基于孪生网络的工业缺陷弱监督视觉检测算法

工业品缺陷存在目标多尺度和随机性等特点，易导致现有的目标检测算法出现误检或漏检现象．基于卷积神经网络架构，提出一种高性能的工业缺陷视觉检测模型，记为SNDec(Siamese network detection)．采用并行权重共享的孪生网络（Siamese network, SN）将工业缺陷转化为视觉差异特征．孪生网络由并行特征提取通道构成，并以两通道的差异特征作为输出，能够在抑制同类属性的前提下，最大程度地凸显缺陷特征．结合弱监督定位算法，所提模型能够在实现高精度识别的同时，获取工业缺陷发生位置．通过引入卷积块注意力机制（convolutional block attention module, CBAM），进一步提升了模型检测精度．在真实工况采集的注塑瓶盖数据集以及公开的MVTec数据集上，将当前主流的工业品缺陷视觉检测算法（ResNet 50、1-NN、U-Student和GANomaly）与SNDec模型进行比较．结果表明，SNDec模型取得了89.2%的分类准确率和90.1%的召回率，比ResNet50模型分别提高了5.7%和3.2%．仿真结果验证了基于差异特征实现工业缺陷检...     

5G通信中Polar码的编译码研究和应用

为了优化第五代通信技术的实现复杂度和信息传输速度，基于信道极化现象的Polar码逐渐受到了关注与研究，并产生了诸多行业标准以及研究成果。近年来，Polar码编译码技术的发展与优化促进了第五代通信技术的普及，而新一代通信技术的快速应用也推动了底层编译码技术的进一步更新。文中通过回顾Polar码编译码技术的研究历史，总结了第五代通信中相关技术的研究现状与脉络，在此基础上深入分析和讨论了当前编译码理论的问题与需求，提出了未来通信技术中底层编译码理论的研究趋势。     

基于量子蚁群算法的机械手臂避障路径规划北大核心

提出在障碍空间下利用量子蚁群算法求取6R机械手臂逆解的一种通用解法。首先根据机械手臂各关节变量的DH参数建立以关节变量为自变量的目标优化函数F,并且引入层次包围盒OBB的碰撞因子以及可操作空间的约束,再建立基于Bloch球面的三维量子旋转搜索空间,利用量子蚁群算法搜索出F函数取到最大值时所对应的关节变量,即机械手臂的逆解,因此将机械手臂的逆解问题转化为基于关节变量的多元函数求极值问题。鉴于基本蚁群算法在优化之初可能存在搜索缓慢、蚂蚁数量限制优化解的范围、以及算法可能陷入局部极值等问题,采用量子蚁群算法利用量子计算的并行性、三链编码机制以及量子旋转门、非门对蚁群算法进行改进。改进后的量子蚁群算法与基本蚁群算法,通过MATLAB Robotic Toolbox工具箱对6R机械手臂进行运动学仿真与CCS DSP联合开发实验,结果表明量子蚁群算法在优化F函数中能够快速收敛,降低了对蚂蚁种群数量的依赖,并且扩大了空间解的范围,从而证明方法可行。     

基于二阶RC网络模型的UKPF-VFFRLS电池SOC预测估计

针对单一滤波算法对动力电池荷电状态(SOC)预测估计精度有限的问题，分析并建立了二阶RC网络等效电路模型，进行了离线参数辨识，并验证了辨识结果的准确性。以该模型为基础，运用无迹卡尔曼粒子滤波(UKPF)算法对动力电池SOC的动态模型状态进行预测估计，以带可变遗忘因子的递推最小二乘法(VFFRLS)对动态模型参数进行辨识，两者互为输入输出，实现UKPF-VFFRLS算法的联合估计。仿真实验结果表明：相比原有单一滤波算法，UKPF-VFFRLS联合估计算法使得SOC平均误差降低至0.74%，均方根误差(RMSE)低至0.009 9，提高了SOC的预测估计结果精度，从而提升了能源消耗预判能力和电池使用效率。     

基于IHF-PLL^(3)rd的混合式步进电机主动式阻尼控制EI北大核心CSCD

混合式步进电机本身阻尼极小,在实际运行过程中经常会发生振荡过大、甚至失步的问题。为提高步进电机的控制品质,提出一种基于三阶锁相环(third-orderphaselocked loop,PLL^(3)rd)-积分谐波滤波器(integral harmonic filter,IHF)的步进电机主动式阻尼控制方法。首先,主动式阻尼控制是利用同步d-q坐标系调节定子电流,其中控制id恒定为额定电流,调节iq生成瞬时转矩以抑制振荡。其次,为实现转速闭环达到增加电机阻尼的目的,提出一种PLL^(3)rd与IHF相结合的转速观测方法。其中,PLL^(3)rd可消除电机加减速过程中的稳态误差,而IHF可以有效滤除电机反电势中的高次谐波分量,该方法解决了传统微步控制中只减小了振荡幅度但是没有改变控制系统阻尼大小的问题。最后,通过实验验证所提方案的有效性。     

基于注意力机制的NewVGG16-BiGRU鼾声分类

针对已有的鼾声分类模型因未考虑实际睡眠时的其他声音而导致的泛化能力差、准确率较低等问题，提出一种基于注意力机制的NewVGG16双向门控循环单元（NVGG16-BiGRU-Att）算法用于鼾声识别。首先，生成每个声段的谱图，采用NVGG16网络提取语谱图、梅尔（Mel）时频图和恒Q变换（CQT）时频图组成的谱图特征矩阵；其次，将提取的特征向量输入BiGRU，结合注意力机制，增加分类过程中的重要特征信息的权重，改善分类效果；最后，经过全连接层输出鼾声与非鼾声。在采集的鼾声数据集上进行实验，实验结果表明，所提算法取得了较好的分类效果，其中Mel时频图效果最优，识别准确率达到96.18%；相较于卷积神经网络（CNN）+长短期记忆（LSTM）网络、卷积CNNsLSTMs-深度神经网络（DNNs）模型，在同特征输入下，所提算法的准确率提升了0.31%～2.39%，验证了所提算法具有较好的鲁棒性，能够提升分类性能。     

基于视觉的香蕉分级技术的研究

为了满足消费群体对于高品质水果的需求和产业精细化发展，提出了一种通过视觉对香蕉无损检测并分级的方法，并且在Jetson Nano平台设计视觉系统，基于YOLOv5搭建的模型实现视觉识别。最终Matlab仿真结果和视觉实验结果表明该方法可以实现对香蕉表面的缺陷进行识别，果实平均识别准确率达到91.3%。     

基于SFF-PLL的永磁同步电机无传感器控制北大核心

为了提高表贴式永磁同步电机无传感器控制对转子位置和转速的观测精度,提出了一种基于SFF-PLL的永磁同步电机无传感器控制策略。首先,在传统等速趋近律基础上结合指数函数提出一种新的变速趋近律作为改进型滑模观测器的滑模控制律;其次,考虑到由于逆变器的非线性等原因造成反电动势观测值中存在大量的谐波,提出了一种同步频率滤波器(synchronous frequency filter,SFF)和锁相环(phase-locked loop,PLL)相结合的方法来提取电机转子位置与速度。实验证明基于SFF-PLL的永磁同步电机无传感器控制策略可以有效提高转子位置和转速的观测精度。