摘要:船舶尾气检测对于落实航运业环保法规，推动可持续发展具有重要意义。当前船舶航运业朝着绿色、无碳方向发展，清洁燃料在环保方面的独特优势，正逐步成为船舶燃料转型的主流，但是清洁燃料的使用引发了一些新的排放问题，尾气检测新需求不断涌现，进而影响现有检测方法和设备的适用性。本文通过分析传统化石燃料和五种新型清洁燃料的排放物情况，提出了排放检测清单，指出了法规外需要检测的组分；根据尾气检测原理介绍了烟气和烟羽的检测方法，指出了烟羽检测在非常规排放物上的不足；介绍了8种常用的气体分析仪，从装置规格、适用的检测方法、可检测组分种类、检测时长和精度五个维度对目前气体分析设备进行分析评估，最后对尾气检测方法和设备发展方向进行展望，指出多组分检测、小型化、智能化和低功耗将会是检测设备后续发展的重心。开展现有船舶尾气检测方法的综述研究有助于指导相关检测设备的研制与开发。

摘要:表面肌电信号作为肌肉活动的直接反映，能够有效捕捉肌肉收缩的模式和强度信息，因此在手势识别中被广泛应用。然而，其稀疏性、非线性和噪声干扰对特征提取提出了严峻挑战。为此，本文提出了RASTNet模型，以ResNet50为主干网络，将每层最后一个block中的3×3卷积替换为空洞空间金字塔池化模块，通过不同空洞率的空洞卷积捕获sEMG多尺度信息。然后在每一层的连接处加入STConv模块，该模块在SCConv模块的基础上创新性地融入了三重注意力机制，在提取精细化通道与空间特征后进一步强化三维特征融合。本研究分别在用4种方法进行数据增强的ninapro DB1和DB5数据集上进行实验。结果表明，RASTNet较原模型准确率平均提升了1.83%和1.57%。与ResNeXt、Swin Transformer、CnovNeXt等主流经典模型在拟真噪声下横向对比，其召回率、F1分数等指标均表现更优。并且在面对最新的无噪声闭源模型时仍保持领先，展现出在复杂手势识别任务中的抗噪性。此外，RASTNet在跨数据集的泛化性验证中表现出色，进一步增强了其在实际应用中的适用性和鲁棒性。

摘要:本文基于某款QFN封装器件在Ku频段应用时出现谐振现象，导致电路出现3 dB以上的电路插损，造成电路平坦度严重恶化，根据该现象开展电路谐振分析并探究解决方案。本文对3种类型缺陷地结构共面波导的射频特性和等效电路进行理论分析，并基于共面波导理论，使用CST仿真软件对提出的第三类缺陷地结构的结构参数及传输线两端接地面空腔对传输线特性影响进行仿真分析。研究表明，QFN封装器件的射频输出引脚易和周围引脚及周围接地地面形成含有缝隙的缺陷结构共面波导，使电路等效引入了一个LC并联谐振电路。并且缺陷地结构共面波导的空腔长度l，空腔宽度w，缝隙宽度g，缝隙离空腔的边壁距离d及传输线两端接地面空腔同时出现对传输线特性均会造成影响，使电路易在低频段出现谐振点。本文对电路进行优化设计，通过去除电路中等效的缺陷地共面波导结构中的缝隙g，有效消除谐振现象。本文通过理论和仿真分析采取的去除谐振现象的手段和电路设计方法，有效提高微波带内的平坦度，该方法在现代高密度集成的第四代微波电路设计中有广泛的借鉴作用。

摘要:针对传统鱼鹰算法求解智能体路径规划问题收敛效率低且易陷入局部最优问题，提出一种改进鱼鹰算法。该算法融合Tent混沌映射，提升种群的多样性，其次，引入权重因子和高斯变异策略，避免算法陷入局部最优，有效提高了全局搜索能力。为验证该算法的有效性，选用10个标准测试函数以及2组复杂度不同的栅格环境进行实验。结果表明改进鱼鹰优化算法在标准测试函数上有较好的收敛性以及收敛速率，并且相较于传统的鱼鹰算法，改进后的鱼鹰算法在环境1 中路径寻优长度均值下降了9.08%，标准差降低了49.18%，在环境2中路径寻优长度均值下降了6.51%，标准差降低了39.62%，体现了较好的路径寻优效果及稳定性。

摘要:针对传统上肢康复机器人因阻抗参数固定化、动态干扰补偿不足导致的人机交互柔顺性差等问题，提出一种基于阻抗模型的上肢康复机器人交互控制策略。首先，针对系统模型参数以及外界干扰等不确定性因素，设计了自适应鲁棒控制，用以补偿系统的不确定性。其次，针对传统固定阻抗参数导致人机交互柔顺性不足的问题，设计了自适应阻抗参数调节器，将患者发力水平、机器人运动状态与阻抗参数建立联系，实现阻抗参数的动态调节。轨迹跟踪仿真实验结果表明，在动态干扰环境下，相较于传统PD控制，自适应鲁棒控制的肩关节和肘关节轨迹跟踪NRMSD分别降低35.20%和63.31%。主动柔顺仿真实验表明，系统可以依据患者发力水平实时调整训练轨迹并对其进行跟踪，基于自适应鲁棒补偿的变阻抗控制方案较基于PD控制的变阻抗控制，其肩关节和肘关节NRMSD分别降低70.79%和54.53%，这表明所提控制方案的上肢康复机器人不仅具备柔顺性，还具有更强的鲁棒性，能够满足患者康复训练的需求。

摘要:针对智能车辆复杂动态场景下车辆小目标和遮挡目标存在的检测困难及定位不准问题，提出了一种改进的YOLOv11的实时目标检测算法。首先，针对主干网络中因池化层特征丢失导致的小目识别困难的问题，在AIFI基础上提出了DSEAIFI替换了主干网络中的池化层。其次，为了改善颈部网络对特征的利用和融合能力，同时提高对遮挡目标的检测能力提出了MFFNeck网络，提高了模型对上下文特征的融合能力和适应性。最后，为进一步提高网络对复杂动态环境的适应能力，并且突出高级特征在特征图中的重要级别，在头部网络中融合了针对检测头设计LAAFPN网络。为验证所提出的算法性能，进行了仿真与实车实验，仿真结果表明在KITTI数据集上改进的算法mAP@0.5和mAP@0.5:0.95分别为91.1%和70.1%，与基础模型相比分别提高了2.1%和3.8%。实车实验结果表明所提算法的平均检测精度为92.7%，相较于基础模型提升了4.3%，并且具有较好的实时性。

摘要:针对增材打印、航空发动机叶片等工业生产过程及复杂构件内部存在杂质、孔洞、裂缝、残缺等缺陷的高效、高分辨率、非接触检测需求，提出宽频带激光超声信号模态分离方法，通过阵列信号时域平均降噪法、改进的经验模式分解算法、宽频带信号多特征分析的小波降噪方法、变分模态分解算法的有效结合，实现激光超声信号的降噪、特征增强与模态分离。采用传统超声B扫、C扫成像以及合成孔径聚焦成像算法，实现缺陷的二维高精度成像。在时空动态扫描形成三维矩阵的基础上，实现缺陷的三维定量显示。研制五轴机床高精度扫查式、机械臂自由扫查式两套激光超声缺陷在线检测系统，采用基于光干涉的高精度超声阵列传感器以及电磁超声传感器两种信号检测方式，设计四种预置缺陷模拟试块包括平底孔、横通孔、表面裂纹以及内部裂纹进行前期验证。实际叶片、涡轮盘缺陷检测结果表明系统可有效检测大小为0.1 mm的缺陷，缺陷尺寸误差在10%以内，位置误差小于0.3 mm。研制的激光超声检测系统成熟度达到6级，在航天、航海、核电、轨道交通、压力容器与管道、有毒气体容器与管道等领域具有进一步推广和应用价值。

摘要:传统小电流接地系统单相接地故障选线方法，通常采用基于一维信号的选线模型，存在选线准确率低、抗噪性弱等问题。基于上述问题，本研究提出了一种基于优化VMD及双通道PCNN-MATT的配网小电流接地系统单相接地故障选线方法：采用霜冰算法对VMD的分解层数与惩罚因子进行寻优，利用模糊熵算法选取模糊熵值最小的IMFs分量作为降噪输出信号；运用格拉姆角场算法将降噪后的信号变换为二维空间域图像，构建故障数据库；将GASF、GADF图像作为双通道神经网络的输入，用PCNN-MATT提取和学习图像所蕴含的故障特征，并进行故障线路的选取。为验证所提方法的有效性，本研究使用MATLAB/Simulink和配网RTLAB闭环仿真平台，在加入噪声的前提下，将所提模型与3种选线模型相比较。实验结果表明本研究算法准确率高达99.4%，在不同噪声条件下能够维持95%以上的准确率，优于其它3种选线模型，克服了传统故障选线方法准确率低、抗噪性差的问题。

摘要:针对现有动作识别算法中时空特征融合不充分及丰富的骨架信息未能得到充分利用等问题，本文提出一种基于跨模态协同感知的双流融合动作识别模型。首先，本文提出一种双流融合模型，通过融合RGB视频流和骨架流，获取两个模块的全局信息，实现优势互补；然后，提出时空交互注意力模块，实现了时空特征的深度协同与动态互补，动态增强相关时空区域的注意力权重；最后，设计出一种多模态特征融合模块，将通过RGB视频流和骨架流的输出进行特征融合增强，通过自适应权重分配与跨模态交互，充分挖掘RGB视觉外观与人体骨骼运动间的互补信息，从而提升动作识别准确率。多组实验结果表明，该双流融合动作识别模型在NTU RGB+D和NTU RGB+D 120数据集上实现了高精度的动作识别，分别获得97.2%和92.3%的准确率，与基线方法MMTM相比，精度分别提高了3.6%和3.2%。通过结果表明，该模型可以充分提取利用人体骨架信息，同时充分融合时空特征，提高对动作识别的准确率。

摘要:由于微弱缺陷与完好电缆的反射系数谱差异较小，现有检测技术难以识别，为此提出了一种基于反射系数谱差异增强的电缆微弱缺陷诊断方法。首先建立了电缆线路反射系数谱的数学模型，明确了缺陷程度与反射系数谱之间的内在关联；其次分析了微弱缺陷反射系数谱与完好电缆反射系数谱的差异特征。针对二者之间存在的可辨识差异，设计了一种基于差异谱增强的微弱缺陷定位函数，并提出了反射系数谱的恢复方法，该方法能够利用现有的检测结果，重建电缆在完好状态下的理论反射系数谱。通过将恢复后的完好反射系数谱与含缺陷反射系数谱进行差值处理，有效增强了缺陷特征，提升了缺陷检测的灵敏度和准确性。最后通过仿真结果和现场实验验证了该方法的有效性，结果显示，该方法能够准确识别电缆中的微弱缺陷，提升诊断准确性，定位误差低于4％。

摘要:在通信特定辐射源识别任务中，针对深度学习网络在训练样本量不足时准确率低的问题，提出了一种基于时频数据增强和对比学习的特定辐射源识别方法。首先，从辐射源信号中提取I/Q信息，经过连续小波变换和Welch功率谱的时频数据增强构建多模态信息，以此对小样本数据进行扩充并送入改进的对比学习网络中进行特征提取，并且设计了一个由交叉熵、监督对比损失的加权和损失函数，充分提取特定辐射源信号的特征，确保两种特征向量分布具有余弦损失的一致性，训练结束后保存成最优模型，最后使用部分训练集数据对模型进行微调。所提出的方法在ADS-B数据集和WiFi数据集上进行了评估，与基线模型进行了比较，还对比了28种数据增强组合方式的效果。实验结果表明，本文所提出的方法比现有方法取得了更优异的效果，并且本文提出的数据增强组合方式效果最优。具体而言，当有标记训练样本数量与所有训练样本数量的比率为5%时，在ADS-B数据集上的识别准确率为87.30%，相较于基线模型提升6%；在WiFi数据集上的识别准确率为94.07%，相较于基线模型提升55.39%。

摘要:为提高牵引变压器在线故障预测准确率，提出了一种基于随机森林特征优选和改进蜜獾优化算法的在线故障诊断方法。首先，运用SMOTE算法对数据集进行均衡化处理，进而通过无编码比值法对故障诊断样本进行扩充；其次，通过随机森林对特征向量集合进行重要度排序，分别输入极限学习机、支持向量机和长短期记忆神经网络，得到最佳基础模型和特征个数组合；然后，结合Tent混沌映射策略、改进控制因子和小孔成像策略对蜜獾优化算法进行改进，得到改进蜜獾优化算法；最后，利用改进蜜獾优化算法和最佳基础模型及特征个数相结合，有效解决了基础模型中超参数设置问题。实验结果表明，与其他优化算法比较，改进蜜獾优化算法在寻优能力、稳定性和收敛速度上均有明显提升；所提牵引变压器在线故障预测模型的故障诊断准确率为96.05%，相比于HBA.LSTM，准确率提高了2.44%，验证了所提方法的有效性。

摘要:针对双环控制结构下三相PWM整流器直接功率控制存在的控制结构复杂、动态响应速度慢等问题，同时考虑控制算法在微处理器中应用的适用性，提出一种基于离散非线性扰动观测器的三相PWM整流器单环离散滑模直接功率控制方法。首先，将整流器直流侧功率模型和网侧有功功率模型视为整体，得到直流侧-网侧有功功率模型；其次，设计了一种离散非线性扰动观测器，并构建了一种含有功率扰动估计的新型滑模面，以提高单环离散滑模控制的抗功率扰动能力，减小其功率跟踪误差；最后，在处理器在环测试平台上对双环PI控制、传统离散滑模控制和本文所提控制进行了对比。相比于双环PI控制，阻性负载突变和恒功率负载突变时，所提控制的调节时间和电压跌落分别减少了90%、35.7%和91%、41%。稳态运行时，所提控制的电流总谐波畸变率与传统离散滑模控制和双环PI控制相比分别减少了36%和15%。测试结果验证了所提控制方法的有效性和优越性。

摘要:针对传统视觉方法在太阳能电池检测中面临的小目标缺陷识别准确率低、不同尺度特征捕获能力不足等问题，本文提出了一种基于跨尺度特征增强与动态参数优化的YOLOv8改进算法。首先，以多分支残差结构为核心，融合重参数化技术与可调膨胀卷积，设计膨胀重参数残差模块，通过跨层级特征交互增强目标缺陷的上下文感知能力，提高检测精度；其次，在C2f模块中嵌入可变形卷积，结合辅助检测模块构建动态特征适应网络，提升对微小缺陷的几何特征提取；最后，引入具有动态聚焦机制的损失函数优化边界框匹配，提高回归精度。实验结果表明，改进模型在3.03 M参数量下实现91.8%的平均精度，较基准模型提升4%，保持轻量参数同时提高了检测性能。

摘要:针对密集行人检测中因高遮挡和尺度变化较大而导致的易漏检和精度低问题，本文提出了一种高效的面向复杂场景密集行人检测的RTDETR改进算法RSHRTDETR。首先提出Regocn模块改进backbone,使用有限的普通卷积进行特征提取，随后进行线性变换操作，同时在在梯度流通分支上使用RepConv弥补舍弃残差块所带来的性能损失并增强特征提取和梯度流通的能力，在降低计算量和参数量的同时更好的对不同尺度的目标进行检测；其次在颈部引入160×160的S2检测层，通过优化特征融合过程，增强对小尺度行人目标的检测性能；最后采用Haar小波下采样模块(HWD)，以扩大感受野、降低模型复杂度、提升对遮挡行人目标的检测精度。在CrowdHuman数据集做消融和对比实验，mAP50达到了86.6%，mAP50.95达到了57.8%，相比于原算法mAP50提高了1.2%, mAP50.95提高了1.9%，参数量下降40%。在Widerperson数据集上也优于RT-DETR算法。实验结果显示，RSH-RTDETR相比RTDETR-R18模型在降低参数量的同时提高了密集行人检测的准确率，也优于其他算法。本文改进算法在保证高精度的同时也实现了轻量化，在复杂场景下的密集行人检测任务中具有优异的性能。

摘要:针对大多数SLAM算法在户外长距离环境下轨迹误差大、建图漂移问题，提出一种基于IEKF的激光雷达与IMU紧耦合的SLAM算法,并构建全局一致的激光三维点云地图。首先，构建IMU状态模型并通过前向传播预估状态，运用反向传播对点云进行运动补偿，然后采用迭代扩展卡尔曼滤波融合IMU数据与雷达数据，得到前端激光里程计；引入回环检测模块，在点云中构建三角描述符，对三角描述符的边进行匹配以实现闭环检测；最后在后端优化部分采用GTSAM构建因子图，融合IMU预积分因子、里程计因子、回环检测因子，消除累积误差，提高定位精度，降低地图漂移。实验表明，所提算法相较于FAST-LIO2算法在KITTI数据集与自采集数据集中的APE RMSE分别平均下降了50.06%、33.65%，降低了z轴上的漂移，能够构建闭合的稠密点云地图。

摘要:语义分割是自动驾驶的关键技术。室外场景图像语义分割受环境复杂、样本不均衡等问题影响，致使分割效果不佳。针对上述问题，本文提出了一种基于特征分支增强的室外场景语义分割网络FBE-Net。FBE-Net采用编码器-解码器结构，专门设计了特征增强分支，使用多尺度膨胀注意力使模型聚焦关键特征，提高整体精度，使用记忆力模块改善样本不均衡的问题，同时兼顾轻量化设计。本文使用高清相机采集校园场景数据，并加注真实语义标签，制作校园场景语义分割数据集。实验在Cityscapes数据集和自建数据集上进行，实验结果表明，FBE-Net在Cityscapes数据集上mIoU达到了79.64%，在自制数据集上mIoU达到了78.01%，优于主流语义分割方法。

摘要:为了提高高性能多尺度目标检测，特别是小目标检测的精度，以减少交通事故的发生概率。本研究提出了一种改进YOLO11模型的多尺度上下文增强注意力机制的汽车检测方法。首先，在主干网络中设计并引入了RPCSPELAN5结构替换C3k2模块，提升特征提取能力和信息聚合。其次，在颈部网络中创建并新增DSM模块，该模块通过动态上采样器和无参数注意力机制，增强小目标的特征融合。最后，进一步改进颈部网络，采用了基于Haar小波的下采样模块，提升语义分割表现和上下文连续性。在VOC2012和COCO数据集上的实验表明，所提出的算法在多个评估指标上均取得了显著的提升。VOC2012数据集上的P、R、mAP50和mAP50.95分别提高了0.2%、5.3%、3.4%和4.2%，而COCO数据集上的提升幅度分别为7.7%、6.0%、8.7%和6.5%。本研究提出的算法在多尺度目标检测，特别是小目标检测精度上表现出优越性，有效提高了车辆检测精度，有助于降低交通事故发生的概率。

摘要:针对提升现有逆散射成像算法精度的需求和抗噪声性能具有局限性的问题，本文提出了一种基于随机方差缩减的子空间优化法与M2Net深度网络融合的逆散射成像方法。该方法在优化的SOM框架下引入随机方差缩减梯度法，通过使用两层循环结构，在每次迭代中随机抽取少量样本进行更新，以修正项来减少方差并提升计算效率。在此基础上，构建了包含多尺度层的M型残差块的U形嵌套模型M2Net网络结构，并将初始重构结果作为输入数据用于M2Net的训练，实现对散射体结构的进一步高精度重构。该方法与传统方法相比，在结构相似性方面提升10%~30%，在均方根误差方面降低5%~15%，表明所提出方法在抗噪性能方面表现优异，并能够实现高精度的图像重建。

摘要:针对无人机航拍图像中因小目标尺度微小、背景复杂干扰以及多尺度特征融合效率低下等问题，提出轻量化检测模型YOLO-DAS。通过构建动态多尺度感知卷积模块DMSConv，增强目标特征捕获能力；设计上下文感知特征重组上采样ADEPT，优化特征图重建过程以提升上下文信息整合精度；采用双向全局-局部空间注意力SCOPE重构颈部网络，通过双向特征交互突破单路径融合局限；增设浅层小目标检测层以强化低层级特征的定位信息提取。实验基于VisDrone2019数据集验证,模型在mAP05和mAP0.5:0.95指标上分别达到39.8%和23.7%，较基准YOLOv8n分别提升了8.4%和5.1%，精准率与召回率同步提升8.1%和7%，参数量减少0.49 M，为无人机航拍图像中小目标检测提供有效解决方案。

摘要:随着深度学习技术在轨道巡检中的广泛应用，轨道扣件领域的视觉检测方法得到越来越多的研究。针对当前轨道扣件数据集中构建缺陷样本的效率瓶颈、以及基于图像数据展开部件松动检测手段相对匮乏的现状，本文提出了一种基于数据增强和YOLOv8模型的轨道扣件检测方法。本研究通过搭载于检测车上的线阵相机采集图像获取原始数据和纹理信息，利用图像的先验信息控制点云数据高效生成包含轮廓信息的掩膜图像及标签文件，基于风格迁移模型实现了纹理信息的迁移和融合。针对基于图像数据同步实现缺失等状态和松动状态检测的需求，引入注意力机制和自适应拼接层，构建多任务检测模型实现了扣件状态的快速识别与螺栓区域的精确分割，目标检测的平均精度达到了92.14%，语义分割的交并比达到了89.60%。本文方法有效提升了数据增强的效率，降低了二维图像领域对于螺栓状态的漏检概率。

摘要:钢板产品的表面质量对其使用性能和市场竞争力具有重要影响。针对钢板表面缺陷检测精度不足导致的误检频发和漏检严重等问题，本文提出了一种基于YOLOv8n的改进模型SGF-YOLOv8n。首先，引入了Slim-neck结构，以有效减少模型的参数量和计算复杂度，从而提升计算效率。其次，集成GAM注意力机制以增强模型对全局特征的感知能力，从而提高了对细微缺陷的检测性能。最后，采用Focaler-IoU损失函数，进一步优化了模型在处理边界模糊及小尺寸缺陷区域时的定位精度。此外，针对数据集样本量有限问题，本文采用数据增强技术对NEU-DET数据集进行了样本扩充并展开实验。实验结果表明，SGF-YOLOv8n在NEU-DET数据集上的mAP50值达到81.6%，比基线模型提升3.8%。同时，在GC10-DET数据集上的泛化实验中，SGF-YOLOv8n的mAP50达到70.4%，较基线模型提升6.7%。结果表明，本文提出的改进算法具有良好的鲁棒性和有效性。

摘要:本文提出双平面线阵电磁层析成像的检测技术，旨在提高交管部门对道路交通管理和拥堵治理的能力，特别是针对山区高速公路的交通事故检测。考虑道路两侧延长的特点，本文设计了2个平行平面线圈阵列的传感器结构，其中平面线圈阵列由5个线圈线性排列组成，采用三维有限元的方法对双平面线阵电磁层析成像技术检测道路交通事故进行仿真研究其可行性，分析物场中电磁场的分布特性以及灵敏度图谱的特性，根据LBP算法、Tikhonov正则化算法和Landweber算法三种算法重建车辆的图像，研究了重建车辆分布的效果。仿真结果表明，基于场向量提取法计算电导率灵敏度只需提取物场中x轴和y轴的电场，而计算磁导率灵敏度矩阵只需提取z轴的磁场，同时能够通过测量边界电压来确定导体的电学参数分布，但磁导率灵敏度矩阵在物场区域的强度要明显高于电导率灵敏度矩阵，表明双平面线阵电磁层析成像技术适合采集边界磁场来重建图像。此外，通过对比3种算法在6中不同位置车辆的图像重建发现，采用Landweber算法重建车辆磁导率分布图像的效果最佳，重建图像均能区分车辆的分布位置，其IE最小为0.905，且CC最大为0.547。因此，双平面线阵电磁层析成像技术在仿真上是可行的，能够有效地用于道路车辆的磁导率分布图像重建，具有提高道路交通安全管理和减少交通拥堵的潜在应用价值。