动设备是智能物流系统中的重要设备，其运行状态直接关系到整个系统的安全与可靠性。针对间歇运动设备运行过程轴承工作具有复杂性和不确定性，复杂工况下有效数据获取困难且故障样本稀缺导致滚动轴承故障诊断精度较低的问题，提出了一种基于自注意力模块（SAM）改进ResNet50网络（SResNet）的复杂工况下间歇运动设备故障诊断方法。首先，提出一种间歇工况识别方法用于提高状态数据的有效性；然后，利用连续小波变换将处理后的一维状态数据转化为故障特征信息更丰富的二维时频图谱；最后，提出基于SAM改进ResNet50网络，利用SAM增强网络对重要特征的关注，提升轴承故障诊断准确性和稳定性。使用轴承故障状态模拟实验数据集验证所提方法的故障诊断性能，实验结果表明，在复杂工况条件下该方法能够准确地对轴承的故障进行分类识别，且分类准确率可达到99%以上。与其他传统故障诊断方法相比，该方法在诊断效果和泛化性能上均有较大的提升。

摘要:电阻抗层析成像(EIT)是一种无损可视化检测技术,具有无辐射、实时、便携、成本低等优点,目前在工业检测和医学监护等方面应用较为广泛,但EIT技术也具有低分辨率等缺点,这也极大限制了EIT技术的快速发展。针对电阻抗成像过程中因“软场”效应及欠定性导致的重建图像内部目标数量不明确以及伪迹过大等问题,提出了一种八模式数据融合的电阻抗成像优化算法,根据8种激励模式各自成像的特点,借助重建图像和实际分布之间的相关系数对测量值进行权重训练,将权重矩阵同8种单一模式下得到的测量值矩阵进行融合,再通过Tikhonov正则化算法利用该矩阵进行成像。仿真结果表明,该算法能够有效地提高Tikhonov正则化算法重建图像分辨率,融合后的重建图像的相关系数平均提高了19.86%,相对误差平均降低了28.89%。由此表明,相比于传统的8种单一模式下的成像,该研究提出的算法在重建图像目标的数量、大小以及位置精确度等方面都得到提高,为EIT技术在医学和工业等领域的应用实践提供了新的理论依据和技术参考。