电子测量与仪器学报杂志 北大期刊 CSCD期刊 统计源期刊

电子测量与仪器学报 2018年第10期杂志 文档列表

石墨烯谐振器激励检测研究进展1-8

摘要：谐振器是谐振式传感器的核心元件,而谐振式传感器由于其优良的重复性、分辨力和稳定性,广泛被应用于航空航天事业。随着技术发展,适用于航空事业的谐振器朝着体积小、质量轻、精度高、品质因数高的方向不断发展。但由于谐振材料本身以及加工工艺的限制,传统硅谐振器发展已进入瓶颈期。石墨烯材料具有着优异的机械、电学、光学性能,使其成为新型谐振器研究的热门材料之一。而确定激励检测方法是石墨烯谐振器结构设计第一步。介绍了石墨烯谐振器现有的理论及实验研究成果,并针对现有的谐振器激励检测方法其优缺点,是否适用于石墨烯谐振器进行了分析。其次,对现有的石墨烯谐振器实验中的激励检测方法进行了综述,并对之后的研究方向进行了展望。

差分真空单颗粒进样在线气溶胶飞行时间质谱系统的研制9-14

摘要：详细说明了差分真空单颗粒进样在线气溶胶飞行时间质谱系统(LAMPAS-3 PLUS)的单颗粒进样系统、双光束测径系统、双极飞行时间质谱仪以及数据采集分析系统,并分别用标准粒子对仪器进行粒径标定与质量峰校正。测试结果表明,仪器对0.2～2.5μm粒径段的颗粒物具有稳定的信号响应和～70%的电离效率,并且具有质谱峰识别精准漂移小的特点。仪器外场监测数据提供在线大气颗粒物粒径信息和组分信息的同时,结合模糊C均值聚类算法(FCM)与自适应共振神经网络算法(ART-2a)可实现对大气颗粒物污染来源快速解析,能够为大气颗粒物溯源解析提供重要依据。

微电网数据通信无线传感器网络性能的跨层控制方法研究15-25

摘要：针对无线传感器网络满足微电网数据通信规范性能指标要求问题,探索了一种微电网数据传输无线传感器网络协议栈跨层协作服务质量控制方法。通过分析影响微电网无线传感器网络数据传输的性能指标的主要因素,构造了包含10类概念顶点集合的模糊认知图,以数学模型方式表达无线通信网络中的主要参量之间的因果关系,建立了微电网数据传输无线传感器网络实时性和可靠性服务质量对应的状态空间模型。依据模糊认知图的概念顶点属性模糊推理机制,探讨了一种微电网数据传输无线传感器网络跨层协作服务质量的模糊控制方法,给出了以满足微电网数据通信规范性能指标要求的3种不同状况下的网络参数调节方法和路由路径动态调整策略。通过对微电网数据传输中不同数据产生率情况下的网络性能分析仿真实验分析,结果表明,本方法可为基于无线传感器网络的微电网数据通信提供更有效的QoS保障。

基于KPCA-ANFIS的锂离子电池RUL预测26-32

摘要：针对锂离子电池寿命预测过程中内部参数测量困难、特征构造过程复杂、预测结果不精确等问题,提出了一种结合核主元分析法(KPCA)特征提取与自适应神经网络模糊推理系统(ANFIS)的锂电池剩余寿命预测方法。该方法利用KPCA算法从电池在线可测的参数(电压、电流等)中提取出相互独立的主元特征,通过计算特征得分率和Spearman秩相关系数筛选出准确反映电池退化规律的主元,将其作为锂离子电池的健康指标输入ANFIS神经网络进行容量估计和剩余寿命预测。实验结果表明,基于KPCA-ANFIS的锂电池剩余寿命预测算法所提取的主元特征能够显著反应电池退化特性。此外,通过与PCA-ANFIS算法对比,所设计算法的剩余寿命预测精度得到显著提高(均方误差提高1.73倍,平均绝对误差提高1.38倍)。

基于独立特征选择核Fishier判别分析的电机轴承故障诊断33-38

摘要：为提高电机轴承的故障诊断精度,在深入研究核Fishier判别分析的基础上,对其进行了改进,并提出基于独立特征选择核Fishier判别分析(IFS-KFDA)的电机轴承故障诊断方法。该方法首先从多个角度构建了原始高维故障特征集,在此基础上,利用独立特征选择核Fisher判别分析为轴承每两类故障状态独立选择敏感特征集,使获得的敏感特征对故障状态具有更好的表征作用,同时还有效地排除乐原始混合特征集中的非敏感特征的干扰。轴承故障诊断实例验证了方法的有效性。

基于神经网络的无刷直流电机传感器故障检测及容错系统39-46

摘要：针对传统容错控制系统只能检测传感器单相或两相出现故障且检测及容错算法相对复杂的缺点,提出了一种基于神经网络的故障霍尔传感器故障检测方法与基于无位置传感器系统的容错控制系统,利用神经网络分类功能对多种故障类型,如换相延迟、换相提前、单相故障等更多故障类别进行诊断。通过仿真与测试平台实验验证,所提出的基于神经网络的传感器故障检测及容错控制系统能显著降低霍尔传感器故障对电机转速的影响,并使电机在霍尔传感器故障时能够稳定运行。

基于机器视觉的太阳能电池片缺陷检测技术的研究47-52

摘要：为了解决国内生产线中太阳能电池片缺陷识别存在效率低、精度差的问题,提出一种基于机器视觉的缺陷检测方法。首先采用局部最大方差法对电池片图像进行有效分割并识别出断栅,接着提出了一种积分投影与灰度重心相结合的定位算法对图像进一步处理,最后通过计算各缺陷的几种特征参数作为输入向量,设计了以径向基(RBF)为核函数的支持向量机(SVM)分类器,通过网格搜索法自动获得分类参数,实现了对太阳能电池片缺角、断栅、崩边、裂纹、漏浆、铸点等几种常见缺陷的检测。实验结果表明,该方法有效提高了检测效率和准确率,所设计的SVM分类器的识别率在90%以上。

改进型MGM(1,n)模型的焊点失效事前预测研究53-58

摘要：为了实现对焊点失效的事前预测,提出了一种基于改进型MGM(1,n)模型的方法。首先,提取焊点电压数据的多种时域特征参数作为输入以引入多特征参数对焊点失效时间的影响;其次,合理选取模型参数以提高模型预测精度;最后,利用模型预测焊点的失效时间,输出失效信息。通过与传统GM模型对比发现,该方法的预测误差率更小、预测时间更长;通过试验验证,结果表明该方法能够实时地预测焊点的失效时间、输出有效的失效信息,准确率在85%～93%,预测时长在60～160 min。

基于剩余时间预测的电站锅炉吹灰优化研究59-64

摘要：针对锅炉受热面吹灰优化问题,研究了剩余时间预测及预防性吹灰最优决策问题,提出了一种基于剩余时间预测的燃煤电站锅炉吹灰优化策略。在锅炉受热面积灰分布函数未知的条件下,由已知的锅炉受热面的剩余时间分布函数预测其平均剩余时间,以平均剩余时间为阈值制定预防性吹灰策略。由更新过程理论,建立了以预测间隔、吹灰阈值为优化变量和最小平均吹灰费用为目标的优化模型。采用粒子群算法进行优化求解,得到锅炉最优的监测周期和吹灰阈值,并使锅炉长期运行的平均费用率最低。

模拟电路故障诊断的云关联系数矩阵方法研究65-72

摘要：由于模拟电路元件中存在容差性和边界模糊性等问题,提出一种基于云关联系数矩阵的模拟电路故障诊断方法。首先,利用模拟电路本身的特点,提出了云模型提取电路故障特征集的算法。利用综合云隶属度方法计算云关联系数矩阵,并将其作为被测模拟电路故障特征集。然后,该特征集被用作支持向量机(SVM)模型的输入以确定故障的判定类别。以Sallen＿Key带通滤波器电路和四运放双二次高通滤波器电路的单、双故障情景为例作为验证对象。结果表明,该方法提取的故障特征能够更好地反映电路信息,诊断精度均可达到95%以上,具有较高的诊断精确度,可用于模拟电路软故障诊断。

基于网格的密度峰值聚类算法的RFID定位73-78

摘要：针对单一的一种聚类算法在处理实际定位问题时难以满足其精度需求的问题,提出一种基于网格的密度峰值聚类算法并将其应用于处理RFID定位系统中的空间数据信息,以实现对目标标签的定位。该算法结合了网格聚类算法和密度峰值聚类算法各自的特点,在保留了网格聚类算法处理大规模空间数据集的能力的同时,通过密度峰值聚类算法对网格聚类算法处理复杂聚类信息的能力进行提升,使得在处理基于RFID的室内定位问题时获得的定位效果满足实际需求。通过对3种算法的实验结果进行对比分析,可以看出算法能够提高基于RFID室内定位系统的定位精度,使得定位误差在0.128 m上下波动,具有很好的稳定性。

基于混合测地线区域曲线演化的虹膜定位方法79-86

摘要：由于可见光移动端虹膜识别中图像受光照不均、镜面反射等因素干扰,可能损失部分虹膜的结构信息和边缘信息,造成难以准确定位虹膜区域。为解决上述问题,提出一种基于混合测地线区域曲线演化的虹膜定位方法。该方法首先在图像预处理中采用拉格朗日插值法消除光斑;然后采用基于HOG特征和级联分类器的虹膜检测模型初步定位虹膜区域;再根据灰度梯度信息和拟合圆的方法确定虹膜内边缘;最后采用混合测地线区域曲线演化法定位虹膜外边缘。为测试算法的有效性,采用MICHE-I虹膜图库中由iPhone5采集的754张虹膜图像进行测试,并且提出一种虹膜外边缘定位准确度的定量评价方式。测试结果表明,方法在包含干扰的图像中虹膜定位成功率达到93.3%,虹膜边缘定位错误率为0.08,满足移动端虹膜识别的实用需求。

油中溶解气体的灰色模型残差修正融合算法87-94

摘要：针对传统灰色模型对变压器油中气体进行分析时预测时间跨度较长、序列精度会大幅降低的问题,提出了灰色模型残差修正融合算法。在建立灰色多变量模型的基础上确定关联度大于0.5的气体变量,然后融合了自适应回归算法和马尔可夫修正模型对残差进行修正,避免了残差的持续累积,提高了预测精度。通过仿真,将传统灰色模型、仅通过自适应回归修正以及进一步马尔可夫修正后的误差进行对比,结果表明,融合了两种模型的算法准确度最高,测试集误差减小到最初的34%。该灰色模型残差修正融合算法可有效提高传统灰色预测模型的准确性。

基于卷积神经网络的半监督高光谱图像分类95-102

摘要：为了充分利用大量未带标记的数据,提出了一种简单而有效的基于卷积神经网络的半监督学习方法并用于高光谱图像(hyperspectral images, HSIs)分类。首先,构造了一种同步处理带标签和未带标签数据的卷积神经网络模型;其中,带标签数据用于训练softmax分类器,并为未带标签数据提供初始的K-means聚类中心。在此基础上,将K-means聚类损失函数和softmax分类损失函数结合起来定义了一种新的混合损失函数来训练深度网络,该损失函数可在带标签样本有限的情况下,充分利用未带标签数据来有效地提高深度网络提取特征的鉴别能力,从而有效地改善深度神经网络的高光谱图像分类能力。通过在PaviaU、PaviaC和Salinas数据集上进行实验,方法的总体分类精度分别达到了98.49%、99.45%和94.64%;与传统基于卷积神经网络的高光谱图像分类相比,半监督学习方法能够改善特征提取的性能,从而获得更好的分类效果,同时,此方法的网络结构简单且易于训练。

基于多结构特征提取和轨迹跟踪的车辆远光识别103-110

摘要：为识别夜间车辆远光,提出了车灯特征提取算法及多车灯跟踪匹配模型。首先,基于各光源成像差异,设计区分度显著的多结构特征描述子,结合随机森林判断车灯类别。其次,根据车灯帧间运动规律,提出车灯轨迹极限值拟合模型,以生成跟踪搜索区,并结合车灯轨迹预测和特征相似度完成多车灯跟踪匹配。最后,据跟踪周期中远光开启距离或持续时间验证其远近光属性。实验采集多段城区道路交通视频数据,统计实现远光识别的频数,与主观判断进行比较。结果表明,该方法能以91.2%的准确率实时识别车辆远光。

适用于随钻成像数据压缩的数据重排方法111-118

摘要：为了提高随钻成像数据井下存储与实时传输的效率,结合其变化平稳、相邻数据相关性强的特点,提出了一种数据重排方法,用于提高基于DPCM与离散余弦变换(DCT)的混合编码方法的压缩效率。采用预测编码对原始数据进行差分处理后,该方法以重排元素平均距离作为优化准则,以数据重排路径连续、无交叉且保持数据相邻性作为约束条件,将得到的一维差值数据重组为二维矩阵,在保持相邻数据间相关性的同时,增强非相邻数据间的相关性,提高变换编码去相关冗余的效率。利用模拟的随钻成像数据进行了压缩实验,结果表明,与常规的混合编码方法相比,在重构误差不超过5%的前提下,采用数据重排方法后压缩方法的压缩比提高了60%,显著提高了混合编码方法的压缩效率;同时,运行时间缩短了23%,适合在井下仪器中使用。

基于最优导向法则与距离约束的图像修复算法119-125

摘要：为了解决当前图像修复算法利用置信度与数据项来完成图像修复时,忽略了优先修复块中已知信息量所占的比例,导致修复图像存在不连续以及块效应的不足,提出了一种基于最优导向法则耦合距离约束因子的图像修复算法。首先,将像素点的梯度信息引入到待修复块的优先权中,联合置信度与数据项,构造了优先权判定函数,从破损区域中选取优先修复块。以优先修复块中已知信息量所占的比例为依据,构造最优导向法则,对优先修复块中已知信息所占比例进行调整,以找出最佳的匹配块。然后,计算像素点的梯度信息,建立梯度直方图,确定待修复像素点的主方向,通过待修复块内已知像素点与待修复像素点的距离构造主方向上的距离约束因子,以对样本块大小进行动态调整。最后,在像素点之间棋盘距离的约束下,通过对像素点进行均方误差和度量,搜索最优匹配块,从而完成图像修复。实验结果与分析显示,与当前图像修复算法相比,所提算法具有更高的修复视觉质量。

基于概率密度梯度值估计与圆谐傅里叶变换的鲁棒图像水印算法126-137

摘要：为了解决当前基于图像特征点的水印技术存在的问题,设计了基于概率密度梯度值估计与圆谐傅里叶变换的鲁棒图像水印算法。首先,基于载体图像的强度概率密度,构建概率密度梯度估计函数;利用概率密度梯度值替代强度梯度,计算载体图像的二阶自相关矩阵,以改进Harris-Laplace检测算子,充分提取载体的鲁棒特征点;然后,基于LOG(Laplacian-of-Gaussians)算子,计算每个点的特征尺度,构建了圆形局部特征区域;引入圆谐傅里叶变换,对所有局部特征区域进行处理,输出相应的傅里叶系数;定义鲁棒系数选择规则,从所有的傅里叶系数中确定合适的系数作为水印隐藏位置;根据选择的鲁棒系数,设计水印嵌入方法,将加密后的二值水印隐藏到这些系数中,形成水印图像;最后,建立水印检测机制,从水印图像中复原二值水印。测试结果显示,与当前图像水印方案相比,面对几何变换攻击,所提算法具有更高的不可感知性,所输出的水印图像与载体的相似度为0.994;另外,所提技术也具备更强的鲁棒性,复原水印失真度最小,在中心裁剪攻击下,所提算法的复原水印对应的峰值信噪比(PSNR)、归一化系数(NC)值最大,分别达到了41.91dB、0.901。