摘要:在TSV三维集成领域，由于TSV内部缺陷的微小化和检测的不可接触性，寻找一个无损、灵敏且高效的内部缺陷检测方法尤为重要。针对这一挑战，提出了一种基于温度传感阵列的TSV内部缺陷检测方法。内部缺陷对TSV三维封装芯片的外部温度分布产生了影响，这些温度分布呈现出有规律的变化，每一种缺陷类型都会导致外部温度分布产生不同的偏差。利用温度传感阵列测量这些分布变化对缺陷进行有效的识别与分类。根据工作状态下的芯片产生的热信号以揭示其内部的缺陷信息，设计了基于温度传感阵列的检测系统。通过理论分析与仿真模拟，构建了模拟芯片工作状态下的温度分布和热变化的模型。实验中，以芯片样品的样本制备和测试平台搭建为基础，同时利用分类识别模型成功实现了对内部缺陷的有效分类，准确率高达99.17%。这种检测方法为高密度和微型化芯片的可靠性分析和故障诊断提供了一个经济高效的新途径。

摘要:超声显微测量技术是一种广泛应用于工业、航空航天、医疗等领域的无损检测方法。为了减小对100 MHz以上高频超声激励接收仪的进口依赖，研究高频信号激励接收方法。本文超声激励电路利用三级管雪崩击穿特性，以及MARX拓扑电路的电压倍增原理，通过减小激励脉冲脉宽时间，提升带宽覆盖范围。研究了高频超声信号接收电路，并集成超声激励接收仪。研究实现了设备的国产化替代，填补国内超声领域100~500 MHz高频脉冲收发仪的空白。实验结果表明，设计产生的高频激励信号峰峰值不小于128 V、上升沿时间小于0.47 ns、脉宽小于3.5 ns，系统工作带宽覆盖500 MHz，满足高频超声测量系统的需求。

摘要:在精密电测领域，鲜有面向交流自动测试系统的专用同轴扫描开关。针对于此，设计了一种4线制15通道全同轴扫描开关装置。该装置以步进电机精密运动控制为基础，拖动快插式同轴线组件做X-Y双向定位运动，实现同轴测量通道的可靠自动切换。通过自主设计柔性对接机构，消除因运动失准导致的通道对接误差及不可逆物理损伤风险。通过分析通道热电势、泄漏阻抗、寄生电容、感性耦合电势等寄生参数的产生机理，明确了影响扫描开关电气特性的关键设计参数，进而提出针对性优化设计方法。测试结果表明，所研制扫描开关装置的通道热电势小于±50 nV，通道对地泄漏阻抗达到1014 Ω量级，通道间寄生电容小于1×10-5 pF，通道间的感性耦合系数小于1.2×10-10 H。

摘要:本文提出一种基于Zynq平台的光电跟踪系统在线辨识方法，解决了传统辨识方法繁琐低效的问题。通过设计A/D与D/A模块的数据采集与驱动程序，实现了实时采集与控制，并在Zynq上运行VxWorks操作系统。利用FFT技术实现了频率特性在线测量，并采用带自然选择的混合改进的量子行为粒子群优化算法进行系统辨识。实验结果表明，该方法具有高精度的频率特性测量和准确的系统辨识能力，为光电跟踪系统提供了有效的实时控制与优化手段。

摘要:提出了一种基于液体开关控制的人工表面等离激元传感器，用于检测金属凹槽填充密度。该传感器由液体开关控制器和功分结构组成。液体开关由塑料管和带水的注射器组成，固定在SSPPs传感器的分支结构上。塑料管内充满水时，支路不能传输信号，这称为“OFF”状态。相反，塑料管内无水时称为“ON”状态。通过切换传感器支路的“ON”或“OFF”状态，可以控制SSPPs传感器的传感区域。该检测方法是基于凹槽填充质量变化引起的SSPPs传感器反射系数的变化，通过切换支路状态，可以检测各支路下方是否存在填充质量问题。实验结果表明，SSPPs传感器可以有效检测10 mg填充变化，可用于实现批量生产工件的快速筛选。

摘要:自动驾驶测试方法是自动驾驶研究体系中重要的组成部分，也是当前研究的热点之一。提出了基于风险场景搜索的自动驾驶测试方法，通过NGSIM数据集提取出换道场景，确定场景参数空间范围和特征，通过基于遗传算法的场景搜索方法构建自动驾驶测试场景。为了提高场景生成效率，改进了场景参数的搜索过程，对前车换道场景设置了约束，对单个场景的仿真时间进行优化，增加了记忆模块以防止相同场景进行复测试。基于PreScan/Simulink平台构建了三车道前车换道场景，生成并完成了439个场景的测试，其中有266个场景发生了车辆碰撞。分析发现，碰撞失效是由于被测算法制动不及时和未触发紧急制动所导致。

摘要:健康状态（SOH）预测对于电池管理系统至关重要。针对电池健康状态评估建模复杂、预测误差大等问题，准确的SOH预测仍需要改进。本文结合容量增量分析（ICA）和差分电压分析(DVA)方法,提出了一种改进麻雀优化算法（ISSA）-卷积神经网络（CNN）-双向门控递归单元（BiGRU）-注意力机制（Attention）的锂电池健康状态评估方法。通过对容量增量（IC）曲线和差分电压(DV)曲线进行高斯滤波处理，避免了噪声的影响。通过马里兰大学先进的生命周期工程中心（CALCE）数据进行处理，从滤波后的IC和DV曲线上提取一组新的电池老化特征,所提4个老化特征与SOH之间的Pearson相关系数在0.9以上。使用ISSA-CNN-BiGRU-Attention方法来构建电池SOH的预测模型，将所提方法与CNN、BiGRU、CNN-BiGRU等方法进行比较，实验结果表明，该方法的MAE与RMSE误差最大值分别为0.005 44和0.007 17，对比其他模型，具有优秀的鲁棒性和准确性，具有更好的实际使用价值。

摘要:无缝钢管生产作为高能耗行业的典型代表，其节能降耗一直都备受关注。通过预测电耗，企业可以找到节能降耗的有效途径，从而减少生产过程中的电能消耗，提升生产效率。为提高无缝钢管连轧电耗预测精度，采用一种改进的Stacking集成学习模型对电耗进行预测。首先，对采集到的电耗数据进行预处理，并基于嵌入法采用XGBoost和LightGBM进行特征选择；然后，采用随机搜索和贝叶斯优化结合的方法对基学习器开展超参数优化，在Stacking集成模型的首层中，选择LightGBM、ET和MLP作为基学习器；最后，根据基学习器在数据上的预测表现来赋予它们相应的权重，同时将原数据集也加入元学习器训练。结果表明：改进的Stacking集成学习模型具有最好的预测效果,其R2为0.975 7，预测精度比单一基学习器和传统的Stacking集成学习模型都要高，证明了所提方法的有效性。

摘要:为更精准地预测道路交通流，本文提出了基于自注意力机制TCN-BiGRU的交通流预测模型。该预测模型首先利用时间卷积网络(TCN)的卷积特性跨时间步的提取交通流数据中的时间相关性；其次，利用BiGRU双向捕捉交通流的时间相关特性，经过更新门和复位门后更全面的提取交通流的时间特性；考虑到双向门控循环单元在双向计算过程中存在有并行性较低和部分特征无法捕捉的情况，引入自注意力机制能够让模型能够注意到全局中不同输入之间的相关性，让模型能够不受序列长度限制的特征捕捉的难题，最大限度的保留特征进而提高模型的鲁棒性，最终得到交通流的预测值。为验证模型的适用性，本文选取真实的交通数据进行多组预测对比实验，在单一路段将预测结果与基准模型和多路段的经典模型以及消融进行对比，结果表明基于自注意力机制TCN-BIGRU对于多特征的单一路段或多路段的预测结果表现为：单一路段的MAE,MAPE/%,R2平均值分别为15.91，10.89，0.976；多路段的MAE,MAPE/%,R2分别为19.62，13.53，0.982，具有较好的预测效果，所建立的组合预测模型在预测精度上表现出更好的水平，为交通流的预测提供了良好的参考价值。

摘要:为了使雷达能够应对干扰场景并提高信号的LPI性能，本文提出了一种新型资源分配方案，而所研究的具体干扰类型为欺骗性干扰。首先，推导出欺骗性距离在三维情况下的CRLB。然后，依据CRLB建立抗干扰下的资源分配问题，具体来说，将总功率消耗量作为目标函数，并将CRLB作为性能约束，通过调配传感器资源、功率资源和带宽资源使雷达满足预定性能约束的前提下抑制总功率数值。为了求解所提出的优化问题，本文有针对性地先求解属于整数规划范畴的传感器资源分配问题，然后采用循环形式的SQP算法求解功率和带宽联合分配问题。最终的仿真结果显示，与仅优化功率的分配方案相比，新方案的功率消耗量低于该方案的50.0%，验证了新方案在降低总功率方面的可行性。此外，仿真实验中又与非线性规划遗传算法作对比，简单说明本文算法的优势和不足。最后给出了截获接收机处的功率对比结果和分析，结果显示出最大功率成分的有效下降，从而提高了信号的LPI特性。

摘要:为提高多传感器数据融合的精度和速度，结合凸组合融合算法与协方差交叉融合算法，并采用果蝇优化算法优化协方差交叉融合算法的融合系数，提出一种改进协方差交叉融合算法，实现了多传感器数据的快速、精确融合。仿真结果表明，所提算法在x轴和y轴上的数据融合均方根误差约为3 m，融合的时间约为0.44 s，相较于多贝叶斯估计、模糊聚类、极大似然估计等数据融合算法，具有明显优势，提高了多传感器数据融合的精度和速度。

摘要:碳纤维复合材料具有高比强度、高比刚度、耐腐蚀和抗疲劳等优点，是大跨度结构拉索的理想型材料。本文基于电磁层析成像技术采用有限元方法对碳纤维拉索的断股和脱粘缺陷进行仿真研究，设计了一种8线圈圆周型传感器阵列，探究了传感器尺寸、激励电流大小与磁感应强度的关系，根据仿真电磁信号研究了LBP算法、Tikhonov算法和Landweber算法3种重建算法对不同拉索缺陷重建图像质量的影响。结果表明，在研究范围内随着传感器线圈直径的减小和激励电流的增大，磁感应强度逐渐增大，并在线圈直径为5 mm和激励电流为1 A时达到最大值；与其他图像重建方法相比，Tikhonov算法能够更好的平衡图像重建效果和成像质量，更适用于碳纤维拉索缺陷检测图像的重建过程。此外，在传感器阵列固定的情况下将拉索缺陷旋转，分析了不同投影角度对缺陷成像效果的影响。本研究旨在为实验条件下碳纤维拉索的传感器阵列设计和缺陷检测成像提供参考依据。

摘要:基于深度学习的激光点云目标检测已成为了一个重要的研究领域。本文采用球面投影和2D图像的SOTA深度学习网络，实现3D激光点云目标快速检测。首先，将KITTI数据集单帧3D点云经球面投影转换成一帧2D的RGB三通道图像，像平面的像素位置取决于点云的三维坐标，其R、G、B 3个通道灰度值取决于点云归一化后的反射强度、距离、高度。其次，分析了不同分辨率下球面投影的重叠分布情况和对图像质量的技术影响。最后，采用语义分割模型DeepLab-V3+网络，仿真结果表明：该方法在分割精确度和速度方面都具有良好的性能，应用价值较高。

摘要:为了在城市中实现无人驾驶，需要能够高效检测交警的现场指挥手势。针对现有手势识别算法识别精度低、检测速度慢、难以应对复杂道路环境等问题，提出一种改进的YOLOXtiny交警手势识别算法。首先，使用改进后的GhostNet网络替换原主干网络，并且插入坐标注意力机制，全面提取输入图像特征，提高了网络的检测精度，同时提升了对中小型目标的检测效果；其次，改进解耦头部分，设计了SCDE Head结构，在减少计算量的同时过滤冗余信息，使得解耦头更有效率，并且解耦头融合了多尺度的特征，提升了目标检测准确率；最后，将SIoU应用到定位损失中，加快网络收敛的速度，提升回归精度。在自制的交警指挥手势数据集上进行测试，实验结果表明，与YOLOX-tiny模型对比，改进后算法参数量减少了27.97%，模型计算量减少了33.31%，且平均检测精度提高了2.31%，检测速度提升了45%，更适合汽车无人驾驶以及硬件部署方面的实际需求。

摘要:在高温高压强磁场等恶劣环境下，指针式仪表有着优于数显式仪表的良好性能表现，对指针式仪表读数识别进行研究具有重要的现实意义。近年来，深度学习与计算机视觉紧密结合，基于深度学习的指针式仪表读数识别技术是前沿研究的重点方向。文中首先概述指针式仪表读数识别的过程，然后从3个方面论述指针式仪表读数识别技术的研究现状与进展：仪表图像的预处理、仪表表盘区域的检测和仪表的读数识别，论述过程中分别阐述基于传统机器学习的方法和基于深度学习的方法。最后介绍公开的仪表数据集和应用场景,并从深度学习算法、巡检机器人工作特点和公共数据集的建立3个方面对未来的研究进行展望与建议。

摘要:为了解决ZNCC模板匹配算法计算量大、定位精度低等问题，提出了一种基于改进边缘信息的ZNCC位移提取算法。首先，通过曲面拟合法提高基于ZNCC位移提取算法的亚像素精度。然后利用滤波处理后的Sobel算子边缘检测算法提取视频每一帧中的重要信息特征，创建新的模板，并进行ZNCC相关值计算。为减少匹配点和运算量，根据信息点数设定不同的步长。最后，采用基于改进边缘信息的ZNCC位移提取算法提取实验视频中运动对象的位移波形图进行分析验证。实验结果显示，测量速度上提高了77.46%，测量误差为0.234 4%，证明了基于改进边缘信息的ZNCC位移提取算法不仅保留了原算法的搜寻精度与稳定性优势，并在速度上取得了显著提高。

摘要:针对太阳能电池片图像的透视失真与表面缺陷检测问题，提出一种基于虚拟相机的太阳能电池片图像的透视校正方法和改进YOLOv5s的神经网络模型。首先，根据相机外参构建水平姿态的虚拟相机，建立原图与虚拟相机的透视映射关系，以实现原图的透视校正。然后，采用动态头部来提高YOLOv5s头部的表示能力，并在C3模块的瓶颈处加入感受野增强模块RFI来提高小目标感受野。最后，将YOLOv5s的定位loss与NWD loss进行融合来弥补小目标位置偏差。实验结果表明，基于虚拟相机的透视校正，其效果明显优于传统方法且运行时间更短；同时改进后的YOLOv5s模型对比YOLOv5s、YOLOv7、YOLOv8平均精度分别提高6.1%、27.7%、1.1%，对太阳能电池片表面质量检测具有实际应用价值。

摘要:为了提高工业生产中螺栓定位抓取的效率和准确性，提出基于感兴趣区域的螺栓位姿及尺寸检测方法。首先利用YOLOv5目标识别算法对螺栓目标进行识别，将识别出的目标区域截取为感兴趣区域。再利用中值滤波和二值化方法对ROI进行预处理，采用Canny改进算法检测目标轮廓。通过最优拟合直线算法获取螺栓的倾斜角度，并用矩特征算法求解出螺栓重心位置。最后采用霍夫两直线段最短距离算法检测螺栓直径。经过实验验证采用YOLOv5目标识别算法的识别准确率达到92.7%，螺栓倾斜角度的检查误差为±1.2°，螺栓直径的检测误差率为±5.5%，实现了对螺栓位姿和尺寸的识别。

摘要:针对卷积操作受到遍历规则的限制，只能提取单个骨骼节点的特征信息，不能对相邻节点之间的有效特征信息进行融合，导致表达能力有限的问题，提出了一种基于特征位移模块的手势识别神经网络。该网络采用常规时空图卷积神经网络的架构，并将常规时空卷积模块替换为特征位移模块，实现相邻节点特征信息之间的融合。利用特征位移模块对位移信道进行重新排序，实现提取骨骼节点的全局化特征信息，进一步完成对手势信息的高效准确分类。并在公开数据集DHG-14/28和FPHA上验证该特征位移模块，在14类、28类和FPHA手势数据集的分类准确度分别达到了95.11%、93.01%和92.67%。实验结果表明，该网络模型能够更好更有效的挖掘全局特征信息，在常见的手势识别数据集上达到了优秀的性能。

摘要:随着超大规模集成电路的不断发展，片上供电网络的设计日益重要，需要通过计算供电网络的静态电压降来反映设计的性能。然而传统的计算方法需要耗费大量的时间，导致芯片设计周期延长。为了缩短芯片设计的周期和提高芯片设计的效率，本文提出了一个基于卷积神经网络—ResCSP-34的快速静态电压降预测模型。模型采用编码器解码器结构，首先对残差网络ResNet34进行修改作为编码器的主体结构，然后在解码器中引入特征融合模块，并且在编码器和解码器的连接处引入注意力机制模块，最后提出了一个同时结合了均方误差、皮尔逊相关系数和平均绝对误差的损失函数对模型进行训练。实验结果表明，在CircuitNet数据集上，模型预测结果的平均绝对误差为0.7 mV，小于1 mV，皮尔逊相关系数的平均值大于0.93，接近于1，对一个片上供电网络设计进行静态电压降预测的平均总时间为7.36 s，其中卷积神经网络的平均推理时间为0.015 s。实验结果表明，ResCSP-34模型能够快速且精准地预测静态电压降。

摘要:流量异常检测是一种有效识别网络攻击行为的技术。近年来，无监督方法在异常检测领域得到了广泛应用。针对现有流量数据间时序关系挖掘的需求与孤立森林随机选择特征属性进行样本划分的问题，本文提出一种基于孤立森林评分扩展的流量异常检测方法。首先，文章使用滑动窗口机制和信息熵特性，设计了网络流量的熵时序特征提取方法，集成至特征集执行显著特征筛选。然后，文章构建了孤立森林评分扩展模型，在节点样本划分时，利用特征集合迭代方法与特征重要性矩阵，综合集合中孤立树特征，为节点标记综合路径长度代替原路径长度，并计算更能表征样本分布的异常评分。最后，通过设定异常得分阈值判别样本是否异常。在公开数据集上的实验结果表明，文章提出的异常检测模型，相比其他方法有明显优势，具有良好的实时检测性能，误报率更低，可有效用于网络流量的异常检测中，对真实网络环境中攻击事件的识别具有重要意义。

摘要:X线胸片图像存对比度低、边界模糊等不足，严重影响了X线胸片图像的分割效果。为了利用X线胸片图像快速且准确地对肺部疾病进行诊断和治疗，本文提出了一种基于类间方差和概率误差的X线胸片肺部图像分割算法。该算法在对X线胸片图像预处理的基础上，首先利用X线胸片图像中的人体结构信息进行图像粗分割；然后对预处理图像分别计算目标类和背景类之间的类间方差和概率误差，并在无量纲化处理后，设计新的分割目标函数来计算最佳阈值，从而实现图像细分割；最后合并粗、细分割过程的分割结果，并进行优化，从而基于最佳阈值的图像分割。X线胸片图像的对比实验结果显示，本文算法的DSC和IOU指标分别为89.5%和81.1%，分割所得肺部区域在完整性和准确性上都有良好表现，表明本文算法是有效可行的，适合基于X线胸片图像的肺部图像分割。

摘要:针对微电阻率电成像测井仪器的特点导致测井成像呈现规律性空白带的问题，本文提出一种融合多尺度多层级特征的无监督填充模型及全井段填充框架用于填充空白带。填充模型采用UNet架构，利用非空白带区域电阻率数据自身的统计先验基于MAE损失进行无监督训练填充，主要通过以下2个措施对传统UNet进行改进：在编码器中引入MSR-Conv,提升单层网络的多尺度表征能力；在编解码特征连接环节引入多层级编码特征融合模块与信息引导模块，丰富上采样的特征尺度，减少解码过程中的信息丢失。实验结果表明：相较UNet，本文所提模型在自然场景数据集上的视觉效果与客观指标均有明显提升，其中PE降低了19.03%，SSIM提升了2.9%，PSNR提升了4.66%。全井段填充框架应用填充模型分段训练填充空白带电阻率数据后再合并，实现端到端填充单口井的微电阻率成像测井空白带，填充结果具有一定的鲁棒性，贴合实际生产场景。

摘要:为了解决小管径弯头不饱和磁化造成的缺陷漏磁信号图像畸变问题，实现弯头畸变漏磁缺陷图像智能化、高精度识别，提出一种小管径弯头畸变漏磁缺陷图像智能识别方法。采用MSRCR-HF图像增强算法处理弯头缺陷畸变图像，并在YOLOv5网络中集成CBAM和SPD-Conv模块进行网络优化，通过仿真建立弯头缺陷数据集输入网络中进行训练和测试。结果表明，提出的MSRCR-HF算法能有效解决弯头漏磁缺陷图像畸变问题，改进的YOLOv5模型在建立的数据集上具有较高的识别精度，矩形槽缺陷识别精度为95.5%，半球形缺陷识别精度为93.0%。该方法对于小管径弯头畸变漏磁缺陷智能识别具有较高的可行性，可提高管道安全检测效率。

摘要:基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量，但在实际应用中，光纤陀螺测角仪受到温度变化的影响，导致测量精度下降。针对这一问题，本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度，提高传统神经网络的逼近能力，通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理，并采用自适应小波回声神经网络建立温度漂移模型，能够避免传统神经网络结构设计的盲目性和局部最优等问题，增强了网络学习能力和泛化能力，并利用自适应律代替神经网络梯度进行网络训练，提升神经网络的逼近精度和收敛速度。实验结果表明，该模型可以提高光纤陀螺测角仪的测量精度和环境适应性，为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。