摘要:为满足并联机器人动平台大行程六自由度位姿的非接触式同步测量需求，首先提出了一种由激光器和视觉组件构成的位姿测量系统。该系统通过图像处理技术输出探测面上光斑的二维坐标，利用激光器和视觉组件的配合，实现了并联机器人动平台位姿的精确测量。接着研究了测量系统的解算方法，基于解析几何方法推导了被测目标的位姿。最后，利用高精度并联机器人进行实验测试，结果表明该系统的位置测量均方根误差低于0.1 mm，姿态测量均方根误差低于0.07°，位置测量和姿态测量的平均相对误差分别为0.76％和2.56％。该研究为非接触式大量程位姿测量提供了一种新颖有效的解决方案，在机器人运动控制、精密制造和科学实验等领域具有广泛的应用前景。

摘要:在未知或危险环境中（如应急救灾、抢险救援），传统导航方法因无法预先获得先验地图和位置信息，难以实现特定目标的导航。本文提出了一种基于竞争双深度Q网络（D3QN）的目标驱动移动机器人自主导航方法。该方法的跨模态融合模块对不同模态特征动态加权融合，在整合观测数据的同时充分捕捉环境信息，增强了对环境的感知能力。在此基础上，设计了一种通用的目标驱动导航方法，使用YOLOv5识别特定目标（如火焰、烟雾）并获取其位置，用识别出的目标位置替代深度强化学习导航中的预设位置点，实现自主导航至特定目标。仿真实验结果表明，本文方法在导航成功率等指标上具有显著优势，在简单、复杂和动态场景中，成功率分别提高了9%、27%和38%。此外，在简单仿真环境中训练的模型，能够直接部署在复杂的仿真环境和真实场景中，表现出良好的泛化能力。

摘要:针对轴承故障信号中存在复杂特征的特点，提出了一种结合注意力机制与多尺度残差卷积网络轴承故障判定方法。该模型结合了卷积神经网络（CNN）的强大特征提取能力和注意力机制的自适应加权能力，能够有效地处理轴承故障信号中的复杂特征。模型采用了多尺度卷积层，通过不同大小的卷积核捕获信号的多尺度特征，有助于识别不同类型和严重程度的故障。同时，引入残差结构，通过高维与低维特征的协同决策机制，有效整合多层卷积提取的特征，增强了模型对关键信息的感知能力，并降低了深度网络训练中的梯度消失和特征冗余问题，从而保证了模型的稳定性和准确性。注意力机制（如SEBlock和ECABlock）的融合，使模型能够自适应地关注更加重要的特征通道，进一步提升了诊断性能。实验结果表明，该模型在强噪声下能实现高精度的诊断，展示了其在智能维护和故障预警系统中的应用潜力。

摘要:正电子亲和势钾铯锑光电阴极具有驱动激光波长较长（532 nm）、量子效率高、长寿命、响应时间快等优点，在电子源领域具有广阔的应用潜力，但受限于材料本身的光电特性，有效的输运距离很短，不足以吸收所有入射光的驱动激光能量，进而量子效率也受到影响。因此本文将法布里珀罗腔结构引入到光电阴极中，来提高入射驱动激光的有效吸收，通过时域有限差分方法展开仿真研究，使其有源层钾铯锑光吸收达到90%,并对其反射层银和介质层氮化硅进行实验制备与验证，同时通过文献实验拟合，预测了其量子效率为11.17%，来满足未来高亮度、高重频电子源的要求。

摘要:在实际应用中，自抗扰控制器中的扩张状态观测存在面对大幅变化的负载扰动时，无法保证估计补偿精度的问题。针对这一问题，提出了将负载转矩观测器观测到的负载扰动补偿到扩张状态观测器中来提高估测补偿精度的方案，并且使用电机中可以直接测量的角度数据作为已知量来设计负载转矩观测器，避免了将转速作为已知量引入微分误差的问题。仿真和实验结果表明，改进后的线性自抗扰控制器相比于传统线性自抗扰控制器，转速最大调量降低了7.24%，在保证了调节速度的同时，具有更优良的抗负载扰动性能。

摘要:霜冰优化算法（RIME）是一种受霜冰自然生长过程启发的智能优化算法，通过软霜冰策略实现全局搜索，硬霜冰策略实现局部开发，具有较强的寻优能力。然而，RIME在应用中存在收敛速度较慢及易陷入局部最优的问题。为此，本文提出一种改进的霜冰优化算法（IRIME）。首先，在算法的初期引入动态质心引导策略，显著提升了收敛速度；其次，在迭代后期融入改进的差分变异算子，有效降低算法陷入局部最优的风险；此外，设计了一种新的质心边界调整策略，通过深度挖掘种群信息，实现精度和效率的协同优化。基于CEC2017基准测试集的实验表明，IRIME在优化性能上优于PPSO、AGWO、HPHHO、RIME和SRIME。进一步将IRIME应用于无人机三维路径规划问题，结果显示其在解的质量、收敛稳定性和求解效率方面具有显著优势，为复杂工程优化问题提供了一种高效的解决方案。

摘要:针对雨、雾和雪等极端天气下交通标志模糊不清，导致检测精度下降和小目标识别困难等问题，本文提出了一种基于改进RT-DETR的交通标志检测算法。首先，采用数据增强方法模拟极端天气环境，以提高模型在这些环境下对交通标志的识别能力。其次，在主干网络中引入Ortho注意力机制，利用正交滤波器减少特征冗余，筛选重要通道信息，提高对小目标的检测精度。此外，采用高层筛选特征金字塔网络(HS-FPN)替换原模型中的跨尺度上下文特征混合器(CCFM)，通过高层特征筛选并融合低层特征信息，提升模型在极端天气下对低对比度和模糊目标的检测精度。实验结果显示，改进算法在平均检测精度方面达到87.84%，相比原始RT-DETR模型提高了2.37%，同时参数量减少至18.22 M，相比原模型降低了8.4%，对小目标和处于极端天气中的目标识别精度更高，对保障乘客的安全具有实际意义。

摘要:在环境监测等分布式物联网应用场景中，由于节点监测的区域重要性以及收集数据量的不同，节点往往有不同的优先级。节点优先级的动态变化会使无人机频繁更换数据采集的目标节点，造成任务完成时间延长及能量的无端浪费。因此本文针对节点具有动态优先级的分布式物联网应用场景提出了一种基于DDQN的无人机任务完成时间与能耗联合优化算法。训练过程中，无人机在任务完成时间、能耗及避免节点数据溢出等约束下学习产生最优策略。仿真结果表明，与最大优先级策略、贪婪策略两种现有策略相比，所提算法任务完成时间分别降低9.2%、15.1%，能耗分别降低10%、16.3%；与DQN方法相比，所提算法收敛速度更快，训练过程更稳定。

摘要:电池荷电状态(SOC)是电动汽车锂电池管理的核心参数之一，本文提出一种基于改进白鲸算法优化BiTCN-BiGRU的锂电池SOC估计模型。首先搭建双向时域卷积网络(BiTCN)和双向门循环单元(BiGRU)组合的SOC估计模型，然后使用白鲸算法(BWO)对BiTCN-BiGRU模型超参数寻优以充分发挥组合网络模型的优势，并且分别在传统BWO的探索阶段和鲸落阶段引入改进策略以解决传统BWO容易陷入局部最优且收敛速度慢的问题。最后基于开源锂电池充放电数据集验证改进后SOC估计模型的性能，结果表明在3种温度的标准化城市循环工况下，改进白鲸算法优化BiTCN-BiGRU模型的SOC估计平均绝对误差为0.428%，均方根误差为0.38%，能很好的应用于锂电池SOC估计。

摘要:近年来，运动想象（MI）在辅助医疗和人机交互领域备受关注。然而，经典的共空间模式（CSP）特征提取方法主要基于时域信号计算协方差矩阵（CM），易受噪声和伪迹干扰，且无法充分利用脑电信号（EEG）的频谱信息，导致分类精度与稳定性不足。为了解决这一问题，本研究提出了一种基于正则化频谱协方差矩阵（RSCM）与黎曼空间的MI-EEG分类算法。首先，对预处理后的EEG信号进行快速傅里叶变换，计算频谱协方差矩阵，并进行岭正则化；然后，将正则化矩阵映射到切空间中进行平滑滤波，并将结果映射回黎曼空间以提取CSP特征；最后，采用支持向量机（SVM）完成分类任务。实验结果表明，在BCI竞赛IV数据集1和2a上，本研究方法的二分类平均准确率分别达到了86.95%和81.48%，较传统CSP分别提升了7.44%和9.57%；在BCI竞赛IV数据集2a上，本研究方法的四分类平均准确率达到了74.23%，较传统CSP方法提升了14.10%。实验结果表明，本研究方法在MI-EEG分类中具有有效性。

摘要:无刷直流电机（BLDC）在众多工业领域被广泛应用，BLDC在重要的应用场景中发生故障容易造成重大经济损失甚至人员伤亡，因此对其开展故障诊断研究具有重要意义。BLDC常处于变工况服役环境中，用于数据驱动模型训练的源域和目标域通常具有分布差异，现有众多学者利用域自适应迁移学习方法解决该问题。但是域自适方法需要在训练过程中访问目标域，这给模型的部署应用带来了不便。因此本文提出了角域数据混合域泛化网络解决此问题，所提方法能够利用BLDC不同工况的多个源域进行学习，挖掘域泛化知识，从而在未见过的目标域上具有较好泛化性能，具备一次训练，多应用场景部署能力。所提方法利用角域电流重采样方法将BLDC的时域电流转换为角域电流以缓解工况影响，基于卷积神经网络架构模型搭建故障诊断网络，并利用先进的数据增强方法Mixup对训练数据进行处理，改善模型泛化性能。最后基于丰富的BLDC故障实验数据将所提方法与其他先进方法相比，对比结果证明所提方法具备优异的域泛化故诊断性能。

摘要:为解决当前轴承缺陷图像采集难、检测慢等问题，搭建一种基于机器视觉的单工位轴承全表面缺陷在线检测系统。系统利用线扫描相机结合光学系统进行高效采集轴承全表面图像。所搭建的缺陷检测网络模型以ConvNext为特征提取网络，利用特征融合补充特征信息；再进行轻量化改进；同时采用多任务学习的训练方法，使模型具有针对性处理各层次特征信息的能力，最终显著提升模型在轴承表面缺陷检测任务上的表现。实验表明，相比ConvNeXt-Tiny来说，所搭建深度学习模型的检测精度模型提高了4.14%，检测精度达90.02%。单工位轴承全表面缺陷在线检测系统依靠CPU进行计算时，平均检测时间为每个轴承0.735 s。系统体积小、成本低，同时满足轴承表面缺陷在线检测的要求，具有良好的应用前景。

摘要:针对于检验星上载荷单机的1553B接口功能是否正常的要求，提出一种基于FPGA的3U PXIe外设模块的软硬件设计方案。PXIe控制模块可通过PXIe总线对1553B模块进行配置，并能控制与传输载荷1553B信号的仿真与测试数据。该设计完全模拟某卫星星务计算机1553B接口的真实电路以及电气特性，按需求实现了总线BC，BM功能，通过B-6131总线协议芯片，配置出上述功能的两路1553B总线接口线路，高度贴合实际应用场景。通过星载平台测试软件的操作，工作在BC模式下的一路1553B通道可进行自定义消息发送，也可以开启一段时间广播，长抱环测试等半自动化测试，实现自适应总线测试功能。所有出现在1553B总线上的消息都会被另一个工作在BM模式下的总线通道捕获到，从而实现所有总线数据的监视存储功能。

摘要:为了提高交通监控的效率，特别是在固定式道路摄像头视角有限的情况下，提出了一种基于PLCnext平台的无人机交通监控系统。该系统结合YOLOv9深度学习方法，控制两台配备摄像头的无人机与PLCnext平台协同，提供更广泛的视野覆盖范围和灵活的监控能力，实现对交通车辆的实时监控。为提高航拍图像中低分辨率场景下的检测精度，提出了YOLOv9s-SPDADown-LSK模型。该模型通过引入SPD层，增强对图像细节特征的保留，使用ADown模块优化下采样过程，并在骨干网络中融入LSK注意力机制，以强化特征提取能力。实验结果表明，系统在图像处理的延迟约为80 ms，改进后的模型在mAP@0.5和mAP@0.5:0.95分别达到了96.3%和82.7%，检测准确率为97.2%，有效减少了误检和漏检，证明了系统的可行性和算法的有效性。

摘要:随着气象观测向社会化和智能化发展，现有的地面自动气象站由于其分体式设计、较大体积、高功耗和成本，已不能满足新的需求。本文设计了一种多要素模块化自动气象站，通过模块化组合和数字传感器技术，灵活地观测温湿度、气压、PM2.5、风速和风向等气象要素。针对超声波测风仪受环境干扰的严重问题，本文采用了多路负反馈电路设计的带通滤波器，不仅缩小了超声波信号调理电路的规模，而且提高了超声波脉冲信号的质量。此外，引入因子，调节自适应滤波算法滑动窗口的大小，降低环境对信号的干扰。实验结果显示，在所设计自动气象站的设计中所使用的数字传感器能够满足观测要求，测风模块其测风的最大误差为14.8%，测角的最大误差为11.78%。

摘要:云图预测的本质是时空序列预测。基于深度学习的时空序列预测算法可以归纳为三种框架，即SISO、MIMO和MISO。针对云图运动特点，在MISO框架下结合MIMO与SISO两种框架特性设计了一种基于隐式自回归时空通道聚合策略的云图预测算法(IASCACP)。针对MIMO类模型存在的图像关联性缺失以及SISO类模型存在的误差累积过量的问题，引入一种隐式自回归编解码器，利用隐式自回归结构为模型赋予一定的递归特性以捕获序列中的时空关联信息，再用掩码与真实映射模块减少递归带来的误差累积，增强模型鲁棒性；针对云运动不稳定与非线性等问题，设计了一种时空通道聚合预测器，该模块可以有效聚合多阶时空相互作用信息，并对其进行自适应通道再分配以减少特征冗余。将该算法分别在MovingMNIST 数据集及 FY-4A 卫星云图数据集上进行实验，实验结果表明，该算法有效改进了MIMO与SISO类模型的缺点，预测精度高于其他模型，体现了该模型在云图预测领域的可靠性与有效性。

摘要:传统ORB-SLAM3系统在静态环境中表现优秀，但存在动态特征时会引入不必要的噪声，造成特征匹配出现错误，而现有动态SLAM算法难以完整判断潜在动态特征，出现漏检或误检导致定位精度下降。针对这些问题，将语义分割网络Deeplabv3+与LK光流法融合进ORB-SLAM3的跟踪线程，首先将Deeplabv3+的主干网络替换为Mobilenetv3，提高语义分割的精度，然后使用语义分割获取潜在动态目标掩码，初步滤除动态特征点，对剩余特征点进行LK光流计算，将光流平均误差作为阈值防止剩余静态特征点过少导致位姿估计失败。相比于原ORB-SLAM3，本文改进的算法在TUM高动态序列的定位精度平均提升了47.92%，与现有优秀动态SLAM算法相比，本文算法在TUM数据集的Walking_static序列取得了最高的定位精度。

摘要:针对输电线路缺陷检测任务中目标尺度多样、背景复杂、目标遮挡，以及现有目标检测算法难以在实时检测的前提下保证检测精度而出现漏检、误检的问题，提出改进YOLOv10的输电线路无人机巡检缺陷检测算法TLDDet。首先设计融合部分卷积和上下文锚点注意力的高效特征融合模块（FC2FA），在降低模型参数量的同时提升模型的特征集成能力。然后使用基于多头自注意力机制的尺度内特征交互模块AIFI增强对小目标的检测效果，该模块通过加强特征图中高级语义信息的表达从而提高模型检测的准确率。最后设计遮挡感知注意网络检测头SEAM-Head，减少由于遮挡问题导致的特征丢失的问题。实验结果表明，所提出的TLDDet较原始模型YOLOv10s参数量减少33%，计算量减少30%，对输电线路多种缺陷的Precision、Recall和mAP50分别提高4.3%、2.4%和3.7%，检测速度达到143 FPS，且与其他实时检测算法的对比中具有更好的检测性能。

摘要:瞳孔定位在人机交互和生物医学计算应用中起着至关重要的作用。目前，许多复杂的瞳孔定位算法都是通过单幅图像来检测和定位瞳孔位置的。然而，瞳孔运动是一个连续的过程。因此，当无法在当前帧中准确检测和定位瞳孔位置时，可以通过结合前几帧的信息来推断瞳孔位置。这种方法可以更有效地处理困难和具有挑战性的情况，例如反射、睫毛和眨眼遮挡瞳孔，以及偏离中心的瞳孔位置和运动模糊。因此，该方法可以显著提高瞳孔检测的准确性和稳健性，减少定位误差。基于此，一种基于深度学习的多帧瞳孔检测算法被提出。该算法在Unet的编码解码结构的基础上引入连续人眼注视场景的多帧信息进行瞳孔检测。将卷积神经网络CNN与卷积长短期记忆网络ConvLSTM和注意力机制CBAM结构相结合，提出了一种混合语义分割网络。在瞳孔数据集上的实验表明，所提算法相较于其他算法具有更好的性能表现，其中均值交并比MIoU得分达96.78%，均方根误差RMSE为3.83，尤其在处理复杂情况下表现出色。

摘要:针对瓷砖表面缺陷检测中存在的小目标检测精度低、参数量大，以及误检和漏检问题，提出了一种改进的瓷砖表面缺陷检测算法YOLOv9s-SEFN。首先，本研究设计了SPNet多尺度特征融合模块通过增强网络对多尺度特征的捕捉与融合能力，有效提升模型对瓷砖表面小缺陷检测的特征表达；其次，设计ECG轻量融合模块减少计算量和参数量以实现轻量化；然后，引入频率自适应扩张卷积（FADC）通过自适应调整膨胀率和频率选择，提升瓷砖小缺陷检测精度；最后，设计新的损失函数NWD-EIOU通过结合EIOU和NWD，提高小目标定位的精度。实验结果表明，与原YOLOv9s检测算法相比，改进后的YOLOv9s-SEFN算法在自建实验数据集上表现更佳，模型mAP@0.5提升至93.2%，提高了3.5%；召回率提升了4.96%；参数量减少了2.3%；浮点运算量降低了4.0%，能够满足瓷砖表面缺陷检测的需求。

摘要:激光距离选通技术能突破传统成像在雨雪雾、低光照和逆强光等复杂环境中无法成像的限制，但生成的选通图像是低质量灰度图，需要超分辨率重建技术着重于边缘信息和空间细节的重建，以提升视觉效果。由于选通图像缺乏颜色和丰富纹理信息，传统的特征提取方法容易产生冗余特征，影响重建效率。针对上述问题，本文提出了一种双聚合深层特征提取网络。首先，通过空间和通道重建卷积（SCConv）进行浅层特征提取，提高信息含量并解决冗余问题；其次，设计了一种新的深层特征提取模块，增强对选通图像边缘和细节的捕捉；最后，采用连续的最近邻插值加卷积操作进行图像重建，有效避免伪影问题。在选通图像数据集上的实验表明，相比基线的DAT算法，本文所提方法PNSR指标在2、3和4倍分辨率退化情况下分别提升了0.19 dB、0.12 dB和0.04 dB，SSIM在2、3和4倍分辨率退化情况下分别提升了0.000 5、0.000 8和0.001 0，结果表明本文方法可以取得较好的视觉效果。

摘要: