首页期刊导航|电子测量技术
期刊信息/Journal information
电子测量技术
电子测量技术

孙圣和

月刊

1002-7300

dzcl@vip.163.com

010-56103931

100009

北京市东城区北河沿大街79号

电子测量技术/Journal Electronic Measurement Technology北大核心CSTPCD
查看更多>>本刊坚定不移地确保社会效益功能的发挥，刊登新技术、工艺、设计、设备材料为主要内容，推广交流步进技术、科研成果和实践经验及时传播新成就、新技术、新器材的信息，以利于社会主义生产建设。
正式出版
收录年代

    基于SMA-VMD和优化神经网络的逆变器开关故障诊断

    李冉邢砾云庞娜沈建强...
    1-9页
    查看更多>>摘要：为解决基于电流的中点箝位式三电平逆变器开路故障诊断易受负载变化影响的问题,本文从提升故障特征区分度入手,首先,基于SMA优化VMD的最佳模态数K及惩罚系数α,改善模态混叠现象,提高了故障特征的独立性.其次,基于小波包能量分布相对平稳,能有效克服负载影响的特点,将各IMF的两层小波包能量最大值作为故障特征量,在克服负载影响的同时,使时频特征信息更集中,进一步提高了故障特征区分度.最后,将上述故障特征应用于神经网络进行训练,并引入SSA对模型的权值和阈值进行优化,解决了模型局部最优问题,提升了故障辨识的准确性.通过NPC三电平逆变电路模拟17种开路故障的仿真实验,结果表明,该方法的诊断准确率达到98.99％,适用于变负载工况下NPC三电平逆变器在线故障诊断.

    NPC三电平逆变器开路故障诊断VMD小波包能量神经网络

      原文链接:
    • 万方数据
    • 维普

    基于卡尔曼滤波的小波去噪和IWOA-ELM的颈肩肌肉疲劳分类方法

    隋修武付世雄刘金雨王涛...
    10-18页
    查看更多>>摘要：针对采集的表面肌电信号噪声干扰多,以及缺少颈肩肌肉疲劳状态划分标准和分类模型的问题,本文提出了一种基于联合去噪和优化极限学习机的颈肩肌肉疲劳分类方法.首先,使用AnyBody建立颈肩骨骼肌肉生物力学模型,根据肌肉pH值和RPE劳累感知量表划分肌肉疲劳状态.采集6名健康青年人斜方肌上束疲劳状态下的表面肌电信号.然后,结合卡尔曼滤波和改进的小波阈值函数进行联合去噪,提取均方根、积分肌电值、平均功率频率、中值频率、瞬时平均频率、瞬时中值频率6个特征参数.最后,使用改进鲸鱼优化算法优化极限学习机的权值和阈值,建立IWOA-ELM颈肩肌肉疲劳分类模型.实验结果表明,联合去噪算法效果更佳,IWOA-ELM模型训练集准确率为96.3％,测试集准确率为97.5％,均方根误差为1.108,对于不同受试者分类模型准确率均高于95％,因此本文提出的联合去噪算法和IWOA-ELM模型在颈肩肌肉疲劳分类方面具有优势.

    表面肌电信号颈肩肌肉疲劳卡尔曼滤波小波阈值函数鲸鱼优化算法极限学习机算法

      原文链接:
    • 万方数据
    • 维普

    基于雷达RCS数据的空间目标识别算法研究

    张裕李建鑫朱勇建马腾...
    19-26页
    查看更多>>摘要：近年来,深度学习在雷达目标识别领域取得了突破性进展,但基于雷达散射截面积数据的深度学习目标识别算法研究相对甚少.此外,空间目标雷达信号容易受噪声影响,导致目标识别准确率低.本文提出了一种端到端的时频特征融合神经网络TFF-Net用于实现基于RCS序列数据的空间目标识别.首先使用时频分析方法将RCS序列数据转化为二维时频数据来降低噪声干扰,其次使用TFF-Net提取时频数据的深层特征.TFF-Net先利用卷积神经网络捕获目标空间特征,接着采用双向长短时记忆网络来建模时序信息,再通过时间注意力网络自适应地关注时频数据中重要的序列.最后,在空间目标数据集上进行了算法对比实验.结果表明,所提出算法的空间目标识别精度达到95.8％,明显高于当前一些主流雷达目标识别算法,且在低信噪比情况下分类精度也优于其他算法,具有更好的噪声鲁棒性.

    空间目标识别雷达散射截面积时频分析神经网络

      原文链接:
    • 万方数据
    • 维普

    基于雷达时频变换和残差网络的人体行为检测

    孙梓誉顾晶
    27-33页
    查看更多>>摘要：与传统惯性传感器和视觉传感器相比,利用毫米波雷达进行人体行为检测不仅对环境要求低、灵敏度高而且能很好地解决摄像头存在的泄露隐私等问题.针对目前毫米波雷达人体行为检测存在的杂波干扰和网络模型复杂度高的问题,本文对现有的残差网络进行改进和量化处理,并结合雷达时频变换和杂波抑制,提出了一套完整的雷达人体行为检测信号处理流程.时频变换部分采用距离维FFT、沿慢时间维进行高通滤波、短时傅里叶变换得到时间-多普勒谱;残差网络部分则是嵌入CBAM注意力机制并对其进行32～8位数据量化处理;最后将时间-多普勒谱输入网络模型进行特征提取和分类得到检测结果.实验结果表明,该方法能够消除静态杂波的干扰,检测准确率达97.33％,模型大小仅为20.2 MB.

    毫米波雷达时频变换杂波抑制时间-多普勒残差网络

      原文链接:
    • 万方数据
    • 维普

    面向倾斜摄影的实景模型融合技术与应用展望

    王雪茹曹立佳
    34-47页
    查看更多>>摘要：倾斜摄影技术对于大规模场景生成具有重要意义,为解决单依赖该技术所生成的实景模型存在的近地数据缺失且不具有内部结构的问题,该文从空地模型融合和宏微观模型融合两个层面展开了研究.首先回顾了倾斜摄影、三维激光扫描和建筑信息模型三种主要技术,接着对不同层面的整体融合流程和各自的底层技术原理(点云配准、数据标准)进行了调查,对比分析了相关研究的优势与不足,并指出了各自的应用场景.该研究提出了解决倾斜摄影下实景模型问题的两类融合技术框架,讨论了两者所面临的问题,并对其未来发展作出了展望,旨在为相关领域学者提供参考.

    倾斜摄影点云配准数据标准模型融合三维实景模型

      原文链接:
    • 万方数据
    • 维普

    基于DCNN和Bi-LSTM的弧齿锥齿轮箱故障诊断

    荀小伟许昕潘宏侠
    48-55页
    查看更多>>摘要：针对传统卷积神经网络(CNN)对弧齿锥齿轮箱的故障识别准确率不高这一问题,提出一种基于深度分离卷积神经网络(DCNN)和双向长短时记忆网络(Bi-LSTM)的弧齿锥齿轮箱智能故障诊断方法.首先,对原始信号进行小波阈值降噪处理,将降噪后的信号利用经验模态分解(EMD)算法进行了分解;然后,对分解出的本征模态函数(IMF)的各个分量进行峭度计算,选取峭度值最高的IMF分量重构成新的振动信号输入模型进行训练;之后,将振动信号重叠采样获得大量信号样本,将这些样本通过深度分离卷积神经网络从一维原始振动信号中自适应的提取空间特征信息,提取的特征进一步输入到双向长短时记忆网络,同时提取正、逆时域的振动信号,以更好的提取故障特征;同时,在深度分离卷积中加入了残差网络对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,将特征信息输入到已经训练好的DCNN-Bi-LSTM模型中,对弧齿锥齿轮箱故障诊断识别.结果表明,该方法可以准确的识别齿轮箱故障,最高诊断准确率可达100％.并且,该方法比传统的卷积神经网络的准确率更高,抗噪能力更强,网络收敛速度更快,诊断结果更稳定.

    深度分离卷积双向长短时记忆网络残差网络智能故障诊断本征模态函数振动信号

      原文链接:
    • 万方数据
    • 维普

    基于自适应因子图的车载GNSS/INS组合导航方法

    赵海林刘福朝刘宁赵辉...
    56-61页
    查看更多>>摘要：针对短时遮蔽空间环境下,车载卫星导航系统多路径效应与信号衰减严重、粗差与周跳发生频繁,导致组合导航精度和鲁棒性降低的问题,提出了一种基于自适应因子图的车载GNSS/INS组合导航方法.首先构建GNSS/INS因子图模型,以INS为导航主系统,用GNSS因子对INS进行辅助修正,再根据GNSS测量的残差设计权重函数,进行自适应调整GNSS因子所占的权重,可有效抑制GNSS传感器随环境变化造成的发散误差,进而降低因GNSS定位误差过大对组合导航精度和鲁棒性的影响.最后通过搭载跑车实验进行对比验证,与传统基于因子图的组合导航方法相比,自适应因子图组合导航方法的定位均方根误差和最大误差分别降低了70.01％和55.31％.结果表明,所提方法定位精度更高、鲁棒性更好.

    组合导航因子图权重函数自适应

      原文链接:
    • 万方数据
    • 维普

    基于改进麻雀算法的配电房巡检机器人路径规划

    高鹏飞李涛夏永康
    62-69页
    查看更多>>摘要：针对麻雀算法在路径规划中出现的效率低、耗时长等问题,提出了一种改进的麻雀算法用于配电房巡检机器人的路径规划.首先,利用Logistic-Tent混沌映射优化麻雀种群质量,减少后续的盲目搜索;其次,提出了可控自适应随机探索的发现者更新策略,增强算法全局搜索能力的同时进一步提高规划效率,缩短搜索时间;接着,为避免算法后期陷入停滞,引入螺旋位置更新因子,加强局部开发能力;最后,结合三次插值B样条进行平滑处理,使路径更适用于配电房环境.实验结果表明:改进的麻雀算法能够高效完成巡检时的路径规划任务,相比于原始算法在迭代效率、路径搜索时间等方面优化显著.

    路径规划巡检机器人麻雀搜索算法样条插值

      原文链接:
    • 万方数据
    • 维普

    应用于金属转轴监测的无线电能与信号同步传输系统优化研究

    徐科峰雷华明
    70-77页
    查看更多>>摘要：涡流损耗的存在,使得应用于金属转轴监测的无线电能与信号同步传输系统的电能传输效率和信号传输质量下降.针对上述问题,通过对金属转轴涡流损耗的分析推导,建立包含涡流损耗等效阻抗的耦合线圈电路模型,以S-S型信号注入式SWPDT系统为基础,分析其电能传输与信号传输特性,以电能传输效率和信号传输增益为优化目标,采用多目标粒子群优化算法,对系统关键参数进行优化,并根据优化参数搭建实验测试平台,结果显示该优化方案可实现金属转轴环境下46.7％的电能传输效率和250 kbit/s的信号传输速率,验证了所提优化方案的正确性与可行性.

    无线电能与信号同步传输金属转轴监测涡流损耗无线电能传输多目标优化

      原文链接:
    • 万方数据
    • 维普

    基于机器学习的金属软管缺陷检测系统

    倪洪启李鑫宇戴文博李宝立...
    78-84页
    查看更多>>摘要：为了实现工业上对金属软管缺陷部分的自动检测,提出一种基于深度学习的缺陷检测方法,首先利用相机采集金属软管缺陷部分的图像并将采集图像中的缺陷特征部分进行分类与标定,金属软管外表面缺陷可分为断丝、散丝、叠丝3种并制作出对应的自制数据集;其次对YOLOv5s网络进行改进,通过在YOLOv5s中的主干网络中添加SimAM注意力机制;然后利用EIoU损失函数替换初始网络所采用的IoU损失函数;最后对YOLOv5s中的金字塔池化层进行改进,采用SimSPPF模块替换SPPF模块.利用改进后的算法对金属软管缺陷数据集进行训练,改进后的算法相较于初始YOLOv5s网络的平均精度mAP提升了1.5％,特征复杂且小目标的漏检误检情况有了明显改善.

    缺陷检测YOLOv5s注意力机制损失函数

      原文链接:
    • 万方数据
    • 维普