摘要:为了提升永磁同步电机的控制性能，针对模糊PID控制下永磁同步电机变速时超调较大，抗干扰性能差等问题，提出了一种基于差分进化算法的永磁同步电机模糊反步控制策略。首先，将模糊控制策略与反步控制理论相结合，对转速环和电流环的结构参数进行调整。接着，在此基础上用差分进化算法对模糊控制器中的结构参数进行优化。最后，通过仿真和实验对所提控制策略进行验证。实验结果表明，在所提控制策略下，电机突加负载时转速降落减小了1.78%；空载下，降速时转速超调量减小了22.9%、升速时转速超调量减小了3.5%，提升了系统的抗干扰能力。

摘要:设计了一种采用GSMC 0.35 μm BCD工艺制作的基于无磁芯微型变压器的高效率隔离式DC-DC转换器。分析了无磁芯微型变压器的线宽、内径、线间距、圈数以及原副线圈的间距对隔离DC-DC转换器效率的影响，并将EMX建模与仿真数据结果最优的一组无磁芯微型变压器模型应用到该隔离DC-DC转换器中，最后选择最优的编码与解码方案，进一步提高该转换器转换效率。仿真结果表明，在工作频率为180 MHz、输入电源电压为5 V、输出5 V隔离电压时，该隔离DC-DC转换器输出电流范围为0~120 mA，最大输出功率为600 mW，且最高转换效率达到40%。

摘要:针对FMT*算法在机械臂路径规划中搜索效率较低，以及在采样点较少时易规划失败的问题，本文提出了一种基于均匀采样的US-FMT*算法以提高规划成功率和搜索效率。该算法首先采用全局工作空间均匀划分的方式生成随机采样点，增强了算法在低采样点条件下的性能；随后结合邻节点寻优导向策略，减少规划过程中的冗余节点探索；最后采用节点重连策略优化路径质量。在二维和三维仿真环境中对算法进行实验分析，并在ABB IRB 1200-0.7/7 kg机械臂上进行路径规划实验。在三维路径规划仿真环境中，US-FMT*算法与FMT*算法相比，时间代价减少了约49.7%，路径代价降低了约16.6%，结果表明US-FMT*算法能够有效提高机械臂路径规划的规划成功率，提供优良的路径质量和较低的计算代价，为机械臂运动规划提供一种高效的解决方案。

摘要:针对提高乘坐舒适性的需求以及依靠单一控制算法存在局限性的现象，本文给出了一种算法结构简易，性能高效，应用成本较低的电控空气悬架阻尼分频混合控制方法。首先是设计了一种变指数天棚控制，仿真表明，其在低频段控制效果较好且比传统天棚更优，其次是对LQG控制进行设计，并利用遗传粒子群算法对Q,R矩阵进行寻优，使其获得全局最优解，根据分析表明，其在高频区域控制效果较好且算法成熟稳定，然后通过高低频分频的方式对两者进行融合，实现对电控空气悬架阻尼在全频段的分频联合控制。最后搭建了基于MATLAB/Simulink平台的1/4车电控空气悬架仿真模型和基于U2快速控制原型和dSPACE/Simulator实时仿真器的硬件在环实验平台（HIL），采用随机路面工况进行仿真和实验验证，实验结果表明，使用变指数天棚分频混合控制比LQR控制效果更好，较被动悬架和SH-ADD混合控制，车身加速度分别下降了15.53%和6.42%，在全频段取得较好的控制效果，充分提高了乘坐舒适性。

摘要:针对现有的雷达跌倒检测方法存在计算复杂度过高、参数量庞大的问题，本文提出了轻量级自适应卷积神经网络——LACNN。首先，从FMCW雷达采集到的人体活动回波信号中提取出微多普勒特征。其次，使用改进的轻量级ShuffleNet网络对特征进行初步提取。然后，使用轻量级通道-空间注意力模块与高效的不对称卷积核并行多尺度特征提取模块对特征进行精细化处理。为了提高模型的泛化能力，模型中嵌入了卷积批量归一化AconC模块。最后，融合的特征被送入全连接层进行检测。与其他网络模型的比较结果显示，所提出的模型F1分数达到了99.33%，提高了0.61%~4.10%，同时保持更低的计算成本，FLOPs仅为1.047 M，模型参数量仅为69.09 M。

摘要:为解决灰狼算法在进行路径规划过程中存在的易陷入局部极值导致的搜索不到最优路径的情况，本文提出一种融合人工势场的改进灰狼算法。首先，通过非线性策略对收敛因子进行改进，保证搜索过程中种群的多样性；其次，改进灰狼位置更新策略，结合天牛须更新方法，增大算法的搜索范围；最后，融合灰狼算法和人工势场，提升算法搜索效率以及路径的安全性。并通过在3种不同的栅格地图环境中进行仿真实验，实验结果表明，改进灰狼算法能在保证路径长度较短的同时减少机器人的转向次数。

摘要:重质碳酸钙粉磨系统中，粒度是衡量产品质量的关键指标之一，准确预测粒度有助于控制产品质量并指导立磨（VRM）进行参数调节。因此，该研究提出了一种基于常春藤算法(IVYA)的双向时间卷积网络(BiTCN)和双向门控循环单元(BiGRU)相结合的重钙粉体粒度预测模型。首先对特征和标签数据进行预处理，利用时变滤波经验模态分解联合小波阈值去除分级机电流中的高频噪声；然后通过BiTCN从前后两个方向挖掘时间序列中多维特征间的关联性，在BiGRU输出端融入注意力模块赋予每一个位置不同的权重，从而有效关注序列中的的关键数据。其次，在整个模型上引入IVYA寻找神经网络中关键超参数的最优解。最后，以某碳酸钙粉磨工厂实测数据为例进行模型实验。实验表明，IVYA优化后的模型相比较于其他单一模型和组合模型具有更高的预测性能，其均方根误差、平均绝对误差、平均相对百分误差和决定系数分别为：0.824 4、0.423 0、1.295 4%、98.95%。

摘要:质子交换膜燃料电池存在输出电压不稳定，发电效率低下等问题，需要使用Boost电路进行升压，以此确保电压质量，满足系统需求。根据PEMFC的输出特性，在Matlab/Simulink平台搭建PEMFC以及Boost电路的数学模型，考虑线性自抗扰控制策略对扰动具有优异的动态响应速度，提出一种基于模糊神经网络的线性自抗扰控制策略，用于Boost电路的电压环控制,依靠模糊神经网络对线性自抗扰控制器中的关键参数进行整定，以实现控制器的实时优化。通过仿真分析对比不同工况下，FNN-LADRC控制策略与LADRC控制策略下输出电压的性能差异，结果显示，在无扰动情况FNN-LADRC控制策略下的调节时间为5 ms，LADRC控制策略下的调节时间为40 ms，在扰动情况时FNN-LADRC控制策略调节时间更快，抗干扰能力更强。结合绝对误差积分IAE指标和时间乘绝对误差积分指标ITAE指标进行系统整体性分析，验证了所提控制策略的有效性与优越性。

摘要:为提供准确可靠的锂电池健康状态预测，提出了一种基于非洲秃鹫优化算法融合天鹰优化算法优化BP神经网络的预测模型。通过对电池充电过程中的电压、电流和温度数据的分析，基于灰色关联分析验证健康因子与电池SOH的相关性，确定4个健康因子作为模型的输入，结合基于AO-AVOA优化的BP神经网络模型，实现更精确的SOH预测。将提出的模型与其他优化模型对锂电池SOH进行预测，对各项指标进行对比分析，结果表明，所提出的预测模型平均绝对误差小于0.008 9，均方根误差小于0.011 2，平均绝对百分比误差小于1.451 2%，具有精度高、泛化性强等特点，可有效用于锂电池的SOH预测。

摘要:考虑到当前排球群体行为识别方法中交互关系的有向性、延时性以及受时空约束等特点，本文提出一种考虑多尺度时空因果特征的排球群体行为识别方法。首先，基于因果检测模型，对行为交互的因果关系进行分析判断；其次，基于时序因果图推理模型，提取群体行为中的时序因果特征，降低延时性对特征融合过程中产生的误差；然后，将距离和外观约束引入到时序因果特征中，提取出群体行为多尺度时空因果特征。最后，通过公开数据集和自选数据集验证了本文所提算法的有效性，并通过融合对比实验验证了识别框架中模块的重要性。实验表明：本文所提模型能够充分发挥多尺度时空因果图在描述群体交互影响的优势，提取的多尺度时空因果特征图能够有效学习群体行为特征，提升排球群体行为识别性能。

摘要:针对欠驱动无人船动力学模型参数获取困难、跟踪控制易受水流及自然风等干扰的问题，本文提出了一种基于自适应时延估计与超螺旋快速终端滑模的轨迹跟踪控制方法。首先通过手部位置点坐标变换方法，对欠驱动无人船数学模型进行状态扩展重新构建；然后采用自适应时延估计技术，估计无人船未知动力学模型部分及外部扰动，并设计超螺旋快速终端滑模控制策略补偿时延估计产生的误差，提高控制系统鲁棒性；最后，基于仿真分析与航行跟踪实验验证本研究控制方法可行性。在航行跟踪实验中，位置平均误差相比于PID算法、滑模算法及自适应时延估计滑模算法分别降低了35.1%、24.7%、20.8%，轨迹跟踪精度高。本文提出的控制方法不依赖动力学模型参数，可实现欠驱动无人船精准轨迹跟踪控制，且收敛速度快、鲁棒性高，为欠驱动无人船轨迹跟踪控制提供了可供借鉴的方法。

摘要:针对电容层析成像系统中16及以下极板平面阵列传感器测量数据少、检测精度相对低，而64极板三级控制复杂的问题，实现了一种基于64极板二级控制密集型平面阵列传感器的电容层析成像系统，通过硬件二级选线控制和软件敏感电极测量法，显著提高了电容层析成像速度和精度。理论计算及实测结果表明，二级控制的64极板密集型平面阵列传感器的电容层析成像精度达到95%以上，速度达到2 s左右，证明了该设计在复合材料无损检测领域的可行性和有效性。

摘要:针对传统的超声无损检测技术存在检测盲区，单一的超声探头无法同时检测试件表面和内部缺陷的问题，基于电磁超声原理，设计了一种新型电磁超声换能器，能够同时激发瑞利波和横波，实现对试件表面和内部缺陷的同时检测。基于COMSOL建立了瑞利波-体波复合EMAT仿真模型，分析了复合电磁超声波产生及其与缺陷相互作用的机理。设计制作了复合EMAT并建立了电磁超声信号检测系统，对定制的铝合金试件进行了表面及内部缺陷检测与定位检测试验，结果表明，利用所设计的瑞利波-体波复合EMAT，既能有效探测到表面缺陷回波，又能检测到内部缺陷回波，且对表面缺陷的检测定位误差为0.48%，对内部缺陷的检测定位误差为0.7%。

摘要:针对遥感图像中存在因背景复杂、尺度变化大、小目标密集而导致的目标检测准确率低等问题，提出了一种改进YOLOv8n的检测算法：MGL-YOLO。首先，设计MSConv减少模型参数，基于MSConv重构C2f模块，提高多尺度特征提取能力；其次，基于GLSA和GSConv模块改进BiFPN结构，简化颈部网络，增强网络的特征处理能；在头部设计Light-head进一步轻量化模型，加强小目标特征提取能力；最后引入NWD损失函数替换原损失函数，增强对小目标的定位精度。在DIOR-R、DOTAv1.0和VEDAI数据集上验证，实验结果表明MGL-YOLO模型在DIOR-R数据集上准确率和mAP@0.5比基准模型提高了1.7%和1.3%，在DOTAv1.0数据集上提高了1.0%和1.1%，在VEDAI数据集上提高了2.4%和2.1%。参数量降低47%，计算量降低32%，与其他小目标检测算法相比也得到了较好的检测性能。

摘要:地音监测技术作为探测矿井安全状况的重要手段正受到越来越多的关注,为了实现对矿井声发射信号的去噪，针对辛几何模态分解（SGMD）方法分析结果不确定性问题，提出了一种基于改进的辛几何模态分解（ISGMD）联合小波阈值（WT）的降噪方法。首先，通过设置能量熵增量和频率互相关系数阈值对SGMD分解的各辛几何模态分量（SGCs）进行筛选，得到信号中的有效成分和噪声成分。利用小波阈值对有效信号模态进行去噪并重构，实现对原始信号的去噪。为了验证该方法的有效性和鲁棒性，利用仿真模拟信号和实测信号对模型进行了实验研究。实验结果表明，该方法的运行耗时较少，信噪比最高为27.2 dB，均方根误差最小为0.039，降噪效果明显优于其他降噪方法。

摘要:当前锂电池的健康状态估计技术主要聚焦于新能源汽车动力电池等非生命支持设备，推广于人工心脏泵用锂电池时，显著的工况差异和难以表征复杂电化学反应特性的简单模型限制了SOH估计的准确性与可靠性。为此，针对人工心脏泵用锂电池高阶模型计算复杂度与SOH准确性评估的固有矛盾，提出一种自优化的关键健康因子估计方法建立锂电池模型。首先，针对锂电池电化学系统电流电势非线性使得阻抗测不准而难以建立模型的问题，设计暂稳态的电化学阻抗谱法并利用自研EIS测试装置获取多温度多SOC多频率下的多维阻抗信息。然后，分析阻抗信息与电池健康状态之间的线性关系，建立最小化阻抗目标函数并利用改进的粒子群优化算法求解优化问题。最后，硬件在环仿真实验模拟人工心脏泵用锂电池脉动模式下的不同工况并验证了所提方法的可行性和有效性。实验结果表明，所提算法在不同荷电状态和不同温度下关键健康因子估计误差小于2%；与标准PSO算法相比，所提算法的估计精度提升了1.88%，满足人工心脏泵用锂电池高精度的模型建立要求和SOH估计。

摘要:针对语音关键特征提取不充分、模型结构单一的问题，提出一种两阶段下融合多尺度特征和改进型门控Conformer的语音增强方法。首先，针对关键特征提取不充分的问题，提出双通道卷积融合模块，采用不同感受野的二维卷积多尺度提取语音关键信息，并结合门控机制增强网络的短期与长期序列相关性，从而提升模型在复杂环境下的语音增强效果；提出改进型Conformer，采用时间注意和频率注意分别在时域和频域上进行建模，并结合膨胀卷积模块高效提取局部与全局上下文信息，从而增强网络在语音序列建模中的表现能力。其次，针对模型结构单一的问题，采用两阶段处理结构，将复杂问题分步处理。在第一阶段首先接收噪声频谱的幅值，初步估计出干净语音的幅值，并与噪声相位进行重构，得到粗糙的复频谱。第二阶段在第一阶段得到粗谱的基础上进一步提取更精细的特征，增强语音信号的细节表现能力。最后，在VoiceBank+DEMAND数据集上进行测试，实验结果表明，所提算法相比带噪语音的语音感知质量和短时客观可懂度分别提升50.25%、3.26%，表明该网络能够更有效地提高语音的可懂度，同时改善语音信号的整体质量，具有较强的降噪能力。

摘要:针对工业系统现有钢材表面缺陷检测模型较老，准确率有限，存在错判漏判的问题，提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块，实现Backbone网络轻量化与特征提取能力增强的平衡；在Backbone网络末端添加自适应细粒度通道注意力机制AFGC，增强模型骨干网络对输入特征的初步提取能力，进而提高模型的检测精度；将Neck部分换为注意力尺度序列融合框架ASF，提升模型整合多尺度特征信息的能力。在NEU-DET钢材表面缺陷数据集上进行对比实验和消融实验，实验结果表明，提出的FAA-YOLO模型较基线YOLOv10n模型参数量降低11.01%，计算量降低7.69%，检测精度提高2.9个点，达到83.6%的检测准确率，在降低模型复杂度的同时实现了较高的检测准确率，在工业系统中具有高可用性与高实时性。

摘要:针对复杂交通场景下车型目标密集、遮挡而造成的车型识别精度低的问题，提出基于高阶空间特征聚合的车型识别算法。首先，在特征提取的下采样阶段，设计了HSIDM模块，实现更深层次的特征聚合，减少细小信息损失。其次，在特征融合部分设计了DMFAM模块，动态调整各尺度特征的权重，获取多尺度的上下文信息，以增强模型对多样化特征的适应能力。然后，设计解耦REL-Head检测头，将分类和回归任务拆解，避免任务混杂，增强局部特征的学习能力与抗干扰能力。最后，将本文模型部署到边缘设备进行测试。实验结果显示，本文算法在复杂度交通场景数据集BIT-Vehicle和UA-DETRAC上，mAP相较于原模型分别提升了0.7%和3.9%，并在边缘设备上可以流畅运行，具有较好的识别效果。表明所提出的方法能够有效提高车型识别的精度并应用于受限设备。

摘要:在大规模制造的端侧产线工业质检应用中，由于算力、成本和功耗等因素的限制，将深度学习模型裁剪并部署到小型算力的边缘设备上变得尤为重要。针对铝型材复杂缺陷检测这一应用场景，基于YOLOv8设计了缺陷检测模型。首先，通过轻量化结构设计，结合局部自注意力机制提升细微缺陷提取能力；采用空间通道下采样替代传统下采样卷积；并提出结合混合局部通道注意力机制的C2f-M模块。然后，基于双向特征金字塔网络设计了SC-BiFPN颈部网络，增强了多尺度特征融合能力。接着，设计任务动态对齐的特征检测头TDADH，充分利用多层次特征，实现更精准的目标定位与分类；采用MPDIoU损失函数增强边界框回归能力。最后，通过Taylor方法对YOLOv8进行裁剪，显著减少模型参数量和计算成本。实验结果表明，轻量化YOLOv8模型在铝材表面缺陷数据集上的参数量降低至原模型的36.7%，计算量减少40%，模型体积缩小62%；同时，检测精确度、召回率及mAP@50.95分别提升0.3%、1.1%、4.8%。该方法有效解决了端侧部署中的计算复杂度与检测性能平衡问题，为小型算力硬件上的高效缺陷检测提供了可行方案。

摘要:3D目标检测是自动驾驶感知系统的关键技术之一，能准确检测驾驶环境的状态从而保证行车安全。针对自动驾驶场景中行人和骑行者等小目标的3D检测精度较低的问题，提出一种基于多尺度特征和自适应非极大值抑制的3D目标检测算法。首先，设计多尺度特征提取器，以获取大、中、小尺度的特征。其次，设计多尺度检测头以生成不同尺寸目标的候选框，从而补充小目标候选框。为了平衡多尺度候选框的数量，设计一种基于ANMS的候选框筛选算法，提高了对不同尺寸目标的检测精度。在KITTI数据集上的结果表明，改进算法在确保汽车类目标检测精度的同时，对行人和骑行者的检测精度达到62.57%和73.30%，比基线算法高2.04%和1.33%，验证了改进算法在小目标检测方面具有较好的3D检测性能。