摘要:针对无人机开展高空气象探测的需求，本文设计了一种带防辐射罩铠装铂电阻温度传感器。首先，采用计算流体动力学(CFD)的方法计算出有无防辐射罩铠装铂电阻温度传感器在多物理场下的太阳辐射误差，并进行对比分析。然后，使用支持向量机(SVM)和粒子群优化支持向量机(PSO-SVM)算法训练数据比较预测模型。最后，搭建低气压风洞实验平台模拟高空大气环境，对比实验数据与算法预测结果。实验表明，本文提出的带防辐射罩铠装铂电阻温度传感器测量的平均误差为0.014 1 K，均方根误差为0.015 0 K。

摘要:针对液压机械驱动齿轮组故障诊断结果精准度不佳、可靠性差等问题，本文提出基于SVM的液压机械驱动齿轮组故障诊断研究。采集了液压机械驱动齿轮组振动信号，构建液压机械驱动齿轮组故障信号分离模型；运用低秩算法分离液压机械驱动齿轮箱振源信号，设计齿轮组故障信号约束条件，完成液压机械驱动齿轮组分类；根据分类结果，采用SDAE模型提取液压机械驱动齿轮组故障特征，并将提取结果输入到支持向量机内训练，其最终输出结果就是最佳诊断结果，实现基于SVM的液压机械驱动齿轮组故障诊断研究。实验结果表明，通过对该方法开展故障检测及故障诊断测试，本文方法下分类错误率不超过3.5%，验证了该方法的可行性高。

摘要:在突发应急场景下，需要快速获取现场的全局态势图像，为后续的评估决策做依据。蜂群无人机具有数量多、成本低、成像快等优点，广泛应用在军用领域。本文对蜂群无人机协同侦察应用到应急遥感领域进行了探索，并构建了蜂群无人机遥感数字仿真验证系统，对蜂群无人机的编队协同、航路规划、多路视频协同拼接进行了研究和仿真验证。针对多路视频帧间重叠率不稳定的问题，提出了自适应动态采样算法，以维持不同重叠率下拼接算法整体效率的幂等性。并针对应景场景下视频流的不稳定特点，提出一种断点重拼算法，可保证在恶劣拍摄环境下，降低拼接精度下保持算法的可用性。结果表明：蜂群无人机可以准实时构建现场的全局态势图像，本文可为蜂群无人机应用在应急遥感领域提供的技术支撑。

摘要:针对航空发动机运行过程中出现的气路故障问题，提出了一种基于卷积神经网络(CNN)结合秃鹰搜索算法(BES)优化极限学习机(ELM)的航空发动机气路故障诊断模型。通过CNN对航空发动机气路数据进行学习并提取出隐藏在数据中的故障特征，引入BES算法对ELM的权重和偏置进行寻优，使用优化后的ELM对CNN所提取的抽象特征进行分类，从而达到故障诊断的目的。实验结果表明，基于CNN-BES-ELM的模型其平均准确率达到了97.80%，较CNN-ELM、CNN和ELM等方法分别提高了2.7%、5.4%和7.35%，较常用的深度学习模型如深度置信网络(DBN)和堆叠自编码器(SAE)，其准确率分别提高了5.4%和3.4%；并且在随机噪声、高斯噪声和椒盐噪声等噪声环境下仍保有90%以上的准确率，整体表现出良好的诊断性能、泛化能力和抗噪能力，为其在航空发动机气路故障诊断中的实际应用提供了理论依据。

摘要:针对直流微电网系统中三相交错并联双向DC-DC变换器受不确定性扰动影响的问题，设计一种双闭环线性自抗扰控制策略。首先，建立双向DC-DC数学模型，通过小信号分析法推导出变换器的传递函数。其次，设计电流环为二阶线性自抗扰，电压环为一阶线性自抗扰的双闭环系统，通过设计其对应的线性扩张状态观测器和线性状态误差反馈控制律，实时估计并补偿外部干扰及系统内部不确定因素。最后，根据林纳德-奇帕特稳定判据证明控制系统的稳定性，并在MATLAB/Simulink中对3种控制策略在不同工况下进行仿真对比验证。仿真结果表明，与传统比例积分控制器相比，本文所提控制策略在储能侧电压突增、突减20%的扰动下，母线电压最大动态偏差比分别优化0.5%和0.97%且调节时间缩短78.3%和76.9%；在负载突增、突减20%的扰动下，母线电压最大动态偏差比分别优化0.79%和1.5%且调节时间缩短72%，在保证各相均流的前提下有效提高系统的动态性能和抗扰能力。

摘要:为了研究基于SCADA数据的风电机组故障预测方法，将一台2 000 kW双馈风电机组14个月的SCADA数据作为研究对象，首先对数据进行预处理，保证数据的可用性，其次，考虑到传统Transformer模型存在模型结构复杂且模型参数设置多等问题，通过引入线性解码器结构构建Transformer模型，并使用该模型对风电机组故障进行预测研究。研究表明：所构建的算法模型具备长期使用稳定性，模型可以消除误预测现象，可以提前6天时间做出故障预测，为避免因故障恶化而引起突然停机提供了保障。

摘要:在现有计量仪器远程校准与溯源实现方式的基础上，提出了一种基于现代通信技术的电参数远程校准方法。该校准方法结合以非实物标准为传递对象的远程校准方法和直流电压源校准的标准源法，将标准器安放在实验室而非传递至现场，解决了传统电参数校准方法的校准周期长和附加误差难以测量等问题。基于卫星共视法对时间频率进行校准的原理，将标准电压源和被校准电参数转换为可靠的数字量进行电参数的远程传递，可将现场端电参数溯源至实验室标准源，建立起电参数的传递和溯源链；设计了AD转换模块参考电压远程校准模块，建立了AD转换模块远程自校准模型，研究了基于卫星共视的电参数远程校准算法与A/D模数转换远程自校准算法，对高精度电参数采集模块的转换结果进行修正。经数据分析，其准确度为0.1级。

摘要:在卫星导航定位系统中，由于导航信号的功率较低，在到达地面时极易受到干扰，导致定位失败。自适应零陷技术可以有效地提高卫星导航接收机的抗干扰能力，然而由于常规的空时联合最小功率响应会时常出现零陷抖动，不能有效的对准干扰来向，从而导致接收机的抗干扰性能下降。对于该情况，本文提出对抗干扰算法中的权值进行平滑滤波处理的方法，并且通过仿真验证、FPGA实现、现场实测等手段验证了该算法的可行性。该方法可有效抑制系统权值以及零陷位置的抖动，从而提高抗干扰算法的稳定性和可靠性，对相关工程领域具有一定的参考价值。

摘要:随着机器视觉相关领域的研究与发展，对图像处理的要求变得更加复杂和多样，而处理实时图像时，边缘信息检测变的尤为重要。本文设计了一种基于Sobel算法的FPGA图像边缘检测系统，实时进行视频图像的采集、处理和显示。采用自适应阈值和非极大值抑制算法，结合8方向Sobel边缘检测算法以提升检测精度，进行改进前后的Sobel边缘检测算法的仿真验证和硬件实现。采用流水线设计产生滑窗加速图像处理，增强图像处理的实时性。硬件综合实验表明，设计的基于Sobel算法的FPGA图像边缘检测系统，能高效地实现视频流的图像边缘检测，处理图像速度提升57%，边缘细节检测全面，增强视频图像处理效率，可用于目标识别及跟踪研究。

摘要:针对室内指纹定位指纹库数据在实际环境中存在数据缺失导致定位误差大的问题，本文提出了一种改进距离公式的K近邻随机森林的信息补全算法。首先，采用高斯滤波对收集的指纹数据进行预处理，去除干扰数据项，提高数据可靠性。其次，在将指纹数据划分为训练集和测试集的基础上，采用结合欧氏距离和曼哈顿距离的KNN算法获得近邻集合样本，随后用RF算法对近邻集合训练进行优化，再把各个决策树的预测结果取平均值，得到缺失数据的预测值。最后，将改进的补全算法与KNN、改进的KNN、RF和KNN-RF补全算法进行对比。实验结果表明，本文的改进补全算法的预测准确率和精度均优于其他算法，预测的准确率达91.3%。同时本文补全算法的指纹库平均定位误差为1.82 m，相较于其他补全算法的指纹库定位误差降低了1.6%~7.2%，定位性能更好。

摘要:为了解决模型预测控制在污水处理等大型非线性系统中求解非线性优化问题时计算成本较高的问题，本文提出了一种应用于污水处理基准的降阶神经网络模型预测控制算法。首先，针对污水处理中的大规模非线性和强耦合性系统，采用本征正交分解方法构建出降阶过程模型，降低非线性系统的复杂度。然后，利用长短期记忆网络来近似降阶之后的系统，从而解决降阶后的系统难以用显式表达的问题。最后，在此降阶系统的基础上设计模型预测控制器，实现对污水处理的高效控制。实验结果表明，在保证较好控制效果的同时，所提出的降阶神经网络模型预测控制策略相较于污水处理第一原理模型的模型预测控制策略，计算时间大幅度减少。

摘要:叶片作为风力发电机组的重要部件，容易受到自然环境的影响，导致出现侵蚀、裂纹、胶衣脱落等损伤，从而影响风力发电效率和机组的安全运行。针对复杂环境下风机桨叶缺陷检测精度较低的问题，提出了一种改进YOLOv8的风机桨叶缺陷检测算法。通过对骨干特征提取网络中的单一模块SPPF融入LSKA注意力机制，以增强网络对于重要特征的关注度，提高模型的性能；其次，Neck部分采用加权双向特征金字塔Bi-FPN结构，并使用FasterBlock改进C2f模块，提出了Bi-YOLOv8-faster轻量级网络结构，增强模型多尺度特征融合能力，提高小目标检测精度；最后，采用辅助边框计算损失的Inner-IoU方法对损失函数进行优化，提高模型缺陷检测的准确率和泛化能力。通过对风机桨叶图像进行缺陷检测实验，结果表明，所提方法对缺陷检测的精确率提升了7.3%、mAP50提升了3.3%、参数量降低了27%。

摘要:建筑、采矿、勘探等施工现场是非常复杂且多样化的区域，在这类场景下进行安全帽佩戴检测时，会存在图像遮挡严重、小目标信息容易丢失的问题。为此本文提出了一种基于改进YOLOv8n的安全帽佩戴检测算法。首先，对YOLOv8n模型的C2f模块进行改进，融入改进后的倒置残差块注意力机制，使模型能够高效捕获全局特征，充分利用安全帽特征的关键信息；其次，结合SPPF模块和LSKA注意力机制，提出了SPPF-LSKA模块，提升网络对安全帽关键信息的关注度，避免实际复杂场景中背景信息对安全帽佩戴状态检测的影响；最后，使用Inner-SIoU损失函数优化网络模型，提升模型对安全帽佩戴状态检测的稳定性。实验结果表明，最终本文算法在复杂环境下安全帽佩戴状态检测的mAP@0.5达到了93.7%，较原YOLOv8算法的P、R、mAP@0.5和mAP@0.5:0.95分别提高了2.4%、4.0%、3.4%和5.3%，参数量降低了3.5%，计算量降低了5.9%，改善了安全帽佩戴状态检测误检和漏检的状况，便于实际检测应用的部署。

摘要:近年来，人们对于烟盒包装质量的要求越来越高，在现代化的生产中，烟盒的生产速度大幅度提升，生产设备也都实现了智能化。但是，对于烟盒的表面质量检测仍然采用人工的方式进行。针对人工烟盒表面缺陷检测容易发生漏检、错检等问题，提出了一种基于改进YOLOv8的烟盒缺陷检测算法。首先在YOLOv8的颈部网络引入了GD机制，提高了模型对于不同层级间的信息融合能力；其次加入了尺度序列特征融合模块，增强了网络对不同尺度信息的提取能力；最后使用RT-DETR的Decoder替换YOLOv8的头部网络，这使得网络模型无需依赖于复杂的NMS后处理步骤，大大简化了检测流程并提高了效率。实验结果表明：改进后的算法模型在自制的烟盒缺陷数据集上与YOLOv8算法相比检测精度提升到了94.6%，检测速度达到了121.4 FPS。并且与其他目标检测算法相比，改进后的算法在检测精度和检测速度方面有一定的优势，更适合应用在烟厂对烟盒表面质量的检测。

摘要:针对局部遮阴条件下光伏阵列功率多峰值造成的传统最大功率点跟踪算法易陷入局部最优等问题，提出一种基于莱维改进金枪鱼算法与变步长扰动观测法的混合优化算法。引入莱维飞行改进金枪鱼群优化算法的实时位置更新律，减小陷入局部最优的可能性；设计随功率特性斜率变化而变化的步长更新律对常规扰动观测法进行改进，提高最大功率跟踪速度；融合莱维改进金枪鱼算法与变步长扰动观测法构建混合优化算法，进一步提高跟踪精度与速度，并抑制扰动信号影响。仿真实验结果表明，本文所提出的算法在均匀全光照、静态局部遮阴、动态局部遮阴3种光照条件下的寻优时间和跟踪误差分别为0.036 s和0%、0.04 s和1.06%、0.05 s和1.06%，均优于其他对比算法，并且更加精准且快速的实现光伏系统的最大功率跟踪。

摘要:无人机（UAV）三维路径规划问题是十分复杂的全局优化问题，但基于启发式优化算法的无人机路径规划存在速度慢，精度不足的问题。针对此问题，提出一种改进蜣螂优化算法的UAV路径规划方法。首先，提出一种通过引入Bernoulli混沌映射、可变螺旋搜索策略、新型惯性权重和Levy飞行策略改进的蜣螂优化算法（BCLDBO）。通过与其他算法在6个基准测试函数上进行实验对比，证明BCLDBO算法寻优精度更高，收敛速度更快。其次，通过航迹长度成本、高度成本、平滑成本和威胁成本建立路径规划目标函数，并构建复杂度不同的三维任务空间。最后，将BCLDBO算法应用于UAV三维路径规划问题中，证明此算法较其他算法的路径成本更低，路径规划效果更好。

摘要:由于现有染色归一化方法无法准确提取结直肠病理图像的复杂结构特征，导致丢失部分结直肠病理图像的结构信息，无法生成高质量的染色归一化结直肠病理图像。为解决该问题，提出一种基于条件扩散模型的结直肠病理图像染色归一化方法，该方法包括条件扩散模型和图像特征重建。在条件扩散模型中，首先，使用马尔科夫链前向过程对结直肠病理原图像进行加噪声。然后，将噪声图像和条件图像输入到增强去噪网络中进行去噪，在这过程中利用增强激活模块，学习结直肠病理图像的深层特征，捕获更多的图像上下文信息。在编码器和解码器之间引入跳跃连接空间注意力模块，准确提取结直肠病理图像的位置空间信息。在图像特征重建中，设计金字塔特征提取模块，提取多尺度条件图像与生成图像的特征，并构建重建损失函数，优化整个网络的性能。实验结果表明，与现有方法相比，所提染色归一化方法在公共数据集GlaS和CRAG上的能生成质量更高的染色归一化结直肠病理图像。

摘要:针对路面小缺陷检测准确率低、漏检率和误检率高且均匀分布缺陷类型数据集难以采集问题，本文提出一种基于YOLOv5s的TAS-YOLO改进网络模型方法。首先，在预测结果阶段采用特定任务的上下文解耦头，通过分离分类和定位任务，增强定位检测框的精度；其次，通过FPN结构将5个尺度的特征图输入解耦头进行预测，增强小目标的多尺度特征信息；最后，使用滑动窗口损失函数优化YOLOv5，提高难分类样本的检测准确率，且模型收敛效果更好。实验结果表明，TAS-YOLO算法提升了各类缺陷的平均检测精度，mAP50值达到91.4%，FPS值达到126，较YOLOv7l、YOLOv8s、YOLOv9c-gelan和Efficientdet等主流检测算法提高了检测的精度和效率。

摘要:针对当前自动驾驶场景下道路目标检测算法对远距离小目标、遮挡目标容易出现漏检和误检的问题，提出一种基于改进YOLOv8n的道路目标检测算法。在特征提取方面，对感受野注意力卷积进行轻量化改进，重新构造C2f模块，以解决卷积计算中参数无法共享问题，使网络有效捕捉关键信息；然后引入轻量化点采样算子，以减少上采样过程中特征细节损失，更好保留图像的细节信息；在特征融合方面，设计多尺度特征融合网络，以增强小目标特征信息，丰富不同尺度特征的双向融合；同时使用归一化注意力机制，以抑制无关背景信息干扰，提高模型抗干扰能力。实验结果表明，提出的改进算法在KITTI数据集和Udacity数据集上的检测精度分别达到了92.8%和78.7%，相比原始算法分别提高了2.2%和1.6%，模型依然满足轻量化要求，在一定程度上提高了对复杂道路场景的适应能力。

摘要:低照度环境会导致图像目标特征不明显，噪声干扰严重等情况，影响目标检测器的检测性能。针对以上问题，构建了一个多尺度图像特征增强模块FEM，并与YOLOv8s目标检测网络联合，构建了端到端的低照度目标检测算法FE-YOLO。首先，使用FEM从输入图像中构建三个不同尺度下的特征信息并进行高效融合，得到具有丰富特征表达的增强图像。然后，在YOLOv8s颈部网络中添加目标特征增强模块TFE，通过抑制高层特征中的背景噪声信息，突出目标特征的表达能力。实验结果表明：在低照度图像目标检测数据集ExDark上的平均精度均值（mAP）达到了75.63%，与原始的YOLOv8s算法相比，提高了3.03%，本文算法在低照度目标检测任务中取得了更好的检测效果。

摘要:针对现有算法在修复花纹复杂的壁画时存在结构混乱和纹理模糊等缺陷，提出一种融合结构与纹理特征引导的双重生成对抗网络模型。首先将U-Net引入双重生成网络，利用方向和通道双注意力机制提取到的纹理和结构信息分别引导结构、纹理解码器完成对结构与纹理的特征重构，并结合空洞残差块与跳跃连接实现多尺度特征融合提取。其次将两个分支输出的特征图通过双门控特征融合模块深度融合，完成特征信息交互。最后通过联合双判别器对抗完成缺陷修复，增强壁画修复效果的细节丰富度和全局一致性。实验使用自制数据集五台山某处非国宝级真实壁画进行训练及测试，并通过对比实验和消融实验验证，所提算法在峰值信噪比指标上平均提升4.24 dB，结构相似性指标上平均提升3.6%。实验表明该方法可以对受损的壁画进行有效修复，使其呈现出较好的结构、纹理信息，且视觉效果更清晰自然。

摘要:针对水下光学图像目标检测中图像背景复杂、各尺度目标共存且分布广泛的问题，本文提出一种水下目标检测模型MEASYOLO。首先，采用Mosaic和Mixup算法实现训练样本数据增强，提高模型的泛化能力；其次，将高效多尺度注意力机制EMA与YOLOv5网络中的骨干层融合，提高模型的特征提取能力；同时，引入自适应空间特征融合ASFF结构，使模型充分融合不同尺度的特征。最后采用SIoU损失函数，进一步提高检测精度。实验结果表明，本模型在全国水下机器人大赛URPC2020数据集上mAP达到86.4％，较改进前提升2.1%。本模型具有较高检测精度和小模型参量，可为水下目标高效检测提供技术支撑。

摘要:为解决钢材表面缺陷检测中面临的缺陷类型繁多、尺寸差异显著以及现有模型复杂度高、检测精度不足等问题，本文提出了一种基于改进YOLOv8n的检测算法YOLOv8ODAW。首先，引入全维动态卷积（ODConv）增强对多维度特征的捕捉能力，减少信息损失；其次，嵌入渐进特征金字塔网络（AFPN）改善特征融合过程，实现了非相邻层级特征间的直接交互，有效缓解语义断层。最后，采用动态非单调聚焦机制的Wise-IoUv3损失函数优化边界框回归，加快网络收敛的同时提高检测精度。在NEU-DET数据集上进行多组实验，结果表明，改进后的YOLOv8-ODAW网络模型相比原网络模型mAP50%提升了7.3%、GFLOPs下降了21.95%，展现出对钢材表面缺陷更佳的定位与识别能力，且检测速度满足工业应用需求。