仪器仪表学报杂志

仪器仪表学报杂志2022年第3期

• 交通环境能量采集及自供能交通设施 健康状态监测研究进展

  杜荣华，朱胜亿，魏克湘，张文明，邹鸿翔

  从交通环境中采集能量为交通设施健康状态监测供电,不仅便捷、可持续,而且零碳环保,有益于我国“双碳”目标实现。目前关于交通环境能量采集、交通设施健康状态监测的研究有很多,但是还未见从自供能交通设施健康状态监测角度综述、总结和提炼的报道。本文概述了交通环境能量源及机电转换机制,阐述了交通设施健康状态监测的基本内容和研究进展,强调交通环境能量采集是解决交通设施健康状态监测供电问题的潜在方案,重点论述了交通环境能量采集方法及交通设施健康状态监测中的应用,探讨了自供能交通设施健康状态监测面临的挑战并进行了展望。

• 基于 Lamb 波的数据传输与缺陷检测同步实现方法

  徐云飞，孙永顺，丁晓喜，黄文彬

  在结构健康监测领域,超声导波相对于体波具有传输距离远、覆盖范围大、检测成本低的优点。提出了一种基于Lamb波的数据传输与缺陷检测同步实现方法,实现了超声系统的多功能复用。通过理论仿真与扫频实验验证了Lamb波模态调制理论,使用压电晶片主动传感器在铝板上以500kHz的中心频率激发出S0模态Lamb波进行数据传输和缺陷检测。针对Lamb波边界反射引起的码间串扰问题,采用移不变稀疏编码方法进行信息恢复,在具有反射边界的铝板上成功实现100kbps的信息传输速率,并且误码率为0。同时,利用移不变稀疏编码中的原子信号进行结构缺陷检测,根据合成孔径聚焦技术实现了缺陷的准确定位,定位误差小于0.2%。

• 基于符号相干因子加权的双层介质频域 相干复合平面波成像

  龙盛蓉，陈 尧，孔庆茹，黄景兴

  为同时提高双层介质下超声相干复合平面波(CPWC)成像的质量和效率,提出一种频域波束形成与符号相干因子加权(SCF)相结合的算法。提取平面波数据的相位符号,通过修正后的频域波束形成算法对其进行波场外推。利用外推后的相位符号构建SCF加权因子对波束形成后的平面波图像进行自适应加权。结果表明,经过SCF加权,时域和频域波束形成后图像中缺陷的平均半峰值宽度基本相同,分别为时域DAS的78%和75%,频域图像的信噪比高于时域5dB左右,在提供相同分辨率和信噪比的前提下,相比于时域波束形成下的SCF加权算法,本文所提的复合算法成像效率提升4倍以上,同时兼顾较高的成像质量和较低的运算复杂度,进而形成一种适用于双层介质无损检测的高质量、低复杂度的超声相控阵成像技术。

• 基于多普勒调制时移 Laplace 小波的列车轴承故障声 信号瞬态成分快速提取方法

  刘 方，翟涛涛，侯超强，滕繁荣，刘永斌

  提出了一种基于多普勒调制时移Laplace小波的列车轴承故障声信号瞬态成分快速提取方法,包含“先粗后精”两个步骤:1)瞬态参数粗估计,利用现有的多普勒调制等周期Laplace小波模型粗略估计瞬态参数;2)参数精确估计与瞬态成分提取,构造多普勒调制时移Laplace小波模型,使用逐个匹配的策略进行瞬态参数精确估计和瞬态成分的提取。所提方法具有以下优点:1)更高的精度,使用的多普勒调制时移Laplace小波模型在时域内仅有一个时延参数定位的小波成分,能够解决周期瞬态模型在提取伪周期瞬态成分时匹配误差问题;2)高效率,由于使用了周期瞬态模型粗略估计瞬态成分参数,因此在瞬态成分逐个提取的过程中小波参数的范围可以设的很小,实验对比分析结果显示,与直接提取方式相比效率提高了71.46%。本研究提供了一种从含有多普勒畸变的列车轴承故障声信号中精确地、高效率地提取瞬态成分的方法。

• 基于变分贝叶斯平行因子分解的缺失信号的恢复

  李 琼，李志农，周世健，谷士鹏，陶俊勇

  现有的工程信号处理方法都是基于完整的数据采集,并没有考虑缺失信号的处理。而在工程实际中,由于人为因素和自然界不可抗拒的因素,有时会造成传感器失效,从而造成信号采集的缺失。为了消除信号缺失对工程信号处理的消极影响,提出了一种基于变分贝叶斯平行因子分解的信号恢复方法。首先利用平行因子分析理论将采集的振动信号构造成三维张量,同时结合贝叶斯方法,引入潜在变量和超参数,建立贝叶斯平行因子概率图模型;其次采用变分贝叶斯算法推导出因子矩阵和超参数的后验分布,从而进一步推断出缺失元素的分布预测;最后通过分析该模型的下界,初始化参数的选择,使该算法更好的解决信号缺失问题。利用均方根误差和相对平方根误差对该算法的性能进行评估,仿真和实验结果表明,随着缺失比例的增大,变分贝叶斯平行因子分解算法相较于传统的低秩张量补全算法,误差更小,能够更加有效的恢复缺失的信号,有效地解决了工程信号处理中因传感器失效而引起的信号缺失的问题。

• 变转速工况下基于多传感器信号深度特征 融合的电机故障诊断研究

  王骁贤，陆思良，何清波，张世武

  本文提出一种利用多传感器信号深度特征融合的方法实现电机变转速工况下的故障诊断。首先从多传感器节点同步采集电机的多通道振动、声音和漏磁信号。对漏磁信号进行处理获取电机转子的累积转角曲线,随后利用累积转角曲线对振动和声音信号进行阶比分析处理。最后利用双层双向长短期记忆网络从经过预处理的多传感器信号中提取和融合特征以诊断电机故障。实验结果表明,通过提取和融合8通道的电机振动和声音信号,本文提出的方法能够有效识别电机的高阻接触、偏心、霍尔断线、相间短路、轴承等10类运行状态,分类准确率达到99.86%。该方法有望部署在物联网边缘计算节点中,实现电机的远程在线状态监测和故障诊断。

• 失效物理与数据驱动融合的燃油泵在线寿命预测

  景 博，崔展博，孙宏达，焦晓璇，章 余

  针对机载燃油泵性能退化过程呈现的多阶段、非线性的特点以及对寿命预测实时性的要求,提出了一种基于失效物理与数据驱动融合的燃油泵在线退化建模与寿命预测方法。通过开关卡尔曼滤波器对燃油泵退化阶段进行在线识别,并对快速退化阶段建立失效物理与数据驱动融合的退化模型,然后基于无迹卡尔曼滤波器对建立的退化模型不断进行模型参数更新,并使用更新后的模型对失效寿命进行预测。将所提方法分别与纯数据驱动的方法、不进行退化阶段识别以及不进行参数更新的融合方法进行比较,整个参数更新过程中其均方根误差不超过0.3,寿命预测百分比误差不超过2%,均小于对比方法,验证了本文方法的有效性与优越性。

• 基于变步长多尺度 Lempel-Ziv 复杂度融合 指标的旋转设备损伤评估

  苏 舟，石娟娟，于亦浩，黄伟国，朱忠奎

  损伤程度评估对于旋转设备的故障预测与维护至关重要。Lempel-Ziv复杂度已被广泛用于旋转设备的定量故障诊断。但是传统Lempel-Ziv复杂度指标只能在单一尺度提取故障信息,难以全面挖掘故障特征。为此,学者提出了多尺度Lempel-Ziv复杂度。然而,多尺度分析会缩减时间序列的长度,易于导致评估结果不准确。因此,提出了一种基于变步长多尺度LempelZiv复杂度融合的旋转设备损伤程度评估指标。首先采用变步长策略优化粗粒化过程,更全面地挖掘故障信息;然后运用基于拉普拉斯得分加权的融合方法来评估每个尺度的重要性,将变步长多尺度复杂度序列转化为一个单一但全面的评价指标,即所提的变步长多尺度复杂度融合指标,用以全面挖掘振动信号的特征,实现对旋转设备的损伤评估。本文采用轴承单点缺陷数据、轴承全寿命数据和齿轮箱疲劳试验数据验证所提方法的有效性,并与其他复杂度指标进行比较分析,结果表明:所提指标可100%准确地对轴承故障严重程度及齿轮磨损程度进行评估,发现早期故障,实现旋转设备的定量诊断。

• 多策略改进麻雀算法与 BiLSTM 的变压器故障诊断研究

  王雨虹，王志中，付 华，王淑月，王留洋

  针对变压器故障诊断精度低的问题,提出了一种多策略改进麻雀算法(MISSA)与双向长短时记忆网络(BiLSTM)的变压器故障诊断模型。基于油中溶解气体分析(DGA)技术,结合无编码比值方法提取变压器9维故障特征作为模型输入进行网络训练,输出层采用Softmax函数得到故障诊断类型;采用Logistic混沌映射、均匀分布的动态自适应权重以及动态拉普拉斯算子来对麻雀搜索算法(SSA)进行改进;在初始解集内,利用MISSA对目标超参数进行寻优,使变压器故障诊断精度最优,并结合核主成分分析(KPCA)对故障特征指标降维,加快模型收敛速度。结果表明,提出的模型诊断精度为94%与PSO-BiLSTM、GWO-BiLSTM和SSA-BiLSTM故障诊断模型相比,分别提高了11.33%、8.67%、6%,验证了本文方法能够有效地提高变压器的故障诊断性能。

• 改进稠密块轻量化神经网络的管道泄漏孔径识别

  孙洁娣，王利轩，温江涛，肖启阳

  深度神经网络的管道泄漏孔径识别方法虽然识别率高,但因结构复杂造成参数量大、内存占用大,极大地限制了其在资源有限的工业环境及实时处理中的应用。提出一种优化卷积改进稠密块的轻量化神经网络用于管道泄漏孔径识别。首先将深度可分离卷积与异构卷积结合,构造了新的多卷积稠密块实现泄漏信号的特征提取;之后采用卷积注意力机制对特征进行权重划分,实现特征的重要性区分;最后通过分类器获取结果。实验结果表明,本文方法识别准确率达到了96.59%,参数量仅为781KB。本文方法在保证高识别准确率的同时,参数量及浮点数大幅下降,训练时间也有所减少,改善了实时响应能力,对于实际工业监测应用有指导意义。

• 基于深度宽卷积 Q 网络的行星齿轮箱故障智能诊断方法

  王 辉，徐佳文，严如强

  针对行星齿轮箱故障诊断常依赖较强的专业知识,诊断模型通用性差的问题,基于深度强化学习,提出一种深度宽卷积Q网络的行星齿轮箱故障智能诊断方法。首先将行星齿轮箱的故障诊断分解为序贯决策问题,采用分类马尔科夫决策过程进行描述,并建立故障诊断模拟环境;其次设计深度宽卷积神经网络作为深度Q网络模型中的动作值网络,增强对环境状态的感知能力;最后模型通过与环境间的不断交互,并依据环境反馈的奖励,自主学习最佳诊断策略,从而完成行星齿轮箱的状态辨识。试验及案例结果表明:该方法能够在多个工况下均可有效、准确地实现行星齿轮箱的智能诊断,诊断准确率均超过99%,增强了诊断模型的泛化性和通用性。

• 基于对称式对比学习的齿轮箱无监督故障诊断方法

  李巍华，何 琛，陈祝云，黄如意，晋 刚

  针对跨工况下无监故障诊断特征提取难、模型泛化性弱的问题,提出一种基于对称式对比学习策略的齿轮箱无监督故障诊断方法。首先,利用原始信号构建正负样本集,通过加噪声、序列倒转等数据增强后,分别输入两个结构相同的卷积神经网络提取高维特征;其次,度量正负样本的相似程度进行编码学习数据的隐藏表示,通过对称式自监督对比学习优化正负样本的对比估计损失函数,从而有效利用样本自身标签信息,提升网络从无标签样本中学习判别特征的能力;最后,在齿轮箱数据集上对所提方法开展试验验证,通过聚类准确率、分类系数和划分熵进行综合评估。结果表明,所提方法聚类精度可达98%以上,相比其他方法,呈现了更强的聚类能力和泛化性能。

• 有限变工况特征迁移学习方法及其在高速列车轴箱 轴承故障诊断中的应用

  罗宏林，柏 林，侯东明，彭 畅

  以高速列车轴箱轴承为研究对象,提出了一种适用于有限数量变工况下的轴承故障诊断方法。该方法以有监督的学习模式构造自编码器,将不同工况下特征值集向参考工况下特征集做映射迁移,从而减弱由工况变化引起的轴承故障特征值改变的影响。再将迁移后的特征集输入由参考工况特征集预训练的基于卷积神经网络的故障诊断模型,实现变工况下轴承故障的诊断。凯斯西储大学轴承公开数据集和高速列车轴箱轴承数据集的试验结果表明,经监督式自编码器特征迁移后的轴承故障识别准确率有了较大提升,该方法能够较好的实现有限工况下的特征序列的迁移,解决工况变化带来的故障特征的畸变问题。关键词:轴箱轴承;监督式自编码器;变工况特征迁移;卷积神经网络;故障诊断

• 冗余策略下的机械振动 WSN 高效可靠传输方法

  黄 艺，赵春华，汤宝平，付 豪，邓 蕾

  针对大量机械振动无线传感器网络数据的传输过程中高延时和可靠性的问题,提出了冗余策略下的机械振动无线传感器网络高效可靠传输方法。首先分析对比了基于IEEE802.15.4协议支持的ACK和Non-ACK的传输机制下的时间消耗,取消传输ACK应答帧带来的时间延时,保证大量机械振动数据的高效传输;然后提出了一种冗余策略下的数据可靠传输方法,采用部分冗余矩阵进行数据编码将机械振动原始数据在丢包率下进行数据扩展;最后,数据中心将收到的数据解码即可得到原始数据。实验结果表明,所提方法数据量经冗余编码后增加25%后,每轮传输延时可减少约3s,传输能量消耗可降低约555mJ,并能保证数据完整性。

• 热力耦合作用下的风洞应变天平校准技术

  苗 磊，马 涛，徐志伟，谢 斌，周米文

  为研究温度对风洞应变天平测量的影响,以热力耦合作用下的天平校准技术为着力点,通过响应面实验设计方法确立热力耦合加载矩阵,基于六自由度校准系统及构建的温度环境对一台六分量风洞应变天平实施热力耦合加载,采用多元回归方法建立了包含温度、力、力矩参数的天平公式,最后利用验证载荷检验天平公式的准确性,检验结果显示:温度及力/力矩载荷作用下,天平各分量的综合加载误差优于0.3%;天平公式能准确表征天平在热力耦合作用下的综合性能。研究结果表明,热力耦合作用下的风洞应变天平校准技术能够用于评定及修正温度对天平测量的影响。

• 车轮踏面动态感应热成像缺陷检测方法研究

  唐思颖，高晓蓉，彭建平，张 翔

  涡流脉冲热成像是一种新型的无损检测技术,具有检测速度快,灵敏度高,探测范围大的特点。为适应车轮踏面缺陷的动态检测,本文提出了一种适应车轮踏面廓形的矩形磁轭电磁感应激励传感结构。通过传感器结构的磁路模型推导,从理论上证明了传感结构的可行性。通过数值模拟计算分析了踏面表面检测区域的磁场与涡流场分布,并对比了矩形磁轭与直导线的检测结果。在此基础上,本文搭建了一套车轮自动探伤检测系统,能够实现65mm/s速度下的缺陷动态测量。结果表明,设计的矩形磁轭传感结构可优化感应加热的均匀性,对车轮踏面浅表层疲劳裂纹(轴向表面开口)具有更好的检测结果。

• 基于激光划刻的石墨烯发声器的研究

  赵 程，周佳成，张顺毅，王德波

  本文研究了一种基于激光划刻的石墨烯发声器。为了研究不同结构石墨烯发声器对输出性能的影响,本文设计了实心、粗网、中网、细网四种结构的石墨烯发声器。首先,建立了实心结构和网状结构的热声转换模型;然后,给出了激光划刻石墨烯的制备流程和扫描电镜表征;最后,实验测试了四种结构的石墨烯发声器的输出性能。实验结果表明,实心结构的输出性能最佳,在输入功率为0.78W、麦克风距离为5cm、激励频率为20kHz的条件下,声压级达到40.68dB。研究发现在0~0.78W的范围内,输入功率每增加0.1W,理论声压级平均提高2.58dB,实验声压级平均提高2.48dB,与理论模型基本符合。基于激光划刻的石墨烯发声器具有成本低、制备简单、声学性能好等优势,在生物、医疗、可穿戴电子设备等领域具有广泛的应用前景。关键词:石墨烯发声器;激光划刻技术;热声转换模型;声压级;扫描电镜

• 基于无芯光纤与光栅级联的反射式大量 程高分辨力海水温度传感器

  赵 勇，赵 健，吕日清，林子婷

  针对海洋环境探测中海水温度的大量程高分辨力测量需求,本文提出并验证了一种基于无芯光纤(NCF)与光纤布拉格光栅(FBG)级联的反射式传感器。传感器的制作过程包括将刻有FBG的单模光纤与带有涂覆层的NCF熔接,之后在NCF的端面上镀金膜形成反射镜,最后将光纤结构封装于毛细管中。其中,无涂覆层的NCF是多模波导,而有涂覆层的NCF可以看作反谐振反射波导,理论分析可知多模干涉和反谐振效应叠加得到输出光谱。由于聚合物涂覆层的热光系数较高,干涉波长的位置随着温度变化发生明显偏移。根据FBG中心波长和干涉波长所在位置,通过对应的拟合曲线可以计算出准确的温度值。实验结果表明,在-6℃~54℃温度范围内,最小可探测温度分辨力为0.0001℃。该反射式光纤传感器具有加工方便、结构紧凑、灵敏度高等优点,在大范围高分辨力海水温度测量中具有很大的应用潜力。

• 随钻声波发射换能器宽频阻抗匹配设计及实验

  苟 阳，付 欣

  发射换能器是随钻声波测井仪器的核心部件,其工作带宽及辐射声波能量的强弱是仪器的关键技术指标。换能器是一个非线性容性负载,可以采用阻抗匹配的方式增强有功功率并拓宽工作频带。本文将换能器多模态等效电路与阻抗匹配网络结合,利用电路网格方程对元件参数进行求解。最终在消声水池进行声场测试,观测换能器有功功率、声场辐射声压、发射电压响应等电、声特性,综合评估阻抗匹配网络的效果,为后续的随钻仪器研发及实验测试提供帮助和指导。实验结果表明,本文所设计的阻抗匹配网络能够明显改善换能器的声波辐射性能,频带宽度拓宽3.3倍,有功功率提高1.7倍,声压增强1.8倍,发射电压响应提高5dB,在12~16kHz的频带内发射电压响应最高可达125dB。

• 磁传感器偏航角诊断滤波方法研究

  陈佳威，陶 杰，陈汉泉，姚 敏

  在磁干扰环境中,磁传感器解算的飞行器偏航角会出现偏差。针对磁干扰导致的估计误差问题,面向模型不确定性飞行器系统,提出了基于非线性扩张状态观测器的磁传感器偏航角诊断滤波方法。该方法首先设计了一种双参数型非线性扩张状态观测器,降低了参数复杂性;然后基于该观测器设计改进型观测器残差法,对磁干扰数据进行诊断过滤;最后,设计了基于误差预测的改进型互补滤波器,通过融合滤波进一步抑制磁干扰。静态仿真实验结果表明,本文所设计的诊断过滤方法数据匹配率超过94%,融合滤波结果相位超前且更为平滑;动态飞行实验结果表明,该诊断滤波方法有效抑制了磁干扰对四旋翼飞行器偏航角估计的影响,增强了飞行器的稳定性和抗磁扰能力。

• 基于光纤法布里珀罗干涉的扭矩测量方法研究

  余鑫宇，范 典，周次明，陈 希，汪立雄

  在动态条件下,获取准确的传动轴扭矩测量数据是评估传动轴健康状况和运行状态的重要手段之一。传动轴扭矩测量经常伴随着震动、高温高湿以及强电磁等恶劣环境,考虑到电类传感器有漏电、电火花以及难以在强电磁干扰环境下工作等问题,本文提出了一种基于非本征光纤法布里珀罗干涉技术的扭矩测量方法。阐述了光纤传感器的工作原理,给出了传感器的安装方式,搭建了扭矩测量平台并对传感器的性能进行了实验验证。实验结果表明,传感器灵敏度为(0.224±0.06)μm/Nm,与理论具有很好的一致性。本文提出的测量方法在传动轴扭矩测量中具有测量动态范围大、测量精度高和实时快速的优势。

• 基于图像卷积变分自编码的电站锅炉 燃烧稳定性评价方法

  蔡国源，牛玉广，刘雪菲，杜 鸣，张 庭

  为实现基于电站锅炉火焰图像的燃烧稳定性定量表征,并克服不稳定燃烧样本不足的训练难题,提出一种基于卷积变分自编码模型的燃烧稳定性实时、定量表征方法。首先使用稳定燃烧工况下的火焰图像进行模型训练,利用卷积变分自编码器得到稳定燃烧图像的高维潜在概率分布。记录该模型对应的隐变量分布特征,计算该分布与标准正态分布之间的KL散度值,利用该KL散度实现燃烧稳定性的定量表征。在仿真验证中,通过对比说明引入变分推断理论可提高模型对于燃烧图像的重构质量,图片重构前后均方根误差为0.00548;通过磨煤机给煤量调整实验,人为制造不同稳定度的燃烧器燃烧工况,验证了该评价方法的准确性和有效性,评价准确率高达92.1%;通过与煤火检评价结果的比较,表明该方法具备煤火检系统对于火焰的定量判断功能,且感知能力更加灵敏,能在燃烧器灭火前167s给出燃烧不稳定的预警,具有一定的工程应用价值。

• 融合多层级特征的遥感图像地面弱小目标检测

  闫钧华，张 琨，施天俊，朱桂熠，刘 勇，张 寅

  为解决遥感图像地面弱小目标检测中弱小目标信息量少、信息真假混杂的难题,本文提出一种融合多层级特征的遥感图像地面弱小目标检测算法CC-YOLO。该算法首先利用深度卷积神经网络逐级对目标图像进行特征提取,得到高低层特征空间金字塔图;然后,对空间金字塔图进行跨层级通道特征融合,结合新增的位置注意力机制CA,分别沿两个空间方向聚合特征,保留弱小目标精确的位置信息;最后,在聚合后生成的双支路特征图上进行端到端的目标检测,联合多通道检测信息输出检测结果。为解决算法实验中图像数据匮乏的问题,构建了遥感图像地面弱小目标数据集GDSTD。实验结果表明,算法AP0.5∶0.95达到42.3%,AP0.5达到94.6%,检测速率FPS达到58.8帧/s,具有一定的鲁棒性和实时性。

• 圆柱锂电池端面凹坑缺陷检测方法研究

  郭绍陶，苑玮琦

  端面凹坑是圆柱锂电池缺陷检测的重要指标之一。因为明暗对比度小的浅凹坑极易受金属表面上随机出现的亮点暗斑等强噪声的干扰,造成浅凹坑自动检测十分困难。为此,提出了一种解决方案:首先针对在单一光源角度下难以获取清晰的浅凹坑图像问题,采集6张凹坑在不同光源角度下的图像;其次采用时域平均和剔除异常值方法对6张图像进行融合得到基准面图像,并采用基于滑动窗口和奈奎斯特采样定理的空间滤波方法,减弱了信息强度较强的干扰噪声,再根据误差分析理论,提取灰度分布曲线的平均偏差;然后根据凹坑在灰度分布曲线中的形态,提取凹凸曲线段峰谷差和宽度比;最后采用BP神经网络方法建立检测模型来实现凹坑检测。对现场采集到的样本进行了测试,算法的正确检测率为100%。

• 基于轻量级卷积神经网络的带钢表面缺陷识别

  李 丹，王慢慢，刘俊德，陈 凤

  带钢表面缺陷识别对促进带钢生产质量提升至关重要。然而传统的图像处理与识别方法存在精度不高、且容易受到光线等因素影响;而新兴的基于深度学习的算法,则存在模型参数量大且难以部署等问题,无法在实际生产中得到广泛应用。本文提出了一种轻量级部分深度混合可分离网络(PDMSNet)用于解决以上问题,由于其模型小以及浮点型运算(FLOPs)少更易于部署在资源受限的平台。采用标准的带钢表面缺陷数据集NEU-CLS的测试结果表明,与其他缺陷分类器相比,在带钢表面缺陷检测方面,本文所提出的模型性能更加优越。识别准确率达到了99.78%,而参数量只有0.17M以及272MFLOPs,在单一低端的GeForceMX250图形处理单元(GPU)识别一张图片平均时间为0.47ms,可以满足工业现场实时检测的要求。

• 一种基于动态剔除和场景匹配的 Robust SLAM 方法

  邱佳月，赖际舟，方 玮，吕 品，李志敏

  针对动态环境中移动物体和结构变形引起激光雷达自主定位精度下降的问题,本文提出了一种DynamicLego-loam方法。为减小动态点误匹配给激光雷达里程计带来的误差,该方法首先在里程计精解算之前,提出了一种基于先验信息的点云粗配准算法用以剔除动态点,提高了激光雷达里程计的匹配精度。然后,针对环境中的动态变化带来的误差累积和建图重影问题,利用场景匹配的方法优化了传统基于半径的闭环检测方法。大范围采用基于半径的粗搜索快速定位至局部场景,小范围构建区域高度差描述符精确匹配至最相似历史帧,最终实现了精准的闭环检测并提高了动态环境中的建图精度。实验结果表明,在动态环境下,DynamicLego-loam算法相较于Lego-loam算法自主定位精度提高了63%。

• 基于变分贝叶斯的自适应 PF-SLAM 方法研究

  袁 帅，刘同健，吴 健，张 凤，刘贵夫

  针对移动机器人即时定位与地图构建中时变观测噪声及粒子位置分布对SLAM精度的影响,本文提出基于变分贝叶斯的自适应PF-SLAM算法,采用高斯混合模型对时变的观测噪声建模,并通过变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权值将粒子划分为固定粒子和优化粒子,通过粒子间的近邻拓扑位置关系调整粒子分布,处理时变观测噪声与优化粒子的位置分布,使得优化的粒子集可以更好地表示机器人位置概率分布,实现观测噪声及粒子位置分布自适应。仿真实验表明本算法对比传统PF-SLAM算法定位与地图构建误差降低了76.45%。实际实验表明本算法处理下的环境轮廓误差对比传统PF-SLAM算法的环境轮廓误差减小了61.87%。该算法有效提高了移动机器人的状态估计精度,为移动机器人即时定位与地图构建提供了新的参考。

• 融合 WiFi 与可穿戴惯导模块的室内定位方法

  罗 日，李燕君，金志昂，陈博文

  为解决基于智能手机的人员室内定位追踪易受手机姿态影响的问题,提出一种融合WiFi与可穿戴惯导模块的室内定位方法。通过固定在胸部的惯性测量单元实现行人航迹推算PDR)定位,消除手机姿态对PDR定位的影响,采用加权贝叶斯算法实现WiFi指纹定位,为PDR提供初始定位,同时基于无迹卡尔曼滤波融合WiFi定位结果与PDR定位结果,以减少PDR的累积定位误差。最后,在真实室内环境中进行大量实验,实验结果证明本文提出的加权贝叶斯WiFi定位算法相比于传统贝叶斯算法定位误差降低了51.9%,提出的融合WiFi与可穿戴惯导模块的定位方法具有更好的精度和稳定性,相比于纯PDR定位算法平均定位误差降低了65.2%,相比于完全利用手机实现的融合算法,在3种不同手机姿态下平均定位误差分别下降了12.3%、39.3%和48.4%。

• 一种面向室内 AGV 路径规划的改进蚁群算法

  肖金壮，余雪乐，周 刚，孙可可，周 振

  针对传统蚁群算法在大规模和复杂环境中,全局搜索效率差,收敛速度慢,路径转弯次数过多且不够平滑等问题,本文提出一种改进蚁群算法。该方法通过动态更新不同等级蚂蚁路径上的信息素,加快算法的收敛速度;通过引入距离函数和方向函数作为启发因子,改善路径搜索质量;采用一种改进自适应伪随机转移策略,减小陷入局部最优解的概率;在最优路径的基础上引入三次均匀B样条曲线进行优化,提高路径的平滑性。通过在2种不同规模环境下的路径规划实验表明,本文算法相比传统算法在分别减少55.6%和59.4%转弯次数的基础上,提升87.5%和100%的收敛速度,验证了本文算法的优越性。最后,以QBot2e为平台,将本算法应用到室内自动导引车(AGV)路径规划中,进一步验证了算法的实用性。