摘要:针对通信测试中需要模拟多种信号这一需求，提出一种大带宽、多通道的信号源硬件架构，以FPGA作为硬件控制核心以及基带信号发生器，利用FPGA中的高速串行收发器GTY，实现JESD204C接口协议，完成单Lane 16.5 Gbps的数据率传输。以CX8242K射频收发器为射频发射端，通过Microblaze进行配置，实现了调制信号从基带到高中频的高质量产生。针对目标频段，进行了频率规划，并设计了时钟方案和多通道同步方案。最终实现了一款具备宽频带、高精度、低杂散的国产化多通道矢量信号源。经测试证明，该矢量信号源能正常生成各种矢量调制信号，并实现10 M~6 GHz范围内的载波频率调节，支持单通道发射信号最大带宽高达800 MHz,在实际工程测试中有很高的应用价值。

摘要:基于三轴磁传感器阵列的磁性目标参数（位置、磁矩）求解常受传感器噪声等观测误差影响，导致结果可靠性不强。为降低观测误差、测量噪声等对解算结果的影响，本文中利用几何精度因子的原理对磁传感器阵列的布局进行优化，降低噪声等观测误差对磁性参数解算时的干扰能力。经仿真实验，比较三传感器在不同排布下观测平面的几何精度因子均值与方差，找到可靠的传感器阵列优化布局方案：参考圆半径r为观测平面的20%~30%；传感器阵列位于参考圆弧上，且以正三角形排布；参考圆所在平面与观测平面距离d为0。经试验验证，传感器阵列未以优化布局排布时，利用LM算法对三轴磁矩矢量的解算偏差［mx,my,mz］最大为：［0.034 4,0.027 9,0.028 8］ A·m2，位置解算偏差［x,y,z］最大为：［3.37,3.14,3.31］ cm；优化阵列布局后，其解算偏差［mx,my,mz］与［x,y,z］的最大值分别降低了［75.37%,78.66%,76.74%］与［72.67%,92.83%,85.76%］。传感器阵列布局的优化对提高磁性目标参数解算精度具有一定的指导意义。

摘要:针对磁耦合谐振式无线电能传输系统的各项参数变化对传输效率的影响及传输效率不高的问题。以提高系统的传输效率为目标，通过Matlab仿真软件对频率、电阻、线圈互感等参数对传输效率的影响进行了分析，引入遗传模拟退火算法对系统工作频率、线圈匝数、线圈半径、线圈间距离以及负载阻值进行参数优化。最后在Python软件中对遗传模拟退火算法进行了仿真，得到了系统参数对应的一组最优解使得系统的最高传输效率可达94.27%。仿真结果表明该优化算法的可行性和有效性，能够有效地优化系统参数从而提高无线电能传输系统的传输效率，具有一定的实际应用价值。

摘要:针对传统液体透镜控制系统成本高及不能满足个性化定制等问题，开发了一款用于液体透镜自动调焦的控制系统。系统选择ATmega32U4单片机为主控芯片，选择LTC2662芯片和H桥电路作为电流输出模块用于控制液体透镜实现变焦，并提供手动和自动两种操作模式供用户选择。该系统电流输出模块可输出DC -300~300 mA的稳定工作电流，平均误差0.64%，电流稳定度为0.327 7%；而焦距控制软件的自动调焦平均耗时约1.3 s，图像分辨率可达45.3 lp/mm。与现有的液体透镜控制系统相比，该系统实现了对液体透镜焦距的自动调节，操作简单、性能稳定、成本较低，为液体透镜提供了更加灵活和个性化的定制选项。

摘要:针对典型维修场景中人工目视检查航空保险丝绕向效率低、标准不一致的问题,构建了航空保险丝绕向自动检测模型AFE-YOLOv7。以YOLOv7作为基本模型，将卷积块注意力机制CBAM集成到SPPCSPC空间池化金字塔模块，增强网络对不同通道间信息和空间信息的关注能力；在颈部网络和头部预测网络之间嵌入CA坐标注意力模块，增强网络对航空紧固件保险丝绕向方向和位置信息的感知能力；优化边界框损失函数为Focal-EIoU Loss，提高模型的鲁棒性。采用自建的航空保险丝绕向数据集，开展AFE-YOLOv7模型的对比和消融实验，结果表明，AFE-YOLOv7达到了83.33%的最高精度，相比YOLOv7在精确度、召回率及mAP指标上分别提高了7.67%、8.68%及10.25%；与YOLOv5s等广泛使用的目标检测方法相比，能够更好地适应多场景下的保险丝绕向检测，30.1 fps的运行速度满足实时检测要求，推动了智慧民航的建设。

摘要:模块化多电平换流器（MMC）的内部环流增大了系统的损耗,加剧了桥臂电流的畸变进而增大了系统成本。针对SMC环流控制器存在的抖振、控制精度有限等问题,为进一步提升环流控制器性能，以传统滑模变结构控制为基础,提出了一种模糊滑模变结构环流控制器（FSMC）。首先,介绍MMC的工作特性,分析MMC环流产生的机理。然后通过建模分析和解耦控制阐述模糊滑模环流控制器的控制原理。之后,在相同的条件下,通过将传统PI、SMC和FSMC环流抑制策略的MMC系统,分别在交流侧输出扰动,负载突变两种不同工况下进行仿真研究。最后,通过仿真和实物结果表明,模糊滑模变结构环流控制器对环流的抑制效果和抗扰动的能力都要优于另外两种环流抑制器,提升了系统鲁棒性,有利于系统稳定、可靠,快速响应运行。

摘要:针对基于生成式的对抗样本生成方法生成的对抗样本真实性较低和攻击效果欠佳的问题，提出一种基于AdvGAN和CGAN的对抗样本生成方法ACGAN。首先，针对特定目标进行攻击，ACGAN通过在训练和攻击阶段引入额外的目标标签，生成具有针对性的频域上的对抗样本。其次，在生成器和鉴别器中引入门控卷积神经网络，帮助ACGAN模型捕捉到更精确的数据特征，从而提高攻击成功率。最后，引入感知损失函数，最小化模型输出与目标输出在语音特征表示上的差异，提高生成样本的听觉质量。实验结果表明，在有目标攻击中相较于现有方法，ASR提高了1.5%，SNR和PESQ分别提高了10.5%和11.1%，证明了ACGAN在对抗样本生成领域的有效性和潜力。

摘要:为了研究光伏系统中不平衡电压下逆变器的性能，在虚拟同步发电机控制的基础上引入一种新的趋近律滑模控制锁相环。首先，在虚拟同步发电机中采用新型滑模锁相环调节解耦双同步参考坐标系分离出的电压正序分量；然后，利用解耦双同步参考坐标系和对称分量法分别对电压与电流的正负序分量进行分离；再对其单独控制并生成电压调制信号。仿真结果表明，在电网电压跌落和相位发生跳变时，新型滑模锁相环的锁相误差仅为0.019 7和2.401 5×10-10，远小于解耦双同步锁相环的1.485 3和1.640 5。新型滑模锁相环的引入能够增强系统的稳定性和鲁棒性，改善光伏逆变器在电压不平衡条件下的运行性能，为光伏系统逆变器的设计和优化提供了一定的参考。

摘要:神经网络具有强大的函数拟合能力，可以被应用于嵌入式大气数据系统中进行大气数据估计。针对传统BP神经网络存在初始权值和阈值随机选取、训练过程局部最优、对训练数据需求量大等问题，提出了一种基于改进粒子群算法优化的神经网络，以提升FADS系统的预测精度。通过计算流体力学模拟，分别使用飞机在常规飞行和大迎角飞行状态下的压力数据来验证该算法的性能。结果表明，在训练数据有限的条件下，基于改进粒子群算法优化的神经网络在这两种飞行状态下均显著提高了大气数据的预测精度。常规飞行状态，静压、马赫数、迎角和侧滑角的预测误差分别降低了54.88%、60.46%、53.76%和62.12%；大迎角飞行状态下，预测误差分别降低了71.96%、47.52%、66.96%和53.41%。此外，在相同数据样本下，基于改进粒子群算法优化的神经网络在多次训练中误差波动更小，显示出更高的稳定性和可信度。

摘要:稳态视觉诱发电位（SSVEP）作为脑机接口（BCI）系统中的重要信号类型，因其高稳定性和易操作性而广泛应用于BCI研究。在过去的研究中，已有许多方法在SSVEP信号分类中取得了显著进展，但依然面临着信噪比低、信号非平稳性和个体差异大的挑战。为进一步提升SSVEP分类的准确性和实用性，本文提出了一种结合全局注意力机制与紧凑脑电网络（EEGNet）的新型神经网络架构——Gam-EEGNet。EEGNet作为一种紧凑、高效且适应性强的基础模型，在SSVEP信号处理中具有重要作用。通过在EEGNet中引入全局注意力机制，Gam-EEGNet能够更精确地提取和表征SSVEP信号特征，从而有效降低个体差异和噪声的影响。实验采用了涵盖12种不同频率的SSVEP脑电数据，并将Gam-EEGNet与典型卷积神经网络（CCNN）、滤波器组时间卷积神经网络（FB-tCNN）和滤波器组-时间卷积神经网络（SSVEPNet）等主流深度学习方法进行了分类性能对比。结果表明，Gam-EEGNet在不同时间窗口下的分类准确率和信息传输率（ITR）均优于其他方法，特别是在0.7 s的短时间窗口内，分类精度达到86.58%；在1 s时间窗内，多名被试者的平均识别准确率超过95%，ITR超过189 bits/min。此外，Gam-EEGNet在训练过程中表现出更好的收敛性和稳定性，具有更快的收敛速度和更低的训练误差。这些结果表明，Gam-EEGNet在SSVEP信号分类中展现出显著的性能提升，尤其适用于实时BCI系统中的快速响应场景，具有广泛的应用潜力。

摘要:针对传统双深度Q网络算法在路径规划中探索和利用分配不平衡，数据利用不充分等问题，提出了一种改进的DDQN路径规划算法。首先，在自适应探索策略中引入探索成功率的概念，将训练过程分为探索环境和利用环境两个阶段，合理分配探索和利用。其次，通过双经验池混合采样机制，将经验数据按照奖励大小进行分区采样，确保有利数据的利用度达到最大。最后，设计了基于人工势场的奖励函数，使机器人能获得更多的单步奖励，有效改善了奖励稀疏的问题。实验结果表明，所提出的算法相比传统DDQN算法和基于经验分区和多步引导的DDQN算法能获得更高的奖励值，成功率更高，规划时间和步数也更短，算法整体性能更加优越。

摘要:针对目前跌倒检测系统存在的检测准确率不高、实时性差等问题，设计了一种基于多传感信息融合的跌倒监测系统。该系统以 ESP32 微处理器为核心，利用智能手机内置的传感器、压力薄膜传感器以及 MPU6050 传感器进行数据采集，并通过小程序界面实时显示健康数据，提供监测和预警功能。提出了一种云边协同的联合判别跌倒检测方法，该方法结合了本地的多级阈值算法和云端的改进SSA-LSTM-Transformer 算法和数据融合权重，算法经过公开数据集验证，准确率达到99.13%。最后，通过实验进行系统验证，实验结果表明，系统的跌倒检测准确率为 97.67%，能够有效检测跌倒行为并实时定位和预警。

摘要:针对基本黑翅鸢算法（BKA）收敛速度慢，易陷入局部最优等问题，提出了一种融合多策略改进的黑翅鸢算法（EBKA）。首先引入了追踪猎物位置更新策略，提高算法全局搜索能力，加快收敛速度。其次在攻击阶段提出自适应t螺旋策略，防止算法陷入局部最优。最后在迁移阶段，当黑翅鸢领导者失去领导作用时，提出了Levy切线飞行策略，避免算法早熟收敛。为了验证算法的改进效果，选取8种测试函数进行测试，并与5种群智能算法进行对比。实验结果表明:EBKA与其他群智能算法对比，在单峰函数上均能快速寻到理论最优值0，在多峰函数F5、F6、F8中30次左右就能收敛到最优值，并且F6、F7可以收敛到理论最优值0。证明了EBKA具有很好的收敛性能、稳定性和全局寻优能力。

摘要:本文章针对非结构化道路，自主车辆难以进行有效导航和决策规划的问题，提出了一种基于本体论进行驾驶场景建模与行为决策的方法。首先，建立了非结构化道路中各个元素的本体模型，其中利用八方位模型来描述道路场景中无人车和障碍物之间的位置关系。然后，将自主车辆中栅格地图的笛卡尔坐标系转换为Frenet坐标系，以组合弹簧模型为架构定义风险函数来评估车辆在当前场景行车的风险值。再将光电信息数据和先验驾驶知识进行融合，形成本体知识库。最后用Prolog推理机推理出最终的行为决策结果，而该结果需满足安全性和合理性评估。实验结果表明，在非结构化道路中，该方法在决策层面能给出更符合驾驶员行为的决策结果、在辅助规划路径方面也表现良好。

摘要:现代电力系统在遭受扰动后，失稳模式呈现多样化，迫切需要准确识别不同的失稳模式，以采取相应的控制措施避免造成较大损失，因此本文提出一种基于改进Swin Transformer的电力系统暂态稳定评估方法。首先，通过时域仿真采集电力系统受扰后的电压幅值及相角特征构建起特征矩阵；然后，基于Swin Transformer，本文提出一种空间跨尺度卷积注意力模块，用来替代原来的多头自注意力模块，该模块通过一系列不同卷积核大小的卷积层，能够充分提取到不同维度的有效特征，进而实现更为准确的预测结果。最后，通过在修改后的New England 10机39节点系统及IEEE 50机145节点系统中进行仿真实验，预测准确率分别达到99.05%和99.00%，多摆失稳误判率为0.35%和0.27%，这表明所提方法不仅能够对不同的失稳模式进行准确的预测，同时在噪声及PMU特征缺失情况下仍表现出优越的鲁棒性。

摘要:尽管大多数故障诊断研究以图像、音频等作为研究的数据类型，但表格型数据的故障诊断研究仍然具有重要意义。在表格型故障诊断领域，以前的相关工作大多集中在传统的监督学习方法并且对跨工况故障诊断任务的基准评估有所不足。本文介绍一种用于表格型数据跨工况故障诊断任务的自监督学习方法，该方法将对比学习思想和表格掩码建模策略应用于以Transformer为骨干的自编码器架构。在凯斯西储大学轴承数据集的诊断实例上的结果显示，本文的方法经过适当微调后可以在目标任务中普遍优于监督学习基线方法的诊断精度。与自监督学习基线方法相比，对比学习策略和表格掩码建模策略的引入分别使得自编码器在3个目标任务中的平均诊断精度提高了0.74%和3.35%。此外，为了验证所提出的方法的合理性，本文进一步分析和讨论了该方法的保真度和效用。

摘要:从光伏板的红外图像中分割提取出光伏板区域信息，可以极大提高光伏板故障检测的精度。而传统语义分割算法对光伏板的边界信息处理效果不佳，存在光伏板边界呈波浪状、互相黏连以及背景误分割等情况。针对此类情况，本文提出了一种基于改进DeepLabV3+的光伏板语义分割算法模型，将主干网络更改为MobileNetV2,引入Canny边缘检测算法输出新的浅层特征语义信息；设计SE-ASPP模块对特征通道进行重新校准，增强网络表达能力；增加浅层特征语义信息通道数，加强对浅层特征语义信息的关注。实验结果表明，改进后DeepLabV3+算法模型的精准率、mIoU、召回率和F1分数分别达到99.50%、99.21%、99.61%和99.55%，与原DeepLabV3+模型相比，分别提高了2.24%、1.58%、1.57%和1.72%，在实际分割任务中表现出色，具有更高的检测精度和可靠性。

摘要:为解决现有动态手势识别方法在复杂环境下因相近肤色、光照变化等因素造成势识别率不高、鲁棒性欠佳等问题，提出一种基于椭圆肤色模型的动态手势分割与识别方法。首先利用YCrCb颜色空间中的Cr分量结合OTSU阈值分割算法分割出手部区域。其次，针对手势复杂程度以及手指粗细不同的情况下直接运用形态学处理可能或导致细节丢失，影响识别的准确性问题，对传统Canny算法进行改进，并结合形态学处理对手部边缘填充；然后通过结合Kalman与改进的CamShift算法来对手势进行跟踪，完成动态手势分割；最后通过BP神经网络对分割后的动态手势进行识别，通过优化算法在GPU上的实现，利用GPU的并行处理能力加速图像处理、特征提取及神经网络前向传播等计算密集型任务。这部分优化措施显著提升了动态手势识别方法的实时性能，使其能够更好地适应于各类对实时性要求高的应用场景。实验结果表明: 此方法在应对复杂背景及光照环境变化时具有较强的鲁棒性及抗干扰能力，平均识别率可达94.67%。

摘要:人的不安全行为是高校实验室事故发生的主要原因，其中个人防护措施不当是最突出的表现。目前，大多数不安全行为检测方法主要用于建筑、工业场景，仅关注人员是否佩戴防护装备，而无法有效区分个人防护装备佩戴状态的完整性与有效性。本研究将防护装备佩戴状态进行更精细区分，提出一种基于目标检测与属性识别算法的两阶段人员不安全行为识别方法。第一阶段利用改进的YOLOv5-DETR-LPE实现实验室复杂背景和低质量图像条件下人员的精准检测，第二阶段利用基于EfficientNet-B3的属性识别算法实现对检测到的人员的不安全行为的识别。在自建数据集上，YOLOv5-DETR-LPE相较于YOLOv5n算法精确率和mAP50:95提高1.15%和5.11%，而模型参数量和计算量仅有小幅度增加。基于EfficientNet-B3的属性识别算法在3种属性的11类标签的识别中均保持较高精确率。最后设计并实现了识别与预警系统在实际环境中的部署,验证了该系统在实际场景中的有效性和可行性。

摘要:针对带式输送机的输送带缺陷检测因没有公开的数据集、缺陷形状多样化、撕裂长短不一而导致检测的精度低的问题，本文将使用线阵相机，并在拍摄过程中采用线激光作为辅助工具，减轻恶劣环境对图像的影响，并提出改进YOLOv5的输送带缺陷检测算法，以保证煤矿的生产安全。首先，在现有数据的基础上，通过多种数据增强方式进行组合的方法进行扩充。然后在特征提取阶段，用类似注意力机制的C3_A替换Backbone中的C3模块，以提高整体性能。接着在特征融合阶段，采用短接的方法将Backbone与Neck的PAN结构结合，以减少特征信息丢失。最后，在损失函数上融入微调后的交并比并设置两个参数，对原始交并比进行缩放和裁剪，有效约束模型预测框与真实框的位置关系，进一步提升了模型对边界框回归的准确性。实验结果表明，输送带缺陷检测的平均精度均值达到88.1%，精确率达到88%，召回率达到86.5%，满足输送带缺陷的检测要求。

摘要:针对医用透明方杯人工检测效率与精确率低、对产品有磨损的问题，引入视觉检测技术，结合图像处理与深度学习，设计开发一种医用透明方杯位姿与缺陷检测系统。针对方杯位姿检测，首先，通过基于改进动态阈值准确分割方杯图像边缘区域。然后，改进Canny算法的高低阈值设计，检测出更多细微幅值差别的边缘，设定共线边缘合并的阈值条件，进而拟合得到两边缘直线，基于两边缘计算出虚拟中轴线。最后，通过最小外接矩形粗定位中心，粗定位点到轴线的垂足作为方杯精定位坐标，根据仿射变换将方杯图像矫正到参考位姿。缺陷检测方面，对图像局部缺陷进行灰度拼接，构建3种缺陷类间均衡的图像数据集。基于SqueezeNet、Inception-V3与ResNet-50三种神经网络迁移学习训练后，综合评估发现SqueezeNet模型的性能表现最优，在测试集平均精度达98.6%，识别精确率和召回率分别达99.8%与98.8%。实验验证结果表明对单张图像位姿与缺陷检测速度分别为770.5 ms与553.1 ms，改进后位姿检测精度更高，检测缺陷准确率达到94%，具有良好的实时性与稳定性，可满足检测要求。该研究可为医用透明方杯的位姿与缺陷检测提供技术支持。

摘要:针对钢板表面缺陷种类多、缺陷差异较大、漏检率高等问题，提出一种改进YOLOv9的缺陷检测算法。首先，算法通过FasterNet中的FasterBlock改进特征提取网络中的RepNCSPELAN4模块，设计了RepNCSPELAN4-FB模块，实现多尺度特征融合，从而降低模型的参数量，其次，利用iRMB的倒残差结构和一种高效多尺度注意力模块EMAttention相结合形成一种新的iEMA模块，提高网络的精确度，最后，使用Inner-WIOU损失函数，改善边界框回归损失，提高了模型对不均匀分布及不同尺度目标缺陷的检测性能。通过在GC10-DET数据集上进行实验，改进的算法在精确率、召回率和map@0.5方面相比原算法提高了3.5%、3%、2.1%。该模型在钢铁表面缺陷检测中表现有较好的性能。

摘要:直升机以其卓越的低空性能在通用航空领域广泛应用。作为直升机飞行性能的关键能力,近地面机动飞行是直升机飞行试验的重要科目。为了保证直升机在近地机动飞行试验过程中的安全可控,需要对直升机飞行过程中的一些关键参数进行实时监控。针对直升机飞行试验过程中对旋翼尾桨近距测量和机体近地高度实时监控与告警的测试需求,开展矩阵式激光测距技术、平台控制算法等关键技术研究,确定直升机近地飞行关键测试技术设计方案,以此为基础研制的直升机近地飞行安全监测与告警系统实现了直升机机动试飞情况下近地百米高度内的高精度测量, 精度和时延都满足飞行试验测试要求，对于未来直升机飞行试验测试系统的设计具有重要的借鉴意义。