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

    一种研究线性霍尔传感器频率响应特性的测试平台

    刘宇胡亮亮廖明照周儒...
    105-119页
    查看更多>>摘要：线性霍尔传感器被广泛用于测量磁场强度,但针对霍尔传感器动态响应特性的研究却很少.为此,设计并搭建了一种线性霍尔传感器的频率响应特性测试平台.该平台由可控恒流源、 线圈、 线性霍尔传感器、 低噪声放大器和数据采集装置组成,通过构建系统传递函数并提出动态更新的传递函数的方法,实现了霍尔传感器动态响应特性的精确测量.利用该平台分别测试了NHE520F和P3A两款芯片的动态特性性能.结果显示,在2.5 kHz-2 MHz范围内,这两款霍尔传感器在幅频特性和相频特性方面的性能差异在测试平台上被充分显现,而且霍尔传感器的动态特性参数与静态特性参数并非必然一致,动态特性分布也不相同.此外,根据多种温湿度条件下测得的霍尔传感器幅频特性与相频特性,绘制了霍尔传感器的平均动态特性曲线和3个标准差包络曲线.基于该测试平台获得的实验数据对研究霍尔传感器动态响应特性具有重要意义.

    霍尔传感器磁场测量幅频特性相频特性

      原文链接:
    • 万方数据
    • 维普

    基于BERT+CNN_BiLSTM的列控车载设备故障诊断

    陈永刚贾水兰朱键韩思成...
    120-127页
    查看更多>>摘要：列控车载设备作为列车运行控制系统核心设备,在高速列车运行过程中发挥着重要作用.目前,其故障诊断仅依赖于现场作业人员经验,诊断效率相对较低.为了实现列控车载设备故障自动诊断并提高诊断效率,提出了BERT+CNN_BiLSTM故障诊断模型.首先,使用来自变换器的双向编码器表征量(Bidirectional encoder representations from transformers,BERT)模型将应用事件日志(Application event log,AElog)转换为计算机能够识别的可以挖掘语义信息的文本向量表示.其次,分别利用卷积神经网络(Convolutional neural network,CNN)和双向长短时记忆网络(Bidirectional long short-term memory,BiLSTM)提取故障特征并进行组合,从而增强空间和时序能力.最后,利用Softmax实现列控车载设备的故障分类与诊断.实验中,选取一列实际运行的列车为研究对象,以运行过程中产生的AElog日志作为实验数据来验证BERT+CNN_BiLSTM模型的性能.与传统机器学习算法、BERT+BiLSTM模型和BERT+CNN模型相比,BERT+CNN_BiLSTM模型的准确率、 召回率和F1分别为92.27％、91.03％ 和91.64％,表明该模型在高速列车控制系统故障诊断中性能优良.

    车载设备故障诊断来自变换器的双向编码器表征量应用事件日志双向长短时记忆网络卷积神经网络

      原文链接:
    • 万方数据
    • 维普

    改进YOLOv5的无人机影像道路目标检测算法

    张翼马荣贵梁辰
    128-139页
    查看更多>>摘要：针对无人机影像中道路小目标漏检和目标之间遮挡导致的目标检测精度低、 鲁棒性差等问题,提出一种多尺度融合卷积注意力模块(Convolutional block attention module,CBAM)的YOLOv5道路目标检测算法,即YOLOv5s-FCC.首先,引入小目标感知层对模型进行多尺度改进,增加一个针对小目标的YOLO检测头以提高网络对道路中小目标的特征提取能力.其次,利用CBAM融合空间和通道信息以增强网络中的重要信息,通过将CBAM引入Backbone主干网络不同位置,以获得CBAM最佳融合位置.最后,采用CIoU作为损失函数,以提高边界框预测所需的计算速度和精度.在自建的无人机道路目标数据集上进行训练,结果表明,相较YOLOv5算法,YOLOv5-FCC算法可将mAP50和mAP50-95分别提高2.0％和4.2％.在VisDrone数据集上也验证了YOLOv5-FCC算法的有效性,并建立了基于无人机的道路目标检测系统,实现道路目标的自动检测.

    无人机道路目标检测YOLOv5损失函数卷积注意力模块

      原文链接:
    • 万方数据
    • 维普

    基于多特征分析的地铁隧道裂缝检测

    樊炜玮王小鹏朱生阳
    140-147页
    查看更多>>摘要：在地铁隧道裂缝检测过程中,由于隧道环境复杂及光照条件有限,隧道裂缝检测比较困难.为此,提出了一种基于多特征分析的隧道裂缝检测方法.首先,利用Retinex匀光与分段线性拉伸相结合的预处理算法对图像进行增强处理,通过分块处理的Otsu阈值分割算法实现图像的初步分割.其次,对图像连通域面积和矩形度进行分析,利用概率Hough变换提取图像中的线型结构特征,利用连通域图像骨架特征提取算法滤除伪裂缝干扰,最终实现真实裂缝检测.实验结果表明,本方法对传统裂缝图像检测率可达92％,对隧道裂缝图像检测率可达86％.实验结果证明了该方法的有效性.

    地铁隧道裂缝检测特征分析连通区域

      原文链接:
    • 万方数据
    • 维普