首页期刊导航|电子测量与仪器学报
期刊信息/Journal information
电子测量与仪器学报
电子测量与仪器学报

崔建平

月刊

1000-7105

jemi@vip.163.com

010-64044400

100009

北京市东城区北河沿大街79号

电子测量与仪器学报/Journal Journal of Electronic Measurement and InstrumentCSCD北大核心CSTPCD
查看更多>>本刊旨在开展学术交流活动，沟通同行业科技人员之间的信息，以促进国内、外电子测量仪器的发展和科学技术的进步。
正式出版
收录年代

    无线光通信中大气湍流抑制方法

    梁静远庞明志柯熙政
    1-14页
    查看更多>>摘要：在无线光通信系统中,大气湍流会导致传输光束发生扩展、漂移和光强起伏,使得接收端信号质量严重下降,降低通信系统性能,因此,研究抑制大气湍流的方法是提升无线光通信系统性能的关键.大孔径接收技术、分集技术、部分相干光技术和自适应光学技术能够有效抑制大气湍流效应,是改善无线光通信系统性能的重要手段.详细阐述了各个关键技术抑制大气湍流的原理及其手段,这些关键技术可以通过改变传输或接收策略、调控光场结构、增大接收孔径、补偿波前畸变来改善接收信号的质量,提高通信系统的可靠性,同时分析了不同参数指标对系统性能的影响.讨论了相关抑制技术的国内外研究现状,并展示了相关技术在大气湍流的影响下对系统不同性能指标的改善情况.最后总结了当前无线光通信领域在大气湍流抑制方面所面临的挑战与亟待解决的问题,并对未来技术的发展趋势进行了展望,可为未来在该领域的发展提供参考借鉴.

    无线光通信大气湍流湍流抑制关键技术

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于双输入残差图卷积网络的电力变压器健康状态评估方法

    李文悦何怡刚邢致恺周亚中...
    15-24页
    查看更多>>摘要：电力变压器运行过程中故障数据远少于正常数据,数据不平衡问题较为严重,并且监测变量间耦合关系复杂,导致状态评估任务的建模难度大、评估精度低.针对相关问题,提出基于双输入残差图卷积网络的电力变压器健康状态评估方法.首先,采用SMOTE Tomek混合采样算法对训练数据进行不平衡数据预处理,解决了故障数据过少、训练数据严重不平衡的问题;然后,考虑到单一度量无法准确描述变量间相关性的问题,提出多度量融合构图方法,通过多个度量方法共同学习变量间的相关性,并构造图结构数据;最后,提出基于切比雪夫图卷积的双输入残差图卷积网络,对所构造的图结构数据进行特征提取,并通过自注意力机制进行特征融合,得到变压器的状态评估结果.在真实电力变压器运行的油中溶解气体及油化试验数据集上进行了对比实验,实验结果表明,所提出方法的状态评估准确率达到 94.7%,F1 分数达到 0.942,高于其他深度学习方法,具有最佳的评估性能.

    电力变压器状态评估图卷积网络图池化数据不平衡

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    SINS/GNSS/OD组合导航系统的容错机制研究

    周芸周凌柯李胜吴永豪...
    25-32页
    查看更多>>摘要：为提高组合导航系统的可靠性,提出了改进故障检测和信息融合方法的组合导航系统容错机制.设计了改进的序贯概率比检验法,引入了渐消因子提高对当前时刻残差信息的跟踪速度,结合马氏距离来判断故障的结束时间,并依据判断结果在恰当的时机完全重置判断信息;设计了一种基于联邦滤波的自适应归一化融合算法,构建故障检测统计量的归一化检测值,将此值作为量测噪声方差阵的权重系数,对相应的子滤波器进行加权量测更新,以此改变全局融合过程中的权重分配.车载实验的结果表明,改进的完全重置序贯概率比检验算法相较于传统的残差卡方检验法、渐消序贯概率比法和快速重置序贯概率比法,在软故障检测上的正检率分别提高了 96.43%、25.00%和 19.57%,采用的自适应归一化融合算法相比于传统的联邦滤波法也提高了44.70%和35.60%的定位精度.因此,所改进的两种方法可以在很大程度上提升组合导航系统的容错性能,具有较高的实用价值.

    组合导航故障检测信息融合容错卡尔曼滤波联邦滤波

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于DE-GA算法的阵列天线故障检测方法

    南敬昌陈鑫严洁
    33-39页
    查看更多>>摘要：为提高阵列天线故障检测的精度,提出了一种改进差分-遗传(DE-GA)算法.该算法融合了遗传(GA)算法和差分进化(DE)算法,在基因遗传过程中采取染色体双交叉策略,对陷入局部陷阱的个体信息进行重新引导;利用自适应权重优化后代的选择过程,提高算法对故障因子的灵敏性和适应能力.本文将该算法用于阵列天线的故障检测中,通过阵列公式建立天线的模型,对该模型的辐射方向图进行优化,使其与故障天线的已知辐射方向图逐渐拟合,以此推出故障阵列幅值.实验表明,本文提出的DE-GA算法与DE算法、GA算法相比,适应度函数值最低点分别减小了 11.15%和 12.90%,平均绝对误差分别减小了19.36%和 23.85%,均方误差分别减小了 12.90%和 11.15%,最大误差分别减小了 12.30%和 13.18%,具有更高的准确率,拟合能力更强.此外,在原有实验的基础上改变阵列的数量,该算法依然具有优良的稳定性,证明能够满足对大数量阵列的故障检测.

    阵列天线故障检测DE-GA算法双交叉策略自适应权重

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进的DenseNet-ViT联合网络和迁移学习的燃气轮机转子故障诊断

    乔琦王红军马康王正...
    40-47页
    查看更多>>摘要：实际工业环境中,燃气轮机转子故障数据难以采集导致故障样本稀缺,无法满足故障模型的海量训练要求.利用DenseNet在图像特征提取方面的和Transformer结构在视觉领域上的优势,提出了一种基于改进的DenseNet-ViT联合网络的燃气轮机转子故障诊断方法.首先舍弃掉DenseNet的分类层,只需利用DenseNet的特征提取层,随后将改进的DenseNet的输出层连接到ViT模型的输入层构成联合网络;另外针对故障模型训练耗时长的问题,利用迁移学习将训练好模型权重参数进行迁移可以加快训练时间,节省计算资源.利用在实验室构建的燃气轮机转子模拟实验台可以获得燃气轮机转子故障模拟数据,在某型号燃气轮机试车台上获得了真实环境下的转子不同类型的故障数据,利用模拟数据与真实数据进行模型测试可以更好的检验所提出方法的可靠性.实验结果表明:在两种不同转子故障数据集测试中分别达到了96.8%和97.3%的故障识别准确率,表明该方法具有较高的转子故障识别精度;在后续设置的对比验证实验中,通过与CNN以及VGG-16 等进行对比,该模型的故障分类准确率也均高于这些网络,从而进一步验证了该模型的优异性和可靠性.

    燃气轮机转子故障ViT模型故障诊断迁移学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于时频滤波器和偏移注意神经网络的轴承故障诊断

    赵运基危思成许孝卓
    48-57页
    查看更多>>摘要：针对轴承故障数据分布不一致导致特征偏移、标志性特征提取困难的问题,提出一种基于时频滤波器和偏移注意神经网络的轴承故障诊断方法,从离线和在线两个方向分别对故障信号进行处理.在离线部分提出时频滤波器,分别从时域和频域提取故障信号的标志性特征;提出兼顾全局特征和局部特征的空间采样方法.在线部分提出偏移注意神经网络,与自注意相比,偏移注意更有利于偏移特征的提取,从而降低数据分布不一致造成的影响.在西安交通大学和凯斯西储大学的轴承数据集上进行实验,达到了100%的精度,证明了所提方法能够很好的提取故障信号的标志性特征,并且能够有效抑制特征偏移对故障识别精度的影响.而在凯斯西储大学轴承数据集上的对比实验则证明了所提方法的优越性.除此之外,还在工业现场采集的燃气轮机主轴承数据集上进行了实验,结果证明所提方法具有实际应用意义.

    故障诊断特征偏移标志性特征时频滤波器偏移注意

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于MADSC和SIDSwinT的滚动轴承故障诊断

    赵小强安贵财
    58-69页
    查看更多>>摘要：针对卷积神经网络通过局部感受野对输入信号进行特征提取,在变负荷和变噪声条件下无法有效捕获全局上下文信息导致滚动轴承故障诊断精度较低的问题,提出了一种多尺度自适应深度可分离卷积(MADSC)和空间交互双流Swin Transformer(SIDSwinT)的滚动轴承故障诊断方法.首先,利用小波变换将一维振动信号转换成二维时频图以保留完整信息;接着,构建MADSC提取局部特征信息,捕捉不同尺度下滚动轴承振动信号的特征变化;然后,设计SIDSwinT提取全局特征信息,利用提出的空间交互模块(SIM)自适应地调整特征权重;同时,通过可变形注意力对采样信息进行加权消除工况波动造成的分布差异;最后,利用双向长短时记忆网络(BiLSTM)更好地理解上下文信息,提升诊断准确性和稳定性.使用两种不同数据集验证所提方法的故障诊断性能,实验结果表明,所提方法在信噪比为-4 时准确率高于 93.00%,在变负荷条件下准确率高于 92.00%,验证了所提方法较对比方法具有更强的抗噪性能和泛化能力.

    滚动轴承故障诊断空间交互可变形注意力深度可分离卷积SwinT

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于DRSN-BiLSTM的S700K转辙机故障诊断

    王瑞峰王智
    70-78页
    查看更多>>摘要：在铁路系统中,转辙机是确保列车安全顺畅运行的关键设备.S700K转辙机的故障诊断对于预防事故和维护铁路运营至关重要.为了解决传统诊断方法在速度和准确性上的不足,提出了一种融合深度残差收缩网络(DRSN)与双向长短期记忆神经网络(BiLSTM)的诊断模型.首先,对转辙机功率曲线进行预处理;其次,利用DRSN对预处理数据进行自动特征学习,并压缩数据长度,提高诊断的快速性,其注意力机制和软阈值化降低了噪声特征的影响,并且DRSN网络结构有助于克服网络退化和过拟合的问题;随后,利用BiLSTM的双向结构捕捉时间序列数据中复杂的关系;最后使用Softmax分类器进行故障分类.仿真结果表明DRSN-BiLSTM模型的准确率、精确率、召回率均超过了 98.3%,并且该模型故障诊断的准确率相较于DRSN、深度神经网络(DNN)和卷积神经网络(CNN)等模型至少提高了 1.47%,并且在添加 15～40 db高斯白噪声情况下准确率保持在92.7%以上,较其余模型至少提升 2%.该模型在确保训练过程的高效性的同时提升了转辙机故障诊断准确率,并且在噪声环境下展现出了优秀的鲁棒性.

    DRSNBiLSTMS700K转辙机故障诊断

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于IGJO-DHKELM的光伏阵列故障诊断

    张彼德陈广廖其龙邱杰...
    79-89页
    查看更多>>摘要：为提高光伏阵列故障诊断精度,提出一种基于改进金豺算法(improved golden jackal optimization,IGJO)优化深度混合核极限学习机(deep hybrid kernel limit learning machine,DHKELM)的光伏阵列故障诊断方法.首先,在MATLAB/Simulink仿真平台模拟各种光伏阵列故障,在对故障特征进行了深入分析的基础上,提出了一个 12 维特征作为光伏阵列故障诊断的特征量;其次,通过引入透镜成像反向学习策略、正余弦算法策略和自适应T分布扰动策略对金豺算法进行改进,以提高其收敛速度和全局寻优能力,并将IGJO与其他优化算法通过测试函数进行对比;再次,将径向基核函数和多项式核函数引入极限学习机,并结合自编码器构成DHKELM模型.最后,通过IGJO对DHKELM模型的初始参数进行优化,建立了IGJO-DHKELM光伏阵列故障诊断模型.结果分析表明,与传统 4 维和 5 维故障特征量相比,利用所提 12 维故障特征量进行诊断时准确率更高;相较于其他故障诊断模型,基于IGJO-DHKELM的光伏阵列故障诊断方法具有更高的诊断精度.

    光伏阵列故障诊断故障特征量改进金豺算法深度混合核极限学习机

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于电场检测的船表涂层破损仿真分析

    郑朴真林君梁尚清张栋...
    90-98页
    查看更多>>摘要：涂层的破损缺失是船体腐蚀的主要原因之一,但由于船体检测通常耗时耗力,检查的频率较低,因此提出一种快速检测定位涂层破损的方法.利用外加电流的阴极保护系统与涂层破损引起的船体周围电解质电位的变化,通过测量船体周边两侧对称位置处的水下电势差异来检测船体涂层破损.通过水下电场传递实验证实了基于电场特征信号对破损位置测距和定位方法的可行性,并采用COMSOL Multiphysics物理仿真软件模拟了阴极保护电流产生的腐蚀电场及船体表面金属的电化学腐蚀过程.通过分析船体两侧测量线段上的电位变化,可以发现船体涂层破损点位两侧水下电势差异明显最大,根据水下电场传递规律分析测量线上电解质电势分布实现了对破损点位的纵向及横向定位,平均偏差分别为0.2 m和0.21 m.同时,发现平均电位大小与破损面积呈线性关系.这种方法具有高精度,且适用于纵向定位间隔 3 m以上的多点情况,规避了环境因素对检测的干扰,可实现对船体涂层破损的早期快速检测,改善船舶的防腐管理.

    船体腐蚀涂层破损外加电流阴极保护水下电势有限元分析

      原文链接:
    • NETL
    • NSTL
    • 万方数据