基于改进BP的分子泵故障诊断研究

分子泵为EAST装置提供洁净的真空环境,其运行状态影响EAST实验的顺利开展。由于在EAST实验运行过程中,分子泵设备可能会出现异物坠入或者真空泄漏故障,对装置造成次生危害。针对分子泵故障数据集不平衡导致故障诊断精度低以及模型过拟合问题,提出一种基于时域频域预处理与改进BP相结合的算法,实现分子泵故障诊断。通过在BP神经网络的基础上,引入粒子群算法(PSO)并结合五折交叉验证优化模型。首先在模拟分子泵故障的破坏性测试平台上,采集正常态、真空泄漏以及异物坠入故障振动信号,然后对数据进行时域频域特征提取融合,将得到的特征向量集作为优化算法的输入,对模型进行训练,实现分子泵故障诊断。经实验验证,所提出改进BP算法在诊断精确率上可以达到96.84%,优于支持向量机(SVM)、K近邻(KNN)和BP算法。

基于群智能算法的二级减速器中间轴公差优化

为了降低二级减速器中间轴的制造成本,提出了3种基于群智能算法的中间轴公差优化设计方法。构造了以制造成本与质量损失成本的和为最小目标函数及以加工能力、加工工艺要求为约束条件的数学模型。利用遗传算法、混合蛙跳算法和粒子群算法计算了中间轴各组成环的公差和封闭环公差。与其他群智能算法和传统的等公差法、等精度法相比,粒子群算法的收敛速度最快,效率最高。

真空检漏机器人目标识别技术研究

在聚变装置真空检漏领域中,未来聚变装置涉氚运行,检漏人员无法进入装置检漏,这使得这项任务极其困难和耗时。为实现聚变装置泄漏设备的快速准确检测,本文以6自由度机械臂为研究对象,提出了一种GV2-YOLOv5的真空设备检测方法用于真空检漏机器人对真空设备进行识别和定位喷氦。在该方法中,结合轻量级Ghost Net V2网络构建C3GhostV2模块,同时使用轻量的Ghost卷积提取目标特征,从而降低模型参数量,提高计算速度;在特征融合网络中添加Bottleneck Transformers和ECA注意力机制,提高网络特征提取能力以及加强模型通道特征。实验结果表明,在自制数据集上,改进后的模型平均精度为93.2%,相比YOLOv5s提高了1.4%,模型参数量减少了29.5%,检测速度为92 fps,满足实时性与准确性的需求,为真空检漏机器人目标识别与定位提供了一种的解决方案。

木材裂纹尺寸及分布对声发射横波传播特性的影响研究

为探究木材表面裂纹尺寸与分布对声发射横波(transverse wave component of acoustic emission,AE TW)传播特性的影响,通过锯切方式制作不同尺寸的裂纹,研究沿木材顺纹理方向传播的声发射横波的传播特性。首先,在试件表面锯切出4条具有相同长度而宽度与深度不同的规则裂纹,分别采用铅芯折断和信号发生器模拟产生突发和连续的AE源,并且通过等间距分布在试件表面的5个传感器采集AE信号,采样频率设置为500 kHz。然后,在铅芯折断试验的基础上,依据驻波成分的基频,对原始AE信号进行高通滤波处理,截止频率设置为7 kHz,再采用相关性分析的方法确定AE TW在固定距离上的传播时差,进而依据时差定位的原理计算其传播速度。最后,通过信号发生器产生不同电压等级的150 kHz脉冲串作为AE源,研究不同裂纹尺寸下的AE TW能量随距离的衰减规律。结果表明,在无裂纹试件中,AE TW的平均传播速度为824.4 m·s^(-1)。而仅改变裂纹深度时,随着裂纹数量的增加其速度分别从1216.5、1171.1、1220.8 m·s^(-1)减小到913.8、820.6、885.2 m·s^(-1)。无裂纹试件能量衰减速率|K|为2.98,随着裂纹尺寸的增加,衰减速率呈现减小趋势,裂纹尺寸与分布不影响其能量衰减规律,且当能量初始值不同时,所表现的衰减规律也相同,其AE TW速度和能量变化均能反映裂纹的存在。

基于小波变换的木材声发射驻波信号特征研究

为研究木材损伤断裂时的声发射(AE)信号所激发的驻波信号特征与木材固有特性之间的关系,采用薄木条折断的方式产生AE源,在小波变换的基础上分析驻波频率,并计算纵波传播速率,依据弹性波理论计算出木材顺纹弹性模量(MOE)。首先,在2种不同长度的木材试件一端分别加工出8根80 mm×10 mm的薄木条,通过外加冲击力折断木条以产生AE源,通过放置在试件端面的2个传感器采集原始AE信号,采样频率设定为500 kHz。然后,根据驻波特性确定原始信号的驻波阶段,进而对该阶段AE信号进行4层小波分解,依据分解后信号的时频域特征析取驻波信号波形。最后,依据驻波产生原理计算纵波传播速率,并结合弹性波理论计算试件的MOE。结果表明,拉伸试验测得樟子松和榉木试件的MOE分别为9.30 GPa和11.63 GPa,800 mm樟子松和榉木试件通过驻波计算所得MOE分别为9.37 GPa和12.34 GPa,与实测MOE的误差分别为0.75%和5.24%;600 mm的樟子松和榉木试件通过驻波计算所得MOE分别为9.31 GPa和11.81 GPa,与实测MOE的误差分别为0.10%和1.55%。

新型架构下的密集网络在肺部影像的分割研究

在医学图像分割领域中,肺实质的分割对肺结节检测有着至关重要的作用,在考虑到模型参数量的情况下追求更高的精度一直是研究热点之一;为此提出了新的三层密集卷积神经网络DA-UNet,首先用密集卷积模块代替在传统U-Net使用的普通3×3卷积,利用密集卷积特征重用特点,加强了网络的特征提取能力。再者在没有太过影响分割网络精确度的前提下加以修剪,减少了上下采样次数,减少不必要的算力消耗。此外,使用了注意力门(Attention gate),加强了跳跃连接中高底层信息融合效果,并且使用空洞空间金字塔池化(Atrous spatial pyramid pooling),模型加入了不同尺度的特征信息,进一步加强图像中任务相关的区域特征,有效减小噪声干扰,提高网络分割精度。通过实验证明:三次上下采样改进模型的参数量只有传统四次上下采样的75.2%左右,但是分割效果没有太大的影响,用LUNA竞赛肺部影像数据集进行了分割验证,实验结果在测试集上的准确率达到了0.991,而IoU则为0.961,比起传统U-Net的评价指标IoU提升了2.9%;在泛化实验的肝脏图像中,DA-UNet的IoU稳定在0.929左右,而U-Net稳定在0.838左右。这些结果证明了改进的U-Net有更佳的分割效果。

基于小波包混合优化的欠定盲源分离方法

为解决欠定盲源分离问题,提出一种基于小波包混合优化的欠定盲源分离方法。该方法采用小波包变换将观测信号分解,将观测信号的维数进行扩展,利用互相关系数值剔除冗余的信号分量,欠定盲源分离问题得到转化。接着使用贝叶斯信息准则下的奇异值分解方法估计源信号数目,通过白化过程对信号降维。最后,引入鲸鱼优化算法中的螺旋泡网狩猎行为与莱维飞行策略,对灰狼优化算法进行改进,将改进后的混合灰狼优化算法与独立成分分析算法相结合,实现重构正定白化信号的分离,从而得到源信号的近似估计。通过仿真实验对算法性能进行测试,结果验证所提方法的可行性和有效性。

融合梯度密度的点线视觉SLAM算法改进

针对视觉同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)方法在相机快速运动中容易导致图像模糊,以及在稠密场景中线特征提取易造成信息冗余等问题,提出一种融合梯度密度的点线视觉SLAM算法改进。该算法首先利用前后图像帧之间特征点数量信息对模糊图像进行筛选,并使用高斯模糊进行优化处理,得到匹配效果更佳的图像帧。然后利用点特征信息判断是否引入线特征,并引入图像像素梯度密度对LSD(Line Segment Detection)线特征进行多维优化,提取出稳定线特征以提高后续匹配质量。最后结合点线特征误差构建误差函数,最小化投影误差提高位姿估计精度。算法在TUM数据集下进行测试,实验结果表明本算法可以有效提升特征提取的稳健性,进而提高相机位姿估计与建图的精度。

基于特征细化的多标签学习无监督行人重识别

针对无监督行人重识别中行人特征表达不充分以及训练过程产生噪声标签等问题,提出了一种基于特征细化的多标签学习无监督行人重识别方法。首先,为提高网络对关键区域信息的利用能力,设计多尺度通道注意力模块(Multi-scale channel attention module,MCAM),嵌入ResNet50网络的不同层来构建特征细化网络,并利用该网络对输入图像通道维度上的关键信息进行强化和关注,以获得更丰富的特征信息;其次,为降低训练过程中产生的噪声标签对网络的负面影响,设计多标签学习模块(Multi-label learning module,MLM),通过该模块进行正标签预测以生成可靠的伪标签;最后,利用多标签分类损失和对比损失进行无监督学习。在数据集Market-1501和DukeMTMC-reID上进行实验,结果表明该方法在这两个数据集上的平均精度均值分别达到82.8%和70.9%,首位命中率分别达到92.9%和83.9%。该方法使用注意力机制强化图像的特征信息,并通过正标签预测减少噪声标签,有效提升了无监督行人重识别的准确率,为无监督行人重识别领域提供了更鲁棒的方法。

基于RGB空间的非经典K最近邻算法应用研究

为迅速、准确、无过多人工干预的进行图像分割,提出了一种K最近邻算聚类方法并将其应用于图像处理。与经典K最近邻算法在样本库中寻找最近邻点不同,该算法在待分割图像的RGB空间中寻找每一个像素点的K个最近邻点,参考所有像素点同最近邻点之间的平均距离,引入聚类阈值并对像素点的归属进行判断。对火焰图像的分割实验结果表明,在分割精度相接近的情况下,该算法的分割速度要快于其它几种常见算法。

面向TSP问题的改进信息素启发因子蚁群算法研究

针对蚁群算法解决TSP问题时容易陷入局部最优的问题,提出一种采用自适应改变信息素启发因子和模拟退火扰动机制的方法。首先,在算法搜索初期阶段采用较小的信息素启发因子,以增强个体搜索过程中选择路径的随机性。其次,当算法首次陷入局部最优时,通过自适应增大信息素启发因子的方法加强局部搜索能力。最后,在蚁群算法搜索后期阶段,借鉴模拟退火算法原理,通过在全局最优解上加入随机扰动的方式,加强算法跳出局部最优的能力。仿真结果表明,针对不同规模的TSP问题,改进的蚁群算法精度至少提高3%。

增摩填料复合稀土氧化镧增强汽车摩擦片材料摩擦磨损性能研究

目的研究纳米填料复合氧化镧对汽车摩擦片摩擦磨损性能的影响。方法采用热压成型工艺制备CaSiO3、纳米SiC、纳米B4C复合氧化镧增强汽车摩擦片,将摩擦试样在100~350℃条件下进行摩擦磨损实验。采用XRD、EDS、SEM和三维非接触式表面形貌仪表征摩擦试样磨损前后的物相组成、化学成分和微观结构。分析不同纳米填料的摩擦片的摩擦磨损演变规律,探究纳米填料在摩擦磨损过程中的作用机制。结果纳米SiC填料试样的高温摩擦系数明显提高,300、350℃时分别为0.49和0.5;磨损率较大,最大值高达0.35×10^−7 cm^3/(N·m);试样磨损面较平整,磨痕较浅。纳米B4C填料试样的摩擦系数不高,较稳定;高温磨损率低,300℃时为0.2×10^−7 cm^3/(N·m);试样磨损面较光滑,磨痕最浅。结论纳米B4C填料试样中的硼氧化物提高了界面润滑性,磨损面形貌质量最好,高硬度的细小颗粒强化了材料的机械啮合力,提高了摩擦磨损性能。纳米SiC硬质颗粒在磨损过程中容易脱落,易对磨损面造成损伤,加剧磨损。

基于改进PSO优化的IPMSM全速域无传感器控制

为了实现内置式永磁同步电机(IPMSM)全速域无传感器控制,提出一种基于改进粒子群算法的不同估计方法间平滑切换的内置式永磁同步电机全速域无传感器控制策略。首先,建立IPMSM的数学模型。其次,根据电机运行的速域范围,将转速界定为零低速域与中高速域。以此为基础,在零低速域内利用高频注入法,中高速域采用滑模观测器法,分别实现电机转子转速与位置的估计。并采用一种基于改进粒子群优化算法的变权重系数方法来实现不同估计方法间的平滑切换,最终实现对内置式永磁同步电机全速域内的无传感器控制。实验结果表明,所提全速域无传感器控制策略具有良好的可靠性与鲁棒性,能够改善各个速域内转子转速和位置的估计精度,并且使不同方法间的切换更平顺。

基于自组织可增长映射的移动机器人仿生定位算法研究

为提高移动机器人在同步定位和地图构建(SLAM)中的定位精度,该文提出一种基于自组织可增长映射(GSOM)的仿生定位算法。该方法将位置细胞的激活特性和神经网络输出层神经元建立响应连接,通过GSOM神经网络构建空间的拓扑地图,利用感知距离信息实现位置细胞的激活响应从而估计机器人位置,以此还原机器人的运行路径。实验结果表明细胞间隔R对定位精度有较大影响,选取合适的细胞间隔能有效地减少神经网络的学习时间,提高定位精度,该文算法平均误差在0.153 m以内,定位精度达到90.243%,均优于原有算法。经验证该文算法建立的模型能够实现机器人的空间位置表征,提高了机器人在实验场景下的定位精度,表现出良好的位置估计性能。

不规则H形量子势垒增强AlGaN基深紫外发光二极管性能

针对AlGaN基多量子阱中有效的平衡载流子注入问题,研究了有源区势垒层中Al组分调制形成的非规则H形量子势垒对AlGaN基深紫外发光二极管(LED)器件性能的影响及载流子的输运行为。研究发现,与多量子阱中常用的单Al组分势垒相比,加入Al组分较高的双尖峰势垒可以有效地提高内量子效率和光输出功率。进一步研究表明,电子在有源区因凸起的尖峰势垒而得到了有效的阻挡,减少了电子的泄露,而空穴获得更多的动能从而穿过较高的势垒进入有源区。因此,采用非对称H形量子势垒的深紫外LED器件中载流子输运实现了较好的平衡,量子阱中的载流子复合速率远高于普通的深紫外发光二极管。

基于半解析法的FinFET三维电势和阈值电压模型

随着集成电路工艺进入亚30 nm,鳍形场效应晶体管已经成为主流工艺结构,但是由于计算的复杂性其体硅结构的三维模型未有人给出过明确的解析式.本文提出体硅FinFET中沟道和氧化层的三维亚阈值电势、阈值电压的半解析模型,并考虑量子效应的影响,最后将模型与TCAD仿真结果进行比较.仿真结果表明,模型能够对沟道内不同坐标下的电势进行精确的模拟;对漏致势垒降低效应和短沟道效应以及不同Fin宽度下的电势变化,都能够进行精确的拟合;并且能够准确提取阈值电压.研究表明,半解析模型既有明确的解析表达式同时又有计算结果精度高的优点,相比数值模型又有较低的时间复杂度.

基于改进YOLO及NMS的水果目标检测

为使水果采摘机器人在复杂情况下如树叶遮挡、果实目标尺度变化大等情况能准确地检测出水果,提出一种YOLO(you only look once)改进模型与NMS(non-maximum suppression)改进算法的目标检测方法。首先,对传统YOLO深度卷积神经网络架构进行改进,设计一种更细化的SPP5(spatial pyramid pooling)特征融合网络模块,强化特征图多重感受野信息的融合,并基于此模块提出一种YOLOv4-SPP2-5模型,在标准YOLOv4网络中跨层添加并改进SPP层,重新分布池化核大小,增强感受野范围,从而降低目标误检率;其次,提出一种Greedy-Confluence的NMS改进算法,通过对高度接近的检测框直接抑制和对重叠检测框综合考虑距离交并比DIOU(distance-intersection over union)和加权接近度WP(weighted proximity)的方法,均衡NMS的计算消耗并减少检测框的错误抑制,从而提高遮挡、重叠物体的检测精度;最后,分别对改进方法进行性能测试,验证方法的可行性,随后制作水果检测数据集并进行格式转换和标签标注,然后采用数据增强技术对训练数据进行扩充,并使用K-means++聚类方法获取先验锚定框,在计算机上进行了水果检测实验。结果表明,基于改进YOLO网络及改进NMS的水果检测方法在准确率方面有显著的提高,平均精度均值(mean average precision,MAP)在YOLOv4上达到了96.65%,较原网络提升1.70%,并且实时性也得到了保证,在测试设备上达到了39.26帧/s。

改进的线性自抗扰永磁同步电机转速控制器设计

基于线性自抗扰控制(linear active disturbance rejection controller,LADRC)在永磁同步电机(permanent magnet synchronous motor,PMSM)转速、电流复合控制中无法应对q轴电流突变和参数整定存在缺陷,提出一种改进的自抗扰控制器。首先,分析常规LADRC在转速、电流复合控制的设计方法,并对其核心参数进行剖析。其次,基于常规LADRC用最速控制综合函数(fhan)代替比例微分(the proportion of differential,PD)进行控制律设计,提高系统控制性能并优化参数配置方式;同时基于该函数特性,设计电流外环控制器,利用电流偏差反馈算法对q轴电流进行限幅控制,避免电流冲击过大损伤硬件。通过搭建实验平台测试,实验结果显示改进的LADRC能有效应对q轴电流冲击,同时具有与传统LADRC相当的抗扰能力,并且对扰动的瞬态响应时间缩短20 ms,表明改进的LADRC具有更高的安全性能和良好的抗扰能力。

基于运动矢量的改进视觉SLAM算法

针对移动机器人运行场景中出现运动物体时,视觉同时定位与地图构建(SLAM)算法位姿估计误差大且构建地图不一致的问题,提出了一种基于特征点运动矢量的改进视觉SLAM算法。首先,引入基于特征点运动矢量的运动点检测算法。通过结合初始相机位姿,计算图像特征点的运动矢量,并使用期望最大化方法求解运动矢量角度的高斯混合模型参数,通过结合前一帧的运动点检测结果,从而区分当前图像中的运动特征点;其次,基于运动点检测结果,对当前帧相机位姿进行优化;再次,通过设置图像预处理环节,剔除运动点占比较大和与前一帧相似性较高的图像,提高闭环检测算法的计算效率;最后,使用剔除动态点后的图像特征点对场景进行描述,并改进单个节点处图像间相似性得分计算函数,经过闭环确认后,得到正确闭环。数据集实验表明,所提算法具有较高的位姿估计精度和较好的鲁棒性,同时能有效检测场景中闭环的存在,且建图效果较好。

基于2D预处理的点云分割和测量研究

针对传统3D工业相机获取的点云数据进行工件检测时因工件粘连和噪声干扰导致边缘分割问题,考虑点云数据量大影响检测实时性和3D特征点选取不准确导致测量误差大的因素,提出一种基于2D边缘检测的预处理方法,实现点云快速分割和测量。首先,采用改进的Canny算法对有序点云的纹理图像进行边缘检测,将检测后的图像进行数学形态学操作和轮廓检测完成纹理图像分割,规避了在3D空间中进行分割处理,有效减少了点云数量;其次,结合工件的形状特征和放置方式,利用掩膜操作提取出有序点云数据,使用基于RANSAC和条件滤波结合的方法对分割后的点云进行自适应阈值滤波处理,有效去除了噪声点云;最后,对经过预处理后的目标点云基于PCA的包围盒去计算工件尺寸以及表面法向量。实验结果表面,和传统的3D分割算法相比,能够更准确的提取出目标点云,有效减少了待处理点云数量,整体分割效率提高了约20%;工件尺寸的平均相对误差约1.24%,可以满足测量的需求。