课程文献中心 更多>>

关键词： 近红外   短波   光栅   对称型   Czerny-Turner  

摘要： 近红外光谱技术在样品成分含量或性质检测中具有无损、操作简单、快速、高效和样品不产生二次污染的优点,在医疗、食品、石油等多个领域中得到了广泛的应用。由于水质中O-H官能团在700～1100 nm波段有丰富的信息,为实现水质在近红外700～1100 nm波段开展光谱分析基础实验提供技术支持。针对700～1100 nm波段进行了光栅型检测实验系统的整体设计,以完成对复合光源的分光及波长信号检测功能。一方面,本研究的700～1100 nm波段光栅型短波近红外检测实验系统结构简单、成本较低,为便携式仪器的开发提供理论依据。另一方面,为了讨论温度在水质参数标定实验中带来的影响,达到提高水质参数近红外检测精度的目的,本研究还设计了温度控制模块,为开展温度基础实验提供技术支持。本文主要研究工作包括:(1)研究了近红外光谱系统基本的组成结构及检测方法的理论基础,为光栅型短波近红外检测实验系统的设计提供理论依据。确定了本研究光栅型短波近红外检测实验系统整体结构方案,由光源、分光模块、检测模块、控制模块和上位机5个部分组成。(2)基于对称型Czerny-Turner光路结构、消慧差原理及ZEMAX光学系统仿真软件。设计了三组光路参数,并进行分光效果对比。选择了相对较优的光路参数,分辨率为12 nm。完成了对称型Czerny-Turner光路结构位置参数及光学元件尺寸的确定。(3)设计了正弦机构的结构参数、运动参数。基于步进电机细分原理,设置旋转精度为0.225°,完成了光栅分度转动,实现了波长的连续检测扫描。设计、选择了系统的硬件电路,完成了DC-DC电源模块、IV转换模块、L298N温度控制模块、步进电机驱动器、PCT陶瓷加热板。(4)基于结构设计参数、模块数量及UG三维建模软件,完成了滤光轮、对称型Czerny-Turner光路结构及正弦机构等模型的建立和装配。确定了光栅型短波近红外检测实验系统的整体尺寸为长533 mm、宽290 mm、高200 mm。(5)编写了STM32运动控制程序。实现了电机细分控制、PID温度控制、波长采集等。基于USART通信技术,设计了上位机界面,实现了上位机对单片机的控制与数据接收功能。上位机软件可完成对温度进行设置,对波长进行选择,对数据进行图像化显示、保存。(6)根据正弦机构运动参数、传感器波长灵敏度曲线及氙灯标准光谱图为参考,确定了相同波长下卤素灯波长与相对强度之间的关系。基于三维模型,完成了系统实物的搭建。根据PID参数测得温度误差控制在±1℃之内。完成了以卤素灯为光源的波长采集,并对比700～1100 nm范围内参考光源氙灯标准光谱图相关度为0.8050。为了测试本研究短波近红外检测实验系统的稳定性,以卤素灯波长的相对强度波动为参考,测得相对强度标准差低于0.4。基本实现了对温度的控制及短波近红外波段较稳定的检测。本论文研究的700～1100 nm波段光栅型短波近红外光谱检测实验系统的开发方法,为水质参数近红外光谱分析的标定实验研究提供了理论和技术支持。

关键词： 无人机   TS模糊控制   张量积模型变换   并行分布式补偿控制   观测器  

摘要： 无人直升机因其悬停、垂直起飞和降落的能力,比其他无人机具有优势。四旋翼无人机由于它简单的结构以及独特的飞行方式,使其成为目前来说应用比较广泛的飞行器。由于在实际控制系统中,受到噪声干扰、传感器精度限制等因素的影响,无法直接测量到系统的所有状态变量。因此针对直升机和四旋翼非线性系统模型,引入张量积模型变换观测器来估计系统状态,提高数据精度,从而提升控制系统性能。本文主要工作如下:1.无人机动力学模型的建立。对于控制器和观测器深入展开研究之前基于无人机的动力学规律和结构分析建立直升机和四旋翼的数学模型。2.全维观测器和降维观测器的设计。针对直升机欠驱动、多变量且内部耦合非常严重的非线性系统,为了能够提高数据精度,首先根据系统状态的维度利用Takagi-Sugeno模糊控制的方法设计了直升机全维和降维观测器。但由于TS模糊控制难于计算复杂欠驱动系统而且难于解析隶属度函数,并且需要求解隶属度函数的约束方程。所以,用张量积模型变换和TS模糊控制理论结合起来的控制方法即张量积模糊控制容易得到欠驱动系统模型,进而基于直升机和四旋翼伪线性参变模型实现全维观测器和降维观测器的设计。最后,通过仿真,对直升机的TS和张量积并行分布式补偿观测器的性能进行了比较,发现张量积并行分布式补偿观测器的性能优于TS观测器。3.扰动观测器和时滞观测器的设计。由于系统中存在扰动,而且扰动不能直接测量的情况下,针对直升机和四旋翼提出了张量积扰动观测器,用来提高系统的鲁棒性。同时,针对系统中存在的时滞现象导致系统稳定性降低,本文引入原始张量积模型变换的扩展张量积时滞模型变换,进而设计张量积时滞模型变换观测器。并且通过高阶奇异值和线性矩阵不等式获得反馈增益和观测增益,仿真验证扰动观测器和时滞观测器的有效性。4.四旋翼无人机的仿真平台设计。通过Rfly Sim实验平台从建模到运用张量积模糊模型控制方法的控制器和观测器的设计进行四旋翼的软件在环仿真,并且连接飞控以及遥控器进行硬件在环仿真来验证算法有效性,并对其结果进行分析。

关键词： 倾斜光纤光栅   级联   结构参量   磁控溅射   灵敏度  

摘要： 倾斜光纤光栅(TFBG)作为一种特殊结构的无源器件,相对于普通布拉格光纤光栅(FBG)拥有诸多优异的光学特性,广泛应用于光通信和光传感领域。通过对倾斜光纤光栅的学习及研究,本文利用软件模拟和实验的方式分别研究了级联倾斜长周期光纤光栅(CTLPFG)传输谱特性、倾斜光纤光栅级联布拉格光栅(FBG)的传输谱特性及传感特性。具体内容如下: (1)介绍了TFBG和级联光纤光栅的研究进展和应用领域,分析了TFBG和TLPFG的基本结构,重点分析了TFBG级联FBG和CTLPFG中不同模式间的耦合机制,推导了TFBG级联FBG的矩阵关系式及CTLPFG的传输矩阵。 (2)利用光学仿真软件OptiGrating分别模拟了不同结构参量下的CTLPFG和TFBG级联FBG的传输谱特性,这其中包含了级联长度、级联位置、倾斜角度、光栅周期、模式数量以及折射率调制深度参量,找出了传输谱中谐振峰深度及波长的变化规律。 (3)采用磁控溅射技术对FBG进行镀镍处理,然后通过实验分别研究单根TFBG的折射率传感特性、两种不同镀膜处理的FBG温度传感特性以及TFBG级联镀镍FBG的双参量传感特性,研究发现镀镍处理后的FBG对温度的灵敏度为0.02271nm/℃,相对于普通FBG提高了1.5倍,最后将得到的温度灵敏度和折射率灵敏度代入灵敏度转换矩阵,从而得到TFBG级联镀镍FBG的温度参量和折射率参量与波长变化量的矩阵关系式,后续将光谱仪中的波长变化量代入该矩阵关系式,通过计算即可得出对应温度和折射率的大小,该传感系统可以实现检测溶液环境折射率的同时又能高灵敏度地监测温度的变化。

关键词： 柔性直流输电   IGBT   FBG   结温监测   有限元仿真  

摘要： 柔性直流输电装备的运行电压、工作电流、功率密度需求不断提升,并正逐步应用于主要输电通道和电网构建,工程可靠性要求显著提高。高压大功率绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor,IGBT)是柔性直流输电网实现电能转换的核心器件,其运行状态将直接关系到整个柔性直流输电系统的安全。而现有的IGBT模块在工程的实际运行寿命低及可运行率远低于设计指标。现有研究证明,器件的结温是直接影响器件运行可靠性的最为关键的物理量,而对于包含数十个芯片的大功率IGBT模块,其结构整体密闭并且长期运行于复杂的耦合物理场中,难以实现对IGBT模块内部芯片结温准确测量,并且目前国内现有的换流阀监测技术无法实现过程数据的监测,限制了设备或关键部件长期运行的可靠性评估,所以对换流阀子模块运行过程中关键部件结温实时监测尤为重要。本文对柔性直流输电换流阀子模块温度实时监测及可靠性提升展开了关键技术研究。对IGBT芯片热积累效应、IGBT失效原因和IGBT模块结温监测技术进行深入分析;根据换流阀的运行环境和IGBT模块封装结构,提出了基于光纤布拉格光栅(Fiber Bragg Grating,FBG)传感的换流阀子模块结温监测方案;结合有限元仿真软件,探究IGBT模块内部芯片及散热器基板温度分布规律,根据温度薄弱点选取合适的FBG传感器安装位置;设计适合高温监测的FBG阵列传感器封装结构,研制了内设光学传感器的IGBT模块;在实验室搭建IGBT温度监测解调系统,设计IGBT温度监测软件,验证传感器系统可靠性。模拟工况负载运行实验,观测不同工况下结温数据;展开换流阀光纤光栅传感器组网技术研究,搭建柔性直流输电换流阀子模块热管理系统,验证换流阀子模块结温监测系统的可靠性;研究结果表明,该结温在线监测方案能准确获取器件的动态结温,实现了柔性直流输电系统中的安全监测和故障预警功能,为换流阀的维护和故障分析提供科学依据。论文的主要创新点如下:1.研制内设光学传感的IGBT模块,在不破坏模块完整性及散热条件情况下,首次实现运行中IGBT内部芯片结温在线实时监测。飞秒光纤光栅阵列传感的栅距更短、可监测IGBT芯片点数更多,结温精确度高。2.搭建IGBT温度监测解调系统,根据换流阀子模块结温监测位置,设计温度监测软件,分区监测上下管IGBT模块芯片、基板及母排的结温信息。3.设计柔性直流输电换流阀子模块热管理系统,开展传感器组网技术研究,监测换流阀子模块100°C内结温变化。设计独立的传感器网络,便于子模块检修安装,定制200 GHz密集波分复用器(Dense Wavelength Division Multiplexing,DWDM),解决备用光纤接口不足的问题。

关键词： 遥感图像分类   Tucker分解   全张量分解神经网络   Tensor Transformer  

摘要： 遥感图像分类是指根据遥感图像中地物的光谱特征、空间特征、时相特征等,利用算法对地物目标进行识别的技术,这项技术在农作物监测、灾害预警、城市规划等领域具有重要的研究意义。近年来,遥感影像朝着多模态,多谱段,多维度,多时相等方面发展,通过传感器采集获得的遥感数据具有高维度特性。传统神经网络其结构特性决定了它们无法直接处理高维张量形式的样本,而对高维遥感数据的降维处理又会破坏原始数据中隐含的结构信息,同时存在降维模型和分类网络之间的匹配问题,最终导致图像分类精度的瓶颈。论文针对以上问题,试图将张量分解和神经网络相结合,提出基于张量化神经网络的高维遥感图像分类解决方案,论文取得的成果如下: (1)为了解决传统神经网络处理高维遥感数据可能造成的“维数灾难”问题,论文将高维遥感数据样本视为高阶张量,提出了在线张量分解的思想,定义了基于Tucker分解的特征提取层(Tucker Decomposition Based Feature Extraction Layer,TDFEL)和分类层(Tucker Decomposition Based Classification Layer,TDCL),并设计出一种全张量分解神经网络(Full Tensor Decomposition Network,FTDN)模型。提出的FTDN模型可直接支持高阶张量形式的样本输入,并使用TDFEL提取原始张量样本中的特征,使用TDCL实现分类任务。提出的TDFEL和TDCL能够充分利用高阶张量样本蕴含的结构信息,在避免“维数灾难”的同时提高了分类精度。实验结果表明,与其他先进的网络相比,FTDN网络分类精度平均提高了3%,且参数量仅为典型卷积网络的1%,实现了网络轻量化。 (2)高维遥感数据蕴含了丰富的空间和通道结构信息,传统Transformer网络的向量化输入仅能保留空间或通道某一维度的结构信息,从而造成图像分类的性能瓶颈。论文提出了张量化自注意力机制(Tensor Self-Attention Mechanism,TSAM),并以此构建了张量化Transformer神经网络模型(Tensor Transformer,TT)。提出的TT模型支持高维遥感数据张量形式输入,使用TSAM来捕捉高维遥感数据中的空间-通道联合结构相关性,能够在端到端的网络中以张量形式实现特征提取,充分利用了原始数据的空间通道联合结构信息,突破了遥感图像分类性能瓶颈。实验结果表明,与传统CNN类网络和先进的Transformer类网络相比,TT网络分类精度平均提高3%。

关键词： 红外弱小目标检测   低秩稀疏分解   张量   扭转张量   时域信息   约束能量最小化  

摘要： 红外弱小目标检测是军事领域关键技术之一,对国防安全起到不可或缺的作用。由于远距离成像,目标尺寸小且信号微弱,易被噪声淹没导致检测困难。因此,在复杂背景下检测信噪比较低的红外小目标是一个研究难点。而现有的检测算法实际应用中的性能并不稳定,要么背景抑制效果不理想,要么实时性难以满足,且无法适应多样化场景下的检测需求。针对这一问题,本文利用张量恢复理论进行弱小目标检测算法的研究,尝试改善复杂环境下检测的高虚警率问题,并提高算法鲁棒性。主要的研究内容包括以下方面: (1)研究现有的红外弱小目标检测算法,包括其基本原理、优缺点、发展现状。本文分析各类算法,决定将张量理论和低秩稀疏分解理论作为研究方向。为此,本文概述了张量的基本概念、乘法运算、张量分解等数学知识。并且从二维矩阵推至三维张量,系统研究了在两者上低秩稀疏恢复理论的应用,包括模型构建和求解方法。 (2)提出联合扭转张量和伪时域信息的红外弱小目标检测算法。本文进行单帧红外图像“伪”时域信息的研究,并结合扭转张量转换视角,从时域上进行稀疏干扰与待检目标的区分。同时,基于红外图像中目标和背景的先验分析,设计了能够抑制强边缘等干扰、增强目标的梯度权重。实验证明该模型背景抑制效果显著,同时在测试图像上均能保持高检测率。 (3)提出结合约束能量最小化异常检测器的红外弱小目标检测方法。本文分析红外图像张量模型与高光谱图像的区别与联系,将高光谱图像异常目标检测方法引入红外弱小目标检测领域,在双空间进行目标增强和背景抑制。该方法无论是在单帧图像还是在序列图像构建的张量模型上使用,其背景抑制、目标检测能力都非常出色,适用于多种复杂环境下的检测。 (4)研究最新的评估指标用于红外弱小目标检测算法评价。考虑到领域内广泛使用的指标在对低秩稀疏分解这类方法进行评估时,会由于背景抑制过于“干净”而导致指标异常问题,本文研究并采取一种新的评估工具3D-ROC曲线来更全面地评价算法检测性能。

关键词： 卷积算法   张量代数   卷积神经网络   并行计算   高性能计算  

摘要： 卷积神经网络是深度学习中最重要的网络模型之一,在图像处理、语音识别、自然语言处理等领域具有广泛应用价值。在常见的卷积神经网络中,卷积操作占网络模型总推理执行时间的90%以上,所以卷积操作一直是卷积神经网络性能优化的重点。常见的深度学习框架中实现卷积操作通常使用直接卷积算法、基于矩阵乘法的卷积算法、基于快速傅里叶变换的卷积算法等。然而,这些传统的卷积算法在处理高维数据、不同尺寸数据、不同形式数据时,往往会导致冗余计算、内存浪费和灵活性不足等问题。这些问题限制了卷积神经网络的性能,也影响了其在更多场景下的应用潜力。针对上述问题,本文从以下两方面入手展开研究:(1)基于张量代数改进卷积算法;(2)针对CPU和GPU平台特性实现高性能的张量卷积算法。主要工作如下:(1)提出了一种新的基于张量代数的卷积算法,即基于窗口序的张量卷积算法(image to window,im2win),由内存高效的im2win变换和后续的张量乘法两部分组成。本文提出的im2win变换将输入图像按照点乘窗口运算访问顺序重新排列数据,相比于传统的image to column(im2col)变换,能够显著减少内存开销,并保证点乘窗口内存访问连续性和数据重用性。通过im2win变换得到的im2win张量是一个四维张量,相比于传统的im2col变换得到的二维矩阵,能够保留更多高维隐含信息。后续使用张量乘法将im2win张量和卷积核张量进行点乘运算以实现卷积操作,可以避免重复计算和数据移动,降低计算复杂度和内存消耗,并使得卷积实现更加灵活适应不同硬件平台。(2)在CPU平台上实现了高性能的基于im2win变换的张量卷积算法,并根据CPU平台特性采用了一系列优化技术,以提高运行效率。首先建立了一个分析优化空间与策略选择的数学分析模型,并结合CPU架构特性和张量卷积计算过程设计完善该模型;然后利用SIMD向量指令集来加速向量乘法,并通过多线程并行来充分利用CPU资源;最后采用循环展开等技术来减少分支判断和函数调用开销。实验表明,在计算性能方面,本文提出的基于im2win变换的张量卷积算法相比于基于im2col变换的卷积算法可以实现2.2倍到5.8倍的性能提升,相比于直接卷积算法可以实现3.8倍到7.1倍的性能提升;在内存占用方面,本文提出的张量卷积算法相比于基于im2col变换的卷积算法平均降低了41.6%的内存占用。(3)在GPU平台上实现了高性能的基于im2win变换的张量卷积算法,并根据GPU平台特性采用了一系列优化技术来进一步提高运行效率。首先根据GPU的CUDA架构模型,对张量卷积算法的索引进行重构,使得该算法可以更好地映射在GPU的架构上;然后利用Tiling策略来减少全局内存访问,并利用共享内存与寄存器来缓存局部数据;最后采用微内核设计、向量化加载/存储、双缓冲与数据预取等技术来提高计算吞吐率。实验表明,在计算性能方面,本文提出的张量卷积算法相比于基于im2col变换的卷积算法平均可以实现约为3.5倍的性能提升,相比于cu DNN库的卷积算法最高可以实现约为1.8倍的性能提升,平均性能提升为1.1倍;在内存占用方面,本文提出的张量卷积算法相比于基于im2col变换的卷积算法平均降低了23.1%的内存占用,相比于cu DNN库的卷积算法平均降低了23.1%的内存占用。