摘要:微纳米尺度下，磁性样品的电阻率会受到温度、尺寸和外加磁场等多种因素的影响。传统两线法测量样品阻值容易受到外界干扰，且由于接触电阻的存在会导致测量结果不够精确，影响实验结果。本文采用四探针法对磁性微米线样品的电阻特性进行研究，首先基于光刻工艺制备两种不同尺寸的镍微米线，同时配合能够对温度和磁场进行精确控制的测量系统，研究环境温度和外部磁场对不同尺寸样品阻值的影响。实验结果表明，镍微米线的阻值在-250℃以下的低温区几乎不随温度发生变化，之后随温度的升高近似呈线性增加；在常温下，镍微米线的阻值随着外部磁场强度的升高而增大，当磁场强度达到了2 000 Gauss后，样品阻值基本保持稳定。文章从微观电子输运角度，对磁性微米线电阻的温度效应、尺寸效应和磁阻效应进行了解释。

摘要:对于高速激光多普勒速度测量系统测速误差无法有效校准的问题，本文基于回波模拟法建立示值误差校准方案，通过光频调制与光波长调节模拟测速系统测速过程中携带目标信息的光回波，间接模拟参考速度，进而实现激光多普勒测速系统示值误差的校准。基于自研校准装置搭建校准实验，以测速上限高达10 km/s的激光多普勒测速仪为被校对象，开展示值误差校准实验。通过分析实验结果可知，基于光频调制与波长调节的回波模拟校准方案，可以实现宽速域内测速仪测速误差的校准，由测量准确度分析可知光频调制法的校准不确定度为U=0.26%（k=2），波长调节法的校准不确定度为U=1.5%（k=2）。该指标满足激光多普勒测速仪示值误差的校准需求，为激光多普勒测速仪示值误差的校准提供方法参考。

摘要:谐波治理对电能质量控制至关重要。传统ip-iq法存在检测精度低、速度慢等问题。因此，提出在传统二阶广义积分器（SOGI）锁相环基础上，增加基于准比例谐振（QPR）滤除直流分量的负反馈回路，并将传统的PI环节替换为P环节；同时使用卡尔曼滤波更改传统ip-iq法中的低通滤波环节，得到一种改进的ip-iq谐波电流检测方法。仿真与实验结果显示，改进后的锁相环在电网状态异常情况下，展现出优秀的频率锁定能力。另外，通过改进的ip-iq谐波检测方法进行检测，可以明显减少算法计算所得的基波电流的畸变率，与改进前相比电流畸变率从0.29%减少至0.20%，存在直流分量时从8.63%减少至0.51%，该方法在复杂电网环境下仍能对谐波精准的进行检测。

摘要:针对齿轮箱故障诊断中因噪声干扰等因素导致的诊断效果不佳问题，提出一种基于改进的黑翅鸢优化算法（GBKA）优化变分模态分解（VMD）和宽卷积神经网络(WDCNN)的故障诊断方法。首先，针对黑翅鸢算法（BKA）易陷入局部最优和过早收敛的缺陷，引入遗传算法的基因交叉重组与变异操作对BKA进行改进；其次，利用改进后的GBKA对VMD参数寻优，通过相关系数筛选模态分量并重构信号；最后，将重构信号输入WDCNN模型，实现故障分类。结果表明，在测试函数上，GBKA相比BKA具有更优的寻优性能；在两种工况下，该方法的平均故障分类准确率分别达到99.645%和99.978%，优于其他对比方法，并且在噪声实验中受到噪声的影响较小，验证了所提模型的有效性和稳定性，为齿轮箱故障诊断提供了一种可靠的解决方案。

摘要:针对校园智能清扫车障碍物检测精确度低、检测速度慢以及模型复杂度高的问题，提出一种改进YOLOv8s的校园智能清扫车障碍物检测与测距算法YOLOv8s-FDR。在YOLOv8s算法框架的基础上，将主干网络替换为参数量和内存访问量更小的FasterNet网络，以降低模型复杂度并提高检测速度；然后设计了SPPF-DAM模块，以残差方式引入可变形注意力机制，提高模型对多尺度目标特征的感知能力；其次，在特征融合网络中采用Partial-RFEM进行下采样，以捕获非局部上下文特征和局部目标特征，提高检测精确度；最后，添加了测距功能，降低硬件成本。实验结果表明，改进算法与原算法相比mAP提高了3.6%，模型计算量和参数量相较于原模型分别降低了19.72%和15.27%。实际环境测试显示，YOLOv8s-FDR算法的检测速度达到38.44 fps，远高于原算法的17.12 fps，能够满足校园智能清扫车正常运行的性能要求。

摘要:飞机发动机引气系统是保证飞行安全的关键系统，其故障检测对于维护飞行安全至关重要。本文针对飞机发动机引气系统故障，首先利用改进自适应综合过采样算法（MDADASYN）处理飞机引气系统故障数据不平衡问题。然后，利用佳点集初始化种群、高斯-柯西变异策略和动态调整参数机制改进的多策略改进的能量谷优化算法（IEVO）优化广义回归神经网络（GRNN）进行故障诊断。CEC2014测试函数结果表明，该融合策略有效增强了算法的种群多样性及全局和局部搜索能力；基于引气系统真实故障数据仿真验证试验表明，基于MDADASYN-IEVO-GRNN的引气系统故障诊断模型显著提高了飞机发动机引气系统故障诊断准确率，有助于提升飞机的运行安全和引气系统故障维修效率。

摘要:针对超宽带在实际环境下存在的测距误差问题，提出了基于改进麻雀搜索算法和卷积双向长短期注意力模型的超宽带测距误差缓解算法。采用Tent映射，利用自适应调整方法，结合北方苍鹰算法，并在跟随阶段采用螺旋飞行策略对SSA算法改进，提高算法的全局搜索性能，避免陷入局部最优的情况，将改进后的算法命名为TANSSSA。利用BiLSTM模型和注意力机制改进CNN-LSTM模型，构建CNN-BiLSTM-Attention模型，提高模型对长序列数据的处理能力，使得模型对数据有更精确的权重分配。使用TANSSSA优化CNN-BiLSTM-Attention模型的超参数，构建TANSSSA-CNN-BiLSTM-Attention模型。在模型性能验证实验中，对比SSA-CNN-BiLSTM-Attention、CNN-BiLSTM-Attention、CNN-BiLSTM、CNN-LSTM-Attention、CNN-LSTM、GRU以及TCN模型，平均绝对误差降低了12.05%~62.31%。在实际环境中，TANSSSA-CNN-BiLSTM-Attention对比其他7种模型，平均绝对误差降低了45.70%~83.82%，测距误差得到有效地缓解。

摘要:针对输电线路巡检图像中部件缺陷检测时易受背景环境干扰、缺陷目标尺度差异大，导致检测精度较低的问题，提出一种改进YOLOv10n的输电线路部件缺陷检测算法。首先，利用RepViTBlock和ELA注意力机制对C2f重新设计，构建ERC2f模块，抑制背景环境干扰，增强模型特征提取能力，并减少参数冗余；其次，结合动态上采样器DySample和注意力尺度序列融合模块ASF设计DASF颈部结构，提升模型的多尺度特征融合能力；再次，基于多样化分支块DBB提出重参化共享卷积检测头RSCD，通过共享参数减少头部参数冗余，加强特征信息的交互能力；最后，借鉴Inner-IoU和WIoUv3的思想优化MPDIoU损失函数为Inner-Wise-MPDIoU，加速模型收敛过程，提高对缺陷的定位精度。实验结果表明，改进算法对输电线路部件缺陷的检测精度mAP50达到了92.1%，较原算法提升了3.4%，参数量和GFLOPs分别减少了19.4%和0.4，证明了该改进算法的有效性。

摘要:准确预测锂离子电池的健康状态（SOH）和剩余使用寿命（RUL），对其安全稳定运行具有重要意义。本研究提出一种改进河马优化算法（IHOA）与深度极限学习机（DELM）相结合的新型算法。从锂电池充放电过程中提取了6个健康指标（HIs），通过Pearson相关分析保留了与容量相关性较高的5个HIs，接着用Hampel滤波去除特征数据中的异常值并归一化。最后建立电池SOH和RUL联和预测的DELM模型。此外，为了提高模型的预测效率，提出了IHOA对DELM的超参数进行优化。与传统的河马优化算法（HOA）相比，解决了传统河马算法在搜索效率、收敛速度和全局搜索等方面的局限性。基于CALCE锂电池数据集的实验仿真结果表明，IHOA-DELM算法的预测精度较高，SOH预测的RMSE值在1.21%~1.31%之间，MAE值在0.89%~0.95%之间，MAPE值在1.59%~1.93%之间；RUL预测的最大绝对误差（AE）值不超过3个周期，最小AE值只有1个周期。

摘要:为提升红嘴蓝鹊优化算法的收敛速度、寻优精度，首次提出多策略改进的红嘴蓝鹊搜索算法。首先，为了提高初始种群的多样性和覆盖范围，使用circle混沌映射来初始化种群；其次，将螺旋搜索策略与猎食行为相结合以扩大寻优范围，同时平衡算法的全局探索能力和局部开发能力；最后，在迭代过程中引入柯西变异扰动策略，避免算法在后期陷入局部最优，进一步提升算法的整体效率。采用15个测试函数进行仿真实验，实验结果表明改进后的算法在寻优精度、收敛速度和稳定性上均有提升，相较于原算法误差平均降低了90.68%，标准差平均降低了98.60%。将改进算法应用于工程优化问题，验证了改进算法的可行性。

摘要:使用传统的梅尔倒谱系数(MFCC)作为特征进行野外目标识别时，由于MFCC对环境干扰较敏感，所以会导致识别率的下降。针对这个问题，提出了使用主成分分析法(PCA)代替MFCC提取过程中使用的离散余弦变换，并且使用非线性函数对梅尔滤波后所获得的对数能量进行映射。改进后的MFCC更贴合实际数据、可以增强目标信号所在频段的权重、有着良好的可分性和鲁棒性。经过实验验证，使用PCA和非线性映射改进后的MFCC作为分类特征时，准确率为93.36%，优于传统的MFCC。

摘要:针对现有光学积灰检测方案易受外界环境因素的干扰，检测精度不高的问题，提出了一种新型光伏组件积灰污染比检测方法及检测系统，该系统在检测算法中采集温湿度数据，降低了环境温湿度对检测结果的影响；优化光路结构，同时收集入射光强度数据对光敏元件接收的光强信号进行补偿并设计同步检波电路进行解调,剔除背景光干扰，提高了检测精度；设计新型校准方法，降低校准难度和成本并进一步提高精度。测试实验结果表明：该系统精度高，抗干扰性强，在户外高温条件下的最大偏差为1.67%，相较于传统设备精度提高了0.55%，同时提高了低温高湿环境下的稳定性约2.9%并可以进行长期监测，满足光伏电站运维需求。

摘要:现有的步态识别方法大多基于剪影或骨骼，然而二维信息缺乏对人体空间几何结构的完整描述，在视角变化、遮挡等复杂条件下识别效果性能有限，为此本文提出了一种结合全局多尺度和局部细粒度特征的点云步态识别方法。该方法将点云投影为深度步态图，引入跨视角数据变换模块提升模型的视角不变性，采用改进的残差网络提取丰富的全局多尺度步态特征，最后使用KAN网络增强局部细粒度步态特征的表征力。实验结果表明，基于点云的步态识别方法远优于基于二维信息的方法，该方法在SUSTech1K公开数据集上取得了92.65%的平均Rank1准确率，相较于先进方法LidarGait提升了6.02%，充分验证了该方法的有效性。

摘要:针对当前输电线路巡检存在检测精度差的问题，提出一种基于YOLOv8的输电线路巡检算法(GCAF-YOLOv8)。首先，设计了一种全局通道空间注意力模块GCSA，以增强输入特征图的表达能力，该模块结合了通道注意力、通道洗牌和空间注意力机制，旨在捕捉特征图中的全局依赖关系；其次，引入StarNet中的StarBlocks结构, 将它与Neck和Backbone部分原有C2f模块进行融合，从而构建出新的C2f_Star模块，以提高目标检测的准确率并降低模型整体的参数量；然后，提出用ADown卷积模块替换基线模型中的传统卷积，以提高对不明显特征的检测准确率；最后，将Focal Loss和YOLOv8中原始的CIoU进行结合，设计出Focal-CIoU损失函数，以解决类别不平衡问题和提高检测框位置预测精度；实验结果表明，提出的GCAF-YOLOv8模型较原模型检测精度P提高了3.3%，平均精度检测均值mAP提高了3%，可以很好地检测出电力部件各种缺陷以及输电线路上的异物。

摘要:乳腺癌是对妇女健康构成严重威胁的疾病之一。早期诊断对于乳腺癌的治愈至关重要，计算机辅助乳腺癌分类诊断得到了广泛使用。虽然基于掩码自编码器的乳腺癌分类方法能够在乳腺癌病理图像已标注数据缺少的前提下进行模型性能的提升，但是现有的基于掩码自编码器的乳腺癌病理图像分类方法没有充分提取和融合不同放大倍率乳腺癌病理图像之间的特征信息。为了解决该问题，提出了一种基于多放大倍率掩码自编码器的乳腺癌病理图像分类方法。该方法在掩码自编码器的基础上结合放大独立和放大特异的优势。首先，设计了规则化噪音掩码模块来避免乳腺癌病理图像重要特征丢失。然后，将不同放大倍率乳腺癌病理图像块组合在一起输入到加入了交叉卷积映射的编码器中提取和融合不同放大倍率图像的特征。最后，在解码器中加入残差交叉注意力机制增强低放大倍率图像下细胞密度及排列顺序和高放大倍率图像下细胞纹理特征的融合。在BreakHis公共数据集上进行实验，与现有分类方法相比，该方法在Top-1 Accuracy、精确率、召回率和F1-Score上至少提高了约2%，说明该方法在良恶性乳腺癌病理图像准确分类方面表现出良好的性能。

摘要:近年来卷积神经网络在遥感影像建筑物提取研究中取得了极大的成功，但其仍然面临着整体提取精度不高、错分、漏分和边界模糊等问题。针对以上问题，提出一种基于VDSEC-UNet的遥感影像建筑物提取方法。首先，使用VGG-16作为编码器，以提取建筑物特征信息；其次，使用动态上采样代替传统上采样，增强模型对细节的感知能力，从而提升建筑物边界的提取精度；接着，在编解码器中间嵌入一个多尺度上下文信息提取模块，以充分考虑建筑物周围其他对象影响，引入足够的上下文信息及不同感受野下的全局信息，减少空间信息损失，提升对不同尺度建筑物的提取效果；然后，在每个跳跃连接部分嵌入ECA注意力机制，提高模型对影像中建筑物特征的关注度；同时，使用联合损失函数缓解类别不平衡问题；最后，构造CA-DPGHead模块并加在解码器末尾，以增强建筑物与背景之间的区分，使模型更加精准地定位和识别图像中的建筑物信息，进而提升对小型建筑物的提取精度并细化建筑物边界的提取效果。实验结果表明，VDSEC-UNet在Massachusetts和Inria数据集上的mIoU分别达到了82.07%和84.35%，F1指数分别达到了83.34%和86.66%，优于其他经典方法。

摘要:水稻叶片病害智能识别在现代农业生产中具有重要意义。针对传统Vision Transformer网络缺乏归纳偏置，难以有效捕捉图像局部细节特征的问题，提出了一种改进的Vision Transformer模型。该模型通过引入内在归纳偏置，增强了对多尺度上下文以及局部与全局依赖关系的建模能力，同时降低了对大规模数据集的需求。此外，Vision Transformer中的多层感知器模块被Kolmogorov-Arnold网络结构取代，从而提升了模型对复杂特征的提取能力和可解释性。实验结果表明，所提模型在水稻叶片病害识别任务中取得了优异的性能，识别准确率达到了98.62%，较原始ViT模型提升了6.2%，显著提高了对水稻叶片病害的识别性能。

摘要:行人重识别是跨摄像头非重叠域中对相同行人的检索和识别，针对跨摄像头不同域之间的特征差异以及聚类阶段生成的伪标签噪声问题，提出一种基于注意力的无监督行人重识别方法。在特征提取阶段，采用一种自适应图通道-空间注意力模块（AGCBAM），同时考虑通道和空间两个维度，通过自适应调整通道权重来适应跨域特征分布，同时关注到特定空间位置特征来实现细节信息的捕捉；在模型训练阶段，提出改进的类内邻近空间注意力（INSA）模块，将标签平滑和正实例之间的空间互补关系相结合，有效去除伪标签噪声，使模型更好地学习数据的真实分布。通过对2个主流数据集Market-1501和MSMT17进行实验，对比了现有的一些常用算法，模型在mAP和Rank-1精度上均有提升，验证了本文所提方法的有效性。

摘要:近场毫米波雷达的高分辨率成像通常依赖大量数据采集，现有的时域和频域成像算法都是在满足奈奎斯特采样率条件下处理信号，这在数据采集和硬件成本上带来负担。本文基于测量目标回波信号的稀疏性，提出了一种结合压缩感知理论的毫米波雷达稀疏成像算法，有效降低了数据需求量。算法重点围绕欠采样数据在波数域展现的稀疏性构建稀疏模型，进行优化求解得到重构信号。在方位方向上应用匹配滤波算法实现目标二维成像。实验结果表明，在数据欠采样条件下，本文算法能够实现测量目标的高分辨率成像，显著降低了数据需求，且图像质量在各项指标均优于其他压缩感知优化算法。在目标物体被遮挡情况下依然能够有效恢复被遮挡部分的图像信息，具有较强的抗干扰能力和鲁棒性。

摘要:针对基于神经辐射场的隐式建模技术在个性化三维人物化身的创建中存在训练效率低和人物姿势泛化能力不足的问题。本文提出了一种结合3D高斯溅射技术和人体参数化模型的显示表示方法，并引入基于注意力机制的Point Transformer架构，该架构能够深入学习并提取每一帧中的人物姿势信息，并将其有效融合到高斯属性参数中，从而增强模型的渲染能力。在People-Snapshot数据集上的实验中，本文方法与当前先进方法进行了对比。定量结果显示，本文方法在PSNR指标上平均达到29.53，相较于基线方法提升了13.7%，表现出显著优势。定性评估表明，即使在人物大幅度运动的情况下，本文算法仍能有效保证渲染结果的完整性和细节表现。

摘要:里程计是即时定位与建图技术的重要组成部分，但是现有的里程计算法多数使用点云数据或图片数据等单一数据，没有充分利用多数据融合来提升轨迹估计的精度，同时在复杂环境和特征缺失的场景中轨迹估计的精度不足。针对此问题，本文提出了一种融合激光雷达数据和惯性测量单元数据的深度网络3DPointLIO。首先结合特征金字塔网络和权重注意力机制来降低场景中动态信息的影响，提高点云特征的鲁棒性。然后在IMU数据处理网络中，通过卷积网络和门控循环单元相结合的方式来降低原始IMU数据中的噪声影响，并使用双向长短期记忆网络来提取降噪后的IMU数据的时序特征。最后通过多层线性层构成的位姿估计网络进行平移和旋转的估计。在开源数据集KITTI上进行验证，实验结果表明，该里程计算法相比于基准模型在旋转的估计上提升了0.76°，平移的估计上提升了2.17%。与其他常见的里程计算法相比，旋转和平移的估计也表现出较好的效果，特别是在旋转的估计上具有更高的精度。