首页期刊导航|测试科学与仪器
期刊信息/Journal information
测试科学与仪器
中北大学
测试科学与仪器

中北大学

张记龙

季刊

1674-8042

jmsi@nuc.edu.cn

0351-3923306

030051

山西省太原市学院路3号

测试科学与仪器/Journal Journal of Measurement Science and InstrumentationCSCD北大核心
查看更多>>报道国内外最新测试与仪器技术动态，关注测试与仪器科学技术的热点、难点问题，为从事信息的获取和转换研究的科技工作者提供学术观点的展示和交流平台，推动中国测试与仪器技术的对外交流与合作。
正式出版
收录年代

    液压挖掘机齿尖挖掘力的间接检测方法

    孙天宇张平张森佟昆宏...
    1-8页
    查看更多>>摘要：液压挖掘机的挖掘力是反映挖掘机工作状态的一个重要参数.基于挖掘机工作装置的力学分析,建立了反应连杆机构截面应力与铲斗挖掘力之间关系的数学模型,并提出了一种新的挖掘力测量方法.通过有限元模拟分析,得到了连杆机构截面应力在不同挖掘力的仿真结果,与理论计算的误差约为8％.仿真结果验证了该测量方法的可行性.

    液压挖掘机应力检测挖掘力有限元仿真

      原文链接:
    • 万方数据
    • 维普

    纵横比自适应的时空正则化相关滤波算法

    许凯李婷葛洪伟
    9-22页
    查看更多>>摘要：在目标跟踪中,传统相关滤波算法无法感知运动目标尺度纵横比变化,且易受复杂环境影响导致跟踪失败.为此,提出了纵横比自适应的时空正则化相关滤波算法.首先,参考平均峰值相关能量(Average peak-to-correlation energy,APCE)和响应峰值对每个特征的响应图进行加权融合,以实现对目标的精确跟踪.其次,结合近正交性和空间正则化提出一种新的一维边界滤波器,通过定位目标包围框的四个边界位置实现对目标尺度和纵横比变化的自适应检测,有效抑制了边界效应带来的负面影响.最后,根据响应输出的峰值旁瓣比(Peak-to-sidelobe ratio,PSR)独立地调节各边界滤波器的学习率,防止模型退化.在OTB数据集上进行了测试,该算法表现出理想的跟踪效果,在各个挑战属性上相较于其他优秀算法均取得了更优结果.

    目标跟踪相关滤波空间正则化自适应纵横比模板更新响应融合

      原文链接:
    • 万方数据
    • 维普

    基于改进YOLOv5的电子元器件实例分割算法

    杨祎宁魏鸿磊
    23-32页
    查看更多>>摘要：为解决电子元器件组装中不同类型电子元器件难以自动区分的问题,利用改进的YOLOv5网络对电子元器件进行了实例分割,实现了不同元器件的自动识别分类.首先,使用三通道直方图均衡化对图像进行预处理.其次,在不增加模型复杂度的前提下,使用SE-Net通道注意力模块增强网络的特征提取能力,压缩无用信息;利用GhostNet实现网络轻量化;采用BiFPN增强网络特征融合能力.实验得出,采用改进的YOLOv5方法对电子元器件实例分割,其mAP为96.7％,单图的检测时间平均为45.5 ms.试样结果表明,该实例分割方法优于同类方法,对提高电子元件的自动化检测水平具有实用意义.

    实例分割深度学习YOLOv5元器件识别

      原文链接:
    • 万方数据
    • 维普

    边缘对抗结合层次门控卷积的人脸修复研究

    翟凤文周钊孙芳林金静...
    33-42页
    查看更多>>摘要：针对目前人脸缺损图像修复存在边缘模糊和失真等问题,提出了一种两阶段层次门控卷积网络(Hierarchical gated convolutional network,HGCN),并将其与边缘对抗网络相结合用于人脸图像修复.首先,采用边缘对抗网络生成边缘图像.其次,将边缘图、 掩模和缺损图像作为输入,训练HGCN的GAN模型以修复缺损人脸图像.HGCN网络采用门控卷积取代传统卷积,并引入了扩张卷积,网络的主体由粗修复模块和精修复模块组成.在粗修复模块中,编码器和解码器网络结构用于粗修复;在精细修复模块中,引入注意力机制来增强特征提取能力,进一步细化修复结果.实验使用Celeba-HQ数据集和NVIDIA不规则掩码数据集作为训练数据集,采用门控卷积网络和注意力机制网络作为实验对比模型,PSNR、SSIM和MAE作为实验评估指标.实验结果表明,对于缺损区域小于20％的人脸图像,所提出的网络在上述三个指标上优于两种比较网络,而对于缺失区域大于20％的图像,所提出的网络与两种比较方法性能指标接近.在视觉效果方面,所提出的方法在细节上也优于两种对比网络.因而,所提出的网络可以明显提高图像修复效果,尤其是对图像细节的修复效果.

    深度学习人脸修复层次门控卷积网络边缘生成生成对抗网络

      原文链接:
    • 万方数据
    • 维普

    一种基于优化VMD-CWT-CNN的柱塞泵配流盘磨损状态识别方法

    吕尚杰谷立臣耿宝龙
    43-53页
    查看更多>>摘要：为解决一维振动信号难以充分挖掘表达状态特征信息以及柱塞泵配流盘磨损早期识别问题,基于卷积神经网络(Convolutional neural networks,CNN)优秀的图像处理能力,提出了一个优化VMD-CWT-CNN模型.首先,采用连续小波变换(Continuous wavelet transform,CWT)对信号进行预处理,得到信号的二维时频图,作为CNN模型的一路输入,将状态识别问题转化为CNN图像识别问题.其次,基于相关系数对变分模态分解(Variational mode decomposition,VMD)参数优化后,利用优化VMD对振动信号进行预处理,再以相关系数和峭度值最大为优选原则,甄选出三组蕴含故障特征的本征模态函数(Intrinsic mode function,IMF),将其重组为三通道一维信号,作为CNN模型的另一路输入.最后,在CNN模型中将两路信息汇聚并得到柱塞泵配流盘磨损状态识别分类结果.实验中,此方法分别采用优化VMD和CWT对振动信号预处理,再结合CNN对磨损状态进行分类.实验结果表明,该方法对于配流盘磨损的三种状态的识别效果显著优于单路输入的CNN模型以及典型的深度学习方法和机器学习分类器.因此,优化的VMD-CWT-CNN方法可以更准确地实现柱塞泵配流盘磨损状态识别.

    柱塞泵配流盘磨损振动信号卷积神经网络变分模态分解连续小波变换

      原文链接:
    • 万方数据
    • 维普

    使用动态数据增强和对比学习进行虹膜验证

    贺兰迪纪德赞董兴辰苏明鑫...
    54-63页
    查看更多>>摘要：虹膜验证因其独特性、 稳定性和非侵入性而受到广泛关注.深度学习技术在虹膜验证领域取得了重要的进展,通过使用卷积神经网络(Convolutional neural network,CNN),可以自动提取和学习虹膜图像的特征,实现高精度的身份验证.然而,类内变异性和有限的数据规模等挑战可能会影响验证准确性.为了解决这些问题,我们提出了一种基于动态数据增强和对比学习的虹膜验证方法.设计了四种数据增强策略,用于在线虹膜增强和数据集扩展,通过使用数据增强概率调度器(Data augmentation probability scheduler,DAPS),进一步提高了虹膜验证的准确性.采用MobileNetV3作为骨干网络,并通过对比学习对其进行优化,用于处理3通道的虹膜对.提出的方法在两个基准虹膜数据库,CASIA-V4-Interval和CASIA-V4-Thousand上进行了评估,准确性分别达到了99.85％和98.82％.实验结果表明,在训练样本数量较少的情况下,该方法可获得具有竞争性的性能.

    虹膜验证对比学习卷积神经网络数据增强

      原文链接:
    • 万方数据
    • 维普

    局部阴影下基于GWO-P&Q混合算法的光伏最大功率点跟踪

    赵峰肖成锐陈小强王英...
    64-71页
    查看更多>>摘要：针对局部遮阴环境下传统灰狼优化(Gray wolf optimization,GWO)算法在跟踪最大功率点时P-U特性曲线出现多峰值、 后期收敛速度慢、 稳态精度低等问题,结合灰狼优化算法和扰动观察法(Perturbation and observation,P&Q)各自的优势,提出了基于GWO-P&Q的混合优化最大功率点跟踪(Maximum power point tracking,MPPT)算法.首先,采用灰狼优化算法逐渐向光伏的全局最大功率点靠近.其次,在灰狼优化算法收敛后期引入P&Q法,既保持了灰狼优化算法较高的稳态精度,又能以较快速度寻找到局部最大功率点.最后,在不同环境工况下,将所提出的GWO-P&Q方法与传统GWO算法进行对比.结果表明,改进的GWO-P&Q算法在保证良好稳态性能的同时,一定程度上提高了GWO算法后期跟踪最大功率时的收敛速度.

    灰狼优化算法扰动观察法局部遮阴混合优化最大功率点跟踪算法全局最大功率点

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于线性扩张状态观测器的挖掘机电液系统滑模控制

    张森张平赵哲
    72-82页
    查看更多>>摘要：无人驾驶挖掘机器人实际工作环境恶劣,为提高铲斗在负载扰动下的轨迹跟踪精度,建立了挖掘机电液系统非线性数学模型,设计了基于线性扩张状态观测器的滑模控制器(Sliding mode controller based on linear extended state observer,SMC-LESO).根据铲斗油缸活塞杆位移信号,利用设计的线性扩张状态观测器对系统的速度、 加速度及负载扰动和不确定因素进行估计,解决了系统参数难以测量的问题.在此基础上,设计了滑模控制器,并证明了该控制器的Lyapunov稳定性.为进一步验证该控制器的有效性,建立了挖掘机电液比例控制系统的联合仿真模型,并与PID控制器、 滑模控制器的轨迹跟踪精度进行对比.仿真结果表明,该控制器可以有效抑制扰动,位移跟踪精度高、 鲁棒性强.

    无人挖掘机器人电液系统线性扩张状态观测器滑模控制位移跟踪控制

      原文链接:
    • 万方数据
    • 维普

    平面环境约束辅助的单目视觉惯性里程计

    多靖赟赵毅琳赵龙李俊韬...
    83-94页
    查看更多>>摘要：为提高视觉惯性导航系统在宽动态、 长航时、 大范围作业环境中的精确性与鲁棒性,提出了一种平面环境约束辅助的单目视觉惯性里程计.通过在视频图像中提取并跟踪均匀分布的FAST特征点,并采用对称光流剔除误跟踪点,实现了视觉特征点高效检测与精确跟踪;无需计算稠密深度地图,仅从稀疏特征点集中检测共面特征点,拟合空间平面,构建了对视觉特征点三维坐标的空间几何约束;融合视觉特征点重投影误差、 共面特征点坐标约束以及惯性测量单元(Inertial measurement unit,IMU)预积分误差构造代价函数,采用非线性优化方法估计了系统状态.最后,分别在公开数据集和实际户外场景中评估了算法的准确性和有效性.实验结果表明,相较于VINS-Mono和ORB-SLAM3算法,本文方法的定位结果有显著提升,实现了复杂应用环境中精确、 稳定导航,在机器人、 无人驾驶等领域具有较大的实用价值.

    视觉惯性里程计平面环境约束状态估计非线性优化

      原文链接:
    • 万方数据
    • 维普

    低轴间耦合的三维电场传感器

    赵振刚李宜锬杨玄奕罗川...
    95-104页
    查看更多>>摘要：使用正交排列的电容式传感单元的三维电场传感器(Three-dimensional electric field sensor,3D EFS)测量空间电场时,轴间耦合效应会严重影响EFS的测量精度.为此,提出了一种电场屏蔽电极,以降低3D EFS的轴间耦合效应,提高测量精度.首先,利用多物理场仿真软件构建电场分布模型.其次,根据仿真结果建立带屏蔽电极的3D EFS电容式传感单元的屏蔽电极模型.最后,建立任意角度的测试平台,将带有屏蔽电极的3D EFS和无屏蔽电极的3D EFS进行实验对比.结果显示,有屏蔽电极的3D EFS的测量偏差在3.2％以内,比无屏蔽电极的3D EFS的测量偏差减少12％.因此,所设计的基于电场屏蔽结构的3D EFS可以使解耦矩阵更加可靠,有效降低空间电场测量偏差.

    电容式电场传感器空间电场仿真分析轴间耦合电场屏蔽

      原文链接:
    • 万方数据
    • 维普