国产欧美精品一区二区,中文字幕专区在线亚洲,国产精品美女网站在线观看,艾秋果冻传媒2021精品,在线免费一区二区,久久久久久青草大香综合精品,日韩美aaa特级毛片,欧美成人精品午夜免费影视

摘要:綜述了液體火箭發(fā)動(dòng)機故障診斷系統冗余容錯技術(shù)研究，介紹了液體火箭發(fā)動(dòng)機故障診斷系統在航天任務(wù)中的重要性及其不斷發(fā)展的需求，強調了高可靠性和安全性對于航天任務(wù)成功的關(guān)鍵作用，詳細分析了當前國內外在這一領(lǐng)域的研究現狀，展示了不同國家和研究機構在故障診斷系統冗余容錯技術(shù)方面的最新進(jìn)展和具體應用實(shí)例，闡述了冗余容錯技術(shù)對于火箭發(fā)動(dòng)機故障診斷系統的重要性并探討了該技術(shù)的發(fā)展歷程、關(guān)鍵技術(shù)及當前研究成果；通過(guò)對比幾種經(jīng)典冗余容錯手段，指出各冗余結構對于火箭發(fā)動(dòng)機故障診斷系統的可行性與優(yōu)缺點(diǎn)，詳細介紹了發(fā)動(dòng)機故障診斷系統的雙機熱備實(shí)現方案，為相關(guān)研究者提供參考依據；從理論基礎到實(shí)際應用，從當前研究遇到的技術(shù)挑戰再到未來(lái)發(fā)展方向的展望，為液體火箭發(fā)動(dòng)機故障診斷系統冗余容錯技術(shù)的研究提供了全面的綜述和分析。

摘要:衛星通信地球站設備上架后使用時(shí)間長(cháng)。日常工作中，崗位人員根據經(jīng)驗及頻譜儀等設備對某些關(guān)鍵指標進(jìn)行手動(dòng)測試，結果數據記錄零散、可應用性低，整套設備的性能衰減難以測量。基于此，通過(guò)定制嵌入式平臺、性能測試流程，利用性能測試原理與儀器控制技術(shù)，采集處理相應節點(diǎn)頻譜信息并計算特征值，利用多源數據進(jìn)行綜合判定與分析，最終獲得在線(xiàn)設備性能測試數據，并通過(guò)曲線(xiàn)直觀(guān)展示，實(shí)現了整套地球站設備的性能測試過(guò)程。由于系統記錄的測試結果可對比，人員感知設備性能的變化并做好相關(guān)工作，避免設備失效對工作造成的影響。通過(guò)對系統使用前后相關(guān)參數的對比，在性能測試方面，系統具有快速、準確、開(kāi)放性好的優(yōu)點(diǎn)。系統獲得的測試數據亦為后續智能化運維提供了數據基礎。

摘要:列車(chē)通信網(wǎng)絡(luò )異常流量的類(lèi)型和形式多樣化，特征提取難度較大，異常入侵檢測效果較差，為此，設計基于雙向AC算法的列車(chē)通信網(wǎng)絡(luò )異常入侵檢測系統。采集層利用網(wǎng)絡(luò )數據采集器，在列車(chē)通信網(wǎng)絡(luò )內，采集列車(chē)通信網(wǎng)絡(luò )信息；存儲層以分布式存儲、列式存儲與結構化存儲方式，存儲采集的信息；分析層利用協(xié)議解析模塊，解析信息，得到符合規范的信息。其中，深度包過(guò)濾模塊利用白名單技術(shù)深度包過(guò)濾符合規范的信息，提取關(guān)鍵信息；入侵特征模式提取模塊能夠在關(guān)鍵信息內提取異常入侵特征模式；特征模式匹配模塊利用雙向AC算法，自動(dòng)匹配提取的特征模式與入侵特征模式庫內的特征模式；入侵響應模塊通過(guò)分析自動(dòng)匹配結果，完成列車(chē)通信網(wǎng)絡(luò )異常入侵檢測。可視化層以可視化的報表形式，呈現異常入侵檢測結果。實(shí)驗結果表明，該系統可有效采集列車(chē)通信網(wǎng)絡(luò )信息，完成異常入侵特征模式提取，該系統可快速自動(dòng)匹配異常入侵特征模式，異常入侵檢測精度較高。

摘要:三維姿態(tài)角光學(xué)測量通過(guò)對物體表面的光學(xué)圖像處理,實(shí)現對物體的角度姿態(tài)測量。為提高目標三維姿態(tài)角光學(xué)檢測的準確性,提出基于立體視覺(jué)的大視場(chǎng)三維姿態(tài)角光學(xué)測量系統設計方法。利用雙基準平行準直光源與姿態(tài)敏感器,通過(guò)圖像傳感器、USB接口芯片等部件實(shí)現分割光斑、質(zhì)心定位等功能。在Linux內核基礎上設計信號收集、數據移植、串口通信、姿態(tài)角分析4個(gè)軟件模塊,同時(shí)引入立體視覺(jué)算法探究靶標點(diǎn)和圖像像點(diǎn)對應關(guān)聯(lián),運用視差定理確立空間角度的三維坐標,實(shí)現大視場(chǎng)三維姿態(tài)角測量。實(shí)驗結果證明:所建系統姿態(tài)角標定誤差小、時(shí)間同步性強,測量累計時(shí)間低于15s,具有較高的測量精度和魯棒性,為機械設備精密部件尺寸測量提供了一種有效的技術(shù)手段。

摘要:高速軌道形變是指高速鐵路軌道在運營(yíng)過(guò)程中由于列車(chē)荷載、溫度變化、地基沉降等因素而發(fā)生的變形現象,極大影響了高速鐵路車(chē)輛的行駛安全性,為此,設計了基于激光雷達與機載光電成像融合的高速軌道形變檢測系統。通過(guò)激光發(fā)射器、激光信號接收器的結構設計與組裝,實(shí)現激光雷達成像模塊的設計,從無(wú)人機、光電攝像機、云臺等方面,完成對機載光電成像模塊的設計,實(shí)現圖像數據的融合處理。在硬件優(yōu)化系統的支持下,生成高速軌道的激光雷達與機載光電圖像,經(jīng)過(guò)去噪、畸變校正、去霧等操作,完成對初始圖像的預處理。采用加權融合的方式,得到激光雷達與機載光電融合圖像,并提取融合圖像的邊緣特征,計算高速軌道位置坐標,通過(guò)坐標計算結果與軌道初始結構數據的比對,輸出高速軌道形變的檢測結果。實(shí)驗結果表明:所設計系統的平均狀態(tài)誤檢率為2.3%,形變量檢測誤差平均值為0.15mm,具有良好的檢測能力。

摘要:隨著(zhù)云計算和網(wǎng)絡(luò )虛擬化的快速發(fā)展，云網(wǎng)融合環(huán)境下的分布式網(wǎng)絡(luò )較普通網(wǎng)絡(luò )更加復雜和龐大，導致網(wǎng)絡(luò )入侵路徑跟蹤的查全率難以得到保障，為此，提出云網(wǎng)融合環(huán)境下分布式網(wǎng)絡(luò )入侵路徑跟蹤檢測方法，結合云網(wǎng)融合環(huán)境下分布式網(wǎng)絡(luò )的特性，構建了分布式網(wǎng)絡(luò )模型，將網(wǎng)絡(luò )數據流信息轉化為統一的格式后，利用入侵信息特征因子實(shí)現對入侵路徑的跟蹤檢測。在測試結果中，F-1值始終大于0.85，明顯優(yōu)于對照組，具有較高的查全性能。

摘要:為預防公共場(chǎng)所因吸煙而引發(fā)的安全事故，在YOLOv3框架的基礎上提出了改進(jìn)的吸煙檢測算法。首先針對傳統上采樣操作丟失像素信息等問(wèn)題，設計出一種卷積-轉置卷積模塊進(jìn)行替換；在特征融合部分加入坐標注意力機制，使網(wǎng)絡(luò )更好關(guān)注小目標；使用改進(jìn)的k-means++優(yōu)化先驗框；最后將GIoU替換IoU作為算法的損失函數，進(jìn)一步提高檢測精度。此外，構建了一個(gè)多場(chǎng)景的抽煙數據集，并對數據集進(jìn)行數據增強與擴充。實(shí)驗結果表明改進(jìn)后算法較原算法在A(yíng)P@0.5和AP@0.5：0.95上分別提高5.58%和3.34%，FPS降低3點(diǎn)左右。

摘要:針對煤礦帶式輸送機皮帶位移故障診斷中存在局限性大、耗時(shí)長(cháng)的問(wèn)題,研究將故障數據進(jìn)行多源異構處理,并在數據處理的基礎上將邊緣檢測算法與深度細節網(wǎng)絡(luò ),構建了一種結合邊緣檢測算法與改進(jìn)深度細節網(wǎng)絡(luò )的多源異構數據故障診斷模型。研究首先利用邊緣檢測算法提取輸送機圖像中的邊緣特征,然后結合多源異構數據,并通過(guò)改進(jìn)后的深度細節網(wǎng)絡(luò )進(jìn)行故障識別,并構建故障診斷模型。結果表明檢測模型在皮帶邊緣圖像數據處理的檢測準確率平均值為95.27%,比目標檢測算法和K最鄰近分類(lèi)算法的準確率高出了5.34%和10.21%。同時(shí)檢測模型的圖像數據查全率平均值為93.46%,比目標檢測算法和K最鄰近分類(lèi)算法的查全率高出了4.09%和7.18%。這說(shuō)明研究構建的多源異構數據故障診斷模型能夠顯著(zhù)提升皮帶位移檢測的可靠性和魯棒性,具有重要的研究?jì)r(jià)值和實(shí)際應用前景。

摘要:針對傳統線(xiàn)纜絕緣厚度測量方法存在效率低和準確度差的問(wèn)題，提出一種基于自適應局部交替遺傳算法(ALA-GA)的絕緣厚度檢測方法。該方法利用ALA-GA算法在試件圖像的內外邊緣交替搜索從而獲得最優(yōu)絕緣厚度位置；該算法引入試件先驗結構知識，根據試件截面邊緣曲率特征自適應選取初始種群，從而保證初始種群基因的優(yōu)質(zhì)性和多樣性；將交叉和變異操作置前，對于試件截面內外邊緣局部交替地自適應改變交叉和變異的方式，從而提高遺傳算法的求解速度；為了不丟失任一邊緣的優(yōu)質(zhì)基因，對交叉、變異后得到的新種群和原種群共同執行后置選擇操作；每獲得一個(gè)最優(yōu)檢測位置，剔除該位置附近的其余解，如此迭代執行ALA-GA算法以獲得精確的絕緣厚度檢測結果。對比實(shí)驗以及能力驗證表明，基于A(yíng)LA-GA方法的時(shí)間代價(jià)為0.6s~0.7s，最薄點(diǎn)測量誤差為0.0012mm~0.0015mm，平均測量誤差為0.0013mm~0.0017mm，測量重復性為0.0018mm~0.0021mm，均優(yōu)于現有先進(jìn)方法，且對不規整線(xiàn)纜泛化能力良好。

摘要:針對傳送帶瑕疵在圖像中所占有的像素相對有限、特征相對微弱且分布不均勻的問(wèn)題，設計了一個(gè)傳送帶缺陷檢測系統，并提出了一種基于高斯混合模型(GMM, gaussian mixture model)的標簽分配策略；利用特征感受野遵循高斯分布的先驗信息進(jìn)行高斯建模，并通過(guò)動(dòng)態(tài)調整機制適應不同尺度的傳送帶缺陷，能夠更有效地提升對微小瑕疵的捕捉能力；使用感受野距離取代交并比來(lái)衡量高斯感受野和真實(shí)標簽的相似度，并通過(guò)二者之間的相似度來(lái)分配樣本，從而有效提高了樣本分配的準確性；使用高斯混合模型并通過(guò)期望最大化(EM, expectation-maximization)算法擬合概率分布，實(shí)現了對特征點(diǎn)的自適應正負樣本分配，能夠有效避免微小瑕疵特征微弱所導致的漏檢問(wèn)題；結果表明，高斯混合模型標簽分配策略對傳送帶缺陷檢測精度的提升十分明顯，相對于基準網(wǎng)絡(luò )，精度提升3.8%。

摘要:電機軸承在運行中一般受到載荷、傳輸和沖擊的共同影響，導致軸承極易出現故障，從而導致整個(gè)電機的機械故障。振動(dòng)信號分析方法是目前用于電機軸承故障監測和診斷的最常用技術(shù)。然而，由于軸承故障脈沖信號的能量非常微弱，因此極易被振動(dòng)信號中的噪聲與其他干擾所淹沒(méi)。為了解決這一問(wèn)題，本文在基于經(jīng)驗模態(tài)分解方法的故障特征提取與理論計算的基礎上，提出了一種改進(jìn)的經(jīng)驗模態(tài)分解方法和一種新穎的解析能量算子相結合的電機軸承故障診斷方法。在該提出的診斷方法中，首先采用一種改進(jìn)的經(jīng)驗模態(tài)分解方法將振動(dòng)信號分解成多個(gè)信號分量，從而去除背景噪聲和振動(dòng)干擾。然后，利用一種包絡(luò )譜峭度指標來(lái)衡量振動(dòng)信號的復雜度，從而選擇出合適的信號分量進(jìn)行進(jìn)一步分析。最后，采用解析能量算子從分解后的信號分量中提取電機軸承故障特征。通過(guò)仿真信號和實(shí)際電機軸承振動(dòng)信號驗證了所提方法的有效性和優(yōu)越性。

摘要:為提高數字專(zhuān)網(wǎng)的通信終端與配套加密組件測試效率,降低實(shí)裝測試環(huán)境的構建、運維及人力成本,開(kāi)展了基于半實(shí)物仿真的測試系統設計；對通信終端與加密組件的測試需求進(jìn)行了分析,提出并實(shí)現了一種模擬數字專(zhuān)網(wǎng)的通信建鏈流程和加密通信業(yè)務(wù)流程的方法；采用了通用AXIe(儀器與測試高級電信計算架構的擴展)測試平臺與擴展測試儀器的架構進(jìn)行系統設計,實(shí)現與不同測試對象的物理接口適配、信號調理以及報文數據交互控制,為通信終端及加密組件的加密業(yè)務(wù)成功率測試、語(yǔ)音質(zhì)量評測以及遠供工作電流測量提供自動(dòng)化測試技術(shù)手段；經(jīng)驗證,測試系統通信鏈路時(shí)延＜100ns,可為通信終端提供良好的語(yǔ)音質(zhì)量評測環(huán)境,PESQ(感知語(yǔ)音質(zhì)量評測模型)測試≥4.20,可支持加密業(yè)務(wù)成功率指標≥99.9%的無(wú)人值守測試。

摘要:電池金屬表面淺劃傷、淺凹陷等微弱缺陷在傳統二維圖像中對比度低、與背景紋理難區分等問(wèn)題，降低了缺陷的檢出率；為解決以上問(wèn)題，提出了一種基于多視圖融合的微弱缺陷檢測增強方法；針對微弱缺陷在不同光源方向下合成的三維信息存在缺失問(wèn)題，提出通過(guò)多方向光源裝置采集八張不同光源角度圖像增加金屬表面的光度信息；通過(guò)改進(jìn)的八方向光度立體簡(jiǎn)化模型獲取金屬表面三維信息，凸顯缺陷的三維特征；針對微弱缺陷在深度圖像中存在的圖像模糊、對比度低下等問(wèn)題，通過(guò)分析微弱缺陷高度特征呈現角度敏感性特點(diǎn)，拆分抽取深度相關(guān)性高的三維信息分量圖，由融合系數融合得到增強圖像，提高了微弱缺陷的對比度；實(shí)驗結果表明，該方法應用于實(shí)際金屬表面缺陷圖像檢測中，檢測精確率提升了19.8%，召回率提升了18.9%，能夠較好地解決金屬表面微弱缺陷圖像檢測對比度低下的問(wèn)題。

摘要:航空發(fā)動(dòng)機起動(dòng)過(guò)程失速是影響發(fā)動(dòng)機起動(dòng)成功率與安全性的直接影響因素,為保證發(fā)動(dòng)機的工作安全,設計基于小波分析的航空發(fā)動(dòng)機起動(dòng)過(guò)程失速檢測系統。設計航空發(fā)動(dòng)機轉速、流量等傳感器,為滿(mǎn)足小波分析技術(shù)的運行要求,調整工作信號處理器的內部結構,改裝系統主控單元,調整系統電路的連接方式,完成硬件部分的優(yōu)化設計。從邏輯和物理兩個(gè)方面,構建檢測系統數據庫。通過(guò)航空發(fā)動(dòng)機起動(dòng)過(guò)程的模擬,確定失速現象的檢測標準。利用傳感器設備采集航空發(fā)動(dòng)機起動(dòng)過(guò)程工作數據,利用小波分析技術(shù)的變換與分解操作,處理航空發(fā)動(dòng)機工作數據,通過(guò)工作特征的提取與匹配,實(shí)現系統的航空發(fā)動(dòng)機起動(dòng)過(guò)程失速檢測功能。通過(guò)系統測試實(shí)驗得出結論:在理想和非理想場(chǎng)景下,與當前失速檢測系統相比,優(yōu)化設計系統的轉速檢測誤差分別減小109.4r/min和128.1r/min,失速誤檢率分別降低了10%和25%,具有較好的應用性能。

摘要:溫室大棚是種植反季農作物的重要環(huán)境,棚內環(huán)境參數直接決定了農作物的生產(chǎn)質(zhì)量和數量。然而,現有的測控系統由于受天氣條件等因素的影響,導致環(huán)境溫濕度測試存在一定的誤差。為了滿(mǎn)足農作物的生長(cháng)需求,并提高精確度,本文進(jìn)行了基于LoRa無(wú)線(xiàn)傳感網(wǎng)絡(luò )的農業(yè)溫室大棚環(huán)境測控系統的優(yōu)化設計。首先,對空氣溫濕度、光照度、二氧化碳濃度等傳感器設備進(jìn)行了改裝,使其成為L(cháng)oRa無(wú)線(xiàn)傳感網(wǎng)絡(luò )的終端節點(diǎn)。其次,對數據處理器和控制器的內部結構進(jìn)行了調整,在系統數據庫中根據大棚環(huán)境測試數據內容及數據之間的邏輯關(guān)系進(jìn)行了構建。在硬件系統和數據庫的支持下,在農業(yè)溫室大棚環(huán)境中組建了LoRa無(wú)線(xiàn)傳感網(wǎng)絡(luò ),并實(shí)時(shí)采集大棚的環(huán)境數據。通過(guò)LoRa無(wú)線(xiàn)傳感網(wǎng)絡(luò )將采集到的數據傳輸到系統終端。測量了大棚的溫度、濕度、光照度、二氧化碳濃度等環(huán)境指標,并結合農作物生長(cháng)對環(huán)境的要求,確定了環(huán)境控制目標。通過(guò)計算調整控制量,實(shí)現了系統對農業(yè)溫室大棚環(huán)境的測控功能。通過(guò)對實(shí)驗結果的分析,發(fā)現與傳統測控系統相比,優(yōu)化設計的系統在環(huán)境溫濕度測試方面的誤差分別降低了3.65℃和3.75%。這表明,在優(yōu)化設計的系統下,大棚環(huán)境溫濕度的控制誤差顯著(zhù)降低。

摘要:網(wǎng)絡(luò )安全環(huán)境不斷變化,容易出現新的攻擊技術(shù)和漏洞,而面對網(wǎng)絡(luò )通信產(chǎn)生巨大的數據流量,會(huì )影響網(wǎng)絡(luò )通信數據泄露自動(dòng)檢測的效果,故提出基于區塊鏈技術(shù)的網(wǎng)絡(luò )通信數據泄露自動(dòng)檢測系統設計研究。系統硬件部分基于區塊鏈技術(shù)搭建網(wǎng)絡(luò )通信數據存儲結構,為網(wǎng)絡(luò )通信提供更安全、可信和高效的數據存儲方式,同時(shí)根據設計系統硬件需求設計網(wǎng)絡(luò )通信數據流檢測裝置與污點(diǎn)分析器。系統軟件部分利用污點(diǎn)分析法詳細描述了網(wǎng)絡(luò )通信數據泄露問(wèn)題,獲取并驗證潛在污染流,以此為依據,結合設計系統硬件檢測數據,制定網(wǎng)絡(luò )通信數據泄露自動(dòng)檢測程序,實(shí)現網(wǎng)絡(luò )通信數據泄露的自動(dòng)檢測。實(shí)驗數據顯示:設計系統的網(wǎng)絡(luò )通信數據泄露檢測準確性為95%,數據泄露檢測時(shí)延最小值為7.20ms,充分證實(shí)了設計系統應用性能更佳。

摘要:設備RUL預測在提高設備可靠性、安全性、降低維護成本等方面具有重要意義。通過(guò)提前發(fā)現設備的健康狀態(tài)和潛在故障，RUL預測有助于降低突發(fā)故障風(fēng)險、延長(cháng)設備壽命，提高工作效率，確保任務(wù)正常運行。然而在面對設備越來(lái)越復雜，采集到的傳感器數據維度越來(lái)越高，傳統方法和某些深度學(xué)習方法在處理特征關(guān)系、長(cháng)時(shí)間序列數據和挖掘重要傳感器數據方面存在限制。為了提高預測準確性，提出一種基于MWCEN結合Informer的混合模型——MWCEN-Informer，MWCEN通過(guò)動(dòng)態(tài)工況編碼算法對設備時(shí)序數據進(jìn)行工況編碼，對設備傳感器進(jìn)行一維多尺度混合卷積充分提取特征信息，使用多分支通道注意力機制增強有效特征，增強后的傳感器數據輸入Informer用于分析設備傳感器時(shí)序數據的關(guān)聯(lián)性，以實(shí)現更準確的設備RUL預測。以基于C-MAPSS的通用渦扇發(fā)動(dòng)機數據集進(jìn)行驗證，結果表明，該模型在四個(gè)子集上的RMSE平均減少了5.5%，S-Score平均減少了4.7%，能有效提高設備在復雜工況和復雜故障下的RUL預測精度。

摘要:在軟件缺陷預測中，跨項目缺陷預測是基于源項目的標記數據來(lái)訓練模型，并預測當前正在開(kāi)發(fā)的目標項目的缺陷；然而，兩個(gè)不同項目數據之間的分布差異往往限制了跨項目缺陷預測模型的能力；由于源域和目標域的數據通常來(lái)自不同的分布，因此現有方法主要集中于適應跨域邊緣或條件分布；在實(shí)際應用中，現有方法無(wú)法定量評估邊緣分布和條件分布的重要性，這將導致傳輸性能不理想；論文提出了一種基于動(dòng)態(tài)分布適應網(wǎng)絡(luò )的跨項目缺陷預測方法來(lái)解決分布差異問(wèn)題，它利用遷移學(xué)習能夠定量評估每個(gè)分布的相對重要性；論文對來(lái)自3個(gè)公共數據集的 24個(gè)項目進(jìn)行了實(shí)驗，以驗證所提出的方法。結果表明，平均而言在 AUC 和 F1 分數上分別比所有基線(xiàn)方法高出至少 1.3% 和 5.7%。這表明所提出的方法具有良好的性能特點(diǎn)。

摘要:針對滾動(dòng)軸承疲勞故障振動(dòng)信號具有能量弱、特征稀疏等特點(diǎn)，提出了一種通過(guò)改進(jìn)自適應噪聲完備經(jīng)驗模態(tài)分解方法與粒子群優(yōu)化的最小二乘支持向量機結合的故障識別方法。對軸承不同故障信號利用改進(jìn)的自適應噪聲完備經(jīng)驗模態(tài)算法分解為一系列固有模態(tài)函數分量；根據相關(guān)系數-方差貢獻率準則篩選出最能表征原始信號狀態(tài)的分量，并計算重構分量的奇異譜熵值構成特征向量；將提取的特征向量集合輸入到基于粒子群優(yōu)化的最小二乘支持向量機分類(lèi)器中，進(jìn)行模型的訓練和故障模式的識別，與SVM和LSSVM分類(lèi)器模型進(jìn)行準確率和效率比較。試驗結果表明，該方法在滾動(dòng)軸承故障信號中能有效提取故障特征，準確率達98.75%，具有一定可靠性和實(shí)用性。

摘要:面對不斷擴大的電網(wǎng)規模及愈加復雜的外部環(huán)境,影響智能電能計量設備安全穩定運行的因素也在不斷增加,,因此,設計基于IGA-BP神經(jīng)網(wǎng)絡(luò )的智能電能計量設備狀態(tài)自動(dòng)檢測系統。硬件中,設計數據采集模塊、信號處理模塊、數據傳輸模塊與數據分析模塊。軟件中,通過(guò)采集智能電能計量設備檢測數據,選取基礎電能計量誤差、電壓波動(dòng)幅度、電流波動(dòng)幅度、功率因數為智能電能計量設備狀態(tài)量,引入改進(jìn)遺傳算法-反向傳播算法(Improved Genetic Algorithm-Back Propagation,IGA-BP)神經(jīng)網(wǎng)絡(luò )對狀態(tài)量進(jìn)行迭代運算,實(shí)現智能電能計量設備狀態(tài)自動(dòng)檢測。實(shí)驗結果顯示:應用設計系統的智能電能計量設備狀態(tài)檢測時(shí)間最小值為2s,檢測結果與實(shí)際結果一致,充分證實(shí)了設計系統具備較好的設備狀態(tài)檢測效率與精度。

摘要:飛行器在實(shí)際飛行過(guò)程中會(huì )受到風(fēng)力、氣流等外界干擾,會(huì )引起飛行器軌跡離期望軌跡,導致傳感器獲取的飛行器狀態(tài)信息存在誤差。為及時(shí)反饋飛行器的飛行狀態(tài),設計基于改進(jìn)樽海鞘群算法的飛行器航跡自適應控制系統。改裝姿態(tài)角測量傳感器、位置測量傳感器、空速計等傳感器,調整處理器與航跡控制器的內部結構,實(shí)現硬件系統的優(yōu)化設計。根據飛行器飛行任務(wù),規劃飛行器期望航跡作為系統的控制目標。利用改進(jìn)樽海鞘群算法自適應檢測飛行器位姿,計算氣壓、風(fēng)速等飛行環(huán)境參數,在考慮飛行環(huán)境干擾的情況下,通過(guò)當前飛行器位姿與目標航跡的比對,得出飛行器航跡控制量的求解結果,通過(guò)控制指令的執行,實(shí)現系統的航跡自適應控制功能。實(shí)驗結果表明,所設計系統應用下飛行器直線(xiàn)、曲線(xiàn)航跡控制偏差的平均值分別為0.8km、2.1km,飛行器的抖振幅值為2.5db。

摘要:車(chē)輛協(xié)同式自適應巡航控制(CACC)以其高效便捷的特點(diǎn)成為智能交通系統的研究熱點(diǎn)，但隨著(zhù)車(chē)輛接入網(wǎng)絡(luò )，網(wǎng)絡(luò )攻擊對車(chē)聯(lián)網(wǎng)系統的安全性造成了很大威脅。針對傳統方案較繁瑣、密文密鑰同時(shí)傳輸數距仍可能被篡改的問(wèn)題，采用Paillier同態(tài)加密算法對加速度進(jìn)行加密，僅傳輸密文。針對控制目標設計一綜合跟蹤信號，并基于Paillier算法的同態(tài)性設計密文數乘運算，使加速度密文無(wú)須解密而直接用于自車(chē)構建跟蹤信號。將跟蹤信號與分布式模型預測控制(MPC)結合，采用線(xiàn)性矩陣不等式對控制策略的優(yōu)化問(wèn)題進(jìn)行轉化，求解最優(yōu)控制輸入，保證車(chē)輛隊列的安全協(xié)同行駛。經(jīng)MATLAB仿真驗證了控制系統的性能指標以及Paillier同態(tài)加密的有效性。

摘要:飛行探測器會(huì )受到氣象條件、磁場(chǎng)等環(huán)境干擾,影響探測器的運動(dòng)軌跡,進(jìn)而影響跟蹤精度。為實(shí)現對飛行探測器運動(dòng)軌跡的實(shí)時(shí)跟蹤與控制,設計基于大數據聚類(lèi)的飛行探測器復合跟蹤控制系統。在復合框架體系中,設置主控芯片、伺服驅動(dòng)設備兩類(lèi)應用結構,并聯(lián)合信標機元件,調節微慣性傳感器器件的實(shí)時(shí)連接狀態(tài),完成飛行探測器復合跟蹤控制系統的硬件設計。完善大數據聚類(lèi)算法,根據跟蹤路徑節點(diǎn)標定結果,定義具體的復合跟蹤坐標系,完成對飛行探測器復合跟蹤的實(shí)時(shí)控制建模,結合相關(guān)硬件,實(shí)現基于大數據聚類(lèi)的飛行探測器復合跟蹤控制系統的設計。實(shí)驗結果表明,所設計系統的目標復合跟蹤控制準確率較高,可以保證基站主機對飛行探測器運動(dòng)軌跡的實(shí)時(shí)控制能力。

摘要:針對現有倉儲搬運機器人避障控制算法存在的路徑尋優(yōu)易陷入局部最優(yōu)解,及多機器人同時(shí)作業(yè)易發(fā)生碰撞等問(wèn)題,對物流機器人的避障控制進(jìn)行了研究,并提出一種基于改進(jìn)勢場(chǎng)蟻群的控制算法。對機器人搬運過(guò)程中的移動(dòng)軌跡進(jìn)行了研究,給出了機器人空間運動(dòng)學(xué)方程。采用了蟻群算法對經(jīng)典人工勢場(chǎng)算法進(jìn)行優(yōu)化,提升全局尋優(yōu)能力并平衡引力和斥力的相互作用關(guān)系；在倉儲搬運機器人的局部區域避障方面,基于策略梯度算法對人工勢場(chǎng)做二次優(yōu)化,通過(guò)分析下一動(dòng)作指令的發(fā)生概率,改善多機器人同時(shí)作業(yè)時(shí)行進(jìn)路徑選擇的隨機性。經(jīng)測試,提出控制算法的路徑最短,完成單次運輸任務(wù)耗時(shí)僅為12.3s,而且在復雜路徑規劃條件下,機器人之間發(fā)生碰撞的次數也顯著(zhù)少于傳統避障控制算法,經(jīng)實(shí)際應用能夠滿(mǎn)足提升倉儲物流管理效率的需求。

摘要:全向移動(dòng)工業(yè)機器人在實(shí)際應用場(chǎng)景中,經(jīng)常處于存在較高噪音的環(huán)境中,導致多目標跟蹤的性能變差,為此設計基于雙環(huán)滑模控制的全向移動(dòng)工業(yè)機器人多目標點(diǎn)跟蹤控制系統。系統硬件設計了主控制器模塊及主控制器芯片；在數據采集模塊中配置數據采集卡,實(shí)施幀數據采集；在無(wú)線(xiàn)通信模塊中,采用Wi-Fi無(wú)線(xiàn)通信技術(shù),實(shí)現系統的遠程控制、數據傳輸功能。系統軟件部分設計基于GhostNet的改進(jìn)目標檢測網(wǎng)絡(luò ),實(shí)施多目標點(diǎn)檢測。設計基于改進(jìn)SORT算法的多目標點(diǎn)跟蹤算法,實(shí)現多目標點(diǎn)跟蹤。設計基于雙環(huán)滑模控制的多目標點(diǎn)跟蹤控制器,實(shí)現多目標點(diǎn)跟蹤控制。測試結果表明,靜態(tài)障礙物情況下,在倉庫場(chǎng)景下,設計系統的目標點(diǎn)跟蹤準確性批平均值為97.23%,室外場(chǎng)景下的目標點(diǎn)跟蹤準確性平均值為96.37%；動(dòng)態(tài)障礙物情況下,兩種場(chǎng)景下系統的目標點(diǎn)跟蹤準確性略低于靜態(tài)障礙物情況。

摘要:由于交通道路環(huán)境具有不確定性,為實(shí)現對換道行為的有效控制,設計基于正弦函數的自動(dòng)駕駛電動(dòng)汽車(chē)換道控制系統。利用正弦型三相逆變控制電源輸入的電力信號,驅動(dòng)換道模擬平臺與換道信息通信編碼器,完成自動(dòng)駕駛電動(dòng)汽車(chē)換道控制系統的各級應用部件設計。篩選出關(guān)鍵的換道片段,在此基礎上,提取始末換道位置,構建車(chē)道中心線(xiàn)勢場(chǎng),定義具體的換道軌跡簇,生成控制所需的電動(dòng)汽車(chē)換道軌跡簇。根據安全換道車(chē)距的正弦函數計算結果,搭建反饋控制器閉環(huán),并利用該模型實(shí)施對換道軌跡的控制與規劃,實(shí)現基于正弦函數的汽車(chē)換道行為控制,聯(lián)合各級應用結構,完成自動(dòng)駕駛電動(dòng)汽車(chē)換道控制系統的設計。實(shí)驗結果表明,上述系統不會(huì )因不及時(shí)換道導致自動(dòng)駕駛電動(dòng)汽車(chē)的行車(chē)碰撞問(wèn)題,且能夠準確識別道路中的障礙物,提升行車(chē)安全。

摘要:針對傳統DSP應用程序燒寫(xiě)的缺陷，設計了一種利用串口對應用程序進(jìn)行升級的方法。首先闡述了在線(xiàn)升級方案的必要性、所依賴(lài)的硬件系統組成和在線(xiàn)升級方案的總體構架，然后分別對應用程序HEX數據文件的轉換方法、HEX文件重新編碼的上位機軟件設計方法和DSP升級軟件設計方法等進(jìn)行了詳細的描述，最后通過(guò)實(shí)驗證明提出的在線(xiàn)升級方法有效，可靠，解決了星載激光器控制軟件必須通過(guò)JTAG口進(jìn)行燒寫(xiě)的缺點(diǎn)，為星載激光器產(chǎn)品長(cháng)期在軌執行任務(wù)時(shí)的軟件遠程升級奠定了基礎

摘要:在圖書(shū)館自動(dòng)化和智能化發(fā)展的背景下,實(shí)現高效的圖書(shū)機器人取書(shū)路徑規劃成為一項關(guān)鍵的技術(shù)挑戰。鑒于此,研究嘗試采用利用機器視覺(jué)的圖書(shū)機器人取書(shū)路徑控制方法。首先,研究利用實(shí)時(shí)定位與地圖構建技術(shù)中的Cartographer算法結合激光視覺(jué)雷達構建了圖書(shū)館柵格電子地圖。其次,引入A*算法并通過(guò)對優(yōu)化后的蟻群優(yōu)化算法進(jìn)行結合,實(shí)現并提出了一種新型機器人取書(shū)路線(xiàn)規劃控制模型,經(jīng)實(shí)驗測試發(fā)現,當權重系數為0.6時(shí),新型算法模型的性能表現最佳。其規劃的方案路徑最短為17m,成功率最高為95%。仿真測試后發(fā)現,新模型的線(xiàn)路規劃拐點(diǎn)數最少為10個(gè),相較于同類(lèi)型模型減少了4個(gè)拐點(diǎn)。由此可知,研究所提模型在路徑長(cháng)度和成功率方面均優(yōu)于傳統算法,有效提升了圖書(shū)機器人的取書(shū)效率和準確性,能夠為機器視覺(jué)與移動(dòng)機器人技術(shù)的應用研究貢獻一種新的思路。
關(guān)鍵詞:機器視覺(jué)；A*算法；電子地圖；線(xiàn)路規劃；取書(shū)
中圖分類(lèi)號:TP242.2 ????? 文獻標識碼:A

摘要:監控視頻系統是一種重要的技術(shù)手段,用于從龐大而復雜的監控視頻中提取關(guān)鍵信息,為安全管理和事件分析提供有效支持。隨著(zhù)監控設備的普及和監控視頻數據的快速增長(cháng),傳統的手動(dòng)方法已經(jīng)無(wú)法滿(mǎn)足快速處理和準確提取所需信息的需求,現代的深度學(xué)習方法普遍存在計算復雜度高,參數多的問(wèn)題。針對這一問(wèn)題,提出了一種基于動(dòng)態(tài)Transformer的監控視頻模型。自動(dòng)為每個(gè)輸入視頻幀配置適當數量的token,通過(guò)級聯(lián)多個(gè)Transformer模型,并逐漸增加生成的token數量,以實(shí)現自適應的激活順序；一旦產(chǎn)生足夠置信的預測,推理過(guò)程就會(huì )終止,并采用了特征重用和注意力重用技術(shù)以減少冗余計算；該模型在降低計算復雜度方面取得了顯著(zhù)進(jìn)展,經(jīng)實(shí)驗測試,相較于傳統模型,該動(dòng)態(tài)Transformer模型在準確率上有所提升,在這兩個(gè)公開(kāi)數據集上分數指標分別提高了3.7%和0.9%,同時(shí)計算復雜度降低了40%,可以滿(mǎn)足精度要求和監控要求,證明模型具有良好的泛化性。

摘要:針對混聯(lián)式混合動(dòng)力汽車(chē)能量利用效率低,動(dòng)力傳遞損耗大的問(wèn)題,研究對混聯(lián)式混合動(dòng)力汽車(chē)的液壓控制系統進(jìn)行了研究。進(jìn)行了離合器動(dòng)力學(xué)、安全閥狀態(tài)及液壓控制系統中的流體力學(xué)分析。采用工況分析與參數化設計理念,對P2混聯(lián)式混合動(dòng)力汽車(chē)的液壓控制系統進(jìn)行了設計研究,該設計的獨特之處在于改變了汽車(chē)不同工作模式的切換方式。經(jīng)過(guò)實(shí)驗測試,完全開(kāi)啟后安全閥壓力可穩定在16bar,且該控制系統利用離合器即可完成工作模式的切換,有效提高了汽車(chē)的能量利用效率,并降低了動(dòng)力傳遞過(guò)程中的損耗。研究設計的液壓控制系統實(shí)現了新能源汽車(chē)駕駛體驗的提升及汽車(chē)的節能減排。

摘要:針對某射流風(fēng)洞系統架構復雜、控制對象及液壓機構多、模型支撐機構調節靈活、馬赫數連續變化可調的特點(diǎn)，研制了一套專(zhuān)用的安全連鎖與狀態(tài)監控系統。該系統充分利用Profinet等先進(jìn)現場(chǎng)總線(xiàn)和實(shí)時(shí)網(wǎng)絡(luò )技術(shù)，搭建了基于西門(mén)子S7-1500系列PLC為核心控制器的硬件平臺，并自主研發(fā)了實(shí)時(shí)監控軟件系統，解決了多層/多源控制子系統之間的快速數據交換、試驗前仿真運行模擬策略等技術(shù)問(wèn)題，建立了可靠的安全聯(lián)鎖邏輯與三級關(guān)車(chē)機制。系統靜動(dòng)態(tài)測試表明，該系統適用馬赫數0.3~3.5區間內的風(fēng)洞試驗，快速閥開(kāi)閉時(shí)間優(yōu)于10s，調壓閥開(kāi)閉時(shí)間優(yōu)于2s，壓力監測精準度優(yōu)于0.1%，閥門(mén)開(kāi)度監測精準度優(yōu)于0.1mm，監測與控制調節周期優(yōu)于100ms，系統運行穩定流暢，數據實(shí)時(shí)準確，為風(fēng)洞人員及設備安全提供了必要的軟硬件保障。

摘要:為提升準零剛度磁懸浮隔振平臺的隔振效果,降低振源產(chǎn)生振動(dòng)信號對隔振對象產(chǎn)生的負面影響,優(yōu)化設計準零剛度磁懸浮隔振平臺主動(dòng)混合控制系統。改裝傳感器、功率放大器和驅動(dòng)設備,將控制器調整至主動(dòng)混合模式,調整系統電路的連接方式,完成控制硬件系統的設計。模擬準零剛度磁懸浮隔振平臺工作過(guò)程,通過(guò)平臺數據采集、特征提取和特征匹配等環(huán)節,檢測平臺被隔振對象的振動(dòng)狀態(tài)。測量振動(dòng)狀態(tài)下,測量準零剛度磁懸浮隔振平臺實(shí)時(shí)電磁力,作為平臺控制的初始值。在電磁理論的支持下,通過(guò)電磁力和電流控制量的計算,從主動(dòng)和混合兩個(gè)方面實(shí)現磁懸浮隔振平臺的主動(dòng)混合控制功能。測試實(shí)驗結果表明:主動(dòng)混合控制系統應用后,準零剛度磁懸浮隔振平臺中作用在被隔振對象上的振動(dòng)幅度和頻率衰減率分別提高了62.34%和32.005%。在準零剛度磁懸浮隔振平臺控制效果方面具有明顯優(yōu)勢。

摘要:城鄉結合部的建設是城市建設中重要的一環(huán)，由于難以布設有效的檢測設備，該區域車(chē)輛目標的夜間監管一直是城市管理的難題。基于無(wú)人機平臺紅外夜視圖像多運動(dòng)目標檢測為解決這一難題提供了智能化路徑：一種基于改進(jìn)YOLOv5的紅外夜視條件下多運動(dòng)目標識別方法，分析了交通對象特征、車(chē)輛停放對道路紅外輻射影響等，引入了CBAM注意力機制，以提取和融合空間和通道信息，增強了網(wǎng)絡(luò )對目標的表達能力；綜合Efficient IOU Loss和Focal Loss的優(yōu)點(diǎn)，使用EIoU-Focal Loss損失函數替換了CIoU Loss函數，解決了樣本不平衡、紅外圖像的低分辨率、噪聲干擾大以及目標與背景對比度低等弊端，提高了檢測的準確性；通過(guò)加入DCN動(dòng)態(tài)調整卷積核的形狀，適應圖像中目標的形變，降低因形狀不規則、變化較多造成的識別影響。在公開(kāi)數據集上對改進(jìn)網(wǎng)絡(luò )與經(jīng)典網(wǎng)絡(luò )進(jìn)行實(shí)驗和數據比較，結果表明：綜合改進(jìn)后的網(wǎng)絡(luò )對于多目標的識別,在YOLOv5x網(wǎng)絡(luò )較高的識別結果基礎上,精度提升3.9%,召回率提升4.1%,F1增加4.4%。

摘要:針對現有的RGB目標跟蹤算法難以有效應對光線(xiàn)變化、尺度變化、遮擋等問(wèn)題，我們提出了一種基于三維面陣激光成像系統的感知遮擋相關(guān)粒子濾波目標跟蹤算法。首先提出基于Depth深度數據及其HOG特征的目標遮擋判斷機制，然后融合相關(guān)最大似然估計粒子濾波算法形成目標預測-跟蹤-校準-再檢測的跟蹤機制。與現有的目標跟蹤算法進(jìn)行對比實(shí)驗的結果表明，基于三維面陣激光成像系統的感知遮擋相關(guān)粒子濾波目標跟蹤算法可以很好的檢測目標遮擋并進(jìn)行目標跟蹤，降低了光線(xiàn)變化帶來(lái)的影響，在目標預測-跟蹤-校準-再檢測方面，計算量較小，實(shí)時(shí)性較好，精確度達到85.7%。

摘要:軟件錯誤定位技術(shù)旨在通過(guò)挖掘程序與測試用例執行數據，提升定位準確性。針對SBFL技術(shù)過(guò)于依賴(lài)二進(jìn)制覆蓋信息的問(wèn)題，提出一種基于圖可解釋網(wǎng)絡(luò )的軟件錯誤定位方法，將測試執行轉化為圖結構，利用圖注意網(wǎng)絡(luò )建模深度挖掘代碼片段隱含的信息及其相互關(guān)系，并采用強化學(xué)習思想對圖注意力網(wǎng)絡(luò )學(xué)習后的決策過(guò)程進(jìn)行解釋?zhuān)瑥亩_定關(guān)鍵節點(diǎn)，縮小錯誤定位范圍。實(shí)驗的場(chǎng)景設立在Defects4j數據集的5個(gè)項目進(jìn)行了，并與SBFL及未經(jīng)過(guò)解釋的深度學(xué)習方法進(jìn)行了對比。結果顯示，基于圖可解釋網(wǎng)絡(luò )的定位方法在Top-1、Top-3和Top-5指標上分別提升了7.26%、7.56%和9.96%，EXAM指數也提升了8.98%，顯著(zhù)優(yōu)于其他方法。

摘要:針對路基病害分類(lèi)算法存在的復雜病害辨識難度大、多視圖雷達圖像特征利用不充分等問(wèn)題,本文提出一種基于改進(jìn)的GoogleNet-ResNet算法的路基病害智能分類(lèi)方法。首先,引入坐標注意力和改進(jìn)的Inception模塊對GoogleNet網(wǎng)絡(luò )結構進(jìn)行優(yōu)化。然后,利用改進(jìn)的GoogleNet學(xué)習c-scan數據特征剔除非目標病害,實(shí)現病害目標的粗分類(lèi)。最后,將分類(lèi)成病害的b-scan數據輸入基于遷移學(xué)習的ResNet50,實(shí)現病害的細分類(lèi)。實(shí)驗表明,改進(jìn)的GoogleNet進(jìn)行病害粗分類(lèi)的準確率可達到98.2%,檢測速度可達90.9FPS。基于遷移學(xué)習的ResNet50進(jìn)行病害細分類(lèi)的準確率可達90.5%,檢測速度可達52.6FPS。本文算法的準確率比單獨的改進(jìn)的GoogleNet網(wǎng)絡(luò )高10.1%,比單獨的ResNet50網(wǎng)絡(luò )高7.4%,有效地提高了道路路基病害的識別精度與效率。

摘要:隨著(zhù)X射線(xiàn)影像在醫療診斷領(lǐng)域的快速發(fā)展，在大量胸腔X射線(xiàn)影像產(chǎn)出的情況下，醫生根據經(jīng)驗進(jìn)行人為判斷分析的方式不能滿(mǎn)足診斷效率與準確率的需求，高效率、高準確率處理批量X射線(xiàn)影像分類(lèi)的問(wèn)題亟待解決。通過(guò)改進(jìn)殘差網(wǎng)絡(luò )對胸腔X射線(xiàn)影像進(jìn)行分類(lèi)，并設計一種加密傳輸系統，可有效解決上述問(wèn)題。利用對X射線(xiàn)影像進(jìn)行基于馬爾可夫隨機場(chǎng)的圖像增強，再采用深層信息挖掘能力較強的ResNet50作為主干網(wǎng)絡(luò )，增加自注意力機制并采用CELU激活函數優(yōu)化。經(jīng)Kaggle整合數據集實(shí)驗測試結果表明，在保證分類(lèi)準確性的前提下，分類(lèi)的召回率從0.432提升到0.652。同時(shí)，系統采用基于Logistic混沌序列的圖像加密算法，保證了遠程醫療診斷的私密性，滿(mǎn)足實(shí)際遠程醫療場(chǎng)景的應用需求。

摘要:針對現有人臉識別算法在運動(dòng)模糊、低光照等真實(shí)復雜環(huán)境下識別率低、魯棒性較差，導致難以穩定應用在實(shí)際人臉識別任務(wù)的問(wèn)題，提出一種基于自適應特征提取網(wǎng)絡(luò )的復雜環(huán)境下人臉識別方法；該網(wǎng)絡(luò )結合傳統方法的特征提取技術(shù)和深度學(xué)習網(wǎng)絡(luò )特征表示能力，實(shí)現了對不同復雜環(huán)境下人臉?lè )€定識別；設計了一種自適應紋理特征提取算法，通過(guò)自動(dòng)獲取閾值來(lái)實(shí)現特征提取，提高網(wǎng)絡(luò )計算效率；使用逆向傳播算法改進(jìn)深度信念網(wǎng)絡(luò )，并引入共軛梯度算法解決網(wǎng)絡(luò )的梯度消失問(wèn)題，減少其收斂時(shí)間，提高算法魯棒性；經(jīng)實(shí)驗驗證，所提方法在標準LWF數據集和復雜環(huán)境CASIA、MS1M數據集中的準確率分別達到99.72%、89.54%及88.75%，參數量和網(wǎng)絡(luò )計算量分別為2.84M及0.67G，均優(yōu)于對比算法，能夠滿(mǎn)足復雜環(huán)境下人臉識別任務(wù)需求。

摘要:傳統門(mén)禁系統存在鑰匙易被偽造、解鎖方式單一、難以對門(mén)禁區域進(jìn)行實(shí)時(shí)監控和數據分析等一系列安全性、體驗性問(wèn)題。結合物聯(lián)網(wǎng)技術(shù),以靈動(dòng)微電子MM32F5270開(kāi)發(fā)板作為主控,設計了一套安全性高、智能化高、可聯(lián)網(wǎng)的智慧門(mén)禁系統；系統以MindSDK和MircoPython為開(kāi)發(fā)平臺,由攝像頭模塊采集圖像數據,并交由MM32F5270處理后,通過(guò)WIFI模塊傳輸數據到服務(wù)器；根據接收到的圖像數據結合LBP算法獲取人臉特征點(diǎn)數據,并將其輸入至卷積神經(jīng)網(wǎng)絡(luò )以實(shí)現人臉檢測的目標；實(shí)驗結果表明,該智慧門(mén)禁系統能有效解決安全性差、數據管理難和無(wú)法實(shí)時(shí)監控等問(wèn)題,提高了用戶(hù)體驗和系統可靠性。

摘要:隨著(zhù)衛星制造發(fā)射成本的降低以及全球通信需求的增加，低軌星間鏈路技術(shù)成為研究熱點(diǎn)。星間鏈路可將多顆衛星互聯(lián)，建立具有導航和通信功能的自主運行系統，可靠的通信技術(shù)是當前的研究重點(diǎn)。為了適應外太空具有較大多普勒頻移的高動(dòng)態(tài)環(huán)境，設計了星間鏈路通信收發(fā)一體化系統。發(fā)射端采用UQPSK直接序列擴頻技術(shù)，雙通道架構可同時(shí)完成不同速率的導航與通信數據的發(fā)射，再運用LDPC編碼技術(shù)提升數據發(fā)射速率與穩定性；接收端采用改進(jìn)的PMF-FFT分段捕獲算法與歸一化最小和LDPC譯碼算法，以快速準確捕獲星間信息。在FPGA硬件平臺經(jīng)過(guò)多次測試，該系統均可在高動(dòng)態(tài)環(huán)境下，正確快速捕獲到多普勒頻移高達 341KHz的信號，捕獲算法時(shí)間均可保持在200ms以?xún)龋蠈?shí)際應用中的性能需求。

摘要:從目標逆合成孔徑雷達(ISAR Inverse Synthetic Aperture Radar)圖像序列中獲得目標的三維位置及結構信息,對目標識別與解譯、空間目標監視等技術(shù)十分重要。通過(guò)對散射點(diǎn)特征提取與匹配及三維重構算法的研究,實(shí)現基于ISAR圖像序列對目標的三維重構。首先利用LoFTR(Local Feature based Transformer)特征匹配算法提取目標強散射點(diǎn)關(guān)聯(lián)位置信息,通過(guò)粗匹配與精匹配獲得特征點(diǎn)二維坐標并生成觀(guān)測矩陣。然后利用正交因式分解法計算目標強散射點(diǎn)三維位置信息,并通過(guò)重構結果融合實(shí)現較好重構效果。通過(guò)對序列ALOS衛星圖像的處理,得到了目標強散射點(diǎn)的三維位置及形狀的重構結果。結果表明,該方法能有有效的從ISAR二維圖像信息中獲得目標的三維空間信息。

摘要:為了解決天鷹優(yōu)化器（AO,Aquila Optimization）集中在全局搜索導致的局部尋優(yōu)能力略差、依賴(lài)初始種群質(zhì)量和易陷入局部最優(yōu)的問(wèn)題，提出一種多策略混合的天鷹優(yōu)化器（MAO,Mixed Aquila Optimizer）；該算法利用改進(jìn)的Hooke-jeeves優(yōu)化基本天鷹優(yōu)化器的初始化種群質(zhì)量；引入模擬退火概率對易陷入局部最優(yōu)解進(jìn)行改進(jìn)；自適應權重提高前期全局搜索效率，延緩后期局部搜索速度，避免在正解附近徘徊；選取12個(gè)基準測試函數進(jìn)行實(shí)驗，并將MAO應用于風(fēng)力發(fā)電預測模型優(yōu)化；實(shí)驗結果表明，對于單峰函數、多峰函數和固定維函數，MAO比AO等對比函數具有更快的收斂速度和更高的精度；在春夏秋冬數據集上進(jìn)行仿真實(shí)驗，對比其他模型1月和10月預測精度提高了15%，4月和8月的預測曲線(xiàn)更加平滑；證實(shí)了MAO對于提高風(fēng)電預測的精度和速度的可行性和實(shí)用性。

摘要:針對現有控制算法存在的軌跡控制偏差大和避碰能力差等問(wèn)題,對六足機器人控制過(guò)程進(jìn)行了研究,并提出一種基于改進(jìn)SLAM算法的控制方案。對D-H模型進(jìn)行了研究,分析了六足機器人的空間運動(dòng)過(guò)程,采用高清攝像采集作業(yè)現場(chǎng)的圖像同時(shí)實(shí)現高清攝像頭的坐標轉換,利用IMU單元提升SLAM算法模型的穩定性并進(jìn)行誤差與參數的標定,基于局部二值化模型提取現場(chǎng)圖像的特征。在圖像特征集訓練中采用了CNN網(wǎng)絡(luò )模型提升SLAM算法模型的數據訓練能力,并根據與現場(chǎng)環(huán)境交互后最大折扣獎勵值,提升機器人步態(tài)穩定性和局部區域的避碰效果。實(shí)驗結果顯示:改進(jìn)SLAM算法實(shí)現了機器人全局范圍內的軌跡路徑尋優(yōu),路徑耗時(shí)僅為35.4s,在10次避碰測試中與障礙發(fā)生碰撞的次數為1次,優(yōu)于其他避碰控制算法。

摘要:光伏組件表面清潔度分析過(guò)程中，容易受到非線(xiàn)性信號影響，導致識別結果不精準。為了解決這個(gè)問(wèn)題，提出了光伏組件表面清潔度非線(xiàn)性自回歸識別技術(shù)。分析臟污、熱斑效應對光伏組件發(fā)電量影響，獲取光伏組件表面時(shí)程響應非線(xiàn)性信號。模擬光伏組件表面的時(shí)域非線(xiàn)性不清潔問(wèn)題，分析非線(xiàn)性信號單元，從時(shí)程響應中提取相應的非線(xiàn)性特征，消減環(huán)境不確定因素的干擾。通過(guò)線(xiàn)性函數過(guò)濾時(shí)程響應線(xiàn)性信號，計算概率化條件方差，確定非線(xiàn)性自回歸識別指標。構建非線(xiàn)性自回歸臟污、熱斑效應識別結構，通過(guò)非線(xiàn)性自回歸I-V曲線(xiàn)識別臟污，利用非線(xiàn)性自回歸損失函數識別熱斑效應。由實(shí)驗結果可知，使用所研究技術(shù)識別的臟污I-V特性顯示，當電壓為0時(shí)，短路電流為0.41A，當電流為0時(shí)，開(kāi)路電壓為19.5V；識別的熱斑效應I-V特性顯示，曲線(xiàn)1、2、3對應的最大短路電流分別為4.0A、4.0A、2.0A，最大開(kāi)路電壓分別為100V、80V和55V，與實(shí)際數據一致，具有精準識別效果。

摘要:在火箭遙測系統單機的實(shí)際研制工程中，遇到兩個(gè)關(guān)于產(chǎn)品FPGA軟件的故障，每個(gè)故障均定位于兩個(gè)不同FPGA軟件協(xié)同工作時(shí)的接口信號。為了解決接口信號設計不合理的問(wèn)題，使用仿真工具對不同軟件進(jìn)行聯(lián)合仿真，尤其專(zhuān)門(mén)針對兩個(gè)軟件間的接口信號的時(shí)序進(jìn)行仿真。通過(guò)此種方法很清晰地定位了軟件接口信號的故障并且提出了行之有效的改進(jìn)措施，并且和用示波器測量信號的方法相比，所用方法更加高效、直觀(guān)、便捷。結果表明，通過(guò)對兩個(gè)不同軟件的聯(lián)合仿真，完美地展現了接口信號的時(shí)序，優(yōu)化了設計流程，目前已將此方法和設計流程作為模塊間接口信號設計的必備流程，用于提升產(chǎn)品的可靠性。

摘要:準確地評估電廠(chǎng)設備健康狀態(tài),對電廠(chǎng)安全穩定生產(chǎn)、提高設備運行安全性具有十分重要的意義。針對當前電廠(chǎng)設備健康評估方法存在預測精度不高的問(wèn)題,提出了一種基于集成深度隨機森林算法的智能電廠(chǎng)設備健康評估方法。首先,詳細介紹電廠(chǎng)設備健康評估系統結構,且分析了健康評估數據結構與影響因素；然后,將設備評估分為6類(lèi)不同的層級,使得設備健康狀態(tài)分析更方便；其次,結合深度學(xué)習與集成學(xué)習技術(shù),提出了集成深度隨機森林算法；最后,通過(guò)仿真實(shí)驗分析驗證了提出方法的有效性。結果表明,所提方法提高了評估模型的準確度。

摘要:對煉化裝置的健康評價(jià)主要關(guān)注故障檢測和故障診斷領(lǐng)域；這種技術(shù)僅能監測現場(chǎng)裝置是否存在故障，難以發(fā)現裝置在長(cháng)期運行過(guò)程中可能出現的潛在異常或故障，為解決這一問(wèn)題，提出了一種針對裝置級別的健康度評價(jià)體系，該評價(jià)體系建立了包括工藝分組健康度、安全聯(lián)鎖健康度和能耗環(huán)保健康度三個(gè)方面的評價(jià)指標，進(jìn)而計算出催化重整裝置整體的健康度；將裝置按級劃分，并采用層次分析法確定各級權重，接著(zhù)通過(guò)控制回路異常檢測技術(shù)結合設定的打分規則，計算出工藝分組健康度；根據預警機制復現安全聯(lián)鎖系統，并分析能耗環(huán)保指標，得到裝置整體評價(jià)結果；將本文提出的評價(jià)體系應用于某煉化廠(chǎng)催化重整裝置，試驗結果表明，該方法能夠對催化重整裝置進(jìn)行定量和合理的評價(jià)。

摘要:針對船舶沖擊爆炸試驗數據存儲分散、管理困難以及利用率低的現狀，研究設計了船舶沖擊爆炸試驗數據管理系統，采用B/S架構和C/S架構混合架構模式，基于VUE、Ext、Java、Python等技術(shù)框架和編程語(yǔ)言進(jìn)行開(kāi)發(fā)。該系統可提供試驗任務(wù)管理、試驗數據管理、試驗數據分析、試驗資源管理、試驗知識管理和系統管理等功能，具有管理數據豐富、分析算法動(dòng)態(tài)可擴展等特點(diǎn)。測試結果表明，該系統實(shí)現了船舶沖擊爆炸試驗數據的規范管理，解決了試驗過(guò)程中數據存儲與管理分散等問(wèn)題，提高了船舶沖擊爆炸試驗數據管理能力與數據利用效率。