摘要:传统卷积神经网络(CNN)受限于局部卷积操作，难以有效建模长程依赖关系；相比之下，视觉Transformer通过自注意力等机制实现了对全局依赖关系的显式建模。在表面缺陷检测任务中，尤其是在背景纹理复杂、缺陷形态多变等检测场景中，展现出优于CNN的检测性能。围绕视觉Transformer在表面缺陷检测中的技术优势与应用方法、面临的关键挑战及应对策略两大维度，综述了近年来国内外基于视觉Transformer的表面缺陷检测研究进展与挑战，为视觉Transformer在表面缺陷检测中的应用提供了理论依据与方法支撑。首先，阐释了表面缺陷检测的基本定义，归纳了该领域的技术特征与主要瓶颈。其次，深入剖析了视觉Transformer在缺陷检测任务中所具备的技术优势及其在实际应用中存在的关键挑战。然后，结合视觉Transformer的技术优势，重点分析了视觉Transformer在表面缺陷检测任务中的典型应用方向，包括应对复杂纹理背景干扰、实现多模态信息融合、基于模块化思想的局部-全局特征信息融合等应用场景。随后，探讨了视觉Transformer在面对表面缺陷检测任务中存在的样本量稀缺、模型计算复杂度高与实时性不足、训练效率低下以及小目标缺陷检测性能差等关键挑战时，所采用的主要优化策略与应对方法。最后，围绕迁移学习驱动的预训练视觉大模型构建、视觉Transformer与多模态的深度融合等方向，对视觉Transformer在表面缺陷检测领域的发展趋势进行了展望。

摘要:针对板式换热器板片表面微裂纹检测任务中因浅层特征丢失导致识别精度受限的问题，提出了一种基于轻量化密集连接卷积网络(DenseNet)的检测方法。微裂纹作为一种单一类别、多尺度分布的线状小目标集群，其核心挑战在于空间细节特征的充分学习与保持。主要创新点包括：首先，建立了感受野与缺陷尺寸匹配的理论模型，推导出层级配置的数学公式，并基于实际工业场景中的波纹板缺陷特性进行了模型实例化；其次，设计了一种细节增强机制，通过禁用下采样操作以保留关键空间特征，并采用堆叠3×3小卷积核的策略渐进式扩展感受野，有效平衡了特征分辨率与语义抽象程度；最后，构建了一种缺陷实例级评估策略，以符合国家标准对微裂纹“存在性判定”而非尺寸测量的实际需求。在沈阳工业大学基准库1(SUT-B1)数据集上的实验表明，该方法取得了94.69%的平均精度和92.60%的F1分数，漏检3例和误检5例。其性能表现不仅优于基线模型及主流轻量化模型中的最优结果，即平均精度94.53%和F1分数87.85%，验证了DenseNet结构在特征复用方面的优势；同时也超过了对比实验中的最优平均精度94.56%和最优F1分数90.90%，证明了结构优化策略的必要性。该方法在工业检测领域具有实用性与可扩展性，为类似微小缺陷识别任务提供了新的技术思路。相关代码已公开于：https://github.com/zhuanzhaun/Lightweight-DenseNet。

摘要:脉冲涡流检测方法作为一种无接触、无需耦合剂且环保安全的无损检测方法，常被用于检测金属管道的结构健康状态，脉冲涡流响应估计的及时性和准确性受到油井套管脉冲涡流检测的电磁建模方法的严重限制。传统的数学建模方法需要大量的先验知识，数学模型建立过程复杂且计算成本高。同时，基于纯数据驱动的神经网络方法缺乏物理信息约束，且不够稳健。在生产现场，常常需要一种兼顾效率和精度的脉冲涡流检测建模方法，提出了一种新的物理信息神经网络代理模型，填补了这一空白。将电磁物理定律作为先验知识嵌入到目标损失函数中，以监督深度神经网络的训练过程。此外，使用子神经网络来估计不同计算域的电磁响应，这些域根据其物理特性被分开，设计了一个界面损失函数，以补偿在预测双计算域的结果时各网络之间输出的不连续性，从而提高电磁响应估计的准确性和稳健性。利用有限元分析方法获得的电磁响应数据验证了所提出的物理信息神经网络的性能，并将所提出的物理信息神经网络与传统纯数据驱动的神经网络和插值算法的性能进行了对比。综合分析表明，物理信息神经网络模型能够准确估计油套管脉冲涡流检测中的电磁响应，其决定系数超过0.95。此外，物理信息神经网络模型的推理速度比有限元分析快52倍以上。

摘要:在推动风能产业健康发展的过程中，风电机组状态监测发挥着至关重要的作用。现有数据驱动的状态监测方法主要依赖于风电机组时序类数据（如数据采集与监控系统（SCADA）、状态监测系统数据）的分析，未能有效利用机组文本类数据（如设计手册、操作手册、论文专利、运维记录、故障报告等）中蕴含的信息，在故障传递因果关系分析和监测结果可解释剖析等方面具有一定的局限性。鉴于此，提出了一种知识图谱与时空图神经网络（KG-STGNN）融合驱动的风电机组状态监测方法。首先，利用文本类数据结合机组结构设计等信息构建风电运维知识图谱，形成风电机组有向图结构；然后，将SCADA数据嵌入图结构中，生成风电时序图数据；接着，利用高阶图注意力网络（HGAT）和Transformer构建状态监测时空图神经网络模型，挖掘出图数据中的空间和时间特征；之后，利用机组历史健康数据训练KG-STGNN模型，进行正常行为建模；最后，根据风电机组运行时图结构中节点所表征的信息判断机组的运行状态，构建监测策略以确定故障预警时间并解释状态监测结果。通过两台风电机组案例分析可知：所提方法在机组状态监测中表现优异，具有最低误报率和最早异常预警能力；消融实验验证了引入知识图谱对模型性能提升至关重要；所提监测策略消除了超过85%的误报情况，对监测结果也具有较好的可解释性。

摘要:钢材表面缺陷的精准检测是工业质量控制的关键环节。尤其在机械制造、汽车工业、电子设备、航空航天及火炮深管等精密制造领域，其表面质量直接决定终端产品的安全性与可靠性。针对现有钢材表面缺陷检测方法中存在多尺度缺陷检测能力有限，小目标与低对比度缺陷漏检率高，边界框回归精度不佳等问题，提出了一种基于YOLOv11n改进的多尺度钢材表面缺陷检测方法。设计多尺度动态卷积，通过并行异构卷积与动态权重融合机制，增强模型对多尺度缺陷的捕捉能力；构建动态残差融合模块，以分组卷积与双重残差结构替换基线C3K2模块，在显著降低参数量的同时提升多尺度特征融合与梯度流通效率，缓解深层网络训练退化问题；改进可变形三元注意力机制，融合可变形卷积与跨维度交互，使注意力感受野随缺陷形态动态调整，精准聚焦微小、低对比度区域，抑制复杂背景干扰；采用Shape-IoU损失函数，通过引入形状与尺度因子优化边界框回归精度，解决传统CIoU在宽高比一致时惩罚失效的问题。在NEU-DET数据集上的实验结果表明：改进模型的mAP@0.5达到81.9%，相比基线YOLOv11n提升了6%，参数量仅为2.3 M，计算量降至5.9 GFLOPs，满足边缘设备部署需求。泛化实验在GC10-DET数据集上较基线模型提升4.1%。可视化分析与泛化性实验进一步验证了其在复杂工业场景下的鲁棒性与实用性。

摘要:针对印制电路板(PCB)缺陷检测任务中存在的缺陷形态复杂、背景干扰强以及工业现场对实时性与轻量化部署的严苛需求，提出了一种融合小波变换与知识蒸馏的高效轻量化检测模型——KDYOLOv8。首先，设计Star-YOLO主干网络，利用星形操作将输入特征映射至高维非线性空间，在大幅降低计算冗余的同时增强对复杂缺陷模式的特征提取能力。其次，引入小波变换卷积（WTConv），通过多分辨率分析技术解耦图像的高频缺陷细节与低频背景纹理，在不显著增加参数量的前提下有效抑制噪声干扰并扩展感受野。同时，构建增强型多尺度双向特征金字塔网络（EMBFPN），利用双向信息流交互机制强化深浅层特征融合，解决深层网络中微小缺陷特征稀释的问题。此外，采用通道级知识蒸馏策略（CWD），引导轻量化模型学习教师网络的通道注意力分布，补偿模型压缩带来的精度损失。实验结果表明，在公开PCB缺陷数据集上，KDYOLOv8的平均精度均值（mAP）达到97.1%，模型体积仅2.9 MB，推理速度高达 117.3 fps；相较于基线YOLOv8n，在体积缩减52.5%的情况下依然保持了高精度。在跨数据集泛化实验中，模型对“鼠咬”和“短路”等细微缺陷的检测精度分别提升了1.9% 和1.6%。有效平衡了检测速度、精度与资源消耗，能够为算力受限环境下的工业部署提供有力支持。

摘要:光伏发电是我国能源转型与“双碳”目标实现的核心支撑，其系统的高效安全运行至关重要。然而，光伏板故障会直接导致发电量骤降、安全风险攀升及运维成本增加，已成为制约光伏产业高质量发展的关键瓶颈。为此，提出了基于跨尺度特征融合的光伏板故障诊断方法，该方法借助光伏场站已有的安防设备，在不额外增加硬件成本的前提下，可实现光伏板正常、积灰附着、鸟粪附着、电气损失、物理损伤、积雪覆盖这6类运行状态的精准检测。具体而言，所提方法首先构建了Transformer与卷积神经网络(CNN)的跨尺度特征融合框架，其中Transformer利用自注意力机制捕获光伏板图像的全局上下文特征，为CNN提取局部细节特征提供全局引导；其次，在卷积分支中设计密集连接机制，通过特征图的跨层连接，提升不同层级特征的传播与复用能力；同时，针对性开发了涵盖不同光照条件、天气状况及故障类型的光伏板6类运行状态可见光数据集。与其他模型相比，所提方法综合性能更优，Top-1准确率达93.33%，Top-3准确率达100%，且模型参数规模相对轻量，对硬件算力要求较低。此外，为全面评估方法的工程应用价值，构建了“模型精度-使用效率-应用规模”三维综合评价指标，进一步验证了所提方法在光伏现场实际部署的可行性。

摘要:面向我国碳达峰碳中和重大战略对清洁能源体系构建的迫切需求，固体氧化物电池凭借高能量转换效率和双向可逆特性，已成为绿氢制备及高效发电的关键技术。然而高温运行下强烈的热-力耦合效应会诱发局部焦耳热，导致电堆温度场非线性畸变，加速性能衰减。现有温度/应力多物理场耦合表征技术受限于传感材料高温失稳，在空间分辨率与动态响应方面存在瓶颈，难以实现电堆内部场的全域高精度感知。系统综述了固体氧化物电池温度与应力测量技术进展，重点评估热电偶、光纤传感、红外热成像及高能射线成像的核心性能：热电偶响应快、成本低，但易发生高温热电漂移；光纤传感抗干扰能力强，可实现分布式测量，但在极端环境下可靠性不足；红外热成像可实现非接触表面温度监测，但受发射率影响且无法探测内部温度；高能射线成像在三维应力重构中分辨率高，但设备依赖性强、测试周期长。针对上述瓶颈，故提出多模态融合温度测量方案，协同多种传感技术以提升空间分辨率与耐受性；建立基于高能射线与数字图像相关的高温应变无损测量方法，突破动态响应限制。该研究为电堆热管理优化与结构可靠性提升提供高精度测量支撑，为构建安全、高效、低碳的现代能源体系提供高精度测量学支撑。

摘要:超低膨胀石英玻璃（ULE）是一种通过精确掺杂TiO2实现热膨胀系数（CTE）在10-9/℃量级的特种材料，具有卓越的尺寸稳定性和温度适应性，广泛应用于天文观测、激光探测和半导体制造等领域。ULE材料制备过程中，TiO2分布均匀性影响CTE分布的均匀性，进而对ULE光学元件的光学面形和成像质量稳定性产生重要影响，因此保证ULE材料全口径的CTE均匀性成为材料制备技术研究重点，其中CTE及其均匀性的高精度测量将为材料制备工艺高效迭代优化提供有力支撑。系统综述了ULE的制备工艺及其CTE调控机制，重点分析了CTE及其均匀性的检测技术研究进展并对比了各技术优缺点：传统取样标定法（如顶杆法、干涉法和光弹法）虽能实现高精度测量，但存在破坏性、操作复杂等局限性；而无损检测法（如折射率法、线聚焦超声扫描法和超声纵波声速法）则为ULE材料全口径CTE评估提供了有效解决方案，尤其超声纵波声速法，因其能够实现大尺寸ULE坨料CTE及其均匀性的高效表征，并在测量精度与工程实用性之间取得了良好平衡。进一步探讨了超声无损检测技术的关键挑战与发展前景，提出未来需突破微观特性对声波传输的影响机理、高精度声速测量等难题，以推动大尺寸、高性能ULE材料的制备与应用。从多学科交叉视角构建了ULE热膨胀系数检测技术体系，为相关研究提供了新思路和技术参考。

摘要:测角仪器或装置中,反射镜和转台对测角精度具有不可避免且往往是主导性的影响。为深入揭示这些因素在基于F-P标准具的测角系统中所引入的系统性偏差,系统建立了反射镜与转台造成的微小角度测量误差数学模型,并在此基础上展开综合分析与误差修正研究。模型严格考虑反射镜俯仰角误差、初始零位角误差、偏心误差以及转台安装误差和转轴偏心误差多种误差源,结合矩阵运算、矢量描述和三维坐标变换方法,推导不同误差作用下干涉圆环圆心在成像面上发生的位移规律,从而构建能够完整反映系统误差传播路径的理论框架。进一步利用MATLAB软件对上述误差对微小角度测量结果的影响程度进行定量分析,并分别研究误差源之间不存在耦合与存在耦合两种情形下的误差主导性。结果显示,当忽略误差耦合时,反射镜偏心误差对微小角度测量精度影响最为显著;而在考虑误差之间可能存在的耦合关系后,通过主成分分析（PCA）方法提取主要影响成分,可见反射镜偏心误差与初始零位角误差共同成为影响微小角度测量的主要因素。依据分析结论,对反射镜偏心误差进行针对性修正,在测量范围为1 800″时,测量精度由±1.93%FS显著提升至±0.22%FS,微小角度测量误差整体降低达91.9%,验证了模型与修正方法的有效性。

摘要:双面啮合测量可获取齿轮径向综合偏差，是齿轮生产现场最为常用的全检方法。但双啮测量结果通常会受到码特齿轮误差的影响，修正双啮测量结果中码特齿轮引入的误差是提高双面啮合测量应用价值的有效方法。基于现有双面啮合综合测量仪，提出了基于码特齿轮错齿和连续旋转测量的双啮测量中码特齿轮误差修正方法，获取了可应用于双啮测量结果的码特齿轮误差修正值，设计了码特齿轮和被测齿轮具有不同径向综合偏差的多组仿真试验，揭示了径向综合偏差对双啮测量结果的影响和码特齿轮误差修正方法的作用机制，提出了可反映双啮测量系统精度的一致性评价指标，验证了该码特齿轮误差修正方法的有效性。测量试验表明，利用该方法修正双啮测量结果后，从码特齿轮不同相位、被测齿轮同一相位开始测量得到的中心距曲线簇的一致性明显增强。相较于误差修正前，一致性评价指标表明双啮测量系统精度提高了77.82%；相较于现有的误差修正方法，中心距曲线簇的一致性评价指标提高了52.08%。提出的双面啮合测量码特齿轮误差修正方法有效减小了码特齿轮误差对双啮测量结果的影响，增强了双啮测量结果的可追溯性和双面啮合测量方法的应用价值，提高了双啮测量系统精度，使双啮测量结果能更准确地表征被测齿轮质量，在测量效率和误差修正效果上具有优越表现。

摘要:在机械系统中，装配误差是影响整机运行精度和综合性能的关键因素之一。然而，目前在装配误差预测方面，存在预测值与实际值相差较大的问题，这严重影响了机械系统的装配质量和后续性能优化。针对这一问题，提出了一种基于改进鲁棒点匹配网络（RPM-Net）和多约束装配面权重分配的装配精度预测方法。在零件配合误差获取方面，通过采用点云配准技术对装配面点云进行高精度对齐，以获取装配面之间的几何关系和误差信息。在配准过程中，通过将注意力机制嵌入RPM-Net框架，加强了网络对重要特征信息的关注，有效抑制了配准陷入局部最优的风险，显著提升了装配面点云的配准精度，为后续的误差传递分析提供了更加可靠的数据基础。在零件配合误差传递方面，依据各装配面对末端位姿的影响程度，对构成多约束的装配面旋量进行加权求和，对非重复约束旋量进行复合运算。这种处理方式能够保证预测结果可以全面考虑各装配面旋量的影响，避免了传统方法中因忽略某些装配面旋量而导致的预测偏差，进而提升装配精度预测的准确性。实验结果表明，该方法在空间5个自由度上的预测偏差与实际值偏差被精准锁定在2 μm和4×10-5 rad以内，相较于传统串联方法和代数运算方法能够更准确地反映实际装配情况，为后续提高装配精度提供了有效的模型参考。

摘要:软体驱动器作为软体机器人的核心部件，其变形和运动特性直接决定软体机器人的工作性能。针对传统气动人工肌肉驱动气压偏高、结构可设计性受限的问题，提出了一种矩形波纹管驱动器。通过有限元仿真对比三角形、抛物线形、矩形及半圆形波纹结构的性能，结果表明矩形结构的综合评定系数最优，兼具优良的轴向伸长能力与径向稳定性。实验验证显示，在纯气压载荷作用下，该驱动器在60 kPa气压时的最大伸长行程可达53.2%，且伸长量与波纹数量呈线性关系，与输入气压呈非线性关系；进一步仿真分析表明，在气压与自由端切向载荷耦合作用下，驱动器可通过调节内部气压有效抑制弯曲变形。据此建立的等效抗弯刚度模型揭示，等效抗弯刚度随波纹数量增加而降低，随输入气压增大呈近似线性增长趋势。动力学建模方面，基于三元模型构建驱动器自由端受压缩力作用下的运动方程，采用递推最小二乘法辨识模型参数。实验结果表明，该模型在不同负载条件下均能准确预测驱动器动态响应，位移预测误差约为2 mm。通过结构设计、仿真分析与实验验证相结合的方法，系统阐明了矩形波纹管驱动器的静动态变形规律，建立了相应的等效抗弯刚度模型与三元动力学模型，为其在软体机器人驱动与执行领域的进一步应用奠定了理论基础。

摘要:连续体机器人由于其运动建模误差大、形状复杂多变且易受外界动态干扰等影响，控制精度低，安全性差，难以满足复杂狭小环境中的精准操作和环境安全交互需求。为此，提出了一种基于惯性传感器(IMU)与分段多项式曲率模型(PPC)的连续体机器人形状自感知方法，实现对其三维弯曲形状的检测和重构。首先，设计了一种由多个IMU布局的连续体机器人形状检测系统，并基于分段多项式曲率模型进行运动学建模分析，实现对连续体非均匀弯曲形变的精确描述。为实现对机器人弯曲形态和末端位置的检测，提出了一种基于PPC模型和IMU数据融合的连续体机器人形状自感知方法，通过有限个姿态观测点来求解连续体每段弯曲曲率的模态系数，从而重建其完整三维形态。最后搭建了连续体机器人形状检测实验平台并通过理论仿真和多组实验进行验证，结果表明：所提出的形状检测方法在不同弯曲角度和负载条件下表现良好，整体形状重构平均误差约为2.5 mm，负载工况下的平均偏差不超过3 mm。此外，动态弯曲实验进一步验证了该方法在连续运动过程中具有良好的实时性与形状跟踪能力，末端位置平均误差约为2.57 mm。由此验证了所建运动模型和所提形状检测方法的有效性和正确性，为连续体机器人在受限环境中的精确操作与闭环控制提供可靠的形状感知基础。

摘要:针对野外环境下足式机器人视觉感知外部环境变化过程中所存在的环境信息感知维度单一、稠密地图创建效率低下、非稠密地图环境细节信息缺失等问题，故提出一种基于机器视觉的全局大尺度、局部高分辨率足式机器人多维环境地图创建方法。该方法采用视觉同时定位与地图构建（SLAM）算法结合RGB图像和深度信息，实现相机位姿估计并生成环境点云，进一步，通过改进体素滤波降低点云密度，并利用射线投影创建虚拟点的方式，实现全局大尺度、局部高分辨率的环境几何维度地图创建。在此基础上，针对野外足式机器人对环境物理维度信息的感知要求，通过改进SegNet网络实现野外地表环境的高精度语义分割，并进一步利用地表光学特征与表面结构特征，通过决策模型建立地表语义向地表物理层属性参数的映射，从而实现地表物理维度地图的创建。最终，通过地表几何维度地图与物理维度地图的融合，生成野外足式机器人多维环境地图。通过所开展的实物平台地图创建试验对所提出的地图创建方法进行合理性及有效性验证，试验结果表明，所提出的多维环境地图创建方法相比于传统地图创建方法，在建图性能、环境关键信息提取以及感知维度等方面，均具有明显优势，更加适合足式机器人在野外环境下运动时对环境信息的非接触式全面理解，从而提高足式机器人的野外运动环境适应性。

摘要:针对城市环境中动态干扰导致的激光雷达同步定位与地图构建（LiDAR SLAM）定位精度下降问题，提出了一种基于LiDAR/IMU/UWB紧耦合的多源融合SLAM方法，旨在提升系统在动态干扰下的鲁棒性与定位精度。在里程计环节，构建了深度融合惯性测量单元（IMU）预积分和多基站超宽带（UWB）距离观测的因子图框架，其中IMU提供高频运动先验，补偿点云畸变，UWB通过无累积误差的绝对测距引入稳定外部约束，可有效抑制激光雷达（LiDAR）在动态环境下的累积误差，显著提升了在动态干扰场景下的位姿估计鲁棒性。此外，在回环检测与全局优化环节，设计了一种结合UWB信息的扩展描述子，将点云几何特征与UWB绝对测距及信号强度信息进行编码融合，形成区分度更强的场景表征。基于该描述子，采用“粗检索-精验证”两级回环检测策略：先利用UWB信息快速筛选候选回环帧，再经点云描述子几何验证，有效提高了动态与同质化环境下的回环检测准确性。检测到回环后，将UWB历史信息与点云约束共同纳入全局因子图进行协同优化，进一步提升轨迹一致性与地图闭合精度。在真实城市动态场景数据集上的实验表明，所提方法相比FAST-LIO2、MR-ULINS等方法，能显著降低绝对轨迹误差（ATE）。同时，UWB辅助的回环检测机制在查准率-查全率曲线上表现更优，有效减少了动态鬼影与误匹配，验证了该方法在城市动态环境中的有效性和优越性。

摘要:高空机械臂是变电站检修作业中拆装引流线夹螺栓的关键设备,针对其在视觉伺服跟踪螺栓目标过程中存在的误差收敛慢及未知扰动影响的问题,提出了一种基于积分滑模扰动观测器的非奇异终端积分滑模控制方法。该方法建立了图像视觉伺服的运动学模型,并分析外部扰动对模型不确定性的影响,进而利用等效扰动项对其进行表征。设计了一种引入积分幂次项和非奇异终端项的非奇异终端积分滑模控制器,结合指数趋近律推导出非奇异终端积分滑模控制律,保证系统跟踪误差在有限时间内快速收敛。在此基础上,利用积分滑模变量构建动态观测方程,进而推导出积分滑模扰动观测器的系统状态与扰动估计方程,并将扰动估计值前馈补偿至滑模控制律中,提升系统的抗扰性能。通过Lyapunov理论证明所提方法的系统稳定性和跟踪误差的有限时间收敛特性。最后,通过仿真实验验证了本文方法的可行性;同时搭建了高空作业模拟平台,设计不同扰动工况下的机械臂视觉伺服目标跟踪实验。实验结果表明,所提方法相较对比方法平均收敛时间缩短4.92 s,均方根误差平均减少11.03 pixels,并且在多种未知扰动工况下均能提高收敛速度与跟踪精度;同时,所提方法所设计的滑模面拥有良好的动态品质,且扰动观测器能准确估计外部扰动,具备良好的工程应用前景。

摘要:在卫星信号受限的城市环境中，路网地图作为结构稳定的先验信息，可有效抑制视觉里程计的累积漂移。然而，现有路网辅助定位方法存在转向识别不够精确、拓扑匹配策略单一等问题，难以适应复杂道路结构。故提出一种融合航向感知与拓扑匹配的路网辅助车辆视觉定位方法，通过滑动窗口与航向变化率联合判断车辆行驶状态，引入直曲比描述转向段的几何特性，并基于最大偏离量提取代表性拐点，为后续节点关联提供可靠的结构信息。在此基础上，提出兼顾几何一致性与结构相似性的拓扑匹配方法，通过垂直最近点约束实现直行场景的精确位置关联，通过多层次拓扑相似度量实现转向场景的鲁棒结构匹配，显著增强匹配策略在复杂路口、缓弯段及高曲率场景下的一致性。系统进一步结合卡尔曼滤波，将视觉里程计的短时观测与路网约束的全局结构信息融合，并在直行阶段利用路段方向信息抑制航向漂移，从而构建融合航向感知与拓扑匹配的鲁棒视觉定位框架。基于KITTI以及校园实测数据的实验表明，该方法在保证实时性的前提下，有效抑制了视觉里程计的误差累积，相比原始视觉里程计定位精度提升78.7%，相比其他路网辅助方法分别提升38.3%与34.0%，在节点偏差或路网缺失场景中仍保持稳定性能，证明了所提方法在多种复杂道路条件下的可靠性与普适性。

摘要:针对不确定条件下的移动机器人路径的时间-能量-光顺优化问题以及轨迹运动控制挑战，基于Delaunay三角剖分构建地图环境及可选路径，提出了自由空间的判断准则，构建了无碰撞模型，给出了初始路径经由删除锐角顶点、路径替换、去除冗余点等进行再优化及三次NURBS曲线拟合的方法。引入非概率可靠性对路径状态进行评估，给出最优可靠度路径及其权值的概念及表示方法，设计涵盖路径任务时间风险及能量风险指标的代价函数，同时将移动机器人对轨迹曲率峰值与曲率变化率限制以及安全距离等约束纳入模型，进行最优平滑路径规划结合“Bang-Bang-Singular”跃度策略的五段式S型加减速运动控制。实验发现，相对于二次B样条路径规划联合“Bang-Bang-Singular”加速度策略运动控制的方法，所提方法的路径时间风险指标减小了1.907%、能量风险指标降低了40.57%，运动更加平稳、安全、高效；相对于VGSP算法轨迹规划，所提方法的路径时间风险指标虽略有上升，但能量风险指标降低了86.46%，且更好地保障了机器人通行安全。现场测试也进一步证实了所提方法可有效处理强约束环境下的移动机器人最优轨迹规划，保证轨迹曲线光顺及运动时系统的动力学及柔性性能，实现几何与运动的统一规划及任务时间-能量非概率可靠性最优。

摘要:燃料组件是核反应堆中关键的释热部件，承担着核能发电的能量转换功能。其中，锆合金包壳作为燃料棒的第1道安全屏障，不仅承担导出裂变热的重要任务，还能有效阻止放射性裂变产物的逸散。在核电站运行过程中，包壳管长期处于高温、高压、强辐照等苛刻工况下，其壁厚和材料性能可能发生退化，包壳管壁厚和电导率的高精度表征已成为核电安全检测领域亟待突破的关键技术难题。针对锆合金包壳管的快速、精确检测需求，提出了一种基于叠阵涡流传感器的扫频检测方法。首先，设计了一种由3个绝对式线圈构成的同轴叠阵涡流探头，通过多线圈布局增强对管材不同深度电磁特性的响应能力。根据该涡流传感器的结构配置，建立管道涡流检测的解析理论模型。基于解析理论模型，在扫频模式下提取各线圈自感变化的交叉频率，根据解析计算结果发现交叉频率的对数与提离距离呈线性关系，该线性关系的斜率仅取决于壁厚，且与被测材料的电导率无关，进而可通过拟合直线的斜率估算壁厚。随后，将包壳管涡流检测问题转化为最小二乘参数反演问题，将壁厚测量结果作为先验信息，采用改进Newton迭代算法反演包壳管电导率。最后，搭建涡流检测平台验证所提方法的有效性，实验验证表明所提方法的最大相对测量误差仅为1.7%，可以应用于包壳管池边在线检测。

摘要:正交双能道(QDC)无线电能传输(WPT)系统具有耦合磁场可调控的特征，可将磁场强耦合区分布于接收线圈的对应位置，实现对用电设备的宽空间范围电能输送。QDC磁耦合机构的正对、交叉及同侧互感在系统中共同作用引起耦合环流，环流对系统谐振状态和传输能效产生负面影响，并且关系到系统两路能道传输功率的平衡度。针对计及同侧耦合互感的正交双能道无线电能传输(QDC-WPT)系统，建立了计及同侧耦合互感的系统模型，分析了同相和反相两种激励条件下耦合环流的组成分量及其形成机理，给出了传能分量与6组耦合环流分量的表达式，明确了环流分量在系统工作过程所呈现的无功和有功成分作用。推导了6组耦合环流在两路能道的映射阻抗，提出了面向无功环流分量补偿的谐振电路参数配置方法。分析了有功环流关于收发线圈相对位置的分布特性，揭示了环流对传能分量所呈现的主导、叠加和抵消这3种作用机制，推导了环流影响下单路能道的零功率点边界条件，建立了两路能道输入功率平衡的约束条件，并确定了QDC-WPT系统分别处于传能模式、临界模式和回能模式的对应参数条件。最后，建立了1 kW系统仿真模型和实验样机，仿真和实验结果验证了所分析的耦合环流作用机理及其对传能分量的作用机制，无功环流补偿方法及系统传输性能分析结果的正确性。

摘要:毫米波雷达以其非接触式、高穿透性、高精度、实时性强等优点成为生命体征监测的研究热点，目前已经开始应用到医学心血管健康评估、肿瘤检测与定位、新生儿和儿童健康监护等领域。在室内进行卧床监测时，由于毫米波雷达回波信号易受人体轻微扰动和多径效应影响，致使回波信号中包含各种噪声信号，导致睡眠情况下的心跳信息提取变得困难。为此提出了一种基于经验小波变换和变分模态分解的毫米波雷达生命体征检测方法，用于检测回波信号中的呼吸信号和心跳信号。通过建立毫米波雷达探测生命体征回波信号模型，分析信号的频率成分组成。采用77 GHz毫米波雷达实验获取雷达的回波信号，对信号同一帧之间的两种chirp信号进行频域相干积累，抑制噪声的影响，同时增强有用信号幅度。采用经验小波变换（EWT）对包含生命体征的信号进行小波分解，去除杂波之后重构。对小波重构信号进行变分模态分解（VMD），分别得到人体呼吸频率（RR）和心跳频率（HR）信息，将结果与心电图（ECG）采集的信号进行对比，评价提取结果的准确性。在不同场景下的实验结果表明，所提出的基于频域相干积累方法可以提高回波信号信噪比，基于EWT-VMD相结合的算法可以有效检测出RR和HR，检测精度可以达到94%。

摘要:针对复杂环境下低空无人机的动态轨迹难以高精度跟踪问题，提出了一种基于分布式麦克风阵列的残差驱动融合自适应卡尔曼滤波（RD-AKF）方法。该方法采用分布式麦克风阵列框架，通过两种不同维度互补的算法获取声源观测信息：基于几何关系的基线交汇定位法提供方向约束，基于信号能量的频域相位补偿波束形成（FD-PCB）算法提供能量空间分布特征。这两类在物理本质上互补的观测信息，被同步作为联合观测输入进一个统一的卡尔曼滤波框架。为克服固定参数模型在应对动态目标突发噪声时的脆弱性，提升追踪精度，该方法进一步在卡尔曼滤波中引入残差驱动的自适应机制，通过实时计算各观测通道的预测残差，并依据其统计特性动态重构观测噪声协方差矩阵，优化数据权重，实现声源位置与速度的联合估计。将该方法与单一的基线交汇、FD-PCB定位方法和固定协方差矩阵的标准卡尔曼滤波方法在相同环境下进行对比实验，结果表明，经过卡尔曼框架融合的追踪方法较单一算法均方根误差降低至少24.3%，引入残差驱动后，RD-AKF较标准卡尔曼滤波均方根误差降低了18.5%，最大定位误差降低了15.6%，并在保持合理计算成本的条件下，显著提高了动态声源追踪的精度与稳定性，为在复杂场景下动态声源轨迹追踪提供了高精度的、稳定的解决途径。

摘要:光纤法珀压力传感器对动态压力具有较高的灵敏度，能够准确地反映动态压力信息,常用于动态压力测量当中。基于此，采用光纤法珀压力传感器来采集和测量动态冲击压力。为便于光纤法珀压力传感器冲击压力及其频率响应的现场测试，基于瞬时扫频干涉模型，分析了法珀腔长动态变化对应干涉光谱的时变特征；通过对原始干涉光谱进行傅里叶变换，并使用汉明窗截取正频率，然后反傅里叶变换回时域得到解析信号及其相位信息，即可求解出动态腔长。为进一步求解传感器频率响应信息，通过对干涉光谱进行泰勒展开分析，再对傅里叶变换得到的频率信息进行加减运算得到传感器的频率响应。该解调过程全部无需进行多普勒误差补偿，仅利用傅里叶变换即可快速求解动态腔长及其频率响应，最高解调速率可达10 MHz。最终该解调模型与单波长强度解调模型进行了对比，两支压力传感器的频率解调的相对误差分别<1%和0.7%，压力解调的相对误差分别<0.1%和0.08%，频率和压力解调的误差均很小。通过实验可以证明，所提出的解调模型非常适合于光纤法珀压力传感器冲击压力及其频率响应的快速测量。同时相对于传统的解调模型，所提出的解调模型速度更快且操作流程更加的简单，更加适合于现场环境较差的测量环境。

摘要:近年来，光纤布拉格光栅（FBG）传感器凭借结构紧凑、抗电磁干扰、可准分布式集成等优势，在航空航天结构健康监测（SHM）中广泛应用，但长期处于恶劣环境中易受温度、振动等因素影响，出现光谱噪声、基线漂移等问题，导致信噪比（SNR）降低，严重影响解调精度。传统去噪算法如Savitzky-Golay滤波器、小波变换等，在低信噪比场景下依赖人工参数设定，适配性差，难以满足高精度监测需求。提出了一种新颖的DSC-U-Net深度神经网络模型，该模型融合U-Net架构的特征提取能力与深度可分卷积（Depthwise eparable convolution,DSC）的轻量化优势，能有效去除噪声和基线失真。基于耦合模理论与传输矩阵法，仿真生成涵盖-20~20 dB信噪比的90 000条光谱样本，用于模型训练与测试，后续对模型训练所需数据量和模型训练结果进行讨论。模型测试显示，全部数据集训练的模型可将0 dB光谱信噪比提升至13.266 dB，与纯净光谱相似度达0.892，均方根误差（RMSE）仅0.05，性能远超arPLS结合窗函数等传统算法。搭建-55℃~150℃恶劣环境实验系统进行实验数据采集，使用仿真数据训练的模型进行验证，DSC-U-Net与MLP组合的解调算法使解调误差从0.297 pm降至0.023 pm，精度提升92.26%，通过仿真数据进行模型训练可大幅降低训练成本。DSC-U-Net深度神经网络模型无需人工干预，兼具高精度与高效计算特性，解决了低信噪比下FBG信号解调难题，为航空航天恶劣环境下的长期稳定监测提供可靠方案。

摘要:针对疏浚船舶泥泵封水系统中压力传感器性能衰退和失效的问题，构建了一种融合封水泵水力物理规律与数据驱动的可解释性故障诊断与健康评估框架。首先依据封水泵水力特性构建封水压力物理模型，用以推导泵出口位置的封水压力，并将该理论压力作为独立于传感器健康状态的物理真实参照；考虑到设备在长期运行中存在非线性劣化与参数偏移，进一步引入动态优化的幂指数拟合系数，以提升该物理模型在不同工况下的适应性与精度；构建融合物理信息约束的多尺度卷积-Transformer注意力融合网络，通过分段动态损失权重调度实现物理一致性与数据拟合精度的协同优化，从而显著提升封水压力预测的准确性与复杂工况下的泛化能力。基于理论压力、模型预测压力与传感器实测压力之间的残差变化构建阈值判别机制，实现对瞬时性、间歇性与永久性故障的可解释识别；同时提出多参数融合的可靠度计算方法，用于量化压力传感器从健康、初期异常、加速劣化至功能失效的全寿命退化轨迹，可靠度曲线能够准确呈现“平缓—加速—骤降”的退化演化特征。基于实船运行数据的仿真结果表明，所提方法在预测精度、稳定性及收敛性方面均优于对比模型，R2高达0.952 7，并能在健康阶段识别短时异常，实现对压力传感器的高可信度故障诊断与智能运维支撑。

摘要:针对传统电子监测手段在地球物理观测中的局限性，开发了一种基于法布里-珀罗（F-P）干涉腔的光纤倾斜仪系统。设计了结合垂直摆机构与双F-P干涉腔的传感结构，采用差分测量方法有效抑制环境噪声和温度漂移，并优化了干涉光路和相位解调算法，显著提升了倾斜角度的检测精度。实验验证表明，该光纤倾斜仪系统在-181.6″~181.6″的测量范围，倾角灵敏度达到2 435 nm/″，分辨力为0.000 078″，表现出极高的精度和稳定性。在泰安地震监测中心站开展的连续观测实验中，光纤倾斜仪成功记录了固体潮的周期性变化，且其波形与VP型垂直摆倾斜仪的观测数据吻合良好，验证了该系统在地壳形变监测中的高分辨率和低漂移特性。此外，实验期间系统还成功捕捉到了多次地震事件，展示了固体潮和地震同步监测的可行性。与传统VP型垂直摆倾斜仪的对比中，光纤倾斜仪不仅能够准确记录标准地震信号，还能捕捉到微小的地震信号，表明该仪器在灵敏度和噪声抑制方面具有明显优势。开发的光纤倾斜仪系统为地壳形变测量和地震观测提供了新的手段，具备较高的分辨力和灵敏度，满足地震行业标准，该系统能够有效监测固体潮波形和地震事件，具有广泛的应用前景。该技术为地震监测和地壳动力学研究提供了可靠依据，有望推动地球物理观测设备的创新与发展。

摘要:使用浮地式电压传感器对配网输电线路电压进行测量，相较于传统的电压互感器，大幅节约了成本和体积。然而，其耦合电容分压的原理使得测量结果易受环境干扰，尤其是在雨水环境下传感器工频测量结果会出现快速且显著的波动，容易和电网的真实故障发生混淆，给配网运行监测带来困扰。针对该问题，首先结合传感器的分压模型，通过理论分析和仿真，明确了传感器待测电场在雨水环境下发生的严重畸变，以及传感器上下两极板对地耦合电容受到的干扰是导致传感器出现测量误差的主要原因。其次，通过对分压模型和传感器传递函数的分析，设计了一种新型的等电位屏蔽壳与位移电流跨阻放大的电压传感器，利用等电位屏蔽壳降低外部环境突变对耦合电容的影响，并通过跨阻放大电路和位移电流信号的处理，提升抗干扰能力。最后，搭建了包括可调节的模拟淋雨装置、标准正弦波电压源以及数据采集系统的实验平台，对新型传感器进行了实验，以验证传感器设计方案的合理性。实验采用工频5.77 kV的标准电压输入，通过不同降雨量和模拟淋雨位置的对比实验，验证了新型传感器可以有效抑制雨水的干扰，测量结果波动降低了50%以上，且传感器具有较好的测量精度、稳定性和线性度，对工频5.77 kV电压幅值的测量误差在33%以内。

摘要:超声微电机(USM)在需要到点即停和可控微小位移的使用场景中，通常通过步进方式实现高精度定位。然而在实际步进过程中，定子表面变形会使得电容式角度传感器出现检测误差，从而限制其定位精度。针对这一问题，聚焦所研究的具有专用结构特征的USM，提出了一种考虑定子初始变形误差的步进控制方法。首先，基于传感器结构和平板电容原理，分析启停阶段角度检测误差的形成机理，明确了启停阶段行波的激发与衰减引起定转子间距变化是误差的主要来源，据此提出预激励补偿与制动参数标定相结合的误差补偿方案。其次，针对该类USM建立了电压频率、幅值与相位与转速之间的输入-输出映射关系，并选取电压幅值作为调控参数。在闭环步进策略中，结合电容式角度传感器的实际输出特性，规划了一种无换向、平滑过渡的步进方式，选取电容波形的波峰/波谷作为角度检测基准点，引入带跟踪微分器的非线性比例积分微分(PID)控制器实现单向正转轨迹规划，并通过自适应电压幅值调控实现角度位置的精准跟踪。最后，搭建包含高精度光电准直仪的实验平台。实验结果表明，预激励补偿可使电容波动幅度降低约82%；在30次12°步进实验中，控制误差均<0.2°，相比开环控制精度提升约33%，且未出现误差累积。

摘要:无轴承磁通切换电机(BFSPMM)永磁体置于电机定子侧，散热路径极佳，从根本上解决了高速下转子永磁体易退磁的难题，确保了高温工况下的可靠性。同时，它融合了磁通切换电机的高功率密度、高转矩特性与无轴承技术的无接触、无磨损优点，理论上可实现转子的多自由度主动悬浮。作为下一代高速电主轴的核心，将直接提升高端数控机床的加工精度与效率；在飞轮储能系统中，可实现超高转速运行，大幅提升储能密度；此外，在航空航天、半导体制造、生命科学等对无污染、超高转速有严苛要求的特种领域，具有不可替代的潜力，是驱动未来高端装备升级的关键技术之一。但现有的BFSPMM只能实现转子两自由度(2-DOF)磁悬浮。为此，利用两台BFSPMM及一个轴向磁轴承构建新型转子五自由度磁悬浮的无轴承磁通切换电机(5-DOF-BFSPMM)，并提出高性能五自由度磁悬浮协同控制策略。两台BFSPMM同轴，且沿圆周方向错开3°安装，实现两台电机齿槽转矩相互抵消；结合电机特殊结构，推导出5-DOF-BFSPMM的转子五自由度动力学模型；基于动力学模型，提出基于转子平动位移与锥动角解耦的转子五自由度磁悬浮协同控制策略。实验结果表明，所提出的转子五自由度磁悬浮协同控制策略实现了5-DOF-BFSPMM转子五自由度高性能磁悬浮控制,稳态径向位移脉动降低了41.9%,径向扰动幅值降低了32.9%。

摘要:针对双有源桥变换器采用改进双重移相控制时在输入电压、输出电压与变压器变比不匹配时存在回流功率较大的问题，提出了一种回流功率优化控制策略。首先，根据原边侧和副边侧H桥中点输出电压之间的相位差关系，以及全桥内部移相角关系，重新定义新的双重移相比，并对工作模态进行划分得到8种工作区间；接着，选择功率正向传输时的4种工作区间进行分析，求得传输功率、回流功率和电流应力的数学表达式；然后，采用分段优化方法寻找不同区间下的最优移相角组合，得出最小回流功率表达式，并设计了改进双重移相调制回流功率优化控制策略，能够自适应地选择最佳工作区间及对应的最优移相角；最后搭建了双有源桥变换器的实验样机。实验结果表明，所提的改进双重移相调制回流功率优化控制相较于传统双重移相控制，电压传输比为2.5时，低功率段电流应力降低了48.3%，回流功率降低了89.1%，效率提高了9.4%；中功率段电流应力降低了30.3%，回流功率降低了92.5%，效率提高了10.7%。电压传输比为1.5时，低功率段电流应力降低了34.8%，回流功率降低了100%，效率提高了8.1%；中功率段电流应力降低了45.3%，回流功率降低了92.9%，效率提高了9.3%。验证了设计方案的正确性和有效性。

摘要:数控机床运动误差信号呈现强非线性、非平稳特性，且标记数据稀缺。传统研究难以有效分离和准确识别误差源，为此提出一种基于混沌吸引子与迁移学习的数控机床运动误差溯因模型。首先，基于相空间重构将数控机床圆运动误差的一维时序信号映射至混沌相空间，恢复运动误差的混沌吸引子相图，提取表征不同误差源内在动力学机制的混沌吸引子结构特征，利用其与潜在误差源的强关联性为误差源辨识提供基础。然后，针对不同运动误差混沌吸引子相互重叠、尺度特征相差大导致溯因精度不高的问题，提出基于改进Faster R-CNN的误差源深度学习溯因模型，引入ResNet50和特征金字塔网络，提升对混沌吸引子的识别能力。最后，为了解决数控机床标记样本稀缺的难题，引入迁移学习，基于模型迁移策略，在COCO2017源域上充分训练模型，冻结浅层网络结构，将知识有效迁移至运动误差混沌吸引子相图分类数据目标域，显著提升模型在数据匮乏下的溯因能力。设置交并比为0.5时，所提模型对4类典型运动误差：伺服不匹配、反向越冲、反向间隙和周期误差的平均精度值分别达到98.80%、99.64%、97.58%和99.97%。实验分析表明：数控机床的运动误差能被混沌吸引子有效表征；本模型在各种误差因素条件下均表现出良好的误差源辨识精度，并具有很强的鲁棒性。