摘要:针对锂电池健康状态(state of health，SOH)估计与剩余寿命(remaining useful life，RUL)预测问题，设计一种基于双向长短期记忆(bi-directional long short-Term memory，BiLSTM)神经网络模型的预测方法。首先，提取美国国家航空航天局（national aeronautics space and administration，NASA)锂电池的容量数据，将容量数据转为SOH数据并作为模型输入数据；其次，建立双层BiLSTM神经网络，使用加速自适应矩估计算法（nesterov-accelerated adaptive moment estimation，Nadam）优化函数动态调整学习率；然后，通过双向长短期记忆神经网络模型分析锂电池数据，建立电池容量、SOH和RUL之间的联系；最后，全连接层输出电池SOH的估计曲线，从而预测其剩余寿命。通过NASA数据进行预测实验，BiLSTM神经网络的RUL预测误差稳定在3以内，SOH预测曲线的拟合度稳定在94.211%-95.839%，BiLSTM神经网络具有更高的鲁棒性和准确性。

摘要:针对低功耗激光测距雷达量程和精度难以兼顾的问题，设计了一套基于FPGA的高性能激光雷达测距系统。该系统首先利用14阶M序列伪随机码以100MHz频率调制发射激光，并使用双口BRAM乒乓读写实现回波光子累计，还原回波信号。其次通过相关性计算获取测距信息来建立回波概率模型，并利用质心算法提高测距精度。最后搭建了雷达系统原理样机，在空间环境百米测距时，距离误差稳定在±2cm；利用光纤延时法在14.8km等效目标测距时，测距精度优于0.1m。实验结果表明该系统能够在较低激光调制频率时提高测距精度，有效降低了数据处理难度，最终实现远距离高精度的激光雷达测距。

摘要:针对无线电能传输系统中耦合机构易偏移导致系统输出电流变化问题，研究具有抗偏移特性的双拓扑无线电能传输系统。文中首先分析SS与LCC-LCC拓扑电路的输出特性，选取DDQ线圈结构实现线圈间的解耦。然后提出基于粒子群参数优化算法对补偿网络的参数进行优化使其具有更好的抗偏移特性。最后在PSIM仿真软件中搭建系统电路验证理论分析的可行性。仿真结果表明，系统耦合机构的偏移范围为0 mm~160 mm，输出电流波动范围8.52 A~9.36 A，输出电流波动比例为±4.7%，系统效率最高可达89.47%。

摘要:在GNSS-RTK形变检测领域中,动态相对定位由于观测时间短,误差消除不够充分,导致基线出现粗差和数据大噪声现象。针对上述问题,本文提出了一种改进无约束平差算法，减小了系统解算误差，对基线向量中的粗差也起到一定约束作用。针对基线向量中的残余粗差，采用抗差卡尔曼滤波算法进一步消除残余粗差，得到更精确的状态估值。与传统的滑动平均滤波、小波阈值去噪、EEMD-小波联合去噪进行实测效果比较分析,在不添加硬件资源的情况下,新方法联合滤波去噪效果突出，且保留了基线坐标域较多细节部分，基线的均方根误差从2.36cm减小到1.00cm，精度提升57.6%。

摘要:针对当前GIS局部放电模式智能识别过程中存在计算资源消耗大以及缺少真实标签数据的问题。本文利用激活函数为Leaky ReLU的MobileNet-V2模型，在减少模型参数量的同时提取大量的图像特征信息。并融合迁移学习对模型参数进行预训练，在减少网络对输入数据量需求的同时提高模型的识别准确性。结果表明：本文模型的参数量可降至2.24×106，并且对于干扰以及GIS局部放电模式识别的平均准确率分别达到95.8%和92.1%，与传统深度学习模型相比，本文模型在显著降低计算复杂度的同时提升模式识别的准确率，对实际GIS设备进行有效、智能、轻量化运维检修具有一定的价值与意义。

摘要:验证平台对视频采集压缩卡芯片的开发设计有重要作用。针对传统的验证平台在代码覆盖率以及测试效率方面存在的不足，本文设计了一款基于SystemVerilog搭建的验证平台，该验证平台采用面向对象程序语言设计，其中，PCIe host（RP）端采用Xilinx IP建模链路层和物理层，保证了PCIe总线环境与真实主机板卡环境相同；外部验证环境采用SystemVerilog分层设计的方法，并采用类思想进行上层验证环境设计，使较多验证组件能够移植至同一接口协议的不同类SoC；此外，在自动化验证阶段，通过仿真报告自动判断case状态，调整随机基准以及在覆盖率报告中追踪未覆盖模块路径，极大的改善了代码的边角覆盖情况，加速了回归收敛。从采集压缩仿真过程、验证自动化以及覆盖率三个方面对该验证平台进行了分析，结果表明，该验证平台可快速完成相似设计的验证模组横向移植，提高相似功能芯片的验证可靠性，节省人力，加快仿真进度，加速覆盖率收敛，缩短验证周期，增加流片成功率。

摘要:针对目前千克组砝码检定过程采用人工操作，存在检定效率低、劳动强度大、自动化程度低的问题，本文提出了面向堆叠千克组砝码的砝码把手实时识别与空间定位技术。首先，应用Faster R-CNN目标检测方法，实现砝码、砝码把手的识别与定位；根据识别到的砝码把手像素点坐标，对应获取砝码把手的深度值信息。初步试验表明，本文方法可实现堆叠千克组砝码把手实时识别与定位，砝码把手边界框识别的平均精确度为98.5%，单次获取图像并识别得到砝码的空间坐标所用时间不超过0.473s，多次实验砝码把手识别准确率100%，满足堆叠千克组砝码把手实时识别与定位需求。

摘要:为提高PVDF压电薄膜的发电能力，研究了一种基于涡激振动机理的PVDF压电能量采集结构，将风能转换为电能以供微功耗电子产品使用。设计了信号调理电路将压电薄膜的电荷输出转换为电压输出，通过微型风洞实验分别研究了在不同风速下,单片、双片、三片PVDF压电薄膜串联、并联的发电性能。实验结果表明：所选取的PVDF压电薄膜的谐振频率稳定在 50 Hz左右；所设计的信号调理电路输出电压随着风速的增加而增加，可有效滤除高频噪声干扰；PVDF压电薄膜并联并在电路末端接匹配负载可有效提高负载功率，三片压电薄膜并联并在信号调理电路末端接1.25 Ω负载时，负载功率最高可达36 mW。

摘要:原位检测是机载电子战装备完好性的重要保障手段，现行的原位检测模式，主要开展功能的粗略检测，检测覆盖面不全，隐患排查不彻底，难以及时发现装备作战性能下降问题。针对现有原位检测技术的这些短板，提出了机载电子战装备原位深度检测的概念，对其内涵、模式、关键技术进行了研究，在机载电子战装备的原位故障深度诊断、装备性能变化趋势监测、快速测向校准等方面进行了工程实践，可使试点装备的完好率保持在95%以上，结果表明，机载电子战装备原位深度检测技术，对于提升装备完好率有着积极作用。

摘要:提出了一种针对高采样率时间交织模数转换器（Time-interleaved ADC，TIADC）存在的失调失配误差（Offset）、增益失配误差（Gain）、时间失配误差（Skew）的片外交织校准实现方案，基于统计近似的时间交织校准算法，通过以太网通讯将待校准通道量化信息传入PC机进而提取失配参数，负反馈的形式对误差进行补偿。该方案不受高速数据传输解扰与同步的影响，在误差提取阶段不消耗逻辑资源，支持各类大规模、大消耗校准算法，开发周期短。应用于自主研发的3GS/s-12bit四路交织TIADC中，在存在其他非理想因素情况下，在2.5G输入信号带宽内，测试结果显示采用交织校准算法技术后，ADC有效位数（ENOB）平均提高了2.69bit，校准后的无杂动态范围（SFDR）平均提高了29.73dBc，证明该算法及校准方案的有效性。

摘要:针对环境监测中存在的环境信息安全不能保证、偏远地区不易监测、利用通信网络存在覆盖盲区等问题，本文利用北斗高精准时空技术、短报文通信功能和地理信息系统强大的图形分析功能，构建基于北斗的天空地一体化环境监测平台。结合长江流域、洞庭湖水域的特点，将北斗系统与相关环境监测专业传感器组合，形成基于北斗的天空地一体化环保应用场景，对各项环境指标进行监测，并将监测数据传回数据库，进行分析处理及可视化。结果表明，基于北斗的环境监测平台能够实现24小时不间断的数据采集及传输，为科学化管理和决策提供数据支撑。

摘要:煤矿生产“减人提效”的发展趋势使保障工人安全愈发重要，针对当前矿工异常行为检测方法数据量大、鲁棒性不强的问题，提出了一种离散姿态感知量结构化的矿工异常行为识别方法。采用卡尔曼滤波技术优化基于九轴姿态传感器获得的行为感知信息，利用采样窗口截取行为信息后，依姿态感知量轴向结构化为三通道RGB行为图像，结合所设计用于提取时空特征的CTFRN模型，精确提取拟识别5种矿工行为的时空特征，以低运算量、高鲁棒性特点监测矿工异常行为。与其他模型对比结果表明：所提方法较准确率更高，可达99.3%。所设计系统及识别方法可用于实际环境中矿工异常行为实时监测，保障矿工生命安全。

摘要:在使用单频脉振电压注入法对PMSM转子位置估算过程中，采用滤波器法和直接计算法消除直流分量时由于直流分量去除不彻底，导致转子位置估算精度降低、估算结果易受电感参数影响。提出使用同步调制技术去除直流分量的方法。该方法选择向静止坐标系注入旋转电压矢量，并使用带通滤波器对高频响应电流进行提取，然后使用同步调制技术提取出四个包含转子位置信息的响应电流，通过响应电流的差实现直流分量的对消，最后使用两相型锁相环得到最终的转子位置估算值。仿真结果表明，相比较于滤波器法和直接计算法，所提方法在电机启动时转子位置估算最大误差分别降低0.1rad、0.14rad。且电感变化工况下，所提方法位置估算误差最小。证明了所提方法位置估算精度高，对电感变化不敏感的优点。

摘要:针对声学定位性能易受麦克风阵列结构影响的问题，提出一种适用于汉伯瑞和布朗-特威斯（Hanbury and Brown-Twiss，HBT）干涉定位的遗传算法阵列结构优化方案。该方法以相邻两阵元距离差值为个体构造中间种群，按基因由升序排序转换到距离间隔种群。接着以方向图函数为适应度函数，构造基于最大旁瓣电平的目标函数，将麦克风间距作为优化对象，把目标函数转化为无约束优化问题。通过遗传算法求解该问题，得到定位性能最高的阵列结构。仿真结果表明七元阵优化效果最为显著，近点定位旁瓣峰值由0.4374降低至0，远点定位干扰旁瓣数降低至0。本文方法可以有效提高定位精度。

摘要:针对鲸鱼优化算法在优化复杂工程时易陷入局部最优、收敛精度低等问题，提出一种基于精英反向学习和Lévy飞行的鲸鱼优化算法（ELWOA），该算法首先通过精英反向学习优化初始化种群，提高种群的多样性；然后增加自适应权重因子，有利于平衡算法的全局和局部搜索能力；最后将Lévy飞行策略应用到鲸鱼优化算法，在最优位置附近进行小范围搜索，有利于算法后期跳出局部最优，提升算法的局部搜索能力。通过对多个测试函数的仿真优化分析，结果表明，ELWOA算法比WOA、MWOA算法具有较快收敛速度和较好的收敛精度。

摘要:轴承故障信号的提取易受工作环境中强背景噪声的影响，特别在早期故障信号检测中，轴承故障信号被噪声淹没，导致检测受限。针对传统的自适应随机共振理论在轴承故障信号检测中参数优化单一的缺陷，提出一种基于布谷鸟算法优化随机共振参数的轴承故障检测算法，该方法以输出信号信噪比作为适应度函，对随机共振理论中两个参数协调优化，得到一组最优参数，自适应实现与输入信号、噪声、非线性系统三者最匹配的随机共振效果。最后通过仿真对比，所提出的算法信号检测结果优于传统随机共振方法；通过轴承故障诊断实验数据验证，该算法实现的轴承故障信号的检测误差为0.15%。实验结果表明所提方法具有寻优参数准确度高、可靠性好等优点，对轴承故障的精准检测和工业设备稳定运行具有重要意义。

摘要:轴承故障信号的提取易受工作环境中强背景噪声的影响，特别在早期故障信号检测中，轴承故障信号被噪声淹没，导致检测受限。针对传统的自适应随机共振理论在轴承故障信号检测中参数优化单一的缺陷，提出一种基于布谷鸟算法优化随机共振参数的轴承故障检测算法，该方法以输出信号信噪比作为适应度函，对随机共振理论中两个参数协调优化，得到一组最优参数，自适应实现与输入信号、噪声、非线性系统三者最匹配的随机共振效果。最后通过仿真对比，所提出的算法信号检测结果优于传统随机共振方法；通过轴承故障诊断实验数据验证，该算法实现的轴承故障信号的检测误差为0.15%。实验结果表明所提方法具有寻优参数准确度高、可靠性好等优点，对轴承故障的精准检测和工业设备稳定运行具有重要意义。

摘要:动态避障是机器人实现自主移动、安全行走的关键，面对复杂多变的室内场景，机器人需要能够及时检测到障碍物并动态规划安全的行走路线。本文利用RGB-D深度相机和IMU单元建立机器人环境感知系统，为机器人提供三维视觉和姿态角度等多模态信息。首先构建基于YOLOv4改进的目标检测模型，通过YOLOv4-M目标检测算法对彩色图像中的障碍物进行识别；将彩色图与深度图对齐，获取障碍物的尺寸信息以及机器人与障碍物的空间距离；根据机器人的实时姿态角度和对周围障碍物的识别信，建立基于改进的人工势场法避障决策模型，解决总势场计算陷入局部极小解的问题，动态规划行走路径，并将决策结果发送到机器人底盘控制单元，从而实现机器人在陌生场景中的自主运动。通过仿真分析及实物实验表明该方法可以实现机器人的自主避障。该方法的研究为机器人仅依赖视觉和惯导传感器就可以实现障碍物识别和自主移动避障提供了依据和参考。

摘要:经颅磁声电刺激方法在颅内产生的感应电场分布是决定神经调控精度的关键因素。相控阵可产生高聚焦度声场，但其结构参数与颅内感应电场之间关系尚不明确。本文建立了包含相控阵的三维有限元模型，计算了声场分布并采用焦区横截面积、焦区深度、声强和电场强度为评价指标。设计仿体实验测量了焦点处实际电场强度。以Wistar大鼠为实验对象，考察了相控阵在0.8MHz中心频率，不同阵元数下与0.3T静磁场耦合作用对大鼠局部场电位的作用规律。结果表明：增加阵元数目可提高焦区电场强度，进而降低局部场电位低频段（4-30Hz）振荡频率，增加高频段（30-80Hz）能量，揭示了基于相控阵聚焦的经颅磁声电刺激对神经元兴奋性的调节机制，为经颅磁声电刺激系统设计与相控阵结构参数选择提供参考。

摘要:运用python语言对OBD采集的车辆运行数据搭建油耗预测模型。以车速v，发动机转速n，进气管绝对压力P，节气门位置TP，冷却液温度CT，负荷率L，怠速时间IT及加速度a等作为自变量，百公里油耗作为因变量，用SelectKbest函数将参数与因变量相关性强度进行排序并做简要分析，用基于tensorflow的多层感知机（MLP）神经网络模型以及支持向量机(SVM)多元线性回归模型同时对油耗进行预测。支持向量机模型RMSE为0.088，MAE为0.56；tensorflow神经网络模型RMSE为0.132，MAE为0.70。结论说明模型比较可靠，可为进一步分析汽车油耗与车辆运行状态参数之间的关系提供理论依据。

摘要:钢筋混凝土结构广泛运用于电力基础设施中，对其内部钢筋参数进行检测能够有效判断其结构耐久性，对保障电力系统安全稳定运行有重要的意义。针对传统钢筋混凝土检测方法无法判断混凝土内钢筋走向及埋深测量不够精确的问题，通过对钢筋测量原理分析和霍尔传感器布局设计，提出了一种基于电磁感应的钢筋定位及埋深检测方法。该方法用于判断钢筋的中心位置并测量其偏转角度，同时利用拟合得到的函数反应检测值与钢筋埋深之间的关系。实验表明，埋深检测值受到相邻钢筋的影响而存在较大误差，间距越小误差越大，因此通过BP（Back propagation）神经网络对不同间距下的检测值进行了数据修正，有效地提高了混凝土中钢筋埋深的检测精度。

摘要:气固两相流参数检测普遍应用于工业发展中，其参数的实时监测对生产效益与环境保护起决定作用。本文基于气固两相流实验平台，有限元分析了不同风速下静电传感器的灵敏度特性；将采集的静电信号进行特征值提取，结合最小二乘法对其线性拟合分析，提出了一种静电信号特征量与粉尘颗粒浓度的数学模型；最后通过相对误差分析加以验证。实验结果表明：静电信号均方根值与颗粒浓度更具相关性，相对误差控制在0.5%~1.24%极小范围内，证实了该数学模型的可靠性，为气固两相流参数检测技术提供了新思路。

摘要:为了解决羊只体重如何快速精确动态测量的问题，提高智慧农场的智能化水平，提出基于BP神经网络的动态处理算法。搭建了羊群动态称重系统，使用LabVIEW上位机采集数据，选择四路压力称重传感器信号作为网络输入，真实羊只体重数据作为网络输出，进行BP神经网络的输入、输出训练和测试，由于BP神经网络存在局部极小值等问题，测试样本平均相对误差较大，为此利用粒子群算法优化BP神经网络的权值和阈值。结果表明，BP神经网络算法测试样本的平均相对误差为7.9%，PSO-BP算法测试样本的平均相对误差为5.3%，说明PSO-BP神经网络更能有效地减少羊群的动态称重误差，具有潜在的应用价值。

摘要:在机载激光雷达的发展与应用下，获取地物的空间分布情况变得更加快速便捷。为了实现面向机载激光雷达点云数据的地物分类，本文首先利用高程直方图去除原始点云的离群点；其次利用VoxelGrid滤波器采样，在确保形状的前提下，大量降低点云数量；然后改进K-Means聚类方法，结合三维点云数据携带的高程信息对原始聚类中心和K值进行确定，并采用点云表面粗糙度做聚类分析，从而得到对地物的精确分类。通过对实验采集数据和公开数据上的结果对比可知，本文所提方法对点云数据分类的准确性高，总体分类精度分别为88.17%和90.47%，Kappa系数分别为0.81和0.85。

摘要:当前流量分类方法在面对类不平衡流量时，往往存在着在少数类上的分类效果不佳的问题。针对该问题，提出了一种面向类不平衡加密流量的端到端分类模型。所提模型在传统卷积神经网络模型的基础上添加了一个Inception模块进行特征融合，让模型能提取到更丰富的特征，弥补了少数类因样本数量少所带来的特征学习上的不足；同时引入一个通道-空间域注意力模块，对Inception模块所融合的特征根据重要程度赋予相应的权值，使模型更多地关注到更重要的特征，增强流量特征的表征能力。与此同时，为减少网络参数，采用卷积层加全局平均池化层的组合代替模型中的全连接层。实验结果表明，相较于当前典型流量分类模型，所提模型在数据集少数类上具有更优的分类性能，精确率、召回率和F1-Score均有显著提高，其中综合性能指标F1-Score在某些少数类上的提升达到了15%~18%。

摘要:特征金字塔网络(feature pyramid network，FPN)已经成为目标检测中提取多尺度特征的有效框架。然而，FPN存在着由于通道减少导致语义信息丢失、高层特征只包含单尺度的上下文信息和具有语义差别的不同层特征直接融合造成混叠效应等问题。针对上述问题，本文提出了基于注意力增强指导的特征金字塔网络。该模型由通道特征增强模块、上下文增强模块和注意力指导特征融合模块三个部分组成。具体来说，通道特征增强模块通过建模特征之间的依赖关系减轻由于通道减少造成的信息损失，上下文增强模块利用不同级别特征进行上下文信息提取以增强高层特征，注意力指导特征融合模块利用注意力机制指导相邻层特征学习来增进彼此语义信息的一致性。将Faster R-CNN和Mask R-CNN目标检测器中的FPN替换为本文模型并在不同的数据集上进行实验，实验结果表明，改进后的Faster R-CNN检测器在PASCAL VOC和MS COCO数据集上的平均精度分别提高1.5%和1%，改进后的Mask R-CNN检测器在MS COCO数据集上也分别将Mask AP和Box AP的性能提升了0.8%和1.1%。

摘要:为了解决现有的地基云状分类方法对多模态信息利用不充分的问题，有效融合地基云样本的视觉特征与多模态特征，提出稠密融合卷积神经网络的多模态地基云状分类方法。稠密融合卷积神经网络采用卷积神经网络作为视觉子网络提取地基云图像的视觉特征，采用多模态子网络提取多模态特征，在网络内部加入了5个稠密融合模块，用于充分融合视觉特征与多模态特征，稠密融合模块在不改变原有网络结构的同时，能够独立地加到入子网络中，具有较大的灵活性。在多模态地基云公开数据集MGCD上的实验达到了89.14%的分类精度，验证了所提出的稠密融合卷积神经网络在地基云状分类任务中的有效性。

摘要:为了提升采摘机器人对果实的识别准确率以及定位定精度，提出一种基于深度学习Faster-RCNN框架的采摘机器人目标识别和定位算法。首先采用卷积神经网络VGG16模型提取输入图像的特性信息，并利用区域提议网络RPN生成含有目标的候选框，通过引入自适应候选框数的方法有效提升了算法性能，然后利用多任务损失函数对目标进行分类识别和预测框校正定位，从而得到目标在图像坐标系统的高精准度坐标，最后通过标定求解出采摘机器人手眼两个坐标系之间的映射关系，从而实现了对果实的精确识别和定位。通过对苹果的识别和定位实验结果表明：所提算法具有较高的识别度，平均精度达97.5%，且定位误差更低，最大误差仅为1.33cm，可为智慧农业发展提供有力的技术支持。

摘要:传统的Faster r-cnn定位算法中应用的是通过最近邻插值算法进行插值的RoiPooling，对于小缺陷的识别效果不佳，本文将其改进为使用双线性插值算法的RoiAlign，提高了轮胎异常检测的精确度。针对传统的轮胎缺陷样本检测面临特征提取困难的问题，本文通过将ResNet和DenseNet两个网络模型进行融合搭建起的RSDC-Net(resnet and densenet converged network)网络模型，提高了网络的泛化、感知能力，增强了特征提取能力，而且将该网络应用于深度学习的可解释性研究中，实现了深度学习的可视化。目前神经元分类的研究领域还有很大空缺，所以为了针对敏感区域图像结果进行潜层的神经元分类研究，本文设计出双卷积门限循环神经网络来作为网络模型来完成神经元的分类研究，该网络模型在四种模型对比实验中表现最佳。