首页期刊导航|仪器仪表学报
期刊信息/Journal information
仪器仪表学报
仪器仪表学报

月刊

0254-3087

yqyb@vip.163.com

010-84050563

100009

北京市东城区北河沿大街79号

仪器仪表学报/Journal Chinese Journal of Scientific InstrumentCSCD北大核心CSTPCDEI
查看更多>>本学报是中国仪器仪表学会主办,代表中国仪器仪表及自动化最高学术水平的唯一国内外公开发行的学术性刊物。学术性强、内容创新、注重应用,优先刊登具有创新成就和观点的中英文论文、综述性文章、论坛及信息。设有学术论文、研究通讯和短文、综述、信息等栏目。
正式出版
收录年代

    基于毛细管导波的微量液体粘度检测新方法

    吕福在杨尔宇伍建军唐志峰...
    219-230页
    查看更多>>摘要:通过建立毛细管导波衰减率与波导内充液体粘度的基本关系可实现微量液体粘度快速测量,这对于样本量稀缺的工业及医学检测场景具有显著意义.然而,为实现微升级样本测量需要将管道尺寸缩减到毛细管级(外径2 mm及以下),但传统导波激励方法难以在毛细管上实现非接触式换能器装配以及纯净导波激励.本文基于磁致伸缩换能原理开发了一种适用于微量液体粘度检测的毛细管纵向导波检测传感器,成功地在外径为1.4 mm,壁厚0.1 mm的毛细管上激励纯净L(0,1)模态导波,单次测量所需样本量仅为113 μL且重复性良好.通过仿真和实验探究包括永磁体与毛细管间距、毛细管壁厚和激励频率等测量相关影响因素的基础上证明了该设计的可行性和实用性.研究结果表明:收发两端永磁体与毛细管最优间距不同,当激励端永磁体与毛细管间距为10 mm,接收端永磁体与毛细管间距为7 mm时的接收信号幅值最优;在低频散范围内(500 kHz以下),检测分辨率总是随着频率的提高而增加;此外,毛细管壁厚的减薄也可提高粘度检测分辨率.最后,对比毛细管导波法与锥板法测量标准粘度液的实验结果,误差范围不大于3.04%,验证了毛细管导波法可对微量液体粘度实现准确测量.

    超声导波磁致伸缩液体粘度检测毛细管

    基于SVMD-EWT的超声组织谐波成像算法研究

    范淼淼赖宁磊晏张平林伟军...
    231-239页
    查看更多>>摘要:针对超声组织谐波成像中宽带射频回波信号的谐波分离问题,提出了一种基于逐次变分模态分解(SVMD)和经验小波变换(EWT)的信号滤波算法,简称SVMD-EWT.其对信号进行逐次变分模态分解,收集窄带模态的中心频率.结合经验小波变换中自适应频谱曲线局部极小值寻找方法对模态进行分类.将判定为基波成分与谐波成分相互混叠的模态的能量作为优化经验小波变换模态边界的参数,设计经验小波滤波器对超声射频回波信号做滤波处理.仿真和实验表明相比传统的人为给定截止频率的带通滤波器和将发射反相位信号得到的回波信号相加滤波的脉冲反转法,本文提出的方法具有更好的滤波性能和稳定性.带通滤波器和本文方法滤波后生成的乳腺肿瘤谐波B超图对比度分别为15.77 dB和20.78 dB.

    组织谐波成像谐波分离变分模态分解经验小波变换

    论齿轮样板

    林虎石照耀
    240-255页
    查看更多>>摘要:齿轮样板是齿轮参数量值的标准实物载体,用于将齿轮国家测量标准所复现的量值传递到各级齿轮测量仪器上,从而实现齿轮测量的准确性和一致性,保证齿轮产品质量.全面概述了齿轮样板起源及其发展历程;详细论述了齿轮样板的种类、结构及特点、齿轮样板的测量技术及装置、齿轮样板的国际比对、未来的发展与展望.齿轮样板迄今已历经九十多年发展,其种类在不断丰富、尺度不断延伸、复杂度不断简化,作为一种"有形"的实物量具,目前仍不可替代.未来随着"无形"的虚拟仿真测量技术发展,对"有形"实物样板的依赖将可以减弱,"无形"的技术将可能成为量值传递的新模式.

    齿轮齿轮样板齿轮测量量值传递与溯源国际比对虚拟测量

    基于静电力的非接触式微悬臂梁刚度标定方法

    张世玉赵聆喆于枚可赵美蓉...
    256-265页
    查看更多>>摘要:微悬臂梁刚度的标定在工业和学术研究中有重要的意义.传统微悬臂梁标定方法存在粘附摩擦、接触磨损等缺点.为了有效解决传统刚度标定中接触摩擦的难题,本文提出一种基于静电力的非接触式微悬臂梁刚度标定方法.该方法将静电力作为标准载荷施加于微悬臂梁末端,基于胡克定律计算微悬臂梁刚度.对平行极板结构进行了数值模拟,结果显示微悬臂梁与参考极板的相对位置存在较小的偏差时,静电力偏差小于5%.静电力标定实验结果显示微悬臂梁刚度为0.344 N/m,相对测量不确定度为1.86%.该方法适用于微悬臂梁的刚度标定,对微纳力值研究领域具有重大意义.

    微悬臂梁刚度标定静电力不确定度

    面向光轴指向测量系统的光斑质心高精度实时解算方法

    马浚轩李红张旭朱云鸿...
    266-273页
    查看更多>>摘要:针对遥感卫星相机光轴指向测量系统的CMOS图像传感器易受空间环境影响,导致图像缺陷,进而影响光斑质心解算精度的问题,本文提出了一种高精度的光斑质心实时解算方法.仿真分析结果表明该方法能够准确地追踪图像中光斑位置的变化,从而验证了其分步解算策略的可行性.分别采用分步法、OTSU质心法和高斯拟合法对测量系统所采集的图像进行光斑质心的实时解算.实验结果显示,分步法的实时性好,光斑识别成功率最高,质心解算平均偏差和标准差最小,分别为0.026和0.029 pixels.该方法可以为光轴指向测量系统提供可靠的数据支撑.

    夹角测量系统模板匹配实时处理FPGA

    集横波与SH波一体的Halbach阵列换能器研究

    陈路安吕福在张鹏飞韩烨...
    274-287页
    查看更多>>摘要:为解决金属板超声体波测厚效率低下、导波扫查定量能力不足的问题,提出了一种集横波与水平剪切(SH)波为一体的Halbach阵列电磁超声换能器,在不增加体积的条件下,可同时实现横波和SH0阶导波的激励,兼具高精度定点测厚和区域缺陷扫查功能.通过仿真对磁体阵列和线圈排布结构进行了建模与优化,基于优化结果加工、装配了换能器原型.针对SH波扫查和横波测厚功能分别搭建了实验平台,实验结果表明该换能器能够有效识别粘附铁块尺寸大于35 mm×10 mm×20 mm的缺陷回波,横波测厚的平均误差小于1.2%.该研究结合了超声体波定点测厚穿透强、准确度高以及SH波长距扫查、非频散的优势,提升了换能器的检测效率和功能性,具有良好的工业应用潜力.

    复合式换能器线圈优化Halbach阵列超声测厚缺陷检测

    三相旋转磁场高效耦合自取能研究

    颜沛武刘子超张文斌黄汝金...
    288-296页
    查看更多>>摘要:目前三芯电缆自取能效率低已经成为限制电缆沿线在线监测技术发展的关键,为此提出了一种用于三芯电缆的全新磁场自取能方案.与基于互感器原理的传统取能方案不同,创新性地提出了一种基于电机原理的磁场取能方案,此方案提升了磁芯与三相电流产生的旋转磁场的耦合程度,将线圈正法线与电缆表面切向平行改为与径向平行,并给出了最佳取能位置.仿真结果表明,该方案相比以往方案可获得更高的线圈开路电压和输出功率,在磁场自取能效率上有显著提升.结合有限元仿真与神经网络算法,进一步分析一次侧电流、磁芯材料和磁芯尺寸等参数对线圈开路电压的影响,并给出具体的优化设计方案.最后制作样机,在实验室条件下开展相关实验,根据实验结果,一次侧电流50 A,三组线圈共2 100匝时最大输出功率为2.243 mW.

    三芯电缆旋转磁场自取能磁芯设计

    基于最优频段循环脉冲指数谱的轴承故障诊断方法

    刘小峰李俊锋毕远亮柏林...
    297-306页
    查看更多>>摘要:针对滚动轴承多故障冲击共振频带的非一致性及相互交叠影响问题,提出了一种基于循环脉冲指数(CPI)谱的轴承多故障同步诊断方法.该方法引入短时脉冲峰值矩的变异系数对轴承故障冲击进行量化表征,结合冗余提升小波包对轴承故障信号进行频带塔式分解与频带信号CPI计算,构建了故障信号的CPI比值谱图(CPIRgram);根据CPI比值最大原则对轴承故障信号的最优共振频带进行自适应选择,并采用最优频段循环脉冲谱对轴承各故障特征频率进行了统一表征.仿真与故障试验分析结果表明,本文方法无需故障先验知识与分解参数的优化设置,在强噪声及随机瞬态干扰情况下,也能够准确地对多故障特征频率进行同步检测,检测出的故障频率与其理论值误差均小于1.6 Hz,且对故障冲击强度大小及冲击模式变化具有较好的鲁棒性,有较好的应用前景.

    轴承故障诊断最优频段选择最大循环脉冲指数循环脉冲谱

    基于BP神经网络与H∞滤波的锂电池SoH-SoC联合估计研究

    钱伟王亚丰王晨郭向伟...
    307-319页
    查看更多>>摘要:锂电池健康状态(SoH)和荷电状态(SoC)的精确估计是新能源汽车安全运行的重要保障.针对SoH-SoC联合估计精度低、鲁棒性差的问题,提出一种基于变学习率BP神经网络和自适应渐消扩展H∞滤波的SoH-SoC联合估计方法.首先,提出一种基于单位充电压差时间间隔的新型SoH特征参数;其次,通过设计新型变学习率BP神经网络,提高传统BP网络误差收敛速度及缩短权值寻优时间;最后,通过设计新型自适应衰减因子对传统扩展H∞滤波误差协方差矩阵进行加权,建立自适应渐消扩展H∞滤波算法,减小陈旧量测值对估计结果的影响,提高扩展H∞滤波的估计精度及鲁棒性.实验结果表明,本文所提算法SoH估计误差小于0.35%,SoC估计误差小于0.5%,展现出较高的估计精度和鲁棒性.

    锂电池健康状态荷电状态神经网络自适应滤波

    使用异质集成学习和心电信号异构特征融合的睡眠呼吸暂停分类方法

    韩亮罗统军蒲秀娟刘媛...
    320-327页
    查看更多>>摘要:睡眠呼吸暂停(SA)会影响睡眠质量,增加心脑血管疾病风险,其准确分类有助于在SA早期阶段及时开展针对性治疗.本文提出一种使用异质集成学习和异构特征融合的SA分类新方法.首先从原始心电信号中提取小波时频谱,使用SE-ResNet作为初级分类器;然后提取RR间期序列和R峰值序列,使用1D CNN-LSTM作为初级分类器;再提取心率变异性特征,使用SVM作为初级分类器.最后采用堆叠法作为异质集成学习的融合策略,再使用另一个SVM作为次级分类器实现SA分类.在Apnea-ECG数据集上进行实验,所提出的SA分类方法的准确率为89.12%.实验结果表明,所提方法有效利用了各初级分类器的多样性和异构特征的互补性,其性能优于传统的SA分类方法.

    睡眠呼吸暂停集成学习异构特征融合心电信号深度学习