摘要:为了提高特种设备检测工作者对起重机主梁下挠值进行测量的工作效率，保证测量精度以及实现测量数据的智能化处理，提出了一种基于水平激光与光电传感器的测量方法，并设计了测量系统的原理样机。测量系统将起重机主梁拱度值转化为水平激光照射在光电传感器阵列上的高度差进行测量，通过纵向双排交错感光单元排布的方法提高了测量分辨率；利用双轴承重力悬吊结构保证了激光水平照射；通过点光源聚焦水平扫描代替一字线水平激光解决了激光远距离照射时衰减导致亮度不足的问题；借助LoRa和5G无线通信技术实现了测量数据实时上传云端的功能。在某起重机主梁检测现场，将本文设计的系统样机与传统经纬仪法进行对比测量实验，结果表明本文所提出的测量方法以及设计的系统样机相比传统经纬仪法，各点的测量误差在本次实验中均小于0.6 mm，且总测量用时减少了70%左右，保证了测量精度与可靠性，显著提高了测量效率，实现了将测量数据实时上传云端，提高了检测工作的智能化程度。

摘要:铷原子喷泉钟的C场电流稳定性会影响钟的二阶塞曼频移，传统优化C场线圈物理系统的方法存在系统复杂且难以满足铷钟小型化要求的缺点。本文从铷原子喷泉钟的电路系统入手，提出了采用芯片电流源优化C场电路的方法。首先，分析研究了芯片电流源输出波动对铷原子喷泉钟二阶塞曼频移项的影响，得到了铷原子喷泉钟二阶塞曼频移与C场芯片电流源输出电流之间的变化关系；其次，对优化前后铷原子喷泉钟C场电流进行了相关测量实验。实验表明，使用VC12MA电流源产生C场时，其输出电流值Allan方差为2.24×10-9，对铷原子喷泉钟二阶塞曼频移的相对扰动为1.78×10-17，铷原子喷泉钟二阶塞曼频移的频率稳定度从原来的10-16量级提升至优化后的10-17量级，本文方法在铷原子喷泉钟性能提升及小型化中有很大的应用价值。

摘要:针对当前工件检测中，工件表面缺陷检测存在处理速度慢的问题，设计出一种具有高速互联总线的SocFPGA架构解决方案。首先将图像数据灰度化、中值滤波、自适应阈值分割以及形态学操作，消除图像中的污损部分，凸显缺陷像素。其次，利用像素阈值算法与投票算法，标注了图像表面缺陷位置。最后，采用铜板试样并结合OV5640摄像头，搭建了一套工件表面缺陷检测系统。测试表明，当缺陷直径不小于0.5 mm，缺陷检出率约为90.24%，处理1帧图像的时间约为0.62 μs，实现了工件表面缺陷图像的实时在线检测，为该领域研究提供一定的参考。

摘要:考虑机器人行走过程中自身尺寸与体积因素的影响，给出了防刮碰障碍物的节点扩展方法。将传统的从起点到终点的单向搜索方式变成起点到终点和终点到起点的同步双向搜索方式，并将搜索进程中的“终点”设置为对向同步搜索的当前点，将当前点和当前终点的距离引入评价函数，明显减少了往复搜索的次数和搜索的节点数目，提高了搜索效率。在双向搜索A*改进算法得出的搜索路径基础上，进行路径优化，先后进行路径冗余点的去除和拐点路径的圆弧过渡。仿真结果表明，基于上述方法得到的避障路径搜索面积小，搜索节点少，搜索效率高，路径平滑稳定，易于机器人完成避障路径行走。

摘要:提出了一种非隔离型双向DC-DC变换器，通过优化设计耦合电感实现了低压侧电流零纹波。该变换器还具有以下优点：电压增益较高（升压模式下G=(1+D)/(1-D)）；开关管数量少（3个），电压应力较低（约为高压侧电压的一半），且开关管均实现了零电压软开关；此外，其只需要一个磁芯，且输入输出端共地。对所提变换器的工作原理、稳态特性、低电压侧电流零纹波条件、软开关条件和参数设计方法进行了深入分析，并通过一台250 W/100 kHz的原理样机仿真验证了所提拓扑的可行性。

摘要:传统爆炸振动速度预测模型多是应用在矿山与岩体爆破，对于近地爆地表振动速度模型研究较少且预测精度较低，为研究近地爆地表振动强度模型，基于LSDYNA分析软件建立了近地爆地表振动速度仿真模型，通过量纲分析，引入振动波的传播速度这一影响因素，建立了地表振动峰值速度改进模型，并通过仿真数据对速度模型进行多元非线性回归分析，最后通过试验应用了本文模型，验证了本文改进模型的准确性。结果表明：通过仿真数据拟合出本文改进模型预测的平均相对误差为11.33%，两种经典模型预测的平均相对误差分别为34.05%和31.67%，本文改进的预测模型对试验测点振动速度预测的平均相对误差为8.28%，两种经典模型的预测误差均高于44%。因此本文的改进模型的预测精度相较于现有的经典模型有较大的提升，能够较好的表征地表振动强度、反应地表振动峰值速度的衰减规律，可以为近地爆试验预测地表振动峰值速度模型提供一些理论依据。

摘要:针对基于深度强化学习的四旋翼无人机视觉避障系统,模型训练速度慢、计算量大和响应不及时的问题，设计了一种轻量化且模型训练速度快的系统。该系统首先以深度图像和无人机自身状态信息作为输入，然后使用一种基于GRU结构的A3C算法(GRU-A3C)，输出连续动作空间并结合课程学习的方法进行训练加速。最后，以A3C为基线进行消融实验。实验结果为：在训练1 000轮次时，利用课程学习方法训练的GRU-A3C算法成功率为0.28，A3C算法成功率为0.2；在训练5 000轮次时，利用课程学习方法训练的GRU-A3C算法成功率为0.72，A3C算法成功率0.62。数据表明，该系统可以有效加快模型收敛速度，缩短训练时间并提高训练效果。

摘要:由于地形条件的限制，越来越多的铁路线路设计不得不采用长大坡道，使得传统仅针对横向和垂向轮轨力的测力轮对技术已经无法解决后续运营维护阶段衍生的一系列问题，需要进一步开展纵向轮轨力测试技术研究。本文提出一种基于LM算法的纵向轮轨力测量方法。首先，通过有限元仿真计算验证纵向力的可测性并探明其作用规律，以此为基础设计纵向力测量电桥，将求解纵向力的问题转化为求解超定多元非线性方程组问题。利用阶次分解拟合任意角度下的标定系数，采用LM算法求解旋转角度与轮轨力。借助SIMPACK模拟列车不同条件下的爬坡运行状态，验证了本文方法的有效性并量化作用点位置对纵向力测量误差的影响。研究结果表明，本文提出纵向力测量方法具有较高的测量精度，其相对误差小于6%。

摘要:线结构光条纹中心线提取是三维测量技术的关键，测量工件表面易反光等环境因素的干扰使中心线提取的精度低、稳定性差。本文提出了一种改进的激光中心线提取方法，首先在SegFormer网络编码层Transformer backbone分支提取线激光图像全局特征的基础上，引入Vgg16 backbone分支提取线激光图像中的浅层轮廓信息，再添加MASPP模块来提高模型对线形目标的分割效果，提高了激光条纹区域的分割精度，通过改进SegFormer网络模型为后续中心线提取提供高质量的图像源，再利用Steger法实现对激光中心线的精确提取。实验结果表明,该方法计算速度与Steger算法相比提升了42%,其提取的精度提升约0.3个像素,并适用于多种复杂环境，在工业检测上满足精度和稳定性的要求。

摘要:针对钢轨表面缺陷区域与背景区域特征相似特性导致的模型检测性能下降问题，本文研究高实时性轻量级目标检测网络YOLOv8n，提出一种基于YOLO的多模态钢轨表面缺陷检测算法RailBiModal-YOLO。改进YOLOv8n模型：构建双流主干网络结构并行提取多尺度深度信息和RGB信息；为降低低质量图像特征相互干扰并能充分利用双模态互补信息，设计了一种即插即用的双模态特征交互修正融合模块；在多尺度特征构建阶段引入EVCBlock，增强RGB-D特征层的层内信息交互，提高小缺陷检测能力。以东北大学NEU-RSDDS-AUG作为实验数据集，将数据集自定义划分为4种典型缺陷类型，以平均精度均值mAP、每秒检测帧数FPS、参数量作为主要评价指标，实验结果表明：所提模型与原模型相比，在保证高检测速度的同时，mAP@50，mAP@50:95分别提高1.8%和3.2%，并具有更强鲁棒性。

摘要:蜣螂优化算法(DBO)虽独具优势，同时也存在一些问题，如收敛精度低下以及容易陷入局部最优。为了解决这些难题，提出了一种名为MSIDBO的改进型蜣螂优化算法，目的是增强优化效果，同时保持全局和局部搜索的平衡。提出了一种自适应适应度距离平衡策略，该策略通过优化蜣螂的觅食和偷窃行为，有效地避免算法陷入局部最优解的困境；同时，引入引导学习策略和局部最优扰动方案，加快算法的收敛速度，平衡算法在局部开发和全局探索能力之间的关系。为评估MSIDBO算法的性能，采用CEC2017测试函数进行仿真实验，在3个实际工程设计问题中，同时运用了MSIDBO算法，并与其他5种优化算法进行了比较，结果表明，MSIDBO算法在收敛速度、求解精度和稳定性方面均表现出显著优势，充分验证了其在实际应用中的高效性和可靠性。

摘要:针对目前流行的残差网络在复杂噪声环境下对弧齿锥齿轮箱故障识别准确率较低的问题，以及传统鲸鱼优化算法（WOA）收敛速度较慢且全局搜索能力较差的问题，本文提出了一种基于格拉姆角差场（GADF）和混合鲸鱼粒子群优化算法的CBAM注意力机制残差网络的智能故障诊断方法。首先，对采集到的一维振动信号进行重叠采样以获得足够的信号样本，然后通过格拉姆角差场编码技术将一维数据转换为二维图像数据，构建不同故障下的二维图像数据集，并通过人为添加噪声的方式以扩大样本数量并验证噪声对诊断方法的影响；然后，在传统ResNet网络中加入CBAM注意力机制模块以增强有用特征、抑制无关特征，从而提升模型的表示能力，将图像数据集输入到混合鲸鱼粒子群优化算法优化的CBAM-ResNet模型中进行训练；最后，使用训练好的CBAM-ResNet模型对弧齿锥齿轮箱故障数据集进行分类，输出诊断结果。实验结果表明，该方法在不进行人为降噪的情况下确识别弧齿锥齿轮箱故障准确率达到100%，且在复杂噪声背景下依然可以达到95.38%，相较其他方法具有更高的准确率、更快的网络收敛速度和更好的鲁棒性。

摘要:随着现代无线通信环境中调制类型复杂性和多样性的显著增加，对自动调制识别技术的性能提出了更高要求。文章提出一种由卷积神经网络、挤压与激励模块、长短期记忆网络、门控循环单元和全连接层网络组成的混合神经网络模型，提升AMR技术的效率和准确性。首先，针对低信噪比环境下调制信号识别精度受限的问题，引入奇异值分解算法对接收的I/Q信号进行去噪，在提高信号质量的基础上提高低信噪比下调制信号的识别精度。然后，利用卷积神经网络对去噪后的信号进行多通道空间特征提取，随后加入挤压与激励模块提升特征提取的针对性，将门控循环单元和长短期记忆网络相结合，捕获信号的时间序列特征，最后，通过全连接层网络将提取的特征映射到调制方式的分类空间进行分类识别。实验结果表明，提出的网络模型在低信噪比环境下显著提高了调制识别精度，在RadioML2016.10b数据集上的平均识别准确率达到了64.63%，同时增强和提高了对QAM16与QAM64的区分与识别精度。

摘要:多普勒测速雷达具有测速范围广、测速精度高及可靠性强的优点，广泛应用于我国轮轨及磁浮交通领域。多普勒测速雷达在测速过程中需要考虑杂波对多普勒信号的干扰，因此在轨道地杂波背景下研究信号处理方法对提高测速精度、保障行车安全具有重要意义。首先对Kernel分布、Weibull分布及Gamma分布这3种典型的概率统计模型进行了理论分析，基于77 GHz+24 GHz双频车载测速雷达进行了杂波测量实验，采集了实际轨道面地杂波数据，并对实测数据进行了拟合分析，结果表明，该车载测速雷达的轨道地杂波数据统计特性服从Kernel分布。在杂波背景下，首先利用最小均方自适应滤波方法对实测信号进行去噪处理，并使用改进Burg算法进行频谱估计实现了高精度速度测量，实验验证了算法能够有效抑制杂波提高信噪比，在低速状态下测速误差小于0.5 km/h，当速度大于50 km/h时，测速误差小于0.5%。

摘要:在电网系统中，异常检测效率直接影响到系统维护成本，传统电网异常检测方法基于专家经验知识转化为固定规则与阈值，存在一定的局限性。现有的异常检测研究多以窃电、设备故障为主要分析对象，对过流异常的分析不足。本文针对过流异常的特性，分析了传统经验规则存在的问题与缺陷，通过特征工程确定了特征量，提出了基于XGBoost的电网过流异常检测模型。通过实验数据测试与评估，本文模型在5折交叉验证中F1分数最低值相较于传统规则提升了19.2%，平均值相较于传统规则提升了15.1%，各项实验指标均优于基于传统经验规则的检测方法，且没有出现明显的性能差异，证明了模型的检测效果。与异常检测常用的其他机器方法对比，本文模型的F1分数提升了6.4%至8.7%，稳定性及准确性均有优势。通过训练数据远少于测试数据的极端情况测试以及对模型进行的可解释性分析表明，本文模型具有较高的透明度、可信度，同时具有良好的泛化性能，可以有效支撑在实际环境中推广应用于过流异常检测。

摘要:近年来遥感目标检测的研究主要集中在改进边界框的表示方法，而忽略了遥感场景中独特的先验知识。为了进一步提高双阶段模型的检测精度，同时保持推理复杂度，本文以大核卷积构建的特征提取器LSKNet为基线，在特征表示和训练策略上进一步做出了改进。首先，通过RFA提取比例不变的上下文信息，以缓解LSKNet引入的背景噪声、提高模型对噪声的鲁棒性；然后，通过构建CS进一步提出CS策略来缩小不同尺度特征之间的语义鸿沟、使模型具备多尺度能力的同时更专注于小目标。本文的方法在几乎没有增加推理复杂度的同时，在大型遥感图像数据集DOTA上的单尺度结果达到了79.03% mAP50，证明了提出方案的有效性。

摘要:针对现有的遥感影像滑坡语义分割网络存在模型参数量大、训练速度较慢，滑坡边界区域识别模糊、遥感影像多尺度语义信息分类差异化等问题，本文提出一种改进的RTformer轻量级语义分割模型，在模型不同层级模块间嵌入空洞卷积注意力ASPP模块和通道注意力SE模块，以捕捉不同尺度的语义信息和通过计算通道关系从而增强特征表示能力，提高模型特征提取能力，使其更加适用于滑坡遥感影像识别任务。利用Cityscapes数据集针对模型中空洞卷积的膨胀率设置和不同批量大小进行对比试验以得到最优解，以毕节滑坡灾害数据集做为预训练数据集设计一个自监督训练任务，并使用其进行模型微调并检验模型针对滑坡灾害遥感影像的分割性能。最终得到的模型在Cityscapes数据集和毕节市滑坡灾害数据集上均获得了最优表现，相比原始RTformer模型，两个数据集的平均交并比（mIOU）分别提升了2.26%和4.34%。并且与FCN、U-Net、DeeplabV3、SegFormer等经典语义分割模型相比，改进模型以最少的参数和最快的推理速度实现了识别任务，并达到了最优分割效果。

摘要:针对大多数经典视觉SLAM在室内的动态环境下鲁棒性不足问题，在基于ORBSLAM3算法框架之下，提出了一种可区分室内高低动态环境的视觉SLAM。首先提出一种根据连续多帧之间位姿变换做重投影误差来区分室内环境中的先验动态对象处于高动态还是低动态的算法。然后根据环境的高低动态决定是否结合YOLOv8-Seg实例分割网络对动态环境中的动态特征进行剔除，保证SLAM系统的跟踪精度。最后针对动态特征引起地图中出现重复性的地图点，在局部地图跟踪加入一种重复地图点消除算法，对动态环境中出现的重复地图点进行删除，进一步保证系统的稳定跟踪。在公开数据集TUM RGB-D上实验结果表明，改进后的算法相对于ORB-SLAM3算法在定位精度上均有提升，低动态环境下最大提升60.41%，高动态环境下最大提升94.65%。与其他动态特征去除算法相比，在大部分序列上实现了更高的定位精度，且在实时性上也更具优势。在所提算法有效解决SLAM应对室内动态环境的问题，提升了SLAM的定位精度。

摘要:面对边境复杂环境导致的人工巡检难题和安全风险，部署无人化监控系统对我国边防至关重要。由于摄像头与入侵目标间距离差异导致所拍图像尺度变化显著问题，以及监控目标采用遮挡策略，现有无人边防系统面临误检、漏检率高和实时性不足的挑战。针对该问题，提出了一种平均精度更高、参数量更少、普适性更强的FDB-YOLOv5遮挡小目标检测算法。首先，采集大量不同遮挡面积的人员样本构建数据集；其次，设计了Faster_C3新结构，以减少遮挡小目标检测网络的延迟和参数量，提高模型检测速率；此外，在颈部网络中引入基于点采样的Dysample上采样器，获得更多的局部细节和语义信息，增强模型对小目标的检测能力，同时降低计算开销；最后，使用基于多尺度特征提取BSPPF的空间金字塔池化方法，有效地解决尺度不变性及遮挡目标特征信息损失问题，从而更好地捕获关键信息，提高模型对遮挡小目标检测的稳定性以及鲁棒性。实验结果表明，与基线YOLOv5相比，FDB-YOLOv5的mAP@0.5%达到了91.5%；参数量和计算量分别减少了19.07%与18.40%；模型的检测速度提高了8.83%；与Faster R-CNN、SSD、YOLOv5s、YOLOv8相比，FDB-YOLOv5表现出更优越的性能，可以为边境无人化目标检测技术提供参考。

摘要:锻件在制造过程中容易出现裂纹等各种表面缺陷，影响产品质量。针对复杂可见光环境下小目标裂纹容易出现漏检问题，并考虑生产线上高效部署需求，提出LSCPoolFormer算法。首先，采集湖北三环锻造有限公司汽车转向节生产线的磁粉探伤图像，标注后制成FDMPI数据集；然后，使用基于PoolFormer骨干网络的编码器，实现轻量级高效的特征提取；其次，引入渐近特征金字塔作为颈部网络，减少不同尺度特征之间的语义差距；最后，基于动态蛇形卷积提出DSSeghead作为解码头，强化模型对条状裂纹的感知能力，并提出DDS训练策略，降低小目标裂纹丢失的概率。LSC-PoolFormer在FDMPI上的实验结果表明，相较基准模型，该算法的参数量和计算量分别下降9.2%和48.78%，F1分数和IoU分别提升1.1%和1.69%；同时在公开数据集NEU-Seg上的表现也证明了该算法的泛化能力，相较基准模型，大幅度降低参数量和计算量的情况下，mF1分数和mIoU分别提升0.66%和1.04%。实验证明，本文算法在保持检测精度的同时，显著降低算法复杂度，有利于实际部署。

摘要:针对现有煤矿传送带异物检测模型在低光照环境下出现性能不佳，对细长异物和小目标异物存在误检、漏检情况，且模型体积较大，难以在边缘设备部署等问题，提出一种基于改进YOLOv8的低照度煤矿传送带异物检测算法。首先，采用图像增强的方法对低照度图像进行预处理，来增强煤矿传送带异物的有效特征信息；其次，在模型主干网络中引入动态蛇形卷积动态调整卷积核形状，以提升模型对细长异物的关注；此外，使用slim-neck设计范式对颈部网络进行改造，在保证学习能力的同时，大幅减少模型的参数。最后，采用Inner-CIoU损失函数替换CIoU损失函数，加快模型收敛速度，提高模型对细长异物和小目标异物的检测性能。实验结果表明，相较于基准模型，改进后的算法平均检测精度提高了1.6%，模型大小降低了29.7%，检测速度FPS提高了59%，验证了其有效性。在与其他先进模型的对比中，证明了本文算法在复杂环境下仍具有较强的识别能力。