.png)
.png)
下载专区
二维码
- 当前目次
- 优先出版
- 专辑论文
-
具身智能跟随移动机器人研究与进展
摘要：
具身智能跟随移动机器人是一种能够识别、跟踪并协同人类目标移动的智能系统，其发展已从“功能化工具”逐步演进为“情境化智能体”，标志着从“机器人在环境中运行”到“机器人通过身体理解环境并行动”的范式转变。基于“环境-身体-智能”的具身智能框架，系统梳理了跟随移动机器人的研究进展与发展趋势。首先，阐述具身智能的研究背景与目标，并论述其以环境交互、身体体验与智能涌现为核心的科学内涵。其次，梳理跟随移动机器人的技术演进、典型应用场景与产业趋势。通过深入分析机器人在多模态传感器、计算与处理单元、运动执行机构等方面的关键技术，进一步探讨其在仓储物流、公共交通、养老康复等典型场景的应用需求。然后，重点探讨自然高效的人机交互机制与协同策略。涵盖基于显式指令、隐式状态、物理接触和社交情感的人机交互方式，以及基于强化学习、模仿学习和迁移学习的人机交互策略，旨在提升机器人在社交环境中运行的流畅性与社会接纳度。最后，总结当前跟随移动机器人在环境深度认知、身体动态适配与智能持续演进等方面的主要技术挑战，并对算法泛化性、场景适应性与长期自主学习能力等未来发展方向进行展望。
-
基于三维几何世界模型的具身智能方法研究
摘要：
现有的具身智能操控方法大多采用端到端的学习策略，虽在特定任务上表现尚可，但因将物理交互视为黑箱问题，牺牲了系统可解释性，且面临几何感知缺失、长程规划累积误差大及动力学适应性差等挑战。为解决非结构化场景下的精细操作难题，提出了一种基于三维几何世界模型（3D-GWM）与条件流匹配策略的具身智能操控框架，包含三维感知与压缩、生成式几何世界模型和条件流匹配动作生成3个核心模块。感知模块提出了互补双域特征增强算法，综合提取空间高频细节与全局频域上下文，并结合指令驱动的动态词元压缩机制，在保证高保真特征提取的同时降低计算开销。部署评估中，输入视觉词元数由2 048压缩至128，峰值显存占用由58.7 GB降至17.2 GB。认知模块采用中间帧预测策略，通过预测子任务阶段性的三维几何终态，为长程任务提供具备因果逻辑的中间目标引导，有效抑制规划过程中的累积误差。执行模块采用条件流匹配策略，利用几何锚点构建目标向量场，生成符合物理接触约束的平滑动力学轨迹，降低刚性逆运动学求解中奇异性问题的发生风险，并缓解轨迹不连续带来的执行不稳定。实验结果表明，3D-GWM在复杂逻辑与高精度任务中的仿真平均成功率为89.4%，真机平均成功率为82.0%；相较于当前代表性基线方法，平均成功率分别提升7.0%和8.75%。
-
一种刚柔耦合结构的欠驱动灵巧手设计与控制研究
摘要：
针对全驱动灵巧手结构复杂、驱动单元冗余及柔顺性不足等问题，提出了一种基于刚柔耦合结构的欠驱动灵巧手。依据人手运动特性，采用3个电机驱动五指，实现柔顺耦合弯曲及多指协同控制。手指由刚性骨架与柔性关节复合构成，通过绳索模拟肌腱牵引，并在关节处引入扭簧-销结构模拟软组织弹性，使其在抓取过程中可被动适应目标外形并完成顺应回弹。指端及掌面集成阵列触觉传感器，结合电机编码器构建力-位置联合感知系统，实现接触状态、抓取力及关节姿态的实时检测，有效提升环境感知能力与抓握稳定性。整手质量仅为482 g且在16类代表性抓取任务中，力量型抓取成功率为82.2%，精确抓取成功率为46.7%，表现出较强的任务适应能力，并可作为末端执行器完成抓取、搬运与堆叠等操作任务，实现多场景交互。在多物体触觉特征识别实验中，通过阵列数据构建分类模型，对6类目标物体实现平均96.5%的识别精度，证明其触觉感知的有效性。在恒力抓握及扰动补偿实验中，抓取力波动范围保持在±0.3 N，并可在负载突变后快速恢复稳态，表明控制策略具备良好的稳定性与鲁棒性。研究表明，该灵巧手兼具结构简化、柔顺抓取和多模态感知能力，可满足人机交互与移动作业场景需求，为多模态人机交互及智能抓取系统提供有效方案。
-
柔性检测连续体机器人刚度建模及性能分析
摘要：
针对现有连续体机器人在航空发动机原位检测中存在驱动能力差、控制精度低、负载能力弱及结构刚度不足等问题，提出了一种变刚度连续体机器人，以协同解决高柔性与低刚度之间的矛盾，提高机器人控制精度。基于叶片环境特征参数及章鱼触手吸附机理，设计了一种由多节卯榫柔性关节与气压吸附单元串联而成的可吸附连续体机器人，通过主动吸附到接触环境，实现自身结构锁定从而增强整体刚度。首先,在常曲率圆弧假设下基于几何分析法建立连续体机器人运动学模型，分析其弯曲形变与结构参数间的映射关系。然后，以机器人末端挠度为评价标准，基于欧拉-伯努利梁理论和连续性原理构建连续体机器人等效刚度模型，并采用有限元法对连续体结构刚度进行仿真分析，研究吸附单元位置、数量及吸附强度等几何参数对刚度特性的影响规律，对连续体结构布局参数进行优化。最后，搭建了柔性检测连续体机器人实验平台，并通过多种实验对所提结构和所建模型进行实验分析与验证。结果表明：连续体机器人等效抗弯刚度可由初始柔性状态下的31.1 N/m分级调节至完全吸附状态下的93.3 N/m，在相同负载下，机器人末端变形量减小了61.3%，实现了约3倍的刚度增益，由此验证了所提变刚度结构方案和所建刚度模型的正确性与有效性。
-
基于分层采样搜索的轮式移动机械臂全身规划方法
摘要：
针对室内非结构化环境中存在最小转弯半径限制且无法侧向瞬时平移的非完整约束轮式移动机械臂，其全身运动规划的解决方案则面临着诸多挑战：现有分离方法常因基座与机械臂运动规划脱节而导致最终路径的割裂问题；而高维采样方法又因配置空间维度过高，则存在计算效率低与实时性差等问题，为此提出一种创新性的分层路径规划方法。该方法首先采用一种改进的快速探索随机树(RRT)算法，该算法直接嵌入非完整约束模型，并通过同步搜索前向与后向解空间来避免冗余计算，从而生成携带时空信息的无碰撞基座路径。其次，基于此路径上各时序节点对应的、满足关节极限与静态无碰撞等条件的机械臂可行解集合，采用时序节点集约束RRT算法生成与基座运动严格同步的机械臂路径。最后，通过索引对齐路径点将两者合成完整的机器人全身运动路径。通过ROS仿真与实物实验表明，所提算法通过解耦高维规划问题，能够在复杂受限环境下协调移动基座与机械臂的运动，实时生成全程无碰撞的全身运动轨迹。实验结果显示，该算法在规划时间、路径长度与平滑度等方面均表现出显著优势，与RRT*-Connect算法相比，在复杂场景中，规划时间平均缩短29.16%，路径长度减少16.68%，路径平滑度提升56.13%。
-
基于深度强化学习的仿蟹机器人运动控制研究
摘要：
当前双足和四足机器人的强化学习运动控制研究已取得显著进展，但八足机器人由于自由度冗余高、足端易干涉和动力学建模复杂等问题，其深度强化学习控制仍处于探索阶段。针对这一问题，提出了一种基于深度强化学习的仿蟹八足机器人运动控制框架。首先，通过分析螃蟹的身体结构和运动步态，设计了仿蟹机器人的机构模型和参考步态，为强化学习提供物理先验知识。随后，设计了模仿螃蟹步态参考动作的端到端深度强化学习训练框架，并引入行为克隆初始化策略以加速策略收敛，同时采用分阶段强化学习方法逐步增加地形难度，保证机器人在平地步态基础上稳定迁移至复杂地形。进一步对比分析了不同学习率调整策略、近端策略优化算法（provimal policy optimization,PPO)与优势演员-评论家（A2C）、软演员-评论家（SAC）、深度确定性策略梯度（DDPG）算法的适配性，并通过域随机化训练及行为克隆+分阶段强化学习方法研究了模型在动力学扰动和多样地形下的泛化能力。仿真实验结果显示，所提出框架在训练效率上优于其他算法，步态稳定性指标（即五步质心高度标准差）约为0.004 m；机器人在斜坡、台阶等复杂地形中均能实现稳定行进，运动性能优于训练的模型。最后，进行了初步样机实验，验证了所提方法在真实物理环境中的可行性和稳定性。所提出的深度强化学习框架结合了生物步态模仿、行为克隆初始化及分阶段强化学习，对八足机器人的运动控制提供了新的技术思路。
-
接触式测量机器人弹性测针工具坐标系标定方法
摘要：
面向大部件装配位姿的跨尺度高精度、特征通用性好、多测针协同测量需求，以六轴协作机器人为运动载体、以弹性测针为测量传感器等构建了接触式测量机器人，具有可编程自动化、作业范围广、重复测量精度高、产品适应性强等特点。现有机器人工具坐标系标定方法多假设为刚体，导致难以获得准确的弹性测针工具坐标系、也无法统一多测针间的关系。针对上述问题，提出了基于标准球的接触式测量机器人弹性测针工具坐标系标定方法，首先，推导分析了弹性测针工具坐标系标定原理及误差分析；其次，提出了基于标准球的多弹性测针工具坐标系迭代标定方法，分别建立了测针直径校准方法、主弹性测针工具坐标系迭代标定方法、星型弹性测针工具坐标系相对迭代标定方法，获得了多弹性测针的工具坐标系，实现了多测针协作测量；最后，进行了测量实验。通过实验显示，接触式测量机器人的测针直径校准精度优于0.007 mm、测针工具坐标系标定精度优于0.016 mm，单点重复测量精度优于0.016 mm、空间测量精度优于0.030 mm，产品位置测量精度优于0.050 mm、姿态测量精度优于0.010°，在自动化装配、特征测量等方面具有广泛的工程应用潜力。
-
精密减速器反向传动性能表征与测试
摘要：
反向传动性能反映了机器人与环境交互过程中关节减速器被动接收外界功率的难易程度，是影响机器人力反馈精度的重要因素。通常采用反向启动转矩来表征减速器的反向传动性能，研究发现反向启动转矩仅作为反向传动性能的一种特殊情况，仅对应减速器由静止到运动的特殊边界工况，在工程应用中无法为机器人关节反馈控制提供准确的扭矩信息。全面考察机器人关节减速器反向传动性能的研究与应用现状，发现主要考虑转动惯量和摩擦两类因素的简单影响，而忽略了传动比和运行转速的影响；集中于静态的反向启动转矩测试与评价，而忽略了减速器运动过程中的反向传动性能。为此，深入探究了减速器双向传动机理，定义了表征反向传动性能的反向驱动扭矩，基于对反向传动性能的解构分析，建立了包含传动比、转动惯量、摩擦、转速的反向驱动扭矩模型，提出了基于能量传递的减速器反向传动性能动态表征及测试方法，实现对不同转速、不同工况下反向传动性能的定量评估。从理论上分析了4种参数对减速器反向传动性能的影响，并通过试验研究验证了减速器反向传动性能的动态性，指出了单一反向启动转矩指标用于评价减速器反向传动性能的不足。最后，指明了减速器反向传动性能在理论和应用方面的价值。
-
挖掘机器人轨迹跟踪控制优化及协同评价研究
摘要：
为了探究挖掘机器人在作业工况下能效协同优化机制，建立了挖掘机器人机械系统、液压系统和轨迹跟踪控制系统的联合仿真平台，并采用了3种典型工况环境。轨迹规划采用五次多项式插值法，控制器模型则采用模糊比例-积分-微分控制器（F-PID）控制方法。基于轨迹跟踪原理，提出分布式液压动力单元驱动回路。同时，基于轨迹跟踪控制，提出了一种综合协同优化粒子群算法的算法（ISO-PSO），用于优化F-PID控制器的参数，并在此基础上还提出了一种多指标协同评价模型，以评价控制策略的效果，仿真得出在3种工况下使用ISO-PSO算法控制的下动臂、上动臂、斗杆、铲斗的多指标综合数值显著减小，以WC-Ⅰ为例，下动臂基于ISO-PSO优化F-PID的平均多指标综合数值比比例-积分-微分控制器（PID）、F-PID和粒子群优化算法（PSO）优化F-PID的平均多指标综合数值分别减小了63%、54%和30%，上动臂基于ISO-PSO优化F-PID的平均多指标综合数值比PID、F-PID和PSO优化F-PID的平均多指标综合数值分别减小了63%、56%和38%，斗杆基于ISO-PSO优化F-PID的平均多指标综合数值比PID、F-PID和PSO优化F-PID的平均多指标综合数值分别减小了64%、56%和30%，铲斗基于ISO-PSO优化F-PID的平均多指标综合数值比PID、F-PID和PSO优化F-PID的平均多指标综合数值分别减小了41%、34%和12%。最后，面向挖掘机器人的机-液一体化建模和联合仿真平台搭建了挖掘机器人轨迹跟踪控制实验验证体系，证明了挖掘机器人轨迹跟踪控制实验验证体系具有可行性。
-
无源下肢外骨骼助力机器人结构优化与助力效能评估研究
摘要：
针对无源下肢外骨骼助力机器人(PLEAR)自重较大和灵活性差等问题，对PLEAR的腿部结构和髋关节结构进行了系统优化。首先，应用基于变密度法的多工况拓扑优化方法，以20%为减重目标对短切碳纤维复合材料的腿部结构进行优化设计，显著降低了结构自重和摆动相的转动惯量。其次，为模拟人体髋关节的生物运动特性，在原有两自由度基础上增设外展/内收旋转副，将髋关节结构升级为三自由度，有效消除了非自主晃动并提升了人机相容性。通过OpenSim搭建了人机融合仿真平台，仿真结果表明，整体结构优化后，穿戴者髋、膝、踝关节力矩降低率的均方根分别达到21.62%、24.11%和12.07%，下肢主要肌肉代谢值降低率的均方根在11.14%~15.47%，助力效果得到显著提升。为进一步验证仿真结论，研制了PLEAR样机并招募8名受试者进行了负载15 kg平地行走及上下20°斜坡实验。样机实验结果表明，与未穿戴PLEAR相比，穿戴优化后的PLEAR进行平地行走时，下肢主要肌肉肌电信号降低率的均方根在6.73%~12.84%；上下斜坡时，下肢主要肌肉肌电信号降低率的均方根在7.57%~13.79%。实验结果不仅验证了结构优化的有效性，有效减轻了穿戴者的肌肉负担与能量消耗，同时表明该评估方法能够准确量化外骨骼的助力效能，为相关装备的性能测试提供了可靠依据。
-
下肢负载运动模式肌群差异化特征融合识别方法
摘要：
针对下肢外骨骼在实际应用中因负载变化导致表面肌电信号（sEMG）产生规律性生理特征偏移，进而引起运动意图识别精度大幅下降的问题，提出一种基于生理肌群特性与双分支融合网络（BCM-ResNet）的下肢运动模式识别方法。首先，通过时频域分析定量揭示了负载诱导下的生理重构规律。利用凝聚型层次聚类算法证实了在0~14 kg范围，sEMG特征空间呈现出边界清晰的“低、中、高”三簇分布特性，证明负载是驱动特征空间产生规律性位移的关键变量而非随机扰动。其次，针对大小腿肌群生理功能异质性，提出差异化特征提取策略：采用双向长短期记忆网络（BiLSTM）捕捉大腿主发力肌群的强时序动态演化特征，利用多尺度卷积神经网络（Multi-scale CNN）提取小腿调节肌群的局部精细特征。构建双分支融合架构并引入多头注意力机制（MHA），实现运动意图与负载工况特征的动态解耦与加权融合，并利用残差网络（ResNet）提升深层特征的抽象能力。此外，本文对传感器配置进行了帕累托最优分析，确定了右腿单侧12通道的最优布局。实验表明，该方法在自建数据集上的平均识别准确率达94.78%；同时，在包含22名受试者的国际公开数据集上验证了模型的泛化性能，准确率达92.85%。最后，通过在边缘计算终端上的迁移性测试，验证了算法在亚毫秒级推理下的执行稳定性。该研究为外骨骼机器人在复杂负载环境下的精准意图识别提供了可靠的算法支撑。
-
基于在线增量DMP的准直驱膝关节外骨骼自适应柔顺控制
摘要：
针对卒中偏瘫患者在使用下肢外骨骼进行康复时面临非对称步态生成实时性差与人机物理交互顺应性不足等问题，研制了一款轻量化准直驱膝关节外骨骼，并提出一种基于在线增量动态运动基元（DMP）的自适应柔顺控制框架。在硬件设计上，系统采用同轴集成的准直驱模组与碳纤维连杆相结合，显著降低了系统的整体惯量与关节反向驱动阻抗，为实现柔顺交互提供了极高透明度的物理基础。在控制策略层面，系统意图感知层采用自适应频率振荡器平滑提取参考侧运动相位；轨迹规划层提出融合分时计算机制的增量式DMP算法，将复杂的权重更新任务均匀分配至多个控制周期，突破了嵌入式硬件的算力瓶颈，在满足1 kHz高频控制的前提下，实现了对参考步态时空特征与波形幅值的在线解耦调节；底层则通过阻抗控制将偏差转化为柔顺辅助力矩。7名受试者的双侧穿戴多工况（平地、爬坡、变频及变幅）实验结果表明：系统能够精准泛化参考侧运动节律，平地行走双侧一致性系数高达0.977，跟踪误差控制在8.30°；透明模式下系统残余物理干涉被限制在±10 N·m范围，辅助模式则平滑输出约±20 N·m的协同辅助力矩。本系统在不干涉人体固有步态节律的前提下，成功实现了非对称步态的在线实时生成与自适应柔顺跟随。
-
基于多模态传感融合的人体下肢肌肉力预测及其在外骨骼控制中的应用方法研究
摘要：
人体肌肉力的实时准确感知是实现下肢外骨骼“按需辅助”控制的核心前提。针对外骨骼在肌肉疲劳、皮肤出汗等工况下基于传统表面肌电信号(sEMG)的运动意图识别易失效的局限，提出一种基于深度视觉与惯性测量单元(IMU)多模态融合的非侵入式下肢肌肉力预测及控制方法。首先，构建了5名健康受试者在平地及不同坡度上下坡等5种典型地形下的视觉与运动学多模态数据集，并基于sEMG-Hill肌肉模型离线计算股四头肌和腘绳肌内部肌肉力作为监督真值。其次，设计了一种双分支时空特征融合深层网络，通过并行通道分别提取深度图像序列的空间几何特征与惯性运动数据的时序动态，并引入自适应注意力机制进行特征智能异构加权融合，实现在实际应用阶段完全摆脱对表面肌电传感器的依赖。为实现从感知到控制的闭环转化，构建了由预测肌肉力实时驱动的自适应阻抗控制架构，将肌肉力变化连续映射为外骨骼的辅助刚度。实验结果表明，该方法预测精度显著优于单一模态方案，跨受试者平均决定系数（R2）超过0.81，均方根误差(RMSE)优于6 N；在模拟肌肉疲劳干扰下预测曲线形态高度一致，表现出极强的稳健性。最后，在商用下肢外骨骼系统上完成平台验证，实现高时间相位同步与低横向漂移，为复杂动态环境下外骨骼高鲁棒按需辅助控制提供了新路径。
-
基于投影约束的多传感器融合自平衡下肢外骨骼质心状态高精度估计方法
摘要：
自平衡下肢外骨骼在康复训练与辅助行走场景中可实现无需拐杖或支撑架的自主稳定行走，其动态稳定性高度依赖于人-外骨骼耦合系统质心状态的精确感知。然而，受限于惯性传感器（IMU）漂移、运动学模型不确定性以及人机耦合柔顺特性等因素，现有质心状态估计方法在复杂动态行走过程中仍面临精度不足与鲁棒性受限的问题。针对上述挑战，提出了一种基于投影约束的多传感器融合自平衡下肢外骨骼质心状态高精度估计方法。该方法在卡尔曼滤波框架下，融合质心与双足 IMU 测量信息、足底力/力矩传感器数据以及下肢运动学约束，实现对质心位置、姿态及其速度状态的精准估计。在此基础上，引入同时包含等式与不等式约束的投影约束策略，从而有效抑制由噪声累积、模型偏差及异常测量引起的估计发散问题，显著增强估计结果的鲁棒性。基于自平衡下肢外骨骼 AutoLEE-G3 开展的直线行走实验结果表明，所提出方法在平动与转动方向上的质心位姿估计均与运动捕捉系统测量结果高度一致，且在长时间动态行走过程中未出现明显漂移。进一步的消融实验验证了投影约束在提升估计精度与稳定性方面的关键作用。研究结果表明，该方法可为自平衡下肢外骨骼的平衡控制与安全行走提供高精度、可靠的状态感知基础。
-
GenJAPNet:基于非冗余肌肉协同特征的可泛化关节角度预测网络用于下肢外骨骼
摘要：
下肢外骨骼机器人在康复治疗和辅助行走方面发挥着重要作用，其中，准确的下肢关节角度预测是实现自然、协调步态的关键技术。然而，由于表面肌电信号易受个体差异和运动模式变化的影响，实现关节角度预测的跨任务泛化仍面临重大挑战。针对上述问题，提出了一种面向跨任务泛化的下肢多关节角度预测框架，包括一种非冗余肌肉协同特征提取算法和一个具有跨速度、跨受试者泛化能力的关节角度预测网络。首先，特征提取算法使用非负矩阵分解从表面肌电信号中提取激活系数矩阵，并进一步使用均匀流形逼近与投影算法进行非线性降维，以获取更具辨别力的低维特征作为模型输入。其次，关节角度预测网络通过预训练提取跨任务共享特征，并使用新任务的少量样本微调，实现对新任务的快速适应。基于自建数据集和公开数据集进行了特征提取方法对比实验、模型消融实验以及跨速度和跨受试者泛化实验。实验结果表明，在自建数据集的跨速度实验中，髋、膝关节角度预测误差范围为1.703 1°~2.790 4°，相关系数均达到0.98以上，相较于基线方法在预测精度与稳定性方面均有显著提升，验证了本文方法的有效性和泛化性。最后，进行了外骨骼辅助行走物理实验，展示了所提方法在下肢外骨骼实际应用中的可行性与应用潜力。
-
基于多尺度动态图神经常微分方程的航空发动机剩余寿命预测
摘要：
针对现有离散架构的图神经网络(GNNs)无法提取深层次时空表示，同时在现有图神经网络中单一的变量间依赖关系更倾向于学习单一类型的时间尺度模式且固定的图结构无法准确表示整个航空发动机性能退化过程，从而导致图神经网络在航空发动机剩余寿命（RUL）预测中存在预测精度较差的问题，提出一种命名为多尺度动态图神经常微分方程（MDGODE）的新型图神经网络用于航空发动机RUL预测。在MDGODE中，首先，构建多尺度框架以保持航空发动机传感器信号在不同时间尺度下的潜在时间依赖性；其次，设计多尺度动态图结构学习模块，以自动调整不同传感器信号的空间交互关系，捕获不同时间尺度下传感器信号间的动态相关性；最后，构造一种新型时空耦合图神经常微分方程以捕获航空发动机性能退化数据中深层次的时空表示。由于以上特点，所提出的MDGODE具有强时空表示能力以及面向航空发动机复杂非平稳退化过程的鲁棒性，因此MDGODE对航空发动机RUL的预测精度相比现有主流航空发动机RUL预测方法具有明显提升。所提出的基于MDGODE的RUL预测方法对航空发动机性能退化数据集C-MAPSS中FD004子集测试集的RUL预测值对应的均方根误差（RMSE）为14.06、Score值为879.36，该实验结果验证了所提出方法的有效性和优越性。
-
碳钢薄板对接激光焊缝的 Laser-EMAT 在线检测技术研究
摘要：
针对碳钢薄板激光焊接过程中,焊缝缺陷在线检测易受振动干扰且在有限检测空间下,传统无损检测方法难以实现高可靠性实时监测的问题,提出了一种基于激光激励超声波与双电磁超声传感器（Electromagnetic acoustic transducer, EMAT）接收超声波的焊缝在线检测方法。通过建立激光电磁超声（Laser electromagnetic ultrasound）“一发双收”焊缝检测过程有限元模型,以含直径2 mm圆孔缺陷的4 mm厚碳钢对接焊缝为检测对象,分析了激光光斑形状与尺寸、EMAT线圈匝数与间距、激励点与接收点距离等参数对超声波透射系数的影响,并进行了实验验证。单因素分析表明,片状光斑的激发效率优于圆形光斑,且线圈匝数为4、匝间距为2.0 mm、激励点距两接收EMAT分别为11和36.4 mm时,缺陷识别灵敏度较高。在此基础上,采用正交试验设计获得最佳参数组合,搭建了可移动式激光电磁超声检测系统,并开展了对含不同直径圆孔的对接焊缝检测实验。实验结果表明,优化后激光电磁超声换能器（Laser electromagnetic acoustic transducer, Laser-EMAT）系统对Φ3 mm、Φ2 mm圆孔的透射系数下降幅度为优化前的1.53和3.96倍,缺陷检测敏感性更高,如缺陷引起的偏离系数为优化前的1.91和4.98倍,检测更为可靠,如无缺陷区信号变异系数由6.77%降至5.41%;优化后的Laser-EMAT系统对直径Φ1 mm圆孔的透射系数表现为偏离度0.62和透射系数降幅3.36%,虽未达到可靠检出要求,但消除了最差参数组合对应的反向波动,显著提升了检测灵敏度与可靠性。
-
基于多策略融合的电缆接头故障诊断方法
摘要：
交联聚乙烯(XLPE)电缆的设计使用寿命通常为30~40年，部分较早城市化地区的电缆寿命逐步逼近极限，故障频发，严重影响电力系统的可靠性。电缆接头是电缆线路的薄弱环节，其故障约占故障总量的31%。针对上述特点，提出了一种基于改进杜鹃鲶鱼优化算法(ICCOA)的多策略融合(AKF-MTF-GADF-ViT-BiLSTM)电缆接头故障诊断模型。模型首先使用自适应卡尔曼滤波(AKF)对原始数据进行降噪、还原处理，有效抑制了采集现场的环境扰动和传感器抖动产生的非线性干扰；再利用时序马尔可夫转换场(MTF)和差分格拉姆角场(GADF)捕捉数据的动静态融合特征；结合双路视觉Transformer(ViT)提取特征多维度关联信息；最后输入双向长短期记忆网络(BiLSTM)学习空间特征与时序依赖关系，最终得到模型故障诊断结果。引入改进杜鹃鲶鱼算法整定ViT-BiLSTM模型的前馈网络隐藏单元数、注意力头数量、衰减因子等参数，解决原始模型收敛速度慢、过拟合等问题。所提模型结合实验平台实测数据与SolidWorks Simulation仿真数据开展多故障诊断验证，综合诊断准确率达95.1%，较无滤波的消融模型提升24.8%，较两个单模特征提取的消融模型分别提升31.9%和17.0%，较1D-CNN-BiLSTM、CNN-LSTM、VGAF-CLT这3类行业主流模型最高提升10.9%，解决了单一模型普适性不足、难以精准识别多类型电缆故障的行业技术难题。
-
振动特征逻辑空间分组下的微凸点可靠性检测
摘要：
倒装芯片微凸点振动信号存在微尺度特征、检测信号强干扰及多模式成分混淆等问题，导致缺陷特征映射关系复杂、缺陷识别率显著降低，严重制约缺陷识别精度与工业实用性，成为微纳电子制造缺陷检测领域亟待解决的关键瓶颈。为此，针对现有知识蒸馏方法未充分挖掘逻辑知识、类间关系利用薄弱，难以实现细粒度缺陷精准识别等问题，提出特征逻辑空间分组蒸馏（feature logic space grouping distillation, FLSGD）算法。该算法围绕知识传递逻辑解析显性与隐性知识，将交互信息投影至三概率空间，即目标空间t、类内空间o＼t及类外空间c＼o，解耦传统Kullback-Leibler(KL)散度实现逻辑特征定向学习；采用主客观权重法量化三空间权重，确定参数指导值，灵活调控知识传递侧重。为验证算法有效性，实验基于PCB基板与硅基芯片两组超声振动数据集，搭建单/双源超声激励检测平台开展验证，论证了FLSGD中目标空间起主导作用，类内、类外空间起辅助作用。实验结果表明，FLSGD在多种教师-学生网络组合中，识别精度优于主流特征蒸馏方法，在两组数据集下的最高精度分别达到96.47%与97.69%。FLSGD能够在未增加计算模块与算力消耗的基础上有效挖掘振动信号模态特性，增强关键特征感知，提高缺陷识别精度，加速模型收敛，为工业端轻量级缺陷检测提供有效方案。
-
基于多级特征融合的部分指纹识别方法
摘要：
针对部分指纹识别中过度依赖细节点特征，导致其在小面积采集及低质量图像条件下识别性能下降的问题，提出一种基于多级特征融合的部分指纹识别方法。首先，对输入指纹图像进行归一化、方向场与频率场估计、区域分割及Gabor增强，以提升后续特征提取的稳定性。其次，在检索阶段，利用局部曲率信息构建256维归一化检索向量，并结合K-means聚类实现候选样本筛选，从而降低大规模匹配的计算开销。在精细匹配阶段，联合细节点、邻域脊线方向和局部纹理信息构建局部结构模型。对每个细节点采样4个邻域描述点，并将单幅图像的描述符数量控制在50~200个，以兼顾匹配效率与特征判别能力。进一步结合动态规划、宽度优先搜索及线性变换估计，实现细节点匹配与图像对齐。随后，依据脊线宽度变化提取凹凸脊线形状特征，并在重叠区域内完成三级特征补充匹配。最后，根据可用细节点数量对二级与三级特征进行自适应加权融合，形成一级检索、二级主导匹配、三级补偿增强的识别框架。实验在FVC2002、FVC2004及自建指纹数据库上开展。结果表明，所提方法在不同数据库及不同感知区域条件下的等错误率（EER）均优于对比方法。在最小面积场景下，等错误率降至3.35%~6.21%。该方法能够在细节点不足条件下充分利用脊线结构补充判别信息，具有较高的识别精度与鲁棒性。
-
一种面向运动-认知协同康复的脑功能连接定量分析方法
摘要：
运动-认知协同康复已被证实可显著改善脑卒中等中枢神经疾病患者的整体功能。然而，脑区间动态协同机制复杂，如何量化分析运动-认知功能相关的脑区间交互效应是优化康复治疗的一个核心挑战。为此，提出了一种基于最优传输子网络的脑功能连接定量分析方法，旨在从脑电信号中提取可解释的运动-认知神经特征。首先，设计了有、无视觉反馈的握力控制实验范式，同步采集脑电和握力数据；然后，基于锁相值建立功能连接矩阵，使用Kruskal优化算法筛选出最关键的节点连接，构建最优传输子网络以强化网络表达；进而，结合最优子网络和滑动任务窗分析提取脑区内连通强度和脑区间连通强度特征，分析握力机制并量化不同任务阶段下脑功能连接的动态变化。招募15名受试者开展实验，结果表明视觉反馈显著增强了特定脑区内和脑区间的功能连接，且在不同阶段体现出不同的增强表现。在任务准备阶段，高频信号下前额叶认知区连接增强；在任务启动阶段，低频振荡驱动枕叶皮层视觉区与中央运动区及体感联合皮层耦合增强；在任务稳定阶段，低高频信号共同协调认知区与运动区连接，保证握力持续稳定控制。由此，建立了一种可解释的脑区间交互效应分析与特征提取方法，为运动-认知协同康复提供了技术手段和量化依据。
-
基于时域信号状态占空比的电容编码器误差补偿方法
摘要：
为了提高电容式角位移编码器的细分精度,针对感知信号易受寄生电容、加工及安装误差干扰而产生的非线性畸变问题,提出一种基于时域信号状态占空比的编码器正余弦信号细分误差补偿方法。该方法借鉴时序优化思想,根据电容编码器时-空周期正余弦信号感知模型,设计增益误差、零点位置偏移误差两个变量与时域信号时间点对应关系的偏导数模型;不同于传统的复杂拟合算法,该方法通过高频时钟实时采集记录事先设定的周期信号电压阈值交叉点的时间信息,将正余弦单周期信号划分为4个时域状态区间,并将各区间时长占整个周期的比例定义为状态占空比;基于所记录的时间信息和电压阈值信息计算实际信号的时间点和零点偏移,进一步实现增益误差和零点偏移误差引起细分误差的实时修正。此外，采用印刷电路板（PCB）工艺制造的一款外径d=50 mm的16位小型电容式编码器为实验对象,应用本方法对补偿前后的细分误差进行测试分析,结果表明:该编码器测量误差可从 ±30″减少到±10″,误差标准差由16.48″下降至6.85″。该方法突破了传统矩阵运算补偿框架,易于在硬件层面实现,其时间和空间复杂度更低,响应时间更快,可有效提高编码器的环境适应性、动态响应特性以及角度测量的可靠性和稳定性。
-
基于异质图注意力的可信参数辨识方法
摘要：
在电力电子系统中，功率开关器件金属-氧化物-半导体场效应晶体管（metal-oxide-semiconductor field-effect transistor,MOSFET）的通态电阻变化是反映器件健康状态与损耗水平、系统运行效率以及可靠性的关键指标。针对现有MOSFET通态电阻参数辨识在复杂耦合工况下精度低、拓扑结构信息利用不足以及模型可解释性弱等问题，提出一种融合柯尔莫哥洛夫-阿诺德网络（Kolmogorov-Arnold networks, KAN）与异质图Transformer（heterogeneous graph transformer, HGT）的两阶段多参数辨识混合模型。首先，基于输出电压信号提取时域统计特征与频域小波包局部能量值，采用皮尔逊相关系数与互信息相结合的联合特征优选策略，筛选高敏感性、低冗余度的特征作为关键特征子集；其次，构建多个并行的KAN子网络，实现各MOSFET通态电阻的初步非线性映射；最后，构建反映电路物理语义的异质图，通过HGT对初步辨识残差进行拓扑感知的结构化补偿，捕获器件非线性特征与系统耦合关系，得到最终的辨识结果。实验结果表明，所提方法在三相空间矢量脉冲调制（SVPWM）整流系统中对MOSFET通态电阻辨识的平均相对误差为0.962%，优于传统神经网络与同质图模型，在硬件实验中辨识的平均相对误差为1.992%，展现出良好的泛化性与鲁棒性。通过沙普利可加性解释（SHAP）分析与注意力可视化验证了特征选择的有效性与模型决策的物理一致性，为电力电子器件的高精度、可解释智能诊断提供了新思路。
-
基于动态校正与相位累积的旋转叶片叶端间隙超半波长微波测量
摘要：
微波法是实现旋转叶片叶端间隙（BTC）高精度测量的关键手段。然而，在120 GHz微波测量系统中，硬件缺陷与杂波反射等引入的幅值调制、直流偏移以及幅值-相位不平衡干扰会导致回波信号畸变失真；同时，传统静态校正方法难以适配动态工况，一体化校正与测量难；此外，基于相位差的测距方法受射频信号半波长限制，量程有限。针对上述问题，提出了一种面向旋转工况的信号校正与超半波长BTC测量方法。首先，提出了基于稳健分段拟合与近邻数量K(K NN)参数估计的动态校正方法（SFK），可在叶片旋转过程中在线补偿失真，提高动态间隙测量精度。其次，针对超半波长测量中的相位折叠与跳变难题，构建基于棣莫弗公式的相位累积修正策略，通过对BTC区间信号进行相位对齐与精细补偿，实现超半波长范围的连续位移解调，突破传统解调的量程限制。实验结果表明，在所提SFK方法与超半波长BTC测量一体化处理框架下，以激光传感器测量结果为参考，微波BTC测量在矩形叶片与曲面叶片下的平均绝对误差分别为1.611和1.563 μm，最大重复性误差分别为0.623和0.481 μm；在5 mm超半波长连续测量实验中，3次重复实验下12个叶片的平均解调线性度达到99.932%。结果验证了所提方法在动态叶端间隙测量中的高精度与鲁棒性，并对不同形貌叶片具有良好的适用性。
-
电流源型感应电机驱动系统的MTPA控制策略研究
摘要：
相较于电压源型逆变器(VSI)，电流源型逆变器(CSI)在升压运行、短路与过电流保护、输出电流谐波抑制以及系统运行可靠性等方面具有一定优势。然而，CSI的直流(DC)母线电流通常通过直流电压源对直流侧电感充放电而形成，因此并不具备理想的恒流源特性。此外，CSI不具备降压运行与能量双向流动的能力，导致其在电机驱动场合的应用受限。针对以上CSI的固有缺陷，以基于双向斩波器的两级式CSI感应电机驱动系统为研究对象，对其最大转矩电流比(MTPA)控制策略展开研究。首先，在建立电机与交流（AC)滤波电容稳态数学模型的基础上，推导了MTPA目标下直流母线电流最小给定值与定子励磁电流最优给定值的计算表达式。然后，根据双向斩波器的工作模式，提出一种直流母线滞环控制策略，实现不同运行工况下直流母线电流对给定值的快速响应与精确跟随。最后，搭建MATLAB/Simulink仿真模型与基于数字控制器的实验平台，对所提CSI感应电机驱动系统的MTPA控制策略进行验证，并分析MTPA计算精度对电机与电容参数变化的敏感程度。结果表明，引入基于双向斩波器的直流母线电流滞环控制后，CSI的直流侧具备了受控电流源的特性。同时，在所提MTPA控制策略作用下，感应电机的转矩脉动和电流谐波含量均得到有效降低，从而改善了电机的动态和稳态运行性能。
-
融合MPC参数化控制与改进SAC的全向移动机器人能耗优化与路径规划
摘要：
针对全向移动机器人在多障碍物不确定环境下的节能路径规划问题，提出一种考虑能耗的融合模型预测控制参数化与改进的软演员-评论家（SAC）框架的路径规划（E-QPSAC）算法。首先，将局部路径规划构造为二次规划问题，并采用改进原始-对偶混合梯度算法高效求解；其次，构建了SAC的12维状态空间（包括机器人位姿、目标信息及障碍物信息）、级联式网络架构及动态权重融合机制，有效平衡避障与目标趋向；同时考虑全向轮移动机器人因环境不确定性、系统非线性及运动特性导致的高能耗的特性，建立五维能耗模型，并依据能耗模型设计节能奖励函数。最后，在仿真平台中，与SAC、深度确定性策略梯度（DDPG）及基于优先经验回放与长短期记忆网络的双延迟深度确定性策略梯度（PL-TD3）算法进行对比实验。实验结果表明：所提算法任务完成率达98.7%（SAC为85.0%、DDPG为98.5%、PL-TD3为98.2%），总能耗低至18.274 kJ（SAC为25.765 kJ、DDPG为22.418 kJ、PL-TD3为21.191 kJ），平均路径长度6.45 m（SAC为6.56 m、DDPG为6.97 m、PL-TD3为7.13 m），所提算法在任务完成率、能耗、路径长度及鲁棒性上均更优。最终通过实测实验验证了所提方法的有效性。
-
龙门双永磁直线电机电流重构及模糊变增益滑模同步控制研究
摘要：
双永磁直线电机（PMLSM）驱动的龙门平台在高速高精度运动过程中，由于两侧电机的动态响应差距和横梁的机械耦合影响，易产生较大的动态同步误差，在直线导轨的约束下会产生过大的机械应力及额外的摩擦损耗，严重影响平台运动精度和使用寿命；而龙门横梁动子运动状态会直接影响双PMLSM位移跟踪控制的动态响应，最终影响双PMLSM动子动态同步误差。为此，首先建立双PMLSM驱动龙门系统动力学方程，并揭示横梁动子位置及横梁动子沿横梁动态运动对横梁偏转运动影响原理。接着基于复合位移误差，构建双PMLSM动子交叉耦合滑模同步控制。针对横梁动子运动时横梁质心不断变化对同步抑制效果造成的不利影响，结合动力学模型与横梁动子实时位置进行电流重构，以降低动态同步位移误差；针对传统模糊控制以误差为反馈核心存在的控制滞后问题，将与横梁扭转力矩直接相关的横梁动子q轴净电流用于模糊控制中，以横梁动子q轴净电流为主导因素，结合双PMLSM动子同步位移误差和同步速度误差构建模糊变增益控制策略，以进一步降低横梁动子沿横梁动态运动对动态同步位移误差的影响。实验结果表明，相对于恒定增益的交叉耦合滑模同步控制，所提控制策略在双PMLSM启停过程及横梁动子启停过程中同步误差峰值大幅度降低。
-
改进型EKF状态观测的锂电池组分层模块化均衡控制策略研究
摘要：
针对锂电池组主动均衡过程中存在的状态观测精度不足与能量调度效率受限问题,提出一种改进扩展卡尔曼滤波(EKF)的分层模块化均衡控制策略。系统底层由改进型Buck-Boost多路径均衡电路构成模块内均衡网络,实现相邻及非相邻电池之间的直接能量传输;顶层由双向Flyback均衡电路及开关矩阵构成模块间均衡网络,实现模块与整组电池之间的能量交互;同时以EKF估计的荷电状态(SOC)为均衡判据,引入模糊比例-积分-微分调节器,实现模块内与模块间的分层并行协同控制,从而提升系统整体均衡效率。针对开路电压(OCV)-SOC曲线在平台区灵敏度下降导致观测误差增大的问题,在EKF中引入平台修正系数G,对观测增益进行自适应调节,以提高SOC估计精度。实验结果表明，所提均衡策略的SOC估计最大误差为2.9%,均方根误差为0.86%,较传统EKF分别降低35.7%和36.8%;与基于Buck-Boost及Flyback均衡电路的比例-积分-微分控制策略相比,静态工况下均衡时间缩短37.1%,在1C充电与放电工况下分别缩短58.66%和60%,动态响应性能显著提升。为兼顾实时性与工程可实现性,采用海市蜃楼优化算法对修正系数G进行离线优化并构建查找表,在TMS320F28335平台上通过查表方式实现在线计算,单次控制周期耗时0.32 ms,仅占10 ms控制周期的3.2%。所提策略在提高SOC估计精度的同时显著提升均衡效率,为锂电池管理系统测控一体化设计提供了一种具有工程应用价值的实现路径。
-
融合曲率拟合运动预测的无人车3D激光高程约束SLAM方法
摘要：
针对3D激光雷达(LiDAR)在垂直方向上点云稀疏、分辨率不足，导致激光雷达-惯性测量单元（IMU）同时定位与建图（SLAM）系统在高程方向缺乏有效约束、易产生累积漂移的问题，提出一种融合地面曲率拟合运动预测的无人车3D激光高程约束SLAM方法。该方法首先对激光点云进行空间初筛，并结合反射强度信息进行二次筛选，实现对地面点云的稳定分割，为后续地形建模提供可靠数据基础。随后，在无人车实时位姿邻域内，利用最小二乘法对局部地面点云进行二次曲面拟合，从而精确估计地面法向量，并计算反映局部地形整体弯曲特征的平均曲率参数。在此基础上，将地面法向量约束与平均曲率修正相结合，并与无人车的运动预测位移进行正交投影，构建新的高程约束模型，以有效补偿三维激光雷达在垂直方向观测能力不足所带来的不确定性。最后，将激光雷达里程计因子、IMU预积分因子以及所构建的高程约束因子统一引入SLAM系统后端的因子图优化框架中，实现多源传感器信息在物理约束层面的协同优化，在保证系统实时性的同时有效抑制高程方向的累积误差。随后在KITTI公共数据集及高校校园自建数据集上对所提出方法进行了充分实验验证。结果表明，该方法在无人车高程方向具有显著约束效果，相较于基于平滑和建图的紧耦合激光雷达惯性里程计算法（LIO-SAM），定位误差平均值最大降低46.54%，并在地图一致性与轨迹稳定性方面均表现出明显优势。
-
基于无人机多光谱测量的滩涂区域特征提取方法
摘要：
滩涂区域作为海陆交互的关键过渡带，具有极高的生态研究价值，然而其高湿度、强反射、地形复杂等环境特性导致传统遥感手段难以实现高频次、高精度、非侵入性的精细化探测。无人机（UAV)多光谱遥感技术的快速发展为滩涂区域实时监测提供了新的技术途径，但现有方法在辐射定标精度、通道一致性及光谱特征稳定性等方面仍存在不足，制约了滩涂地物分类的准确性与时效性。针对上述问题，构建了面向滩涂复杂环境的无人机多光谱一体化探测系统，设计了室内光谱标定、室外灰板校正与全局仿射对齐的联合数据处理方法，有效抑制了高湿度与强反射引起的辐射失真，消除了多通道间的几何与光谱差异，显著提升了光谱特征的稳定性与可区分性。在此基础上，建立了基于归一化植被指数（NDVI）、归一化水体指数（NDWI）、归一化红边-近红外指数（NRNI）组合决策的快速分类规则，通过多指数协同阈值判决实现滩涂地物的精准识别。实验在典型滩涂区域开展飞行验证，结果表明该方法可有效凸显海岸水际、海滩树林、滩头沙石三类地物的光谱差异，以NDVI＞0.4、NDVI∈［0,0.2］∩NDWI＜-0.1、NDWI＞-0.1∩NRNI＞-0.1为决策阈值，总体分类精度达96.7%，Kappa系数为94.5%，单样本运行时间仅0.001 s，实现了亚米级分辨率的滩涂区域实时监测，满足生态研究的精细化需求。
-
基于几何感知与像素精确可调超分辨率的航空孔轴结构位姿测量方法
摘要：
航空航天大型结构装配是制造过程中的关键环节，其中孔轴连接作为常见构型，其位姿测量精度直接影响装配质量。传统视觉测量方法受图像分辨率限制，尤其在远距离工作条件下，精度难以满足高要求。此外，现有超分辨率技术在工业测量中应用较少，且缺乏针对孔轴图像特性的优化方法。为此提出一种基于几何感知与像素精确可调超分辨率的航空孔轴结构位姿测量方法。首先，针对孔轴图像特性，优化图像退化策略，构建专用超分辨率数据集。其次，设计几何感知与像素精确可调超分辨率网络，通过引入低阶适配器（LoRA）和基于上下文损失与边缘增强梯度方差损失的损失函数，实现像素级保真度和几何结构质量的平衡。在位姿计算方面，提出花键特征提取算法，并建立基于正向投影几何距离和混合积的位姿优化模型，以解决加工误差导致的几何偏差。试验结果表明，该方法将位置测量精度从0.008 mm提升至0.003 mm水平，姿态测量精度从0.14°提升至0.07°，且测量稳定性显著提高。实际应用中，该方法成功用于直升机升力系统装配，调姿精度优于0.05 mm，装配耗时小于30 min，验证了其有效性和实用性。
-
螺纹牙顶线回归修正测量基准大径视觉测量方法
摘要：
针对工业对小螺纹测量基准快速定位与大径测量难点及需求，提出一种螺纹牙顶线回归、修正与评价视觉测量基准算法。采用高斯滤波消除图像噪声，基于双阈值二值法提取螺纹图像边缘过渡带；通过建立图像坐标系，提取特征点初步确定螺纹中心轴线，将中心轴线作为测量基准，构建图像旋转回归模型，第1次修正螺纹测量基准；以左螺纹牙顶线为测量基准，采用决定系数量化回归模型拟合优度的统计量，第2次修正测量基准；最后，运用修正决定系数评估测量基准定位精度。据此，提出螺纹牙顶图像边缘过渡带信息统计的大径算法，将螺纹牙顶期望边缘投影在x轴上，采用大样本数据对螺纹牙顶边缘位置进行统计计算，左、右螺纹期望位置进行螺纹大径计算，并使用标准量块对算法进行标定。通过高精度量块边缘测量进行了算法和测量精度实验验证，实验结果表明：当量块中心轴线与x轴具有一定倾斜角度时，采用论文算法测量量块的最大偏差是0.001 7 mm。分别采用MV-TOSEDP高精密自动影像测量仪和103341型螺纹测量机，对同一公制螺纹M2.5进行了测量实验。当螺纹中心轴线与x轴具有一定倾斜角度时，两者测试结果相差3.1 μm，最大测量偏差为8.8 μm，该算法的平均测量时间是2.480 1 s。综上，螺纹牙顶线回归修正测量基准大径视觉测量方法能够满足公制小螺纹的快速测量要求。
具身智能理论与技术
检测技术
信息处理技术
自动控制技术
视觉检测与图像测量
期刊介绍
主管单位：中国科学技术协会
主办单位：中国仪器仪表学会
主编：王巍
地址：北京市海淀区知春路6号锦秋国际大厦A座23层
邮政编码：100088
电话：010-64044400
邮箱：cjsi@cis.org.cn
国内统一刊号：11-2179/TH
