摘要:为了提高对微小空间碎片超高速撞击造成的复杂损伤红外检测准确度，本研究提出了一种基于虚拟目标向量的超高速撞击损伤缺陷红外检测和评估框架。该框架结合了多目标优化与红外特征提取，通过聚类多目标优化方法，针对不同类别缺陷提取红外特征。利用动态时间规整法提取典型瞬态热响应，并采用虚拟目标向量扩展权重向量集以提升Pareto前沿的估计精度。实验结果表明，该方法能够有效提高超高速撞击下的红外缺陷检测精度，为航天器的损伤评估提供了可靠依据。

摘要:阿尔茨海默病 (AD) 是一种神经系统疾病，主要影响人的脑细胞，是痴呆症的主要形式，由于其不可逆的特性，早期诊断对于减缓疾病进展至关重要。结构磁共振成像（sMRI）与氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）是目前在神经退行性疾病研究中被广泛应用的两种成像技术，结合这两种影像来评估大脑状态能提高结果的准确性。本文提出了一种基于Vision Transformer的多模态融合框架，通过自注意力视觉变换器从单模态影像中提取特征，同时利用交互注意力融合网络专注于两种影像特征的相似性，既能强化各模态的独立表征能力，还能提高两种模态的交互性。同时使用深度置信网络降低提取特征的冗余性，提高不同模态的信息互补，最后采用集成分类器做出AD分类结果。选取ADNI数据集，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94.65%、93.24%和95.62%，与目前的融合方法相比，所提出的方法在AD分类任务中取得了更优异的结果。

摘要:在宽带信号取样系统中，取样器是重要组成器件，内部采用对称结构以减小采样中的共模干扰，其是利用窄脉冲信号触发内部的快恢复二极管快速导通实现宽带信号的瞬态采样和保持。由于内部二极管特性不一致和外部触发的窄带信号宽度太宽均会导致两路输出信号对称性差、采样不准确。针对这些问题，基于FPGA设计了偏移调控电路对取样器输出信号进行偏移补偿，偏移补偿后的两路输出信号幅值误差在3 mV左右，满足对称性要求。利用阶跃恢复二极管设计了窄脉冲触发电路。触发电路产生的触发信号下降沿时间在50 ps左右、幅值为17 V，实测结果表明该信号可以触发取样器实现最高30 GHz信号的采样。

摘要:针对水下复杂环境中鱼类识别易出现误检与漏检的问题，提出了一种基于YOLOv8n的动态自适应特征学习的识别方法FD-YOLO。首先，在主干中设计将多尺度并行卷积与具备区域自适应调节的RFA结合，构建MRFA模块增强对鱼类细微特征差异的学习能力。其次，在颈部中提出将双通道融合结构与CARAFE结合，构建ECARU模块作为上采样模块动态调整特征权重，提升鱼类局部细节重构。最后，为抑制样本分布不均导致的识别偏差，引入具有动态调节因子的Varifocal Loss作为损失函数，提高对水下鱼类位置的判定能力。实验结果表明，与YOLOv8n相比，FD-YOLO的精确率、召回率、mAP50-95分别提升了3.6%、4.9%和3.7%，参数量和计算量分别降低至2.5 MB和6.8 GFLOPs。该研究结果能够为水下目标自动检测和监测提供技术支持和参考。

摘要:针对遥感影像中乡村道路像素占比小、形态不规则、阴影遮挡多以及边缘模糊等问题，本文提出一种改进的DeepLabV3+遥感乡村道路语义分割模型以提升乡村道路小目标和单目标分割精度。该模型以MobileNetV3为主干网络，减少参数量的同时提升分割精度；引入全局注意力机制，增强模型对全局信息的提取并提升泛化能力；ASPP模块中采用深度可分离卷积替代普通卷积，降低信息损失和计算量。在自建的卫星遥感道路影像数据集上，本文提出的改进模型取得显著成果，MIoU和MPA分别达到84.45%和92.32%，相比原始DeepLabV3+模型，分别提升4.63%和6.48%。同时，模型参数量大幅减少至6.30×106。在公开CHN6-CUG数据集上的实验结果同样验证改进模型的有效性，MIoU和MPA较原始DeepLabV3+分别提升3.05%和5.54%，达到79.64%和88.13%。以上结果表明，本研究提出的改进模型在实现轻量化的同时，能够有效提升乡村道路的分割精度和效率。

摘要:针对弹药系统智能化和弹载计算机一体化的需求，提出了基于智能处理器的弹载计算机一体化架构设计方案。一体化弹载计算机可通过智能模块对导引头传来的图像数据进行智能识别，并能通过信息处理模块控制弹上的各个系统。该设计充分利用了各类处理器资源，为弹载高速实时大容量数据处理、复杂算法以及数据传输的实现构筑了强大的硬件架构支撑平台。借助分层模式架构下的并行软件设计策略，将系统计算任务均衡地映射至不同处理器，进而达成多任务实时并行处理的目标。最终的样机测试结果表明一体化架构设计合理，具有重要的军事意义与工程应用价值。

摘要:针对碳纤维增强树脂基复合材料丝束铺层表面缺陷检测中，线结构光图像存在高亮噪声区域和细微间隙处光条纹中心难以提取等问题，提出一种自适应快速线结构光中心提取算法。首先通过图像预处理和光条ROI提取降低图像复杂度；其次利用轮廓跟踪算法剔除高亮噪声并确定光条纹边界；最后采用8阶滤波卷积算子提取骨架点，结合法向质心法计算亚像素中心坐标。通过对多张铺层缺陷线结构光图像进行处理，本文算法重建缺陷点云精度最优，提取50幅图像中心线仅需5.36 s，在极端光照下算法提取中心线的标准差仅为0.38 pixel。实验结果表明本文算法在高亮噪声和复杂缺陷干扰下仍能准确提取光条纹中心，兼具高精度、高效率和鲁棒性，为复合材料铺层缺陷的自动化检测提供了可靠技术支撑。

摘要:合成孔径雷达图像与可见光图像通过不同的维度采集地表特征，为土地分类研究领域提供高度互补的信息，具有重要的应用价值。然而，现有MCANet-CM算法在跨模态特征交互过程中，难以有效捕捉多模态数据中目标轮廓，导致融合特征对复杂场景下目标边界的空间细节表征能力较弱，这使得如何有效结合两类模态数据以实现精准的像素级分类，仍然是目前的关键问题。针对这一问题，本文提出了基于改进 MCANet-CM 的多模态遥感图像语义分割算法。算法中提出了DyCPCA注意力机制，该机制通过动态校准通道间的依赖关系，自适应地增强与目标轮廓相关的特征响应，有效提升了模型对多模态数据中细节信息的捕捉能力；同时引入矩形自校准模块，该模块通过构建非对称的感受野结构，增强了模型对不同方向边缘信息的感知能力，显著提高了模型对前景对象的定位精度。通过这两个模块的协同作用，实现了光学数据与 SAR 数据的有效融合。在WHU-OPT-SAR数据集上进行实验，相较于基准模型MCANet-CM，改进模型在平均交并比与平均F1分数上分别提高了2.85%与2.81%。与FTransUNet等先进算法对比，改进模型同样实现了更好的分割效果。

摘要:针对工业机器人在扭振优化问题中存在易于陷入局部最优、优化速度慢、优化效果差等问题，本文提出了一种基于非支配鲸鱼优化算法的改进方法。首先，通过引入非支配算法对三目标进行Pareto最优化处理，显著增强处理多目标优化时的解空间探索能力和分布性能。其次，改进非支配鲸鱼优化算法结合了输入整形器技术，通过传函变换，实现了在线信号采集，离线优化处理，避免了在线优化容易激起系统振荡，而离线建模精确度不高的问题。算法在贝加莱试验平台上验证，结果证明与粒子群算法、灰狼算法和蚁群算法相比，基于输入整形器的非支配鲸鱼优化算法表现出显著的优势，其超调量分别降低了80.6%、92.1%和92.8%，系统调整时间分别为另外三者的10.9%、7.2%和6.7%，在大幅抑制了系统扭振的同时较小地牺牲其动态性能，实现了系统的快速无振响应，验证了该算法的合理性和优越性。

摘要:针对高比例新能源接入配电网引起的电压越限等问题，提出一种考虑低碳需求响应的主动配电网有功无功协同优化策略。首先，为充分挖掘系统碳减排潜力，建立阶梯碳交易模型，激发荷侧调整用电行为实现低碳响应。然后考虑配网运行需求，构建以网损、电压偏差和综合运行成本最小为目标，补偿设备和柔性负荷为决策变量的协同优化模型。为克服鹈鹕算法收敛速度慢且易陷入局部最优等缺陷，提出一种改进鹈鹕算法。在算法前期，采用Bernoulli混沌映射初始化种群并引入麻雀警戒者机制及非线性惯性权重，均衡并提升算法的探索和开发能力。在迭代后期，通过柯西扰动提升算法跳出局部最优的能力。最后通过改进的IEEE33节点系统仿真，验证所提策略和算法的有效性。

摘要:较高的风电功率预测精准度，能够保障电网可持续稳定运行。针对风电数据的波动性和随机性等特征导致预测精准度欠佳的问题，基于分解-预测模型，提出使用连续变分模态分解算法(SVMD)分解数据，双向时间卷积网络(BiTCN)和双向长短期记忆网络(BiLSTM)进行预测为基础的分解预测模型，以提升短期风电功率预测的精准度。使用加入牛顿法增强局部搜索能力的壮丽细尾鹩莺优化算法(SFOA-N)搜寻SVMD的最佳惩罚因子和预测模型的最佳超参数。针对BiTCN中指数增长膨胀率无法适应不同时间序列中的复杂模式的技术难题，提出一种加入动态膨胀率预测模块改进BiTCN的创新方法，可根据输入数据的不同自动调整膨胀率，从而提升预测性能。经本文数据集验证，与单一BiTCN模型对比，基于优化SVMD-IBiTCN-BiLSTM模型的决定系数达到了0.998 2，平均绝对百分比误差、均方根误差和平均绝对误差分别下降了3.57、9.94和7.21，具有较高的预测精度。

摘要:针对金豺优化算法在求解有约束优化问题时面临的种群质量差、收敛速度慢和易陷入局部极值等问题，提出一种基于多策略的金豺优化算法。首先，为了增加群体的多样性和改善初始解的品质，使用了混沌精英初始化策略来产生精英群体；然后引入能量调节机制，对全局搜索和局部优化进行协调；最后，针对群体中的个体差异，设计了一种融合突变的方法以防止出现局部极值问题。通过标准测试函数的比较试验，证明了改进后的算法具有较好的收敛性能和较快的收敛速度。此外，在CEC2021测试函数和压力容器设计优化问题上进行实验，通过收敛性分析、鲁棒性检测和Wilcoxon秩和统计的验证进一步证明了改进的金豺优化算法在单目标约束和多目标约束问题中的有效性和实用性。

摘要:静脉用药的个体化治疗对药液成分的快速、精准检测提出了更高要求，尤其是在复杂基质下微量成分的识别仍面临挑战。本研究提出了一种基于频率编码与近红外光谱联用的多波长同步检测系统，在一定程度上克服了水在近红外区吸收造成的谱线重叠问题，同时弥补了单一波长激光在识别溶质种类及其浓度方面的局限性。该系统通过850~1 550 nm范围内八组LD激光器的独立频率编码，结合锁相放大算法进行信号解调，有效抑制了多波长之间的干扰，提高了信号准确性和响应速度。系统集成了高灵敏度的InGaAs阵列探测器，能够捕捉C—N（1 380~1 430 nm）和N—H（1 500~2 100 nm）的吸收特征。通过神经网络建立光谱与浓度的映射模型，检测时间缩短至2 s，显著提升了效率。实验结果表明，在盐酸氨溴索（0.1~2 mg/mL）与比阿培南（10~30 mg/mL）溶液中，浓度检测误差控制在≤5%（n=20），优于传统HPLC方法（5%~8%）。这一结果证明了该系统在药液成分快速检测及个体化用药监控中的潜力，具有广泛应用前景。

摘要:为研究爆炸振动信号的时频特性和能量分布规律，构建了基于HHT的爆炸振动信号特征提取方法，采用该方法对某次爆炸实验的振动速度信号进行了分析。结果表明：采用小波阈值法对EEMD分解后的高频IMF分量进行去噪处理，能有效去除信号中的高频噪声，提高了Hilbert谱分析的准确性。通过对各测点信号Hilbert时频谱、边际谱及瞬时能量谱的对比分析，获得了振动信号时间-频率-能量的瞬时关系及其随爆心距的变化规律。在距离爆心80 m范围内，振动信号能量主要分布在0~250 ms时间段和0~150 Hz频率段内。随着爆心距的增加，各测点处信号的起振时间、速度峰值时间及能量集中时段逐步滞后，振动幅值、瞬时能量及信号中的高频分量不断衰减。

摘要:针对直驱式波浪能转换装置在复杂海况下面临的功率捕获效率低、动态响应慢以及抗干扰能力弱等问题，本文提出了一种神经网络与模型预测结合的控制算法，通过高精度波浪激振力预测模型增强系统鲁棒性，并结合多目标约束下的滚动优化算法，使装置在不规则波况下的发电功率最大化。首先构建具有时空特征解耦能力的三阶段融合预测模型，其对不规则波浪激振力预测的均方误差和平均绝对误差较传统模型分别降低39.96%和63.39%，时序拟合度达98.9%。随后将该预测模型嵌入滚动优化框架，高精度的不规则波浪激振力预测为控制提供前馈扰动补偿，使电机电流与功率最大化时的电流契合，从而实现发电功率最大化的目标。实验表明改进后的模型预测控制在波高0.3~0.6 m和周期3~6 s的JS与PM两种不规则波况下，相比于传统的自回归积分滑动平均模型方法实现显著突破：平均功率提升50%~141%，累计能量增长38%~189%，验证了所提方法在提升直驱式波浪能转换综合性能与动态鲁棒性方面的显著优势。

摘要:本文针对当前超声水表普遍存在的长期工作稳定性与可靠性问题，首次从测量原理角度分析造成该问题的可能原因，并从测量原理、可测性设计及测试设备三方面提出新的技术方案。具体包括：首次提出基于回波衰减检测的声波飞渡时间测量原理，从测量原理层面彻底规避了现有基于第一回波检测的超声波渡越时间测量原理中，因水表硬件性能衰减和各类噪声导致第一回波检测错误而带来的长期工作稳定性与可靠性问题,并验证了基于回波衰减检测的测量原理的可行性；提出可测性增强的超声波流体流量测量仪表的设计方法和仪表装置；提出适用于超声波流体流量仪表的测试系统和装置，解决超声水表当前型评测试和出厂检测中“测不出、测不全、测不准”的问题。本文旨在为当前超能水表存在的长期工作稳定性与可靠性问题提供系统性技术解决方案，为以高精度为优势的超声水表进入大规模商用奠定基础。本文的问题探析、测量原理和方法、仪表可测性设计及仪表测试设备的创新技术方案同样适用于超声燃气表和超声油表等超声波流体流量计量仪表。

摘要:针对当前的铁路接触网异物检测算法存在检测精度不高和模型过大的问题，本研究提出一种基于改进YOLOv8的接触网异物检测算法(FRDW-YOLOv8)。首先，在主干网络中引入FasterNet模块，从而构建出C2f-Faster模块，降低模型复杂度，提升模型的计算效率；其次，在特征提取阶段引入感受野坐标注意力机制(RFCA)，提高模型对于接触网异物区域的关注度，为其分配更多注意力；然后，在颈部网络中采用动态上采样器(Dysample)，可以保留接触网异物更多的细节信息；最后，采用WIoU v3损失函数，通过动态调整权重因子，提高检测模型的整体性能。实验结果表明，改进后的算法mAP值达到95.1%，较YOLOv8模型提升了2.8%，模型的计算量和参数量仅为7.3 G和2.7 M。改进后的算法进一步提高了模型的检测精度，且使模型具有轻量化的特性，充分说明改进后的算法检测性能优于目前主流的算法，能够更好地完成铁路接触网异物检测任务。

摘要:工业产品表面缺陷检测作为智能制造质量控制的核心环节，其检测精度与实时性高低对工业生产至关重要。针对现有无监督异常检测方法在复杂工业场景下面临的局部特征敏感性不足、计算冗余度高等关键问题，提出一种基于PatchCore的改进型多尺度特征融合检测算法。首先，通过引入自注意力机制的多尺度特征融合处理方式，对layer3特征图进行自注意力机制与平均池化的融合处理，增强算法对局部与全局异常特征的捕捉能力；提出通道聚合降维方法，将原始特征随机划分为若干连续子组，并对每组特征进行聚合操作生成低维特征，达到减少计算冗余的同时保留部分原始特征局部信息；构建迁移学习模型，增强算法在异常检测任务中的泛化能力，提高实际工业项目的检测精度。通过对内存散热片图像进行缺陷检测实验，结果表明，改进算法相较原算法AUROC提升2.28%，F1Score提升4.89%，能够满足工业场景下高效率高精度的需求。

摘要:道路破损增加了交通事故的发生概率，严重威胁交通安全。因此，实时监测路面状况对于保障道路安全和有效管理基础设施至关重要。针对现有道路缺陷检测中精度不足和小目标检测困难的问题，本文提出了一种基于改进RT-DETR的道路缺陷检测算法。首先，通过引入部分卷积(PConv)对RT-DETR主干网络进行重构，从而有效降低计算开销；其次，在主干网络中融合三重注意力机制，提升模型对多维特征的感知能力，进而更精准地捕捉图像细节。接着，采用双向特征金字塔网络(BiFPN)优化CCFM特征融合模块，并引入S2特征，增强小目标的检测性能。最后，利用DySample上采样算子获取更多局部细节与语义信息，进一步提升模型对小目标的检测能力。实验结果表明，改进后的算法在RDD2022数据集上的mAP@50较原始RT-DETR模型提升了3.6%，且参数量减少了12.5%，检测速度达到66 fps。与其他目标检测算法相比，改进算法在检测精度和速度方面均表现出显著优势，具有更好的实际应用前景。

摘要:道路病害检测对于交通安全和道路管养维护至关重要，但现有算法普遍存在检测精度低、计算成本高昂以及难以部署于移动端设备的问题。为解决这些问题，提出了一种基于YOLOv8n的轻量化多尺度道路病害检测算法LMR-YOLO-P。通过设计多尺度组卷积模块以适应病害尺寸多变性，并构建轻量化共享检测头降低计算成本并保留精细特征，引入感受野注意力卷积RFAConv增强全局信息捕捉能力，结合DFP模块和高效局部注意力机制构建SAC模块增强多尺度特征融合，最后利用基于层自适应幅度剪枝方法进一步压缩模型。实验结果表明，在RDD2022数据集上，该算法相较于YOLOv8n网络的mAP50提升了1.8%，同时参数量和计算量分别降低了46%和40%，成功实现了道路病害的轻量化与实时高精度检测，为智能道路管养提供了有效工具。

摘要:针对低照度环境下，目标特征不明显、细节丢失严重、场景适应性差等问题导致目标检测精度低的问题，提出了一种基于边缘驱动的目标检测方法ED_YOLO。首先，设计了HESM模块，通过Sobel算子提取边缘信息，引导多元特征交互，提升有效信息的敏感度。其次，提出了C2f_DRM模块，高效整合局部细节与全局上下文信息。然后，构建了LFAM模块，在共享卷积的基础上，优化不同尺度特征的自适应调控方法，有效减少细节信息丢失。最后，引入RepGFPN模块，利用重参数化技术，提高模型的多尺度特征提取能力。在ExDark数据集上的实验结果表明，所提出方法的mAP50达到了72.17%，与原始YOLOv8n相比，提高了2.87%，取得了较好的检测效果。

摘要:针对现有算法在滚动轴承表面缺陷检测时检测精度较低，模型参数量大，实时性较差等问题，提出一种改进YOLOv10n的滚动轴承表面缺陷检测算法。在主干网络上，利用GhostConv、MSMHSA模块和CGLU模块对C2f重新设计，构建CGMC2f模块，增强模型的特征提取能力，降低模型的参数量；在SPPF中，结合GroupConv、Residual-Conv和Fusion-Conv对SPPF-LSKA模块进行设计，构建新的GRFSPPF-LSKA模块，有效解决了信息丢失问题，提升模型的多尺度特征提取和融合能力；在Neck网络上，结合BIFPN的多尺度特征加权融合、MAF-YOLO网络和EMCAD模块，构建EMBS-FPN网络，提高模型的检测精度，降低了模型的参数量，使模型轻量化；借鉴Focal-loss思想，优化CIoU损失函数为Focaler-CIoU，加快模型的收敛速度。实验结果表明，改进后的YOLOv10n的mAP达到了92.6%，相较于原模型提高了2.7%，参数量降低了0.45 M，计算量降低了0.6 GFLOPs，更好的满足滚动轴承表面缺陷实时性检测要求。

摘要:路面病害检测在道路养护中尤为重要，针对路面病害检测存在路面图像背景复杂、病害尺度差异大等问题，提出了YOLOX-GED算法，该算法在YOLOX-s算法的基础上，首先设计CSP_Ghost模块替换CSPLayer模块，减少网络参数量的同时加强了网络的特征提取能力；其次，引入ECA注意力机制，加强了网络的特征融合效果，提高了网络对路面病害的识别精度；最后，设计DSPPF空间金字塔结构，增加特征的多样性，加强了对多尺度上下文信息的提取融合。在RDD2020数据集上进行实验，结果表明，YOLOX-GED算法的mAP比YOLOX-s算法高出5.32%，同时模型参数量减少了7.9%，更易部署到移动设备。

摘要:异常检测旨在识别数据中的异常，在工业检测等领域中具有显著的应用价值。目前主流异常检测方法采用的是自编码器等无监督模型，这类模型采用全连接层或卷积层进行编码、解码的数据处理过程，会导致模型面临缺乏解释性、语义误差等问题。为此，本文提出将半非负矩阵分解模型和神经网络训练方式相结合，设计了一个用于异常检测的半非负矩阵分解神经网络。由于半非负矩阵分解模型具有“局部叠加构成整体”的特性，该网络能更好的保留语义信息，且具有可解释性。此外，该网络的特征矩阵作为权值随着网络训练而更新，这能有效解决传统半非负矩阵分解模型存在的局部最优解问题。在三个数据集上，测试了该网络的异常检测性能，实验结果表明其在应对连续数据时，比主流自编码器和变分自编码器方法的检测指标高3%，在离散数据上也取得了不弱于主流方法的效果；与基于传统半非负矩阵分解模型的异常检测方法相比，该网络在所有检测指标上均有提升，升幅最高达12%。该网络是利用传统矩阵分解模型构建神经网络的有益探索，能有效解决异常检测问题。