摘要:在精密测量、工业检测等领域中，由于待测电容变化量非常微小，可能达到皮法量级甚至更低，因此需要电容检测电路捕捉这些微小电容变化。本文分析了微弱电容检测的基础原理，区分了二极管式、调频式、交流式、充放电式和谐振式五种电容检测电路，通过测量精度、功耗等方面的对比分析，归纳了各类方案的特性优劣及其适用场景，并列举了典型应用案例。在综述当前电容检测方法的基础之上，探讨了当前微弱电容检测电路的局限性、需深化研究的方向及发展趋势，期望能够推动电容检测技术的进一步发展。

摘要:脆弱支路故障可能导致区域综合能源系统的稳定性下降，甚至引发系统大范围失稳。因此识别系统的脆弱支路成为保证系统安全稳定运行和预防的重要环节。为此提出一种电-气-热区域综合能源系统脆弱支路识别方法。首先基于统一能路理论对电-气-热网络进行统一能路能流建模和计算，获取网络的初始运行状态，同时针对区域综合能源系统建立预想事故集，考虑热网与电网N-1事故对网络内部的影响，通过N-1求得故障后支路的运行状态；其次基于能流变化熵的运行特性以及局部集中度的结构特性脆弱性分析，提出支路的综合脆弱度指标，通过粒子群优化算法确定运行脆弱度和结构脆弱度权重，确保评估过程的客观性与准确性，根据脆弱度指标进行排序从而识别出系统的脆弱支路，最后采用电IEEE14节点-气14节点-热14节点算例辨识系统脆弱支路，实验结果表明所提出的方法能够合理反映系统实际情况，粒子群优化算法所确定的权重能够更好地识别脆弱支路，提升了识别的准确性和可靠性。

摘要:轮胎内部缺陷检测能够及时发现轮胎生产中存在的潜在问题，可为工艺调整及行驶安全提供有力保障。而轮胎X光图像中的缺陷目标具有多尺度、极端长宽比、形状各异且不规则、小目标多以及正负样本不均衡等特点，致使缺陷检测精度低。针对以上情况，提出一种基于高效编码器与多尺度特征融合的轮胎缺陷检测方法。首先结合可变形注意力机制和通道注意力机制设计一个高效的编码器，以增强特征提取和表示能力，然后构建多尺度特征提取和融合模块，融合浅层与深层特征信息，来保留重要上下文信息并增强特征表示的多样性，最后在模型训练中自适应边界框回归方法，动态分配难易样本权重，减少无效样本，实现模型快速收敛、提高模型泛化能力。实验结果表明，改进后模型在轮胎缺陷数据集上的平均精度（mAP）达到95.5%，较基线网络提高3.6个百分点，为轮胎缺陷检测的实际落地应用奠定了一定的基础。

摘要:为解决车载转向电机噪声源识别不准确的问题。本文提出了一种基于自适应噪声的完备经验模态分解、改进樽海鞘群的独立分析方法。首先提出一种改进樽海鞘群的独立分析方法，该方法通过改进Tent混沌映射进行种群初始化，领导者及追随者更新机制分别采用Logistic混沌映射和动态学习；然后通过仿真实验验证该方法比传统的快速独立分析方法和樽海鞘独立分析方法分离效率分别提高4.38%和1.01%；最后采用该联合算法对车载转向电机单通道噪声信号进行分离识别，结果表明该联合算法能有效分离电机振动噪声信号中不同频率的特征信号，稳定工况下电机噪声的主要原因是由转子不平衡以及电磁噪声引起。

摘要:为改善传统虚拟同步发电机系统参数设计复杂及应对有功指令阶跃时的并网有功动态振荡问题，提出一种基于BP神经网络的储能VSG参数自适应优化策略。首先，阐述储能VSG的工作原理及其特性，分析虚拟惯量与虚拟阻尼对其并网有功动态响应特性的影响并确定参数的取值范围；其次，引入具有良好非线性映射性能的BP神经网络，将其应用于储能VSG参数自适应设计中，实现虚拟惯量和虚拟阻尼系数的实时动态调整，进而优化有功动态响应性能；最后，实验结果表明在有功指令突变工况下所述控制策略较固定参数VSG控制策略有功功率超调量从45%下降至2.5%，调节时间减少了0.89 s，输出频率幅值降低了0.1 Hz，这充分体现了所述策略的有效性和优越性。

摘要:本文介绍了一种基于光电检测技术的可循环利用的验孕电路设计。该设计采用金标检测试纸作为初级传感器，光电传感器作为次级传感器，利用金标检测试纸显色区域对特定波长光线的敏感性，精心选择匹配的光源波长，并通过不同孕期的HCG浓度的标准样本进行标定，进而实现对金标检测试纸显色结果的快速、精确检测。通过正交实验优化了电路变量参数，利用方差分析和极差分析确定了最优组合，实验结果表明，本文所设计的电路系统工作稳定，性能可靠。对比传统的验孕试纸和一次性电子验孕产品，本文提出的检测方法不仅可实现非接触测量和重复使用，还具备高测量精度和便携性，具有广阔的应用前景。

摘要:天线罩是雷达系统的重要电讯结构功能件，如在生产制造中不慎混入碳纤维丝，极易造成天线罩局部烧蚀故障，目前碳纤维在电磁场中的发热机理及其对天线罩影响的研究还不充分。为此文中拟通过有限元仿真分析法对其进行探索研究，首先研究了含碳纤维丝的复合板的有限元模型构建技术；其次，分析了不同规格的碳纤维丝的复合板在电磁场下的发热机理；最后，通过试验分析了碳纤维丝发热量与复合板间的变色、烧蚀等失效模式的对应关系。相关研究成果可对天线罩的结构设计、生产加工等提供有效的指导，并为相关故障分析开辟新思路。

摘要:为发展双碳背景下的新型电力系统调度模型与方法，构建了一个考虑阶梯碳交易的含流域水风光一体化（WHWP）的多能互补调度模型。为提高含WHWP的多能互补调度模型这类高维度非凸优化问题的求解效率和适应性，本文提出了一种基于Logistic混沌映射、准反射学习策略、高斯随机游走策略、最优个体局部搜索结合差分变异扰动策略的金豺优化算法（EGJO）。首先，利用Logistic混沌映射生成初始化种群，增强了算法的空间多样性；其次，通过在金豺算法搜索、包围并攻击阶段分别引入准反射学习策略和高斯随机游走策略更新豺狼对位置，强化算法全局寻优能力以及收敛速度；最后，合并更新位置后引入最优个体局部搜索结合差分变异扰动策略，提高求解精度。算例分析在扩展IEEE3机9节点和一个某省域简化电力系统展开。结果表明，考虑阶梯碳交易的含WHWP的多能互补调度模型的综合运行成本分别减少8.55%、10.78%，碳排放量分别减少178.26 t和17 841.68 t；与主流的7种优化算法相比，EGJO求解成本最少分别降低1.108万元、1401万元，标准差分别降低了1.598和0.004；充分验证了本文所提模型与方法的有效性和优越性。

摘要:自闭症谱系障碍是一组复杂的神经系统疾病，通常出现在幼儿期，目前，自闭症儿童的诊断主要依赖于行为观察和诊断量表，然而由于儿童的某些行为症状可能不明显，诊断结果往往存在一定的主观性。为了提高自闭症儿童早期诊断辨识的准确性，本文提出一种基于时-频-空三域特征以及改进快速相关滤波算法的诊断方法。首先利用脑电信号中时-频-空特征之间的互补性全面分析脑功能网络。其次，采用改进快速相关滤波算法进行特征优化，筛选出相关但非冗余的特征，最后采用BP-Adaboost分类器辨识诊断。通过实验对比分析发现，该模型效果较为优异，BP-Adaboost分类器具有较高的辨识精度，平均诊断准确率达到98.72%，该模型可用作辅助神经科医生诊断自闭症的辅助工具。

摘要:UFSA-LD算法在提取车道线的细长结构特征时，面临信息丢失、长距离上下文捕获困难以及边界细节识别不敏感等挑战。本文提出一种基于多尺度空洞特征融合注意力的车道线检测算法：在UFSA-LD辅助分割分支加入MDFA模块，借助空洞空间金字塔池化（ASPP）扩展了网络的感受野，多尺度捕捉车道特征；利用融合注意力机制（FCBAM）从通道与空间多维度过滤干扰信息，增强关键特征表示。引入Dice Loss损失函数，更多关注车道线的边缘与局部结构信息。实验结果表明：改进后模型在TuSimple数据集上检测精度由95.81%提升至96.03%；在CULane数据集上F1指标较原文提升1.8，验证了模型改进的有效性。

摘要:本文针对海马优化算法收敛精度低、全局搜索和局部开发不平衡、易陷入局部最优解等问题，提出了一种基于混合策略改进的海马优化器，记作ISHO。首先，融合灰狼优化算法的搜索特点改进海马优化算法的运动行为，使其能够在搜索空间内更有效地进行全局搜索和局部开发；然后，结合精英反向学习策略细化搜索过程，从而提高收敛精度；最后对海马优化器捕食阶段的参数进行调整，使其具有更强的自适应性避免算法过早的陷入局部最优解。将ISHO与其他6种智能优化算法在8种测试函数上进行比较，实验表明该算法相较于其他算法有更好的收敛速度、收敛精度和稳定性。将改进的海马优化算法应用到解决工程约束问题上，进一步证明改进算法的实用性。

摘要:为了能够更好地满足工业生产和自动化控制领域的多样化需求，针对现有通用数据采集系统中存在的便携性差、功能有限的缺点，设计实现一种基于STM32F723ZET6微控制器的多功能通用USB数据采集系统。通过USB接口，系统可以通过上位机软件控制实现16通道模数转换数据采集、双通道数模转换模拟输出以及 PWM检测和生成，并实时地把采集或输出的数据显示到上位机上。通过实际测量，该系统可以实现最高1 MS/s的模拟输入采样率和模拟输出更新率，能够检测和生成频率最高为1 MHz、占空比最低达1%的PWM信号，且信号采样精度高，传输数据可靠。该系统具有高便携性、高性价比、功能丰富，符合实际应用需求。

摘要:功能性近红外光谱（fNIRS）是一种新兴的光学神经成像技术，提供了无创、便携且低成本的脑活动监测方法。针对受试者头部移动产生的运动伪迹，结合数学形态学方法，提出了一种改进薛定谔滤波的fNIRS信号运动伪迹去除算法。将该算法分别应用于仿真和真实实验得到的反映受试者血红蛋白浓度变化情况的光密度信号，并与时间导数分布修复和峰度小波等伪迹去除算法进行性能对比。结果表明，所提算法可将未校正信号的信噪比提升28.66 dB、均方根误差降低到0.06、皮尔逊相关系数的平方提升到0.83、峰峰值误差降低到0.05，相对于其他算法更能有效地去除运动伪迹。

摘要:针对目前大多数传统的视觉SLAM系统通常默认环境是静态的，但实际环境中是存在移动目标或者障碍物的,所以往往包含大量的误匹配点和动态点会导致系统定位精度降低的问题。提出一种基于ORB-SLAM3主体框架和深度学习技术的语义vSLAM系统，结合目标检测与光流法，旨在改进视觉SLAM系统在动态环境中的定位精度。首先，利用改进的YOLOX-S目标检测算法对潜在的动态目标进行识别；然后，利用几何法与光流法相结合精确检测异常值，并根据物体和人类运动状态不断调整动态包围盒的阈值。最终，保留动态框中包含静态框中的点，同时消除动态框中的其他点。在TUM和KITTI数据集上进行精确性的评估，实验结果表明，在数据集高动态序列下，与ORB-SLAM3,Crowd-SLAM比较，绝对轨迹均方根误差分别平均减少69.26%、16%，与DynaSLAM比较，在高动态场景中定位精度平均提升15%，这验证了在动态场景中提升了系统定位精度，此外，真实场景测试结果显示，该系统在各种动态环境中均表现出良好的性能。

摘要:阿尔茨海默病(AD)是一种神经退行性疾病，是痴呆的主要原因，准确的诊断出AD具有重要意义。利用来自大脑的氟脱氧葡萄糖正电子发射断层成像(FDG-PET)和结构磁共振成像(sMRI)的多模态数据可以从不同角度提供关于病变的全面信息，提高诊断的准确性。然而影像数据具有大量冗余信息，并且不同模态的特征也有显著差异。使用传统的卷积神经网络和简单的特征拼接方法无法有效利用多模态数据的互补信息，从而限制AD的诊断性能。针对此问题，提出了一种结合sMRI与FDG-PET的多模态影像AD分类方法。该方法通过嵌入坐标注意机制和空间通道重构卷积来捕捉影像中的特异性区域并限制冗余信息；同时设计了一种并行交互网络，不仅可以增强每个模态自身的特征，还可以根据其他模态的特征进行自适应调整，从而实现模态之间的有效交互。在ADNI数据集上评估了提出网络的分类性能，准确率、敏感性和特异性分别达到了93.66%、91.67%和95.41%，实验结果表明，与现有的AD分类网络相比，本文提出的网络具有更优异的性能。

摘要:传统面向跳频信号参数估计的去噪方法往往无法有效保留跳频(FH)信号在时频图中的边界，导致跳频信号的时间参数估计精度较低。为此，提出了一种基于局部能量阈值的跳频信号时频图去噪方法。首先，为了提高跳频信号在短时傅里叶变换后的时频图中的能量占比，利用瞬时频率算子将与跳频信号频率不匹配的时频系数标记为噪声并去除。然后，为了避免在去噪时损失跳频信号的能量，设置搜索窗口定位时频图中能量密度最高的区域，并根据不同区域的能量密度分布，自适应地设置阈值去噪。最后，采用同步压缩方法将时频系数压缩至局部能量重心的位置，使跳频信号在时频图中的边界更清晰。实验结果表明，该方法在信噪比大于-5 dB时，能同时提高跳频信号时间和频率参数的估计精度，归一化均方误差分别低于0.1和0.2。

摘要:针对路侧视角下目标检测任务中，小目标密集, 多尺度变化以及复杂天气背景干扰等挑战，提出基于多尺度特征融合与交互的目标检测算法——MF-YOLO。设计C2f-CAST，通过星操作将来自不同子空间的特征进行交互与变换，并引入MLCA捕捉远距离像素之间局部,全局特征以及通道和空间特征，多尺度信息聚合加强对遮挡目标显著语义信息关注，消除背景影响；针对颈部层在上下文信息融合效率较低的问题，加入轻量级卷积GSConv对传统卷积进行优化，并设计跨级部分网络模块，降低模型复杂度和参数量。构造跨层级融合模块SDFM，对浅层特征图进行自校准操作，并融合深层特征图语义信息，解决小目标漏检的问题；最后，设计基于自适应惩罚因子和锚框质量的梯度调整函数，并结合动态聚集机制改进的WPIoU损失函数，提升边界框回归性能和检测鲁棒性。实验结果显示，MF-YOLO在DAIR-V2X-I和UA-DETRAC数据集上mAP@0.5指标分别达到85.1%，92.3%，与原YOLOv8s相比分别提升4.4%和1.8%,计算量GFLOPs下降了19.8%，参数量下降8.18%。检测速度达到152 fps，满足实时要求。

摘要:针对变电站电力设备红外图像普遍模糊且信噪比低，拼接过程中易出现明显拼接痕迹或重影的问题，提出一种基于ROI和改进最佳缝合线的变电站设备红外图像拼接方法。首先，划分待拼接两图相邻的50%区域作为ROI，提高特征点提取以及匹配的精度和效率；然后，通过引入均值化余弦相似度改进最佳缝合线的能量差异函数，使最佳缝合线能够精准穿越重叠区域能量差异最小的位置。最后，进行实验验证，分别对比Autostitch、ICE和Autopano Giga三款图像拼接软件和本文的基于ROI和改进最佳缝合线图像拼接算法的图像拼接效果，结果表明，所提方法有效提高图像拼接整体过程的效率，有效减少拼接痕迹和重影现象，可实现较高质量的电力设备红外图像拼接。

摘要:为解决部分稀缺医学图像分割任务中目标语义类别分布不平衡导致的模型泛化能力受限问题，本文提出一种半监督学习的医学图像分割模型CDCL-SSLNet。通过UNet和Swin-UNet两种不同属性的分割子模型进行交叉学习，实现特征优势互补。引入类分布公平因子和类学习公平因子对损失函数合理加权，动态地指导模型学习语义类别不平衡数据，有效减小学习偏差，进而提高模型泛化能力。实验选取Synapse多器官分割数据集中5%、10%的数据模拟标签数据对模型进行训练。CDCL-SSLNet在仅有5%和10%的标签数据参与训练的情况下，其Dice系数分别达到了65.71%和77.49%，HD95则分别为28.97和22.07，这两项指标的性能提升幅度均达到了17%。结果表明CDCL-SSLNet能够兼顾大目标及微小目标的精准分割，有效解决了稀缺数据中类分布不平衡导致的模型泛化能力不足的问题，有效提升了医学图像分割的效率与准确性。

摘要:针对现有的分布式光伏电池板缺陷检测精度低、计算量高、参数量大以及复杂背景多变等因素导致的误检、漏检问题，提出了一种改进的轻量级YOLOv8分布式光伏电池板缺陷检测算法。采用高效轻量级的StarNet网络架构作为特征提取网络,减少计算成本和参数量，实现高效率和高性能之间平衡;设计SPPF-AM模块,增强了模型对空间信息的感知能力，有效应对不同尺度的目标；加入三元组注意力机制Triplet,有效地提取多尺度目标特征，提升模型的表征能力和任务性能;设计C2f_DSConv2D结合可变形卷积取代原网络中的C2f，以较低的存储和较高的计算速度，从而提高缺陷检测模型的效率;在特征融合网络中引入空间上下文感知模块SCAM，减少噪声影响，有效抑制图像中的噪声，抑制无关背景信息的干扰。设计ECIoU替换CIoU，增强边界框损失的拟合能力，加快网络模型的收敛速度。实验结果表明:改进后的YOLOv8模型参数量下降35%，计算量下降29.6%，检测精度达到了90.1%，mAP@50从85.9%提升到了89.7%，提升了4.2%。改进后模型在参数量、计算量下降的情况下检测精度也有一定的提升。所提出的改进算法在缺陷检测任务中表现出了较好的性能,有效增强了光伏电池板缺陷检测模型的检测性能。