摘要:本文针对传统视频加密系统针对大数据量加密无法兼顾实时性与安全性的问题，设计并实现了基于SM2算法视频加密方案。该方案基于国密SM2算法以及基于“xoshiro256ss”伪随机数生成器生成的轻量级流密码，使用混合加密以及伪“一次一密”保障数据的安全性。该方案通过RTSP协议实现设备与流媒体服务器的数据交互，能够通过QT对视频数据进行解密播放，为视频监控加密无法同时兼顾安全性与实时性的问题提供了一个有效解决途径。经过测试，该系统对I帧加密时间为3 ms左右。

摘要:针对光伏清洁机器人在沙戈荒地区中因运输不便导致作业效率降低的问题，本文提出了一种基于无人机的光伏清洁机器人空中转运系统。首先设计一种近红外光源引导标志，采用OPENMV模块进行图像识别，利用阈值分割法与边缘识别法构建引导标识识别算法，提高引导标志的定位精度与抗干扰性。其次设计锥形吸附式对接结构与平行对称式归中对接结构，实现倾斜条件下光伏清洁机器人与无人机的对接问题。最后研制了无人机与两种对接平台样机，并开展了无人机视觉定位精度实验以及对接平台转运实验。实验结果表明，无人机视觉定位误差在10 cm内，能够有效降低外界环境对识别效果的干扰。两种对接平台能够适应光伏板架设倾角40°以内的对接作业需求，且对接成功率稳定在90%以上，满足对接稳固和脱离简单的作业需求。

摘要:针对双向半桥CLLC采用传统基波分析法计算副边电流相位实现的同步整流，在系统工作频率偏离谐振点及前后谐振腔参数不匹配时因忽略高次谐波导致副边电流相位误差较大、系统传输效率低的问题。本文提出将传统基波分析法所忽略的高次谐波纳入计算，利用扩展谐波分析法将各次谐波等效为独立电压源，并结合功率守恒定律对负载等效电阻进行修正，进一步建立扩展谐波近似模型。根据模型分别计算各次谐波单独作用的效果，将各次谐波作用结果叠加推导出二次侧谐振电流表达式，由此计算出二次侧谐振电流过零角数值，实现副边开关管的准确控制。最后搭建额定功率500 W的实验样机，实验发现本文所提方法与传统基波分析法相比，变换器效率在全负载范围内均得到提升，且在额定功率下效率提升最高为1.8%，验证了所提理论的正确性及有效性。

摘要:针对无片外电容低压差线性稳压器（LDO）低功耗快速瞬态响应问题，提出了一种基于前馈补偿的瞬态增强LDO电路。误差放大器使用电流回收型折叠共源共栅放大器，具有低功耗、高增益等特点。前馈补偿采用多个小增益级连接，在低静态电流下提高系统稳定性。输出电压尖峰通过电容耦合至瞬态增强电路，为功率管栅极提供充、放电路径，提高瞬态响应性能。电路基于SMIC 180 nm CMOS工艺设计，仿真结果显示，在100 μA~50 mA负载电流跳变范围内，LDO瞬态增强后，输出电压上冲尖峰减小343 mV，下降39%；输出电压下冲尖峰减小592 mV，下降57%。负载调整率为0.005 7 mV/mA，线性调整率为0.22 mV/V。电路静态电流约为3 μA，LDO电流效率高达99.99%。

摘要:自动驾驶领域中，仿真测试是识别和处理长尾问题的重要手段。本文针对弯道切入场景，提出了一种考虑道路曲率半径的行车风险场模型，并结合Prescan/Simulink的仿真平台和遗传算法，构建了自动化的风险场景生成框架。该框架以相对驾驶安全系数（RDSI）为优化目标，解决了传统风险指标在复杂场景下无法及时识别前车切入风险的问题。通过仿真生成不同道路曲率半径下的前车切入场景，并从中选取典型测试用例进行分析。结果表明，RDSI指标的预警成功率相比于碰撞时间（TTC）指标高出65.6%，能够更早地识别潜在风险。此外，实验还显示不同道路曲率半径对碰撞风险有显著影响。

摘要:为了有效控制微机电环形谐振陀螺驱动模态的工作状态，提高驱动幅值的稳定性能与谐振频率的实时跟踪性能，本文提出了一种基于相位控制与自动增益控制的驱动模态闭环控制方案。首先，基于环形谐振陀螺的动力学特性与机电接口特点，设计了对称静电驱动-差动电容敏感的机电接口，提出了基于相位控制与自动增益控制的闭环驱动控制方案；其次，构建了闭环驱动控制方案的机电耦合仿真模型，对驱动模态的自激振荡控制、幅值稳定性与频率跟踪状态进行了仿真，验证了系统的动态性能。最后，基于上述方案设计了驱动模态闭环控制电路，实验测试了电路性能。实验结果表明，该电路的驱动激励信号频率能够很好的跟踪陀螺驱动模态谐振频率的变化；在-40℃~60℃温度环境内变化时，驱动检测电压变化范围低于5.08%，幅值随温度的相对变化率小于0.059%，符合全温区稳幅驱动的要求。

摘要:仪器校准、直流配网电流监测等应用场景对于磁通门直流互感器（DCCT）的精度要求极高，输出信号中的纹波需尽可能小，其中感应调制纹波是此类互感器的主要输出纹波，有必要对系统中感应调制纹波的传递特性进行建模分析并研究相应的抑制方法。因此，针对磁通门DCCT的典型结构，提出了一种感应调制纹波传递模型，分析了感应调制纹波的耦合与传导机理，基于系统磁路特性推导出感应调制纹波的传递函数表达式，提取了影响感应调制纹波抑制效果的关键因素，为磁通门DCCT闭环反馈结构的系统参数设计提供理论依据。实验结果表明，通过传递模型指导设计后，互感器样机基频输出纹波衰减了53.4 dB，符合理论模型的推论。

摘要:密闭容器内部温度测量可预防因温度过高或过低导致的设备损坏和安全事故。现有研究针对密闭容器内温度的测量大多是侵入式、单点式测量。提出一种基于声学层析成像的密闭容器温度场可视化方法，通过径向基函数逼近声慢函数来建立正问题模型，在模型中引入全变分正则化约束项，用交替方向乘子算法求解声学逆问题。同时建立有限元仿真模型，分析声波在密闭容器中的传播特性。仿真结果表明：仿真计算的传播时间与理论值的最大相对误差为1.80%，重建温度场与模型温度场的误差在3%内。最后，构建声学温度场实验测试系统，采用实验进一步验证声学测温的可行性，实验结果表明声学技术可以对装有液体的密闭容器进行温度场重建。本研究对于测量内部温度和预防过热故障来确保设备稳定运行具有重要意义。

摘要:近年来，随着新能源汽车的快速发展，3D目标检测作为自动驾驶技术的核心基础正变得愈发重要。融合雷达点云与图像等多模态信息的策略，能够显著提升目标检测的准确性与鲁棒性。受BEVDet启发，本研究提出了一种基于BEV（鸟瞰图）视角的改进多模态融合3D目标检测方法。该方法采用ConvNeXt网络结合FPN-DCN结构高效提取图像特征，并通过可变形交叉注意力机制实现图像与点云数据的深度融合，从而进一步提升模型的检测精度。在nuScenes自动驾驶数据集上的实验表明，本研究模型性能优异，在测试集上的NDS达到了64.9％，显著超越了大多数现有检测方法。

摘要:下肢外骨骼的步态识别是实现人机协同控制的关键技术，然而现有步态识别方法在处理一维时序数据时面临局部特征提取效率不足、小样本泛化能力弱以及模型计算开销大等挑战。针对上述问题，本文提出一种基于1D-CNN-SVM的混合模型，通过一维卷积神经网络（1D-CNN）自动提取一维时序数据的局部特征，并利用支持向量机（SVM）在小样本条件下实现高鲁棒性分类。实验结果表明，该模型在自定义步态数据集上的总识别率达到99.00%，相较传统SVM模型和单一1D-CNN模型分别提升5.67%和7.99%。另外该模型参数量仅为26 156，单样本推理时间低至0.06 ms，显著优于1D-CNN-LSTM混合模型。本研究为下肢外骨骼的步态识别提供了一种在小样本条件下依然兼具泛化能力、识别能力与轻量化的解决方案。

摘要:针对多电极注入地电流场信息传输接地阻抗难以实时估计的问题，提出了多电极注入地电流场接地阻抗实时估计方法。首先构建出由圆柱面和半球面组合的电极周围大地等势面，根据等势面分布建立多电极注入地电流场大地导体几何模型，通过等效导体长度积分对多电极注入地电流场接地阻抗进行估计。在山地、林地、田地、草地4种测试条件下，电极间距离分别设置为电极入地深度的0.14、0.57、1和1.4倍，进行4、6、8根电极和4、6、8、10、12根电极的电流注入实验，所提方法相对误差平均值为6.0%，实验结果表明，所提方法满足不同注入条件下接地阻抗实时估计要求。

摘要:Kubernetes默认的HPA策略因其特有的响应性机制而存在扩缩容滞后的局限。为了提高资源的响应性能和资源利用率，本文引入了基于时序资源负载预测的弹性伸缩策略，预测部分创新得提出了WTT-iTransformer模型对集群资源进行预测。已知iTransformer不仅在长期序列预测表现优异，还可通过变量序列作为token嵌入获取了多变量间的关联性。本文通过增加了小波变换卷积层WTConv2d和多尺度时间卷积网络的WTT-iTransformer模型可以更精确地从时、频域两方面提取资源时间序列的长期特征与依赖关系，更符合容器使用特征的预测。基于该模型的负载变化预测，能够实现高、低流量发生的初期进行快速扩缩容，以解决反应滞后和资源利用率低的问题。实验结果表明，WTT-iTransformer在训练过程中表现出更好的稳定性和更低的训练误差，能够较为准确地预测集群负载的变化趋势，改进的弹性伸缩策略与Kubernetes传统的HPA相比更加智能、稳定，在负载特征明显、突发性负载较多的场景展现出显著提升，具有广泛的应用潜力。

摘要:煤矿巷道内智能化综掘是全球煤炭开采领域重要的研究方向，对于实现深层煤矿安全高效开采具有重要意义。悬臂式掘进机作为井下综掘的核心装备，其关键节点精准定位是实现智能化综掘亟待解决的技术难题。针对现阶段掘进机定位精度较低和鲁棒性差的问题，提出了正则化约束总体最小二乘法(RCTLS)和交替方向乘子法(ADMM)融合的到达时间差(TDOA)定位算法，构建了基于超宽带(UWB)技术的巷道内掘进机定位系统。考虑解析类TDOA算法容易受到测距误差的影响陷入局部最优解，提出将解析算法闭式解作为ADMM初值，利用双辅助变量对目标函数进行迭代实现掘进机核心节点定位。试验结果表明，在UWB基站和标签测距误差较大时，RCTLS-ADMM在狭长空间将X轴、Y轴和Z轴定位平均误差分别从0.159 m、0.154 m和0.167 m降低到0.139 m、0.133 m和0.141 m，定位精度分别提高了12.57%、13.64%和15.57%。提出的巷道内掘进机定位策略为实现掘进机自主导控提供了重要参数，具有实际应用价值。

摘要:针对多轴步进电机控制器实现过程中，需要进行硬件逻辑的复用，导致逻辑资源占用量过多的问题，提出一种速度曲线算法的时分复用策略。首先，基于刚体绕定轴转动的运动学理论及步进电机控制原理，建立了步进电机控制脉冲周期与运动学物理量之间的映射关系；其次，结合脉冲计算公式将匀加速与匀减速两种转动模式进行合并，优化了速度曲线的计算方法；然后，采用时分复用的设计思想，在单轴非时分复用控制的基础上，充分利用控制脉冲输出的时间间隔，进行了多轴速度曲线算法的时分复用设计；最后实现了两轴步进电机时分复用控制器IP核，相较于两轴非时分复用IP核，逻辑资源使用量降低了33.68%，热功耗降低了14.04%，并搭建硬件实验平台进行了算法验证。结果表明，时分复用IP核可以实现两轴步进电机的精确控制，角位移跟随误差均在±8 step（±0.9°）以内。

摘要:电池健康状态(SOH)的评估是电池系统的关键技术之一，其准确性对电池系统的安全运行至关重要。弛豫电压曲线含有丰富的电池信息，而且弛豫时间短，适用于非恒定工况下的电池健康状态评估。本文利用弛豫电压曲线来评估磷酸铁锂电池模组的健康状态。首先，建立了基于时间常数与弛豫时间线性相关的磷酸铁锂(LFP)电池模组的弛豫电压模型，并采用粒子群优化(PSO)算法对弛豫电压曲线参数辨识，提取健康因子。其次，开发了基于鹈鹕算法(POA)优化的卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的混合模型，用来评估电池的SOH。研究结果表明，无论是采用1/2 C倍率还是1 C倍率充放电获得的弛豫电压曲线，经过PSO算法参数辨识得到的变时间常数电压值与真实弛豫电压值的相对误差(RE)均不超过±0.12%，表明PSO方法对不同倍率下的弛豫电压具有良好的参数辨识效果。采用1/2 C倍率充放电后的弛豫电压曲线，在训练集低至5%的情况下，测试集利用POA-CNN-BiLSTM模型得到的SOH评估相对误差仍不超过±1.2%；而在1 C充放电倍率下，训练集低至5%时，测试集利用POA-CNN-BiLSTM模型得到的SOH评估相对误差仍不超过±1.6%，表明POA-CNN-BiLSTM模型评估电池SOH具有较高的精度。

摘要:针对车辆编队控制中传统的控制策略难以同时满足系统鲁棒性和高精度跟踪的要求，尤其是在面对外部扰动和模型不确定性时，这一问题更加突出。本文提出了一种基于线性反馈控制与车辆运动状态估计相结合的融合算法（LFC-MSE），以提高跟随车速度和角速度的精确性，进而减小外部扰动和通信延迟带来的不利影响。通过反馈线性化部分将车辆编队这种非线性系统转化为线性系统去求解，设计出车辆编队系统的控制器，在通信延时方面，对车辆的运动状态进行估计，提高整个系统的响应速度和控制精度。最后在CarSim-Simulink的联合仿真环境中，搭建车辆编队的动力学模型、参数模型和控制模型，对论文的LFC-MSE算法进行仿真验证。仿真结果表明，在该算法控制下跟随车辆相较于领航车辆横向误差在0.5 m内、纵向轨迹误差在1.5 m之内，而且LFC-MSE控制方案在保持编队稳定性、响应速度及减少能耗方面表现更优。

摘要:连接器的多针对接装配过程中，如果不能准确获得零件的位置和姿态，将很可能导致连接器对接任务失败，甚至造成插针弯曲或零件结构损坏。然而受图像噪声、孔内加工痕迹、孔深导致失焦以及孔壁阴影等因素的干扰，在进行孔的检测工作时难以精准地获取完整精确的圆形轮廓，从而对连接器位姿检测精度产生较为显著的负面影响。针对上述问题，本文提出了一种基于RANSAC的圆拟合改进算法。首先，通过霍夫梯度法进行粗定位，然后通过RANSAC算法获得待拟合圆的内点集；最后，提出了依据邻域内点相对数量确定权重的WLS，重新对内点集进行圆拟合，进而计算得到连接器精确位姿。本文还进行了精度测试实验，测得姿态平均误差为0.051°，位置平均误差为0.567 pixel，并与其他常见算法进行对比，最终验证本文算法具有较高的精确度与稳定性，检测效果优于其他算法。

摘要:水下成像由于光的被吸收和散射现象，导致水下图像往往存在细节丢失、颜色偏差和光照度损失、过曝等问题。针对上述问题，本文提出了一种基于光照度适应与小波融合的增强算法。利用优化对数变换提升图像整体亮度，并通过高斯核函数卷积运算生成适应背景光照度的增强图像，再与水下图像通过小波多尺度融合以增强水下图像的低照度区域，同时压制过曝区域。其次，通过计算颜色通道的均值，以调整融合后图像的对比度和色彩饱和度。最后，通过小波迭代融合其Gamma矫正和锐化后的图像得到最终水下增强图像。实验结果表明，本文算法能够有效增强图像细节、恢复图像色差；图像的IE、UCIQE和UIQM的均值较原始图像分别提高了7.5%、36.6%和199.8%。

摘要:小目标检测是计算机视觉中极具挑战性的任务，现有的检测算法复杂度高、计算量大且检测精度低导致了漏检和误检的问题，本文针对小目标的独有特征提出了LDF-YOLO算法以提高检测精度并降低漏检率。首先是对Head部分的改进，在特征融合网络中引入了特征转换模块，设计了针对微小物体的检测头LP-Detect；其次，借鉴残差门控机制和局部特征增强机制设计了LR-C2f模块，增强模型提取局部特征的能力；最后，融入了局部特征增强模块，以强化骨干网络提取小目标信息的能力。在公开数据集Tiny Person上，LDF-YOLO比原YOLOv8在mAP0.5上提高了4.5%，召回率提高了5.5%，实验结果验证了改进方法的有效性，同时在NWPU VHR-10和VisDrone2019数据集上做了泛化对比实验，经实验表明各项指标均有提升。

摘要:在单词级唇语识别研究中，使用三维卷积神经网络与残差网络的主流模型往往难以捕捉唇运动的几何动态，并且对细节依赖性高。为了缓解该问题，本文提出了一种基于多特征融合的端到端单词级唇语识别模型，该模型集成了像素级纹理细节特征、几何级轮廓形状特征和词边界特征，实现了从时间和空间、像素级与几何级等多个维度的特征融合。其中，纹理细节特征提供精细化的局部信息；轮廓形状特征反应唇部几何结构及动态变化；词边界特征则引导模型关注有效时间帧。此外，本文将空间通道注意力机制整合到3D CNN和ResNet-18中以增强纹理细节特征提取，并利用全局上下文网络对时空图卷积网络进行改进后将其引入模型以捕捉几何级轮廓形状特征。实验表明，输入为灰度视频时，本文模型在公开的大规模单词级唇语识别数据集LRW上的准确率达到89.3%，相较于相同条件下单一或部分特征模型提升1.3%~3.9%，且高于大部分现有模型，验证了所提模型的有效性；同时，实验发现，使用彩色视频作为输入时，模型准确率进一步提高，为89-7%，验证了色彩信息对唇语识别的影响。

摘要:柔性电容应变传感器凭借高柔韧性、轻量化、低功耗和易于集成等特点，在健康监测、人机交互、机器人技术和智能纺织品等领域具有重要应用价值。现阶段柔性电容应变传感器在宽应变下电容信号难以实现线性响应，对于特定场景中的应用特性未受到重视，针对此，本研究提出一种以液态金属为电极层，生态柔性橡胶为介质层的电容式的弹性应变传感器用于呼吸监测，通过实验测试发现，该传感器在0%~120%的应变范围内灵敏度可达到1.4，最小分辨率为0.01 mm，经100万次的3%拉伸循环后仍能输出电容信号，可用于产生微小形变的呼吸信号长时间监测，且具有良好的水洗性和乙醇消毒性，能根据呼吸变化判断人体运动状态和呼吸状态，为智能医疗提供新的发展方向。

摘要:针对深度调峰下湿法烟气脱硫系统出口 SO2 排放浓度难以精准测量，提出一种基于动态建模的卷积神经网络(CNN)、双向门控循环单元（BiGRU）和注意力机制（Attention）相结合的 SO2 浓度预测模型。基于核主成分分析对原始数据进行关键特征筛选得到 7 个特征变量作为输入特征。将注意力机制引入CNN和BiGRU，建立脱硫系统出口 SO2 浓度预测模型，并以某在役超临界600 MW机组的脱硫系统为研究对象进行了仿真实验。仿真结果显示，本文所建立动态模型的平均绝对误差为 0.706 4 mg/m3、均方根误差为0.912 5 mg/m3、平均相对误差为6.27%，与CNN-BiGRU相比，分别下降了25.07%、23.45%和17.28%，更低于CNN和BiGRU；动态模型的决定系数为96.74%，与CNN-BiGRU、BiGRU和CNN模型相比，分别提高了3.91%、5.26%和9.66%。表明基于CNN-BiGRU-Attention的动态模型具有较高的预测精度和学习能力，能够准确的预测脱硫系统出口SO2浓度变化趋势。

摘要: