基于视觉技术的光纤陀螺闭合光路光纤缺陷检测方法

针对光纤陀螺内部光纤在装配后光路闭合,无有效手段进行光纤缺陷检查,对光纤陀螺长期稳定可靠工作带来潜在危险的问题,提出利用红外视觉检测技术检查光纤缺陷,分析光纤缺陷图像特征,采用最大熵法进行图像分割,提出了结合直方图特征、缺陷区域形状特征、缺陷边界形状特征提取方法,采用改进的神经网络分类方法,用两层网络进行缺陷分类,识别判断不同类别的光纤缺陷。针对光纤缺陷图像的处理结果表明,该方法能够有效地检测光纤缺陷,对不可接受的缺陷能够100%地正确判断。     

基于卷积神经网络的钝体尾迹识别研究

针对相同特征长度不同钝体的尾迹结构相近, 肉眼难于分辨的问题, 提出了一种基于卷积神经网络的钝体尾迹识别方法, 并在竖直肥皂膜水洞的典型钝体模型尾迹实验中获得高准确率验证. 实验平台由自建竖直肥皂膜实验装置、钝体模型(方柱、圆柱和三角柱)及图像采集系统组成, 可基于光学干涉法实现对不同速度下钝体肥皂膜尾迹的高清持续拍摄. 所建立卷积神经网络识别模型由输入层、卷积层、池化层、全连接层和分类层组成, 其中, 卷积层和池化层用于提取尾迹的深层次特征信息, 而全连接层和分类层构成识别分类模式来分类输出图像对应的钝体类型或雷诺数. 通过将9000张尾迹图像数据集导入卷积神经网络模型, 以数据驱动方式建立了具有钝体形状或雷诺数识别能力的尾迹特征识别模型. 结果表明, 该模型对相同雷诺数下识别钝体形状的准确率达97.6%(识别300张不同形状钝体尾迹图像), 对不同雷诺数下识别钝体形状的准确率达96%(识别1200张不同雷诺数尾迹图像), 即使将不同钝体形状和雷诺数下尾迹图像混放一起, 其钝体形状和雷诺数识别准确率也可以达到91%(识别1500张混放尾迹图像). 该方法为进一步利用人工智能提取流体尾迹中的物理信息提供借鉴.      

改进Yolov4的车辆弱目标检测算法

针对交通场景中存在的小目标和遮挡目标等弱目标漏检、错检、检测速度慢等问题，提出一种改进Yolov4的车辆弱目标检测算法。首先设计像素重组残差模块（PS-R），通过超分辨率的方式将多个目标的中心点分散到不同网格中，保留更多的遮挡目标；其次设计特征增强注意力模块（FEAB），充分利用高层特征的语义信息和浅层特征的细粒度信息，提升弱目标检测性能；然后根据道路车辆的目标特点，k-means++结合遗传算法对车辆数据集的真实标注框进行聚类，生成更符合车辆目标的先验框；最后使用深度可分离卷积替换网络特征融合模块（PANet）中的常规卷积，提升检测速度。在车辆数据集KITTI和UA-DETRAC上进行实验验证，改进后的Yolov4算法比原始Yolov4算法精度分别提高了1.9%和2.4%，检测速度达到了61.4 fps。     

用隐Markov模型的陀螺电机故障诊断方法（英文）

为满足机电陀螺仪高可靠性的要求,准确地检测和诊断陀螺仪核心部件——陀螺电机的各类故障是十分必要的。提出了一种陀螺电机检测和诊断的新方法,即基于隐Markov模型的模式识别方法。该方法从母线电流时域信号提取特征并作为电机状态的监测指标,通过顺序后推法选择最佳信号特征建立特征空间,并用于隐Markov模型的参数训练,进而使用隐Markov模型作为分类器对陀螺电机进行故障检测和诊断。为验证方法的有效性,用一台无刷直流陀螺电机作为样本进行了实验,构造了轴承故障和定子故障,并在不同的温度条件下进行了测试。实验结果表明:该方法对于陀螺电机故障检测和诊断的正确率达到96.8%。     

基于CBAM-CNN的高速列车制动闸片摩擦块偏磨状态监控

为了解决高速列车制动闸片偏磨状态特征提取困难的问题,提出了一种基于二维图像识别的多尺度卷积和卷积注意力模块(CBAM)结合的状态监控模型. CBAM分别对数据的通道和空间给予不同的关注度以提取出关键的信息,使模型能够准确的对偏磨的状态特征进行提取. 模型的多尺度卷积模块则是增加模型对卷积核尺度的适应性,以提取到更加丰富的特征. 此外,为了防止模型训练过程中梯度爆炸和梯度消失的现象,在模型中加入残差连接. 最后,将所提方法应用于自行研制的高速列车自制试验台得到的制动闸片偏磨数据集,实验结果表明,该模型不仅能够准确有效的识别制动闸片各种偏磨状态,平均准确率达到99.89%,而且也具有较强的稳定性.      

分布式光纤裂缝检测的有限元分析及试验

对分布式光纤裂缝检测技术中光纤-混凝土复合体的微观力学行为进行了分析. 考虑了涂覆-护套、护套-混凝土双界面的状态非线性,混凝土采用双线性各向同性强化模型以消减局部应力集中,避免护套-混凝土之间的过度穿透. 采用试验确定的接触对力学参数,用ANSYS进行了数值模拟,得到了光纤-混凝土复合体的微观应力分布及光纤的曲率分布. 定量分析了缝宽与弯曲损耗的关系,计算结果与试验结果符合较好,从理论上验证了光纤布置方式、护套厚度对传感灵敏度和动态范围的影响,为分布式光纤裂缝检测技术提供了修正的微观力学分析理论和方法.      

基于DFI一体化网络的水下抗干扰目标跟踪方法

由于水下环境的特殊性，水下机器人容易受水流、可见光反射、遮挡等复杂水下环境影响，从而干扰目标检测器的性能，进而使跟踪算法效果下降，影响跟踪效果。针对这一问题，提出了一种基于目标检测特征提取一体化网络（DFI Network）的水下抗干扰目标跟踪方法。在传统YOLOv3检测网络基础上，设计了特征提取网络，通过卷积和最大池化运算，输出目标特征信息，并将状态向量维度扩充为10维，同时针对扩维状态向量，构造了扩维滤波器，进而通过后续匹配、跟踪控制等步骤，实现了水下机器人在干扰环境下的目标跟踪。使用标注的水下目标跟踪数据集对所提算法进行测试，并与YOLOv3算法进行对比验证。测试结果表明，与原版YOLOv3算法对比，所提出的算法以2FPS的较小帧率损失，将跟踪精度提高了30%以上。     

基于SHAP-RF框架的越野车辆路面识别算法研究

根据越野车辆在不同路面上行驶时的动力学响应特征, 可以实现路面类型的在线识别, 为面向路面特征调整底盘控制子系统参数从而获取更好的行驶性能奠定基础. 但越野环境地面特征复杂, 车辆响应机理分析困难, 给基于车辆动力学响应进行路面准确识别带来挑战. 提出了一种SHAP-RF路面识别算法设计框架, 通过SHAP (Shapley additive explanations)模型解释方法实现高维随机森林(random forest, RF)路面识别模型的降维化: 首先采集了试验车在压实土路、沙地、良好沥青路与冰雪路4种路面上的行驶数据并计算了3个次级行驶特征; 进一步计算了行驶数据的共计105个时域特征和频域特征, 并以此为输入特征建立了高维随机森林路面识别模型; 利用SHAP解释法分析高维模型输入特征对识别结果的影响从而提炼出各个特征与路面类型的关联性, 完成特征筛选; 最后, 利用筛选后的特征设计降维随机森林路面分类器. 基于实车数据的算法验证试验表明, 设计的降维路面识别模型对4种路面的识别精确率在94%以上, 召回率在93%以上, 相比高维的随机森林路面识别模型, 各种路面上的精确率和召回率最大降幅不超过3.2%, 证明本文提出的SHAP-RF路面识别算法设计框架能够在选用较少特征的情况下依然保证车辆行驶路面类别的准确识别.      

光纤传感器在相似材料模型测试中的相容性研究

为了找出光纤传感器弯曲损耗与岩层变形破坏过程中变形的关系 ,在相似材料模型铺设过程中将光纤传感器埋入在层合材料之间。研究了相似材料模拟实验中 ,光纤与模型岩层的相互作用机理 ,光纤与模型岩层的相容性 ,以及提高二者相容性的方法 ;并设计了一种基于光时域反射技术的新型微弯光纤传感器 ,用于相似材料模型的应变、位移检测中。实验研究表明 ,这种传感器结构不仅能实现对岩体变形的监测 ,而且在该情况下传感器不会失效 ,具有较好的相容性。构建了岩体光纤检测的理论基础     

岩石变形光纤光栅传感检测的应变传递分析

岩石变形过程可以通过光纤光栅的表面粘贴法进行检测。建立了考虑表面凹槽时的应变传递模型,经过力学分析得出了应变传递方程及传递系数的表达式;在MTS伺服机上进行了单轴压缩实验,借助光纤光栅对加载过程进行了测试。结果表明,传递方程与粘贴层厚度均匀分布时的方程形式相同,只是特征值k不同;换算后光栅的轴向应变与MTS位移计吻合很好,相对误差仅为3.2%;环向测试优于MTS的环向应变计,而两种方法都明显地优于应变片。实验验证了所建模型的正确性。经应变传递换算后,通过光纤光栅可以实现岩石变形过程中与MTS精度相当的高精确测试。