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

    基于权重自适应更新径向基函数神经网络的水下游动机械臂镇定控制

    孙非曹宇赫崔特任超...
    1-8页
    查看更多>>摘要：水下游动机械臂(underwater swimming manipulator,USM)是一种由水下蛇形机器人和矢量推进器组成的新型水下机器人.USM系统具有高度非线性、强耦合以及不确定性等特点,其动力学模型难以精确建立.因此,实现USM的高精度镇定控制存在挑战.针对这一问题,本文基于反馈线性化和自适应径向基函数神经网络(radial basis function neural network,RBFNN),设计了一种动力学控制方案以实现USM的镇定控制.首先,介绍了 USM平台结构,基于Lagrange方程给出了 USM的动力学模型,并推导了 USM的矢量推力系统模型.然后,设计了基于反馈线性化和RBFNN的动力学控制器,并通过反步法自适应更新RBFNN的权重.其中,权重自适应更新RBFNN用于实时估计系统未建模部分、参数误差以及外部扰动,从而对动力学控制器进行补偿.此外,为了将动力学控制器提供的广义力和力矩转换成各个执行器的控制输入,给出了推力分配策略.最后,进行了湖泊实验,分别对USM的I构型和C构型镇定控制,文章所提出的控制方案在两种构型下的稳态误差均小于0.08 m和10°,验证了所提出的USM六自由度镇定控制器的有效性.

    水下游动机械臂动力学建模反馈线性化径向基函数神经网络

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

    霍尔效应式力传感器的温度补偿

    江银玉丁勇左锋卢文科...
    9-17页
    查看更多>>摘要：针对霍尔效应式力传感器温度漂移的问题,提出了混沌自适应鲸鱼优化BP神经网络(CIWOA-BP)的温度补偿新模型.该模型通过Cubic映射作为初始鲸鱼种群生成方法,以提高种群的质量和分布均匀性.引入自适应权重调整鲸鱼的收缩包围机制,提高算法的全局搜索能力和收敛性.利用CIWOA算法对反向传播(back propagation,BP)神经网络的初始权值和阈值进行优化,使模型具有更好的测量精度和稳定性.研究结果表明,温度补偿以后霍尔效应式力传感器的灵敏度温度系数αs由5.08×10-3/℃减少至9.8×10-5/℃,减小了 2个数量级,温度附加相对误差由补偿前的19.82％减小到了 0.38％,减小了 52倍以上,从而有效的减弱了温度对测量结果的影响.

    混沌自适应鲸鱼优化算法BP神经网络霍尔效应式力传感器温度补偿

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

    结合高频感知的大气偏振模式生成方法

    鲍昌皓高欣健王文莉王昕...
    18-26页
    查看更多>>摘要：大气偏振模式是一种稳定的自然属性,其在导航、探测等领域有广泛的应用,但由于自然环境以及周边建筑物遮挡的影响,在同一时刻获取的大气偏振信息是局部且不连续的,导致其在实际应用中受到影响.现有方法主要对大气偏振模式进行大范围图像的修复,对于高频信号的修复精度十分有限导致边缘模糊.针对该问题,本文采用软分割软合成的方法,对偏振信息进行冗余分割并合成,避免了高频信号的丢失,挖掘每个局部中的高频信号特征,并根据大气偏振模式时空连续性合理推测,保证重构的信息与真实信息维持一致,从而生成完整连续的大气偏振信息.实验结果证明,本方法能够很好地重构大气偏振模式中缺失的偏振信息,在云层干扰大于40％的实测重构实验中,本文方法的SSIM和PSNR得分相较于其他方法提高了 26％和 12％.

    大气偏振模式偏振信息重构高频感知软分割软合成

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

    融合自注意力与残差神经网络的3D打印激光在机测量误差修正方法

    刘清涛王子俊张玉隆张义超...
    27-36页
    查看更多>>摘要：激光测量能够实现高效地非接触实时测量,被广泛应用于3D打印领域,但激光测量容易受测量条件、外部环境等多种因素的干扰,这些因素错综复杂,难以量化分析.为此,结合直射式激光三角测量原理,在分析测量精度影响因素的基础上,提出了一种基于融合自注意力和残差神经网络的3D打印在机测量误差修正方法.首先,将影响测量精度的因素作为输入变量,采集激光测量值,得到样本数据集;然后利用残差网络提取出样本数据的深层次特征,并引入自注意力机制建立影响因素之间的联系,得到带权重的提取特征;再通过全连接网络对带权重特征进行学习,得到测量误差的预测值,基于该预测值完成对测量误差的修正.自主搭建了一套激光在机测量系统,采用红、绿、紫3种同材质彩色卡纸进行实验验证.结果表明,所提的方法与卷积神经网络和自注意力神经网络相比,均方误差、均方根误差和平均绝对误差均最小,稳定性最好,修正结果最接近真实值;对激光测量结果进行校正后,使其误差由原来的±28μm减小到±9 μm以下,显著提高了 3D打印激光在机测量的精度和稳定性.

    3D打印激光在机测量残差神经网络自注意力机制误差修正

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

    基于深度学习的学生课堂学习状态监测系统设计

    张立军曹江涛姬晓飞王天昊...
    37-45页
    查看更多>>摘要：现阶段,学生课堂学习状态的研究大多集中在单人的在线监测,对于多人且环境复杂的线下课堂的监测还处于探索阶段.该研究针对线下教育设计了学生课堂学习状态监测系统,对学生课堂出勤情况及学生面部出现的疲劳状态进行实时监测.首先,使用DSFD人脸检测算法结合ResNet深度残差网络对学生进行人脸识别,记录学生出勤情况;然后,使用ERT回归树集合算法结合头部姿态估计对打哈欠和低头瞌睡的疲劳行为进行检测;再使用加入CBAM模块改进的YOLOv5目标检测算法对学生闭眼行为进行检测;最后,形成一套完整的集合出勤、疲劳检测的学生课堂学习状态监测系统.该系统在实际课堂的测试环境下,可以准确的对学生的出勤进行统计,并且可以实时的监测学生面部出现的打哈欠、低头瞌睡、闭眼的疲劳状态,检测的准确率均超过90％,检测速度约为14.1 fps,证明该系统具有重要的使用价值.

    人脸识别计算机视觉疲劳检测出勤检测课堂监测

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

    长尾分布下的微藻显微图像轻量级目标检测

    汪鲁才陈春江邹伊雯谢婷...
    46-54页
    查看更多>>摘要：微藻显微图像目标检测技术是生物学研究和环境监测等领域重要研究方向之一.电子显微镜采集到的微藻图像数据集存在长尾数据问题.传统的微藻检测方法需要大量人工操作,耗时长且结果容易受到操作人员技术经验的影响.结合解决长尾分布的方法,本文提出了一种基于延迟重采样和知识蒸馏相结合的目标检测算法(DDM-YOLO).先对微藻显微图像进行数据增强,然后针对长尾分布数据,采用延迟重采样,并在二阶段采用反向采样,关注难以分类的少数类别样本,改善目标检测性能.设计了一种轻量级目标检测网络架构,通过知识蒸馏来减少模型复杂度和计算量.实验结果表明,DDM-YOLO算法的mAP@0.5/％为77.1％,与YOLOv5s相比提高了 6.1％,模型参数量为3.88 MiB,减少了 45.4％.所提出的方法在微藻显微图像数据上取得了显著的性能提升,同时在资源受限条件下实现了高效的目标检测,大大降低了检测人员的工作量.

    目标检测长尾分布延迟重采样知识蒸馏

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

    嵌入NLB模块的FCN在轴承信号降噪中的应用

    范啸宇刘韬王振亚陶佳...
    55-65页
    查看更多>>摘要：深度学习在故障诊断取得了显著的进展,然而其多为端到端的智能诊断,在信号降噪方面的应用较少.本文提出了一种基于全卷积神经网络(fully convolutional network,FCN)的降噪方法.首先,模型整体采用了 encoder-decoder架构,其中encoder部分由三层卷积层组成,decoder部分由四层反卷积层组成.其次,引入了残差连接对模型的学习目标进行了约束,使得模型在传播过程中更多地关注噪声信息.并且为了增强模型的特征提取能力,在encoder和decoder中引入了非局部块(non-local block,NLB).然后,通过仿真信号对比实验选择网络的超参数,与目前主流的降噪方法进行对比,初步验证模型的降噪效果.最后,通过实际案例对所提方法的降噪效果进行对比验证,结果表明本文提出的方法在直观观察和降噪性能指标方面均取得了良好的应用效果,能够有效提高故障诊断的准确率.

    全卷积神经网络残差连接反卷积降噪故障诊断

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

    基于点云强度和地面约束的大范围激光SLAM

    孙伟曾豪霆张小瑞王煜...
    66-75页
    查看更多>>摘要：在无人车领域,点云强度和地面约束对大范围环境下的建图和定位起着非常重要的作用.然而,现有的激光SLAM算法在构建地图时只考虑几何特征,而忽视点云强度信息和地面约束,导致建图细节模糊、在Z轴方向上易存在漂移,从而降低了 SLAM系统的精度.为此,本文提出了一种基于点云强度和地面约束的激光SLAM优化算法.基于地面测量模型,提出构建局部条件性地面约束,不仅提高地面点提取的准确性,而且减少Z轴方向的漂移;引入点云强度信息来改善非地面点聚类的可靠性,进一步提高建图精度和定位稳定性.提出基于局部平滑度的特征提取方法,通过引入强度因子并对强度特征进行排序,优先选择具有一致强度信息的特征,增强特征提取的鲁棒性.引入球形强度图来构建强度残差,与几何残差共同优化估计位姿,有效解决里程计中地图细节处的模糊问题;基于特征投影的匹配距离以及强度差异被用来去除动态点云的干扰,进一步提高SLAM系统的鲁棒性.在公开数据集KITTI和真实场景下的实验表明,引入地面约束和点云强度信息后,本文提出的算法具有更高的建图和定位精度,相对优于传统LIO-SAM的LVI-SAM算法,本文算法的精度提升了 54.5％,为无人车在大范围环境中的SLAM任务提供了可靠解决方案.

    大范围环境地面约束点云强度动态点云

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

    基于自适应迭代学习的多智能体系统编队控制

    蔡军潘锡山
    76-84页
    查看更多>>摘要：针对带未知时变参数的非线性多智能体系统的编队问题,提出一种分布式自适应迭代学习控制策略.首先,通过傅里叶级数对系统的不确定参数进行展开,采用一个收敛级数序列处理傅里叶级数展开产生的截断误差,结合多智能体运行过程中的编队误差推导自适应迭代学习控制律和参数更新律;其次,针对领导者动态对大部分智能体都是未知的情况,设计新的辅助控制来补偿未知动态和避免未知有界干扰;然后,基于李亚普诺夫能量函数证明了在所设计控制律作用下多智能体系统编队误差随着迭代次数的增加在有限时间内趋于0;最后,将该控制策略运用到多无人机编队系统中,并通过搭建半物理实验平台,验证了控制方法的有效性.实验结果表明该控制方法可以确保多智能体快速形成所需编队,并且每个智能体在有限时间内可以精确跟踪期望轨迹.所提方法充分考虑了多智能体系统的参数不确定性以及抗干扰的能力,为实际应用中复杂多智能体系统的精确控制提供了有效的方法.

    多智能体系统自适应迭代学习控制时变参数多无人机编队系统

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

    基于复合自适应的Buck变换器预设性能控制

    张逸孙金林丁世宏常亚菲...
    85-93页
    查看更多>>摘要：针对Buck型变换器在复杂环境下发生负载波动时输出电压受扰的问题,提出了一种复合自适应预设性能控制方案以提升其控制效果.首先,利用自适应律对模型中包含负载项的非线性函数进行预测估计,同时通过在自适应律更新过程中构建并行估计模型获取预测误差,并将预测误差和跟踪误差融合以设计自适应参数更新律.然后,采用广义比例积分观测器来对剩余不确定性和外部扰动进行估计,并在控制律中进行补偿.最后,结合指令滤波反步控制和指定时间预设性能控制技术,提出了 Buck型变换器复合自适应预设性能控制方案.所提出的方案保证了对负载波动的高精度预测,避免了在突发情况下输出电压超出预设函数范围,此外还证明了闭环控制系统中的信号收敛性.实验结果表明,复合自适应预设性能控制在负载突然减小的情况下系统最大偏离电压为0.376 V,相比于传统自适应反步控制的1.773 V减少了 78.7％,验证了所提方案的有效性以及优越性.

    Buck型变换器自适应控制反步法非线性控制预设性能控制指令滤波

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