课程文献中心 更多>>

关键词： 轻量化   无损检测   AD数据采集   实际桥梁测试  

摘要： 本文提出了一种桥梁轻量化无损检测系统的硬件方案，选择STM32H7系列芯片作为主控芯片，添加两片外部W25QxxFlash存储相关程序和固件；电源部分使用多组DC-DC和LDO芯片，以满足不同负载的功率要求；在数据采样部分使用LHA6916系列芯片，支持16路AD通道以1000Hz进行传感信号采样。该桥梁轻量化无损检测系统已在内蒙古多座桥梁上进行实际测试，取得了良好检测效果。

关键词： 双液晶偏振光栅   解算模型   伺服控制   模型预测   跟踪精度  

摘要： 为了满足新一代机载光电跟瞄平台轻小型化设计要求，实现动平台下对目标高精度跟踪，提出机载平台下基于双液晶偏振光栅光电跟瞄平台的控制方法。首先，建立双液晶偏振光栅光束解算模型，根据目标位置信息确定两片光栅所需执行的位置信息；然后，将解算模型与模型预测控制算法相结合，设计伺服系统控制器，控制双光栅实现光束偏折与目标跟踪；最后，搭建实验平台进行验证，在2°@0.5 Hz与5°@0.2 Hz载体扰动情况下，动态跟踪精度分别达到132.56μrad与126.69μrad，相较于传统控制器得到较大提升，为双液晶偏振光栅光电跟瞄平台在机载平台下的应用提供理论支持与技术参考。

关键词： 激光直写   多通道并行光刻   光纤系统   微纳加工  

摘要： 激光直写是一项应用广泛的微纳加工技术。但受限于通量，单通道激光直写技术无法实现大面积应用。为此，提出并验证一种多通道激光直写技术，以提升激光直写技术的通量。与传统的以空间光光路为基础的多通道系统不同，介绍的技术使用光纤器件实现多通道并行刻写，且每个通道可独立调控。通过加工多种微纳结构进行测试，证明搭建的系统兼容多种光刻胶，在ps量级脉宽情况下可实现横向126 nm、纵向222 nm的加工精度。系统结构紧凑，具备加工大面积复杂图形、三维结构的能力，证明光纤器件应用在多通道系统中的可行性，为高通量激光直写技术发展提出新的技术途径。

关键词： 水下机器人   线结构光   输水管道检测   Webots  

摘要： 输水管道在使用过程中,管道内壁可能发生断裂破损等情况,因此需要对输水管道内部进行定期巡检。传统管道内壁检测方法是由人工携带检测设备进入管道内部进行检查,但人工检测数据存在主观性,且检测时间较长容易发生危险。本课题提出了一种基于水下机器人的管道内壁检测方法,以Webots操作系统作为仿真实验平台,通过在水下机器人上搭建检测设备来代替人工对输水管道内部待检测区域进行检测,实现对待检测区域的三维重建,以方便后续管道检修工作。本文主要工作如下: (1)根据输水管道内壁检测的任务需求,提出了一种水下机器人和线结构光相结合的检测方法,针对管道内部的复杂环境设计了一种新的线结构光三维重建方法,简化提取中心线过程和标定过程,提高三维重建效率。实验结果表明,本文提出的三维重建方法可以在复杂的水下管道场景中高效、准确的对管道内壁进行重建,完成检测任务,具有鲁棒性强、适用性高的技术优势。该算法可以为后续输水管道内壁检测提供技术支持。 (2)为了满足水下机器人在输水管道内部中进行巡检工作的任务需求,设计了模糊自适应PID控制器实现水下机器人的定深和定速巡航。基于PID控制效果差的问题,本研究采用模糊自适应PID控制算法。并通过Simulink软件进行水下机器人建模仿真,对PID控制算法和模糊自适应PID控制算法的进行各性能比较。实验结果表明,模糊自适应PID控制器具有较强的稳定性,且抗干扰能力更突出,能够满足水下机器人在输水管道内部环境中的精准控制需求。 (3)基于Webots仿真软件,模拟设计水下管道虚拟环境以及搭建水下机器人,研制水下机器人检测系统软件,软件主要由三部分组成,分别完成对水下机器人的移动控制和输水管道内壁三维信息的采集以及待检测区域的三维重构。在Webots的仿真环境下对检测系统进行仿真测试,验证了基于水下机器人的输水管道内壁检测系统的可靠性和可行性。实验结果表明,该输水管道内壁检测系统可以对输水管道内壁进行精准三维重建,具有很好的检测效果。 综上所述,本文所提出的基于水下机器人的输水管道内壁检测系统可以达到预期的检测效果,对于水下机器人在管道检测的应用发展具有一定的现实意义。

关键词： 光纤光栅传感器   双氧水   纳米酶   氧化石墨烯   二线水铁矿  

摘要： 芬顿氧化法以过氧化氢（HO）和铁盐为主要原料,通过自催化氧化产生羟基自由基（·OH）,已被广泛应用于废水中有机污染物快速氧化降解,尤其被应用于难降解有机物处理。同时HO具有使用安全、自分解只产生水和氧气不存在二次环境污染问题、制备容易等优点,因此HO成为高级氧化技术中常用氧化剂。然而在芬顿反应中,当HO浓度较低时,·OH产量低,导致污染物降解效率低;HO浓度过高时,过量的HO不但不产生更多的·OH,反而在高浓度HO下迅速将Fe氧化成Fe,使氧化反应在Fe催化下进行,这样既消耗了HO又抑制了·OH生产,导致污染物降解效率仍很低。因此准确在线检测芬顿反应过程中HO的浓度变化信息,对探索和优化控制·OH的产量,提高废水降解及矿化能力十分重要。当前用于HO检测的传感器主要有分光光度法、荧光法、化学发光法、滴定法、电化学法和光纤传感器法,但是存在仪器昂贵,成本高、检测过程和方法繁琐复杂的问题。因此,本文提出一种基于光纤光栅在线检测HO浓度的新方法;首先理论分析了长周期光纤光栅和倾斜光纤光栅传感原理;其次研制了氧化石墨烯负载二线水铁矿纳米酶的长周期光纤光栅HO传感器;在此基础上为了优化传感器灵敏度及检测下限,研制了基于氧化石墨烯负载二线水铁矿纳米酶的倾斜光纤光栅HO传感器。主要研究内容包括以下3个方面: （1）理论分析了长周期光纤光栅和倾斜光纤光栅传感原理,详细阐述了光纤光栅模式耦合理论及其相位匹配条件,为更好地理解长周期光纤光栅和倾斜光纤光栅的光谱行为和为检测HO提供了理论支撑。 （2）基于氧化石墨烯负载二线水铁矿纳米酶的长周期光纤光栅(Long Period Fiber Grating（LPFG）)HO传感器研究。采用Cornell和Schwertmann的方法制备了二线水铁矿,通过表面沉淀法成功合成了氧化石墨烯/二线水铁矿（GO/2L-Fht）复合敏感涂层,并利用化学键合和物理吸附相结合的方法将其修饰于光栅区表面。通过调节二线水铁矿与氧化石墨烯的混合比例确定了传感器敏感层的最佳性能配比。在最佳性能配比下通过调节敏感膜的热蒸发时间确定了最佳敏感膜厚度。在p H=3～11范围内测试了传感器的性能,实验结果表明,当V:V=1:3时传感器有最大的响应,10～1 M浓度范围内的HO对GO/2L-Fht修饰的LPFG传感器总共产生1210 pm的共振波长偏移,检测限为1.6 n M,响应时间约为6～14秒,p H=5～9范围内传感器的灵敏度维持稳定。 （3）基于氧化石墨烯负载二线水铁矿纳米酶的倾斜光纤光栅(tilted fiber Bragg grating（TFBG）)双氧水传感器研究。为了进一步提高波长解调型光纤传感器的灵敏度,进一步研制了基于氧化石墨烯负载二线水铁矿纳米酶的TFBG双氧水传感器。传感器由TFBG以及在光纤表面修饰的对HO具有选择性酶促分解作用的2L-Fht纳米酶以及氧化石墨烯制备。实验研究了敏感膜浸涂镀膜次数,HO溶液温度和p H对传感器响应特性的影响。通过分析HO浓度与TFBG截止点处波长的漂移量的关系进而实现对HO浓度的测量。实验结果表明,当浸涂镀膜次数为3次时,传感器对HO的响应程度最大。同时传感器在p H范围在5～9,HO溶液温度范围在25℃～45℃时对HO检测展现出良好的稳定性。在传感器最佳参数下,得到HO浓度与TFBG传感器截止模式光谱漂移量对应关系:y=0.37476lgc+2.77167(线性检测范围为10≤c<1,R=0.996),灵敏度为0.375nm/lg C（是LPFG传感器的1.3倍）,最低检测下限为1 n M,同时传感器具有良好的选择性和重复性。

关键词： 自注意力机制   时空图   长短期记忆网络   图卷积网络   编码器  

摘要： 随着传感器技术和人工智能的飞速发展,工业生产中可收集的设备运行信息不断增加,设备的剩余使用寿命(Remaining Useful Life,RUL)预测迎来新的机遇。为了准确预测设备在退化过程中的剩余使用时间,学者们基于数据驱动的方法展开了大量研究。尽管这些方法取得了一定的成果,但仍存在退化特征提取能力弱、训练时间长、预测精度不足和模型泛化能力较低等问题。为了解决上述问题,论文研究了基于卷积编码网络(Convolutional Encoder Network,CEN)的RUL预测方法,提出了基于自适应权重时间卷积网络(Adaptive Weight Temporal Convolutional Network,AWTCN)的RUL预测方法和基于并行时空图卷积网络(Parallel Spatio-Temporal Graph Convolutional Network,PST-GCN)的RUL预测方法。论文主要工作内容和创新点如下: (1)轴承等高端装备关键部件工作环境复杂多变,导致监测信号特征微弱,趋势特征难提取,传统的智能预测模型效果不理想。针对传统智能模型退化特征提取能力较弱和预测精度较低的问题,构造了卷积神经网络联合编码器神经网络的新型模型CEN。采用卷积神经网络捕捉轴承退化过程中的关键局部特征,并利用编码器进行时序数据建模,使用全连接层预测轴承的RUL。选取轴承加速度信号的时域特征构建多维时序数据;将多维时序数据输入卷积神经网络,采用滑动窗口对输入数据进行局部感知,提取退化特征;使用正余弦位置标记策略标记退化特征的位置顺序信息,并将带有位置标记的退化特征送入编码器提取时序关系,通过CEN模型预测RUL。实验结果表明提出的CEN模型能够有效提取设备的退化特征并提高预测精度。 (2)在高端装备智能运维中,滞后预测将导致维护响应时间缩短,增大运维难度。针对传统循环神经网络及其衍生型态建立预测模型并行处理能力受限和滞后预测的问题,建立了注意力自适应加权时间卷积网络的新模型AWTCN。采用时间卷积网络搭建预测模型,利用空洞因果卷积与残差计算增强模型并行计算能力并避免信息泄露;构建基于自注意力机制的自适应权重模块,实现时序权重自动分配,提高预测精度;利用非对称均方误差损失函数增强模型提前预测的倾向,避免因滞后预测带来的安全和经济问题。实验结果表明,与其他深度学习方法相比,提出的自适应权重时间卷积网络可以有效提升预测准确率并缩短训练时间。 (3)航空发动机等高端装备工况频变,数据分布不一致,传统的智能预测模型在处理此类数据时适应性较差,影响预测精度。为提升智能预测模型准确性和泛化性以及多源时间序列数据处理能力,建立了一种并行时空图卷积网络的新模型PST-GCN。PST-GCN模型的输入使用时间序列数据和图结构数据。为了表征多源数据空间结构信息和构建时间序列数据的时空图,提出了一种多维特征相关时空图(Multidimensional Feature Correlation Spatiotemporal Graph,MFCST-graph)方法。构建了基于MFCST-graph嵌入式长短时记忆网络的空间特征提取路径和基于堆栈式长短期记忆网络的时间序列数据局部和全局时间特征提取路径。对上述路径进行策略性加权,增强网络对高维变量特征结构的空间感知能力和泛化性能。使用发动机、轴承和城市轨道列车受电弓数据集验证模型的有效性,并选择均方根误差(Root Mean Square Error,RMSE)和Score等指标评估预测效果,实验结果表明PST-GCN模型较其他深度学习模型有更优秀的泛化能力和预测性能。

关键词： 光纤光学   铋活动中心   热效应   掺铋光纤   光纤放大器  

摘要： 系统地分析了不同热处理条件对掺铋铝硅酸盐光纤的近红外光谱特性的影响。实验结果表明，加热后的光纤在温度箱外快速冷却（热淬火）可刺激铋铝活动中心（BAC-Al）在1140 nm附近的荧光强度增大。此外，在500℃加热2 min的热淬火条件下，BAC-Al的荧光强度增加了近2倍，表明合适的加热温度及较短的加热时间更有利于光纤内铋活动中心（BACs）含量增加，而较高的加热温度和较长的加热时间则会减少BACs含量、增大光纤的背景损耗。最后，详细探讨了热诱导下的BACs荧光增强/减弱机制。本研究为增强掺铋铝硅酸盐光纤在1100～1300 nm的光谱特性提供了有效的后处理方案。