摘要:带冠叶片因具有增加叶片刚度、减小二次损失等作用而被广泛应用于航空发动机等重大旋转装备，其叶尖间隙参数的多通道高精度在线监测是确保发动机运转时安全和效率的重要一环。为了实现这一目的，同时抑制带冠叶片轴向位移对间隙测量的不利影响，设计了一种一字型芯极电容传感器，并在改装篦齿的基础上以平行平板电容原理建立了叶尖间隙测量模型。搭建了利用一字型芯极传感器的12通道间隙测量系统，并在模拟篦齿盘上开展了3 mm测量范围内的标定和±1 mm轴向位移下的精度测试实验，结果显示开发的间隙测量系统测量精度优于45.4 μm。最后完成了真实发动机带冠叶片三级共12测点的叶尖间隙同步测量台架试验，结果表明提出的12通道间隙测量系统具备高可靠性和重复性,满足带冠叶片叶尖间隙测量需要。

摘要:针对传统非对称半桥LLC变换器在低压直流供电应用场合中副边电流应力大、输出电流不均、效率提升难等问题，提出一种具有对称式谐振腔的双变压器LLC谐振变换器拓扑，深入分析对称式谐振腔的工作状态及特性，该拓扑双变压器结构可实时均分谐振电流，使变换器在开关周期内输入电流连续且大幅减小电流纹波，副边并联可均分输出电流，减小输出电流应力。为进一步减小变换器环路电流，提升变换器效率，改进变换器参数设计方法，建立变换器增益模型并分析励磁电感优化曲线，在考虑变换器极端工况条件下设计谐振腔参数初值，再建立变换器精确时域模型对参数进行优化。最后搭建了一台600 W变换器样机，实验结果验证了所提对称式谐振腔双变压器拓扑结构及参数设计方法的有效性及可行性，其最高效率可达95.9%。

摘要:针对当前恶意URL检测模型在处理复杂结构和多样化字符组合的URL时，存在特征提取单一和检测精度不高的问题，提出了一种基于多尺度注意力特征融合的恶意URL检测模型。首先，采用Character Embeddings和DistilBERT方法分别对字符和单词进行编码，以捕获URL字符串中字符级和词级特征表示。其次，通过改进卷积神经网络(CNN)提取不同尺度的字符结构特征和词级语义特征，并结合双向长短期记忆网络(BiLSTM)进一步提取深层次序列特征。此外，为了实现字符级与词级多尺度特征的动态融合，创新性地引入注意力特征融合模块(AFF)，有效降低信息冗余并提升对长距离序列特征的提取能力。实验结果表明，所提模型与其他基准模型相比，准确率提升了0.32%~4.7%，F1分数提升了0.46%~5.5%，并在ISCX-URL2016等数据集上也达到了较好的测效果。

摘要:为获取因去毛刺机故障产生的连铸坯缺陷位置，提出一种基于双目视觉的缺陷定位方法。首先针对AD-Census算法在铸坯图像匹配效果不佳问题，提出一种窗口中心像素噪声检测方法，将邻域像素信息替代噪声像素点，并在代价函数计算中融入多方向梯度代价，提高初始代价的可靠性；其次设计一种基于梯度阈值的自适应窗口代价聚合，提高算法在弱纹理区和边缘区域的匹配效果；最后将铸坯视差图进行三维坐标转换，完成对连铸坯缺陷定位。实验表明，本文提出的双目视觉缺陷定位方法，视差图匹配精度高，且铸坯缺陷深度的平均定位误差在1 mm以内，可为后续缺陷处理装置提供可靠的位置信息。

摘要:针对滑坡位移具有高度非线性和复杂性，难以利用传统优化算法结合人工智能方法进行更合理、准确的预测建模的问题，本文提出一种L-vy飞行策略的混沌麻雀优化算法(CLSSA)-变分模态分解(VMD)-支持向量回归(SVR)的滑坡位移预测模型。首先利用CLSSA优化VMD分解参数对滑坡位移时间序列进行分解，其次采用CLSSA-SVR模型对VMD分解子序列进行预测，最后通过叠加子序列预测数据求出累计位移预测。以白水河滑坡为例，对该模型进行验证，实验结果表明，所提方法在最终累计位移预测结果中MAE为2.24 mm，RMSE为3.37 mm，R2为0.995，相对于麻雀优化算法变分模态分解支持向量回归(SSA-VMD-SVR)，所改进的优化算法增加了VMD的自适应能力，提高滑坡位移各分量预测效率。

摘要:为了全面展示锂电池剩余电量估算方法的研究进展，本文查阅了Web of science、知网、国家知识产权局等数据库中2013年以来的相关论文和专利，综述了锂电池剩余电量的主流估算方法。针对常用的直接估算的方法（安时积分法、开路电压法和阻抗表征）、基于等效电路模型的方法、基于电化学模型的方法和基于人工智能神经网络等的锂电池剩余电量估算方法，本文汇总了各方法的估计误差，结果为安时积分法的最大估计误差可达15%；开路电压法最大估计误差为12.4%；电化学阻抗谱法平均估计误差小于3.8%；卡尔曼滤波法的估计误差小于1%；粒子群滤波法的平均误差可小于1%；基于电化学模型的方法平均误差小于2%；基于神经网络的方法平均误差小于2%；多方法混合和多参量联合估计的方法最大误差小于5%，平均误差小于2.5%。结果表明，卡尔曼滤波法相较于直接估算的方法和其他基于模型的方法，精确度更高且更容易实现；基于神经网络的方法无需对电池模型进行分析即可获得较为准确的结果；多种方法混合使用和利用多种参量修正估算值的方法进一步提高了估算精度。本文还针对电动汽车以及植入式医疗电子设备对于剩余电量估算方法的需求，对比分析了各方法的估算精度、优点、难点及适用电池类型，阐明估算方法的具体应用方案，并展望估算方法在这两个领域的发展方向。本文可为相关领域的研究和从业人员提供全面、详实的锂电池剩余电量估算方法的研究现状及发展方向信息。

摘要:为提高无人船(USV)动态避障的安全性与经济性，提出了一种融合速度障碍法和深度Q网络(DQN)的无人船避障方法。首先，在计算传统速度障碍物相对碰撞区域时，考虑障碍物未来时刻运动信息，改善传统速度障碍法因忽略障碍物即时位置变化从而导致避障失败的问题。其次，将碰撞危险度系数引入DQN状态空间中，优先选取危险度系数最高的障碍物作为避障对象，改善状态空间信息冗余问题。再次，根据改进速度障碍法避障思想重新设计奖励函数，确定无人船避障时机与转向角度，解决传统DQN的奖励稀疏问题，提高其学习效率与收敛速度。最后，为验证该方法性能，与3种主流避障方法进行了仿真实验，实验结果表明，该方法能够为无人船提供合适的避障方向，使无人船航行路径更为经济和安全。此外，通过实船实验验证了该方法具有一定的工程实用价值。

摘要:针对在地下浅层这种特殊且复杂介质中震源定位精度低的问题，提出了一种通过多个策略改进的哈里斯鹰优化算法联合可控响应功率的地下浅层震源定位方法。首先通过Logistic混沌模型对初始种群进行优化，同时引入非线性逃逸能量和自适应调整权重因子提高算法的收敛精度和收敛速度，然后利用SRP定位模型构建震源区域中的能量信息，最后通过仿真验证，实现对震源的精确化定位。仿真结果表明，与传统的HHO、HUHHO以及MGTO算法相比，MHHO算法在粒子搜索范围、收敛速度和定位精度等方面均有明显的提升，球概率误差也由0.56 m缩减至0.23 m。最后进行实验对比验证，实验结果表明本文算法具有更高的定位精度，对地下浅层定位领域具有很好的工程应用价值。

摘要:为了提升地磁矢量测量的精度，并有效应对传统补偿方法在处理磁干扰模型参数时变性问题上的不足，本文提出了一种面向时变干扰的地磁矢量测量补偿方法。该方法在测量过程中可以根据最新的测量数据、先前的补偿参数与压缩矩阵，利用Woodbury方程对先前参数进行迭代更新，从而准确获取时变磁干扰参数，并进行补偿。通过仿真和实验验证了所提方法的有效性，尤其是在磁干扰特性变化较大时，此方法效果更为明显。实验结果显示，采用传统方法时，地磁场总强度和3个分量的均方根误差分别可以从4 596.3、1 310.0、5 768.9和3 245.7 nT降低到123.34、35.93、142.12和100.54 nT，但采用本文所提方法，它可以进一步降低到31.57、11.09、35.13和27.26 nT。这表明相较于传统方法，本方法不仅成功捕捉到了时变磁干扰参数的动态变化，还显著降低了地磁场总强度及各分量的均方根误差，实现了对时变磁干扰的高精度补偿。

摘要:工业4.0改革使工业化与信息化进程不断交叉深入，工业控制系统（ICS）数据的非线性、高维度等特点使传统入侵检测方法不再适用。设计了一种基于冠状病毒群体免疫算法（CHIO）的工控入侵检测模型，将Fisher-Score与核主成分分析（KPCA）结合，对数据进行特征提取，有效降低了数据复杂度，通过引入自适应与差分进化策略改进了冠状病毒免疫算法，增强了算法的搜索性能。最后将改进后的算法应用到支持向量机（SVM）模型进行参数寻优，使用密西西比大学天然气管道数据集进行了仿真实验。实验结果表明：改进后的模型在检测准确率及检测速度上与传统模型相比都具有较大优势，检测率可达97.1%。

摘要:针对电力负荷本身固有的不稳定性和非线性，导致短期电力负荷预测精度难以提升问题。本文提出一种基于EMD和LSTM相结合的短期电力负荷预测方法。首先，利用EMD将原始信号分解为一系列本征模态函数和一个残差量。随后，将所有分量输入LSTM中。为进一步提升负荷预测精度和优化模型泛化能力，分别对大分量信号引入改进麻雀搜寻算法优化LSTM超参数和对原始负荷数据引入表格生成对抗网络生成新数据样本，形成基于表格生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测方法。最后，分别采用第九届电工数学建模竞赛负荷数据和湖南省某地市含分布式电源的负荷数据进行效果验证。结果表明，在两种数据集下，该模型的平均绝对百分比误差分别为2.37%和2.76%，验证了该方法的有效性。

摘要:针对次级通道突变对算法收敛速度和系统稳定性的潜在影响，本文提出一种自适应变步长FXLMS算法。首先推导步长上界公式，基于最优收敛步长与步长上界关系，确立最优收敛步长的关键参数。通过计算次级通道突变前后最优收敛步长比，实现步长自适应调整。其次，使次级通道发生不同程度突变，以比较本研究算法、经典FXLMS算法以及各类变步长算法在收敛速度与稳态误差方面的性能表现，发现新算法均在迭代200 次后收敛，均方误差保持在-85 dB附近，优于经典FXLMS和其他变步长算法。最后用真实测量的次级通道数据分析新算法和经典FXLMS算法的控制效果。结果表明，在次级通道发生突变后，新算法在5 s后均方误差稳定在-47 dB，而经典FXLMS算法会使系统不稳定。证明新算法能很好兼顾收敛速度和稳态误差，并且具有良好的自适应性。

摘要:在复杂的工业过程中，由于关键变量难以测量，过程数据具有不平衡和不完整的特点，导致软测量性能下降。为了解决这一问题，提出一种融入噪声的监督增强自编码器虚拟样本生成方法。首先，为了加强输入与输出的映射关系并保证特征信息的完整性，该方法在自编码器的编码部分添加增强层，解码部分引入标签信息进行有监督约束训练。为了增加虚拟样本的多样性，在监督增强自编码器隐藏层提取的特征中加入高斯噪声。将生成的虚拟样本与原始小样本相结合，增强软测量模型的性能。与传统的虚拟样本生成方法不同，所提的NISEAE-VSG模型可以同时生成输入输出虚拟样本。为了验证所提方法的有效性，使用火力发电和聚乙烯过程的数据集进行仿真验证。仿真结果表明，所提方法生成的虚拟样本优于其他虚拟样本生成方法，可有效提高软测量建模精度。

摘要:在地下浅层爆炸震动信号滤波过程中，D-LMS步长固定，对时变信号处理不灵活，易引发梯度噪声放大现象，且其需要依赖有效信号或噪声的先验信息作为期望信号，在地下浅层震动测试中这些信号通常未知。针对上述问题，围绕地下浅层爆炸震动探测的需求，对自适应滤波算法进行了研究，结合归一化原理提出了改进D-LMS滤波算法，并将其与传统算法在收敛速度、滤波精度方面进行了仿真对比，结果表明此改进算法在震动测试自适应去噪中相比D-LMS算法滤波精度提高约2.3 dB，收敛速度提高约一倍。并将其部署于ZYNQ PL端，设计了延迟模块、步长模块、系数更新模块、滤波模块和误差计算模块，并封装成IP核，嵌入采集系统进行地下浅层震动外场试验，实验表明对实际震动信号，滤波后信号明显优于未滤波信号，证明了自适应滤波模块的有效性，实现了震动信号的实时片上自适应去噪，为地下浅层震动场重建提供了重要支撑。

摘要:针对RISC-V处理器中的乘法器部分延时较高以及功耗较大的问题，本文在booth2算法的基础上，提出一种改进的基于符号扩展的乘法器优化设计，减少了处理器中乘法指令的执行周期并同时支持有/无符号数的运算。改进了CSA32压缩器，并选择交替使用3.2压缩器和4.2压缩器的Wallace树形结构，提高了部分积的压缩效率，还缩短了关键路径的延时，提高了乘法器的运算速度。利用NC-verilog等验证工具对乘法器进行编码验证以及功能仿真，使用Design complier在SIMC 180 nm工艺下进行综合分析，结果表明本文设计的乘法器相较于PicoRV32，乘法指令执行周期缩短了88.2%，面积与功耗也优于同类乘法器。

摘要:利用参数特征对空间进动锥体进行识别可有效区分真假目标。为获取准确的参数特征，现阶段研究一般围绕宽带雷达所输出的目标高分辨距离像序列开展，但也存在着对雷达带宽要求高、不利用实际工程应用的局限。针对这一问题，提出了一种基于窄带雷达提取目标高分辨特征并完成参数估计的方法。首先建立了目标运动模型，对窄带观测下目标回波调制特性进行分析；在此基础上定义目标伪距离像序列，并利用目标回波中所包含散射中心微多普勒频率与相位信息变化完成了伪距离像序列的提取，根据不同视角观测到的伪距离像序列差异对锥体高度、底面半径及质心位置等目标参数进行估计，并设计了二级剔除结构选出了正确的估计结果；最后开展了基于电磁计算数据的仿真实验。实验结果表明该算法在高信噪比条件下估计精度优于97%，相比传统方法提高超过5%，且在5 dB的信噪比条件下平均参数估计精度仍然优于80%，应用门限较传统算法提高9 dB，说明了所提算法的有效性和稳健性。

摘要:针对利用单一信号诊断高压断路器多种故障的局限性，本文提出了一种电振联合特征的高压断路器多故障诊断方法。首先，对高压断路器合闸操作过程中的线圈电流信号用峰值谷值算法提取电流波形关键时间节点及对应幅值构建电气特征；对振动信号进行VMD分解，计算不同模态分量下的多尺度散布熵值构建机械特征；然后，将电气与机械特征向量进行主成分分析与降维，根据得到的方差贡献率生成电振联合特征，有效解决了特征向量冗余问题；最后将不同故障下的电振联合特征输入到模糊C均值聚类中，精准分类出高压断路器故障类型。实验结果表明，所提方法比单一信号故障诊断准确率更高，分类效果更显著，并在不同诊断模型中进行验证，识别准确率达98.6%，可以有效实现高压断路器多故障诊断。

摘要:针对旋转遮光式太阳辐射监测系统采用的硅光电二极管型辐射传感器具有光谱窄、精度低、长期稳定性差的缺点，提出了一种利用热电堆阵列动态校准硅光电二极管阵列的方法，并设计了一款轻量化、低成本、高精度的旋转遮挡式太阳辐射监测装置。该检测系统采用静态过程与动态过程实时交替的方式进行探测，分为静态采集光强大小和动态采集遮光带在旋转的过程中热电堆阵列、硅光电二极管阵列的光强变化，通过计算出太阳高度角和后续数据处理，得到太阳总辐射、直接辐射和散射辐射值。误差分析图显示，总辐射的均方根误差为1.859 W/m2，直接辐射和散射辐射分别为2.922 W/m2、2.770 W/m2，相比使用单一硅光电二极管阵列，均方根误差分别降低了8.908 W/m2、5.454 W/m2，证明该测量方法具备较高的检测精度。

摘要:针对神经辐射场在稀疏视角输入条件下渲染结果过于平滑，细节缺失严重等问题，提出一个基于信息关注抑制模块和双阶段损失的网络模型。首先，为解决细节缺失问题，提出一个信息关注抑制模块，该模块在全连接层各层之间采用特征向量归一化模块过滤权重异常值，并以残差网络级联全局信息和局部信息，最后利用通道注意力将将融合后的信息根据重要度进行区分，有效提高了采样点特征向量的准确性。然后，为了解决渲染结果过于平滑导致感知精度低的问题，设计了一种双阶段损失函数，将训练过程划分为两个阶段，粗阶段仅以RGB损失和深度损失指导训练，细阶段在此基础上还引入感知损失和全变分损失，通过渐进优化的方式，充分利用图片的高级特征，提升图像感知能力。本文算法与其他经典方法进行对比，在LLFF数据集上，定量结果表明，整体性能取得最优值，比次优算法性能提升1.9%，在DTU数据集上，定性结果显示，Scan37、Scan55和Scan63等场景重建的完整性和细节水平具有明显优势。

摘要:针对自监督漏缆卡扣缺陷算法中因背景重构误差造成的误检测，本文提出一种基于感兴趣区域约束的双阶段漏落卡扣缺陷重构方法。针对目标检测算法定位到的分类卡扣区域图像，首先嵌入分割网络用于分离卡扣及漏缆区域。随后，其对应掩码被作为线索引导堆叠对抗生成网络对卡扣区域进行重构，保证背景一致性的同时，精细化重构卡扣缺陷区域。此外，通过嵌入深度残差块和改进损失函数迫使生成网络更专注于感兴趣区域的重构。最后，训练完成的网络被用于卡扣图像的重构，并根据重构前后图像的相似度分数判定是否存在缺陷。在漏缆卡扣数据集上，定量结果表明本文算法对多类型卡扣缺陷识别的准确率92.3%，召回率为93.4%，高于其他自监督卡扣重构方法。可视化结果表明所提卡扣重构方法背景重构误差较少。

摘要:针对铁路轨道缺陷检测精度低，漏检率高，实时性不足的问题，本文提出了一种基于YOLO-FCA的钢轨缺陷检测算法。首先，将YOLOv7的主干网络替换成FasterNet轻量网络，并加入CloAttention注意力模块，减少参数量和计算负载的同时提高缺陷检测的精度。其次，提出MS-ASFF，获取高层语义信息和保留低层详细特征，增强模型检测的准确性和鲁棒性。最后，在不影响精度的情况下进行网络剪枝，使模型更加轻量化，极大地提升了模型的检测速度。在公共数据集上进行实验，结果表明，YOLO-FCA相比原始模型YOLOv7模型的mAP提高了4.1%，达到80.7%，同时检测速度提升了38.5%，达到212.5 FPS。实验结果表明，YOLO-FCA能够高效且准确地定位检测钢轨缺陷。

摘要:针对现实场景中雾天目标检测困难的问题，提出了一种改进YOLOv8s的雾天目标检测方法。设计前端模块Edge-Dehaze，利用去雾网络和检测网络联合训练并通过Sobel算子强化雾天图像边缘信息以改善雾天场景下的检测效果；提出混合注意力特征融合模块HAFM，通过并行注意力机制和特征图之间的信息交互与融合提升模型对重要特征的关注度；设计轻量化共享注意力卷积检测头LSACD，通过共享卷积降低检测头参数量，在共享层中引入SEAM注意力机制缓解雾天目标检测的遮挡问题。在RTTS数据集上的实验结果表明，改进后的YOLOv8s网络相对原始YOLOv8s网络mAP50提升了1.8%，mAP50-95提升了1.7%，参数量基本持平，从而验证了该算法在雾天目标检测上具有较高的准确性及实用性。