基于自回归谱外推的全聚焦成像分辨力提升

针对相邻缺陷全聚焦超声成像混叠问题，结合低阶、宽有效频带自回归谱外推方法，压缩超声波时域脉冲宽度，实现亚波长级全聚焦（Total focusing method，TFM）成像分辨力。建立碳钢试块模型，设置两个中心间距1.8 mm，直径1.3 mm圆孔，选用中心频率2.25 MHz，32阵元相控阵探头采集全矩阵数据。针对全矩阵数据，选择自回归阶数为2，信号频谱最大幅值下降14 dB为有效频带，建立自回归模型并外推有效频带外的高频与低频成分，随后对全矩阵数据进行延迟叠加处理和TFM成像。仿真结果表明，低阶、宽有效频带自回归谱外推处理方法具有较高的鲁棒性和准确性，TFM成像后可有效分离中心间距0.7λ（λ为超声波长）圆孔，保留缺陷横向位置信息的同时，定位误差不超过0.73%。对碳钢试块中相同位置及尺寸的圆孔进行试验验证，定位误差不超过1.06%，有效地提高TFM成像分辨力。     

老矿山残矿资源回收方案设计中三维探测及建模技术的应用

目前我国绝大多数中小型老矿山残矿回收面临一系列问题，包括资料缺失无法准确判定老采空区及剩余资源位置，无法准确掌握剩余资源形态及可回收量，回收方案设计与实际资源相差较大等。通过将三维探测及建模技术应用于老矿山残矿资源精准定位及回收方案设计中，有助于解决以上问题。以福建浦城屏峰硫铅锌矿为例，通过对老采空区采用三维激光扫描构建采空区三维模型，结合三维建模计算，构建了目前可回收的剩余资源三维模型。通过模型划分及切割，按照矿体实际形态，在三维模型中布设采切及穿孔工程，并将其导入平面施工图中，不仅可以减少设计工作量，而且能够精准匹配矿体，减少设计偏差。由于周边存在大量老采空区，为保障安全，在采空区及剩余资源精准三维模型的基础上，制定了采空区稳定性监测方案，布设了监测传感器，保障了资源回收安全。     

罗河铁矿采空区三维激光扫描及应用分析研究

针对传统采空区探测依靠全站仪测量存在劳动强度大、测量结果不准确等问题,采用BLSS-PE矿用三维激光扫描系统对罗河铁矿45-3^#和47-3^#采空区进行了现场扫描,构建了采空区三维实体模型,并在此基础上计算了采空区体积,说明了传统统计方式存在的不足;计算了矿房的超欠挖体积,为准确量化矿房损失率和贫化率提供了基础数据;基于采空区边界进行了二步骤回采设计,说明了采空区边界对于降低矿房损失贫化的重要意义。     

基于STM32的开环霍尔电流传感器的温度补偿研究

研究了一种基于软件补偿结合恒流源补偿的改进温度补偿方法,应用单片机、恒流源、数字温度传感器、乘法器等硬件电路,对传统软件补偿进行了优化,补偿效果较传统恒流源补偿有了明显提升,“温漂”整体下降了约13.7%。在传统的温度补偿方法如热敏元件补偿、恒流源补偿、软件补偿等方式上做了补充,对于霍尔电流传感器精度的提升及实际生产需求的满足有重要意义。     

雷达发射机浮动板调制器与故障检测电路的设计

提出了一种改进的浮动板调制器和对正负偏电压的故障检测电路,利用MOSFET寄生电容特性,通过固定脉宽窄脉冲控制调制脉宽,通过增加负偏MOSFET提高输出负偏电压。对故障检测电路进行仿真实验,通过模拟故障,验证故障检测报警信号发生时间均在微秒级别。完成样机的搭建,利用多重方式解决高压绝缘问题,并对其加电进行试验验证,分析实验波形,证明此电路满足设计要求并且具有可行性。     

基于宇宙量子算法的微小零件尺寸检测

通过建立主、从式宇宙空间结构改善了量子算法的运行效率,非正交二次B样条小波和最小二乘小波支持向量回归机对零件边缘进行检测,给出了微小零件尺寸检测流程。试验仿真显示该算法对微小零件尺寸测量数据波动范围较小,方差值相比其他方法值较低,其中UQ算法测量的外轮直径测量方差值比HI、MM、AIT、IF、IGR算法分别减少了75.29%,78.40%,64.47%,60.95%,52.15%;UQ算法测量的内轮直径测量方差值比HI、MM、AIT、IF、IGR算法分别减少了72.89%,76.75%,62.66%,59.22%,50.13%,提高了微小零件的精度测量。     

光伏用电致发光缺陷检测仪空间分辨率的量化评估

针对光伏用电致发光缺陷检测仪空间分辨率目视判定重复性、准确性差,并且难以量化等问题,提出一套基于卷积神经网络模型的空间分辨率量化评估方法。参照相关标准JJF(闽)1088-2018,采取不同的拍摄条件拍摄并切割出空间分辨率线对图像,对图像进行人工分类。设计卷积神经网络结构,采用卷积层、池化层和全连接层结构,并使用已分类完成的空间分辨率线对图像对模型进行训练。最终使用测试集对模型进行评估,结果表明,模型在测试集上的判别正确率达到99.2%。该方法满足使用要求,可取代目视判别,提高了光伏用电致发光缺陷检测仪空间分辨率判定的准确性与重复性,并为其量化提出了新的解决思路。由于太阳电池片用光致发光缺陷检测仪与光伏用电致发光缺陷检测仪的成像方式类似,该方法可兼容太阳电池片光致发光检测仪的性能评估。     

Preparation of molecularly imprinted fluorescence sensor based on carbon quantum dots via precipitation polymerization for fluorescence detection of tetracycline

A facile and effective method was proposed to prepare the molecularly imprinted fluorescence sensor with carbon quantum dots, which were modified vinyl groups by acrylic acid on the surface. The obtained fluorescence composite material was investigated by transmission electron microscope and Fourier transform infrared spectra. After the experimental conditions were optimized, a linear range of 1.0–60 μmol L⁻¹ was obtained and the detection limit was 0.17 μmol L⁻¹. The novel fluorescence sensor can be successfully used to detect tetracycline in real samples. This study provides a convenient strategy for selective recognition and rapid detection of tetracycline in the complex environment.     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

Estimating posterior inference quality of the relational infinite latent feature model for overlapping community detection

Overlapping community detection has become a very hot research topic in recent decades, and a plethora of methods have been proposed. But, a common challenge in many existing overlapping community detection approaches is that the number of communities K must be predefinedmanually. We propose a flexible nonparametric Bayesian generative model for count-value networks, which can allow K to increase as more and more data are encountered instead of to be fixed in advance. The Indian buffet process was used to model the community assignment matrix Z, and an uncollapsed Gibbs sampler has been derived.However, as the community assignment matrix Z is a structured multi-variable parameter, how to summarize the posterior inference results and estimate the inference quality about Z, is still a considerable challenge in the literature. In this paper, a graph convolutional neural network based graph classifier was utilized to help to summarize the results and to estimate the inference quality about Z. We conduct extensive experiments on synthetic data and real data, and find that empirically, the traditional posterior summarization strategy is reliable.