基于偏振编码图像的低空伪装目标实时检测

偏振可以提高无人机的自主侦察能力,但易受到探测角度和目标材质的影响,从而降低偏振检测的鲁棒性。为此,提出一种基于偏振图像的低空伪装目标实时检测算法YOLO-P,采用融合多偏振方向信息的编码图像作为输入,应用三维卷积模块提取不同偏振方向图像之间的联系特征;引入特征增强模块对多层次特征进行进一步增强;采用跨层级特征聚合网络,充分利用不同尺度的特征信息,完成特征的有效聚合,最终联合多通道特征信息输出检测结果。构建包含10类目标的低空伪装目标偏振图像数据集PICO(Polarization Image of Camouflaged Objects)。在PICO数据集上的实验结果表明,新方法可以有效检测伪装目标,mAP_(0.5:0.95)达到52.0%,mAP_(0.5)达到91.5%,检测速率达到55.0帧/s,满足实时性要求。

结合数字孪生的斜拉桥系统更新和响应预测

由于传统建模方法难以反馈桥梁系统参数和响应的细微变化,为此提出了以数字孪生体作为结构系统的高保真映射模型。首先,定义数字孪生体包含物理孪生层、数字孪生层和信息交互媒介3部分,数字孪生层的孪生模型是对斜拉桥物理实体的虚拟映射,通过信息交互媒介实现不同层间信息的实时传递;其次,针对具体应用提出了结构信息化、信息数据化和数据模型化3条建模准则,实现对斜拉桥物理实体的信息勾勒和可视化过程,建立高保真的斜拉桥数字孪生模型;最后,以一座实桥端锚索的监测数据为感知信息,将变化的索参数实时反馈给孪生模型,实现模型更新和响应预测。研究结果表明,所提出的数字孪生建模方法能及时反馈实桥的参数变化,并预测由此造成的索力、塔顶偏位及主梁跨中挠度的细微改变。

用脉冲星的脉冲序号复现坐标时方法

为实现包括地球和地球以外的时间统一,需要运用相对时间观的两种时间来替代目前时间计量体系中的标准时间,这两种时间分别是:原时和坐标时,其中坐标时可溯源到脉冲星时间基准上。为构建简单的本地轨道参数历表,阐明分层嵌套的空间包含关系,形成时间相对统一的观点。从计量角度,提出了一种脉冲星复现坐标时的理论,运用相对时间观中的时间和空间不可分割观点,归纳了统一时间的广域坐标系所必须具备的基本特征,强调了原点观者的特殊性,提出了基于原点观者的脉冲星脉冲序号和初始历元的定义方法。首先,把一组脉冲星的脉冲序号约定为坐标时基准,用来复现坐标时,约定一组脉冲星的脉冲周期为固定的常数数组,约定后不再测定,常数的单位仍是国际单位制[秒],常数可理解为脉冲序号的坐标时间隔与[秒]之间换算的系数。然后,基于平面电磁波模型,把脉冲星的脉冲电磁波经过原点的时刻与脉冲序号一一对应,于是原点观者的坐标时与连续的脉冲序号成为线性函数关系,最后,分析了脉冲星稳定特点,给出了以一组序号为变量的脉冲星集合稳定性判据。

使用异质集成学习和心电信号异构特征融合的睡眠呼吸暂停分类方法

睡眠呼吸暂停(SA)会影响睡眠质量,增加心脑血管疾病风险,其准确分类有助于在SA早期阶段及时开展针对性治疗。本文提出一种使用异质集成学习和异构特征融合的SA分类新方法。首先从原始心电信号中提取小波时频谱,使用SE-ResNet作为初级分类器;然后提取RR间期序列和R峰值序列,使用1D CNN-LSTM作为初级分类器;再提取心率变异性特征,使用SVM作为初级分类器。最后采用堆叠法作为异质集成学习的融合策略,再使用另一个SVM作为次级分类器实现SA分类。在Apnea-ECG数据集上进行实验,所提出的SA分类方法的准确率为89.12%。实验结果表明,所提方法有效利用了各初级分类器的多样性和异构特征的互补性,其性能优于传统的SA分类方法。

基于IESPSO的舵机倾转矢量动力系统建模与参数辨识

针对在旋翼动态时产生的外力矩影响下,倾转矢量动力系统中的舵机系统模型辨识精度低、实际响应难以估计的问题,本文将舵机外力矩作为扰动噪声纳入辨识环节,构建系统模型,并提出了一种基于改进生态系统粒子群优化(IESPSO)的倾转旋翼舵机系统参数辨识方法。为确保试验稳定安全进行,本文设计了倾转矢量动力系统辨识平台,进行参数辨识试验。试验结果表明,在旋翼动态时产生的外力矩噪声影响下,IESPSO相对于粒子群优化法、生态系统粒子群优化法与递推最小二乘法,均方根误差降低了1.46%,1.79%与56.37%,辨识精度有明显提升,并具备更快的寻优收敛速度。在修改搜索空间后,IESPSO仍具有较高的寻优精度,避免了在宽搜索空间下无法快速搜索至较优可行解的问题。

数据采集系统共模抑制比的测量实验研究

介绍了数据采集系统共模抑制比参数的概念、内涵及定义,并阐述了数据采集系统共模抑制比测量中的5个问题:1)共模干扰的非线性问题;2)共模干扰表现形式的多样性,即直流偏移形式,交流波动形式,噪声水平变化形式;3)本底噪声影响的测量及剔除方式,即方差(能量)相减方式,有效值差方式,绝对值均值差方式;4)共模信号端接方式的影响;5)直流共模抑制比和交流共模抑制比的差异。以一个典型数据采集系统上的实验结果,阐述了上述不同条件变化对共模抑制比测量结果的影响,给出了数据采集系统共模抑制比测量的技术建议。

双分支复频谱下多特征聚合的轻量化语音增强方法

针对目前多种改进的卷积循环网络(CRN)在单掩蔽或单映射的编解码结构下提取特征单一、捕获全局特征不强、参数量较大等问题,提出一种多特征聚合卷积模块与高效Transformer融合注意力机制结合的复频谱联合掩蔽和映射的单通道语音增强高效网络。在编解码层设计一种双分支门控协作单元(DGCU),提取复频谱多层次特征后交互、聚合以弥补特征提取单一问题;中间层设计一种通道时频注意力融合模块,聚焦语音的时频、空间局部细节特征。最后在THCHS30数据集上进行消融和对比实验,实验结果表明,该网络以最低参数量、较低计算量实现了轻量化,在匹配和不匹配噪声下PESQ分别提升了10.5%~50.6%、16.3%~94.5%,客观、主观指标都优于其他对比的网络模型,表现出较高的降噪性能和网络泛化能力。

电磁层析成像技术中的谱参数混合共轭梯度法

电磁层析成像技术是基于电磁感应原理的过程检测技术,图像重建是解决其反问题的关键.基于共轭梯度算法,修正搜索方向和迭代参数,推导出基于谱参数的混合共轭梯度算法,以提高图像重建质量和收敛性.介绍了电磁层析成像系统的实验室模型和灵敏度分布矩阵,作为反问题基础;对搜索方向进行修正,提出一个新的谱参数,用来控制新旧搜索方向之间的角度,根据每一步迭代的残差结果,寻找最优解;改善共轭参数,分析非线性共轭梯度算法中FR算法(fletcher-reeves method)和PRP算法(polak-ribiere-polyak method)的各自优势,将它们按照一定比例进行混合,得到一种新的混合共轭梯度算法;将谱参数混合共轭梯算法应用到电磁层析成像实验室系统中,构建了3种典型实验室模型,对比谱参数混合共轭梯度算法与传统算法并作出评价.实验结果表明:谱参数混合共轭梯度算法的重建图像的质量更高,具有较好的数值表现;混合共轭梯度算法结合了FR算法和PRP算法的优点,收敛速度比PRP算法快,成像质量比其他算法高.

计量测试与应用技术专业的行业调研与人才需求分析

计量是质量提升的基础和标尺,计量行业需要越来越多的专业人才。文章重点阐述计量测试与应用技术专业人才的岗位需求、素质需求和能力需求,并对人才培养提出了针对性建议,为计量测试与应用技术专业建设和人才培养提供借鉴。

基于多通道特征融合学习的印制电路板小目标缺陷检测

提出了一种多通道特征融合学习的印制电路板小目标缺陷检测网络YOLOPCB,首先删除YOLOv7主干网络中最后一组MPConv层与E-ELAN层,去掉融合层的ECU模块与20×20的预测头,使用跨通道信息连接模块串联精简后的主干和融合网络;其次设计了浅层特征融合模块与新的anchors匹配策略,增加了两个低层次、高分辨率检测头;最后将YOLOv7主干网络中的3个E-ELAN作为输入,将融合层中最底部的E-ELAN和两个拼接模块作为输出,使用自适应加权跳层连接以增加同维度内信息量。在PCB Defect公开数据集上平均精度达到94.9%,检测速度达到45.6 fps;最后在企业现场制作的Self-PCB数据集中,YOLOPCB达到了最高精度76.7%,比YOLOv7检测精度提升了6.8%,能有效提高印制电路板小目标缺陷检测能力。

基于构造绝对值三角函数的光栅信号细分

为了进一步提高光栅传感器的测量精度,需要对信号进行细分,但光栅莫尔信号的细分精度取决于信号的质量。本文利用归一化并结合CORDIC的方法补偿了直流、幅值、相位等误差,利用补偿后的信号构造绝对值三角函数,实现一个完整周期信号的16倍细分,并通过MATLAB进行了仿真,验证了该方法的可行性。

多尺度注意力融合与视觉Transformer方法优化的电阻抗层析成像深度学习方法

电阻抗层析成像(EIT)具有显著的可视化和非侵入性等特点,在工业和生物医学工程领域展现了其广阔的应用潜力。由于其逆问题存在高度非线性和病态性特点,导致了数值成像方法在空间分辨率上的局限性,尤其是在多相介质分布情况下,现有EIT技术在成像过程中出现边界失真和电导率误差,从而影响最终的成像精度。本文提出了一种基于卷积注意力机制的U型深度成像方法——MAT-UNet,将卷积块注意力模块(CBAM)与U-Net结构相结合,在特征提取与融合过程中嵌入卷积块注意力模块,以增强模型的注意力定向和特征表征能力,同时跳跃连接引入了压缩-激励(SE)注意力机制与视觉Transformer(ViT)来优化全局特征的学习,使用多头交叉注意力模块(MHCA)实现编码器与解码器的多尺度信息融合。MAT-UNet通过大量的仿真数据训练获得最优模型参数,并在多样化复杂形状和肺部仿真模型进行了实验验证。定量评估指标表明,该方法在重建图像中的均方根误差(RMSE)结果为2.3156,结构相似性指数(SSIM)结果为0.9437,可视化结果与真实分布和边界具有很好的一致性。实验结果表明,本文提出的MAT-UNet模型展现出良好的鲁棒性和泛化能力,相较于传统的单一卷积结构,集成Transformer结构提供了更精准的EIT图像重建效果,在无损测量与检测应用中存在很大的潜力和价值。

基于球面正则化的支持向量描述视觉异常检测

异常检测作为视觉领域中一项独特而关键的任务,在医疗、安保等领域具有广泛的前景。异常检测目前受限于大规模异常数据标注,因此现有方法集中在单类分类和弱监督学习,深度支持向量描述(Deep SVDD)是实现单类分类的常见方法。然而,传统Deep SVDD在开展异常检测时往往面临球体崩塌。针对这一问题,提出了基于球面正则化的SVDD异常检测算法,通过引入软间隔损失与支持向量的思想,优化模型学习流程。进一步地,面向可标注样本,提出了基于SVDD的弱监督异常检测方法。在公开数据集MNIST和CIFAR-10上进行消融和对比实验,实验证明,相比于有监督算法,在MNIST数据集上,SR-WSVDD的性能提高了3.7%,而在CIFAR-10数据集上则提高了16.7%。此外,与其他弱监督算法相比,SR-WSVDD在CIFAR-10数据集上提升了1.8%。所提出的SR-SVDD异常检测算法,弥补Deep SVDD容易发生球体崩塌的缺陷,使模型异常检测结果更加准确。

振动试验的不确定度评定

随机振动和正弦振动是常见的振动试验.在试验结束后给出试验结果,完整的试验结果应包括不确定度评定。本文根据随机振动、正弦振动试验过程中产生的数据,对表征试验结果的关键参数进行不确定度评定,从而完整的表示试验结果的可信程度。

基于知识蒸馏自适应DenseNet的无人机对地目标可见光与红外图像融合

可见光与红外图像融合旨在利用两种不同传感器之间有效的信息,通过互补的图像特征实现图像增强。然而,当前基于深度学习的融合方法倾向于优先考虑评价指标。模型的复杂性较高,权重参数较大,推理性能低,泛化性较差,不易部署到无人机载边缘计算端。为了应对这些挑战,本文提出了一种新颖的可见光与红外图像融合方法,即知识蒸馏的自适应DenseNet来学习预先存在的融合模型,通过使用超参数(例如宽度和深度)来实现融合效果和模型轻量化。本文提出的方法在典型地面目标数据集进行了评估,实验结果表明,该模型参数仅为77 KB,推理时间为0.95 ms,具有超轻量的网络结构,良好的图像融合效果和复杂场景下较强的泛化能力。

分数阶时滞切换线性系统的稳定性研究

为了更好地了解系统时滞对分数阶切换系统稳定性的影响,研究了Caputo分数阶时滞切换线性系统的有限时间稳定性。首先,通过求解给定的分数阶时滞线性系统,导出了Lyapunov函数沿分数阶线性时滞系统的Caputo分数阶导数满足的不等式条件。其次,基于该不等式条件和Heaviside阶跃函数的性质,得到了具有Caputo分数阶导数的分段定义微分函数的等价解;通过导出的引理,得到了分数阶时滞线性切换系统有限时间稳定性的充分条件。最后,通过两个算例验证了所提方法的有效性。利用Heaviside阶跃函数得到的分段定义分数阶微分不等式的等价解,有效地克服了现有研究分数阶切换时滞系统稳定性问题中存在的忽略分数阶算子的记忆性缺陷。

扫描探针显微术SPM标准化现状研究

本文结合扫描探针显微术(Scanning Probe Microscopy,SPM)的专业性与多样性和标准化工作的要求,初步构建了符合领域发展的三维架构的SPM标准体系。接着,研究了SPM通用基础、关键部件/产品与应用检测方面的相关国家标准技术内容,说明当前SPM标准化与标准体系的建设情况。最后,在当前技术与产业状态下,提出以实现量值统一、接口兼容、质量可评价、结果可比较为目标,宜重点开展SPM性能指标检验标准、SPM成像质量的调整与评价方法标准、共性的SPM应用标准或指南标准等三方面的工作,完善我国SPM标准体系。

数字孪生在航空航天结构设计、制造和运维中的应用与展望

数字孪生技术应用于航空航天领域是当前和未来的重要发展趋势,采取虚实结合方式模拟航空航天结构在不同工作状态下的行为和性能演化,可为结构的优化设计、高效率制造和低成本维护提供全方位的支持。综述了数字孪生在航空航天结构全生命周期管理中的应用现状,总结了航空航天结构数字孪生存在的问题、挑战和发展趋势。

基于分类-关联-修正的电力需求预测方法研究

电力需求的波动性较大,导致难以预测。针对区域电网宏观电力需求预测,提出了一种基于分类-关联-修正的电力需求预测方法。利用灰色关联分析方法筛选出关键的产业用电,以及影响各产业用电程度较大的因素。在传统回归预测方法的基础上,结合灰色预测方法对电力需求的影响因素进行预测,建立电力需求回归预测模型。以产业电量占全社会电量的比值对模型预测值进行修正,从而提高预测精度。相比于整体预测方法,该方法分产业开展关键影响因素识别与电力需求预测,并进行宏观修正。基于河南省2011—2022年的电力数据,验证该方法可准确预测未来电力需求的发展趋势,可为区域电网的长期预警提供参考依据。

基于模糊反馈线性化和自适应扩张状态观测器的USM六自由度镇定控制

水下游动机械臂(USM)作为一种新型的水下机器人,其镇定控制对于水下观测和作业任务的顺利完成具有重要意义。针对USM六自由度镇定控制时,其模型难以准确建立、水流等外部扰动难以观测和6个维度的控制器参数整定困难等问题,提出了一种基于模糊反馈线性化和自适应扩张状态观测器的控制方法。首先建立了USM的动力学模型;其次,考虑到USM强非线性和强耦合性的特点,对动力学模型反馈线性化后设计了PD控制器,并引入了模糊控制逻辑调整控制器的参数;同时为减少建模误差和实际水下环境存在各种不确定干扰对控制效果的影响,设计了一种自适应扩张状态观测器来实时补偿模型的不准确性和外扰。最终,在湖中实验测得,所提方案6维均方根误差(RMSE)为0.425 2、0.166 8、0.168 5、0.267 4、0.117 4、1.003 3,较之传统方案有明显的提升,证明了所提方案的有效性。