设计应用-AET-电子技术应用

基于多源数据融合的EHI模型构建与实时诊断技术[人工智能][工业自动化]

针对炼化设备传统维护策略存在“过修”或“失修”问题，构建了基于多源数据融合的设备健康度指数（Equipment Health Index，EHI）模型。该模型整合缺陷、报警、维修等多维数据，利用深度神经网络进行非线性融合与实时评估。工程验证表明，该技术能精准量化设备健康状态，比传统方法具有更高的评估准确率与预警提前量，为智能运维提供了有效支撑。

发表于：2026/6/17 下午3:25:29

基于二分回声状态网的风电功率预测方法研究[人工智能][智能电网]

在当今能源领域，风力发电具有便捷性和环保性，但其发电效率受到天气的影响。因此，为优化能源利用，提出了一种基于二分回声状态网络的风功率预测方法。该模型由3个储备池构成，第一个储备池对输入数据进行信息特征提取，然后根据所提取特征不同，将特征作为输入信息并列输入后面两个储备池，进一步对数据特征进行融合。为了保证模型能够稳定地运行在实际的预测中，给了一个充分的稳定性判据，并能更好地选择预测模型的结构参数。此外，为了获得更好的预测精度，使用梯度下降算法来优化二分回声状态网的储备池参数。最后，通过一组仿真数值实验，验证基于二分回声状态网风电功率预测模型的有效性和可行性。

发表于：2026/6/17 下午3:17:10

SEC-YOLO：一种高效的中草药复杂背景识别模型[人工智能][信创产业]

针对中药材图像识别中存在的复杂背景、遮挡及光照变化等问题，构建了一个涵盖76种中草药、两万余张图像的大规模数据集，并通过多种数据增强提升模型泛化能力。在YOLO11n基础上，提出改进模型SEC-YOLO，引入C3k2_Star模块、ECA_SR注意力机制及C2PSA_CGLU模块，提升复杂环境下的识别性能，并优化特征融合结构与检测头设计，增强对小目标与混叠药材的检测能力。改进模型平均精度均值（mAP）达98.0%，权重文件3.7 MB，计算量4.7G，参数量1.80M，相较于YOLO11n，权重文件大小降低了30.1%，计算量下降了28.7%，参数量下降了31.0%。其检测精度和检测速度均满足实时检测要求。实验结果表明，SEC-YOLO在保证轻量化的同时实现高精度、实时性识别，为中药材自动化识别提供了有力支持。

发表于：2026/6/17 下午3:10:56

基于CSI的非视距人火检测方法研究[通信与网络][安防电子]

现有的火灾检测技术多依赖烟雾传感器或摄像头，不仅在部署与维护方面成本较高，还面临隐私泄露、识别范围有限等问题，尤其难以覆盖非视距（Non-Line-of-Sight， NLoS）区域。此外，传统方法普遍无法判断火灾区域内是否存在被困人员，难以为应急救援提供有效决策支持。为解决上述问题，提出一种基于信道状态信息（Channel State Information， CSI）的人火检测方法，利用Wi-Fi信号墙体穿透与衰减特征实现复杂室内环境中的人员状态与火情联合感知。提出子载波加权融合算法压缩高维CSI数据，并构建双层门控循环单元（Gated Recurrent Unit， GRU）网络提取时序特征，实现对人体活动与火灾状态的准确识别。实验结果表明，该方法在非视距场景中检测是否发生火灾以及火灾环境中是否存在待救援人员的准确率分别为94.93%和94.53%。此外，所开发的实验数据集已公开，供相关研究者进一步探索，数据集可在https：//github.com/T-bjq/Wi-HFC-dataset获取。

发表于：2026/6/15 下午4:36:51

基于改进小波-VMD的脉搏信号联合去噪方法研究[测试测量][医疗电子]

针对在脉搏信号的实际测量过程中由环境变化、受试者运动、电磁干扰等因素产生大量噪声这一问题，提出了一种基于变分模态分解（Variational Mode Decomposition，VMD）和改进的小波阈值联合去噪算法。以皮尔逊相关系数为评价标准，优化k值后对信号进行k层VMD分解；从分解得到的本征模态分量（IMFs）中筛选出低频分量，并对剩余IMFs中包含有效信息的IMFs分量采用改进的小波阈值算法进行去噪；最后，将去噪后的IMFs与低频分量重构，得到降噪后的信号。通过模拟数据进行仿真实验，并对比VMD、VMD-SSA、VMD-SG、ICCEMDAN-WT、MEEMD-WT几个方法和所提方法的去噪效果，仿真实验结果表明，经该算法降噪得到的去噪信号在信噪比、均方误差、归一化互相关度几个指标上的表现最优。在对实测脉搏信号进行验证时，结果表明该算法能够有效去噪，同时保留信号的关键信息特征。

发表于：2026/6/15 下午4:17:21

基于LASSO及GRU-注意力机制的配电网合环电流区间预测[通信与网络][智能电网]

在以光伏、风电为代表的大规模分布式能源接入电网的背景下，传统合环电流计算方法面临精度不足以及难以刻画合环特性不确定性的挑战。为此，提出一种考虑不确定性的合环电流区间预测模型。具体研究过程包含以下关键步骤：鉴于合环电流预测中影响因素繁多且数据结构复杂，采用自适应LASSO（Adaptive LASSO，ALASSO）回归方法对影响因素进行筛选，构建适用于合环电流预测的多元数据集；为提升合环电流预测模型的可解释性，引入极限梯度提升算法，对经LASSO变量选择后的配电网合环预测影响因素进行特征重要性评估，明确各因素对预测结果的贡献程度；针对合环电流的时序特性，提出一种基于注意力（Attention）机制的门控循环单元（GRU）预测模型，实现合环电流的时段预测……

发表于：2026/6/15 下午4:09:15

基于KL距离的非相干大规模SIMO系统星座设计[通信与网络][通信网络]

针对工业物联网中无线超可靠低时延通信（URLLC）面临的挑战，聚焦于非相干大规模SIMO系统在一般相关信道下的星座优化难题，提出了一种基于星座点间Kullback-Leibler（KL）距离的星座设计算法。首先，通过Karhunen-Loève变换（KLT）消除接收信号的相关性。随后，在平均功率约束下，以最大化最小KL距离为优化目标，并利用高信噪比渐近分析，将此非凸优化问题分解为两个独立子问题：优化非零星座点和优化含零星座点间的KL距离。子问题1中推导出最佳非零星座点的等比序列结构，并基于此，子问题2设计了一个高效的一维二分算法来求解所有最佳星座。实验结果表明，该优化方法对任意相关信道均适用，显著提升了系统的成对错误概率（PEP）性能，明显优于传统基准方案，验证了其有效性。研究结果证明，该方法能有效提升系统性能并具有更强的通用性，为URLLC通信提供了切实可行的解决方案。

发表于：2026/6/15 下午3:36:09

压力扫描阀系统在风洞中的应用[测试测量][工业自动化]

为了研究3种典型压力扫描阀系统在风洞环境中的应用特性并为相关试验提供技术支撑，采用系统性研究与对比分析的方法，做了基于PSI 9116电子压力扫描阀、DTC Initium多参数数据采集系统、Optimus智能测控系统的风洞试验，同时开发了高速风洞通用测力测压软件平台、建立了风洞试验性能评估体系以验证系统精度，得到了3种系统的量化性能对比结果，为风洞试验设备选型提供了科学依据。

发表于：2026/6/15 下午3:29:40

基于光学干涉模型的碳化硅外延层厚度测量研究[测试测量][工业自动化]

碳化硅外延层厚度的精确测量是半导体器件制备的关键，基于2025年全国大学生数学建模竞赛B题实测数据开展研究。首先，采用Savitzky-Golay平滑滤波、波长窗口函数与Huber Loss鲁棒损失函数，预处理原始数据中的高频噪声、基线漂移及异常值。其次，构建双光束干涉模型，结合Sellmeier色散方程等推导厚度与相关参数的定量关系，通过快速傅里叶变换初估、非线性最小二乘迭代优化及逆方差加权平均实现高精度反演，经回灌检验验证有效性。再次，建立多光束干涉模型，基于传输矩阵法反演厚度，提出振荡成分提取与基线恢复校正方法降低干扰。

发表于：2026/6/15 下午3:21:22

基于TQWT-MSPCA-GNN多模态特征的混合神经网络EEG情绪识别[人工智能][医疗电子]

脑电图（EEG）信号能客观反映情绪状态，是情绪研究的重要工具。基于EEG信号的情绪识别算法的开发已经取得了显著进展。然而，脑电信号的非平稳、低信噪比特性以及情绪表征的复杂时空依赖性，对模型的识别性能带来了困难。传统方法难以在时间和空间两个维度捕捉到远距离时间序列数据的相关性，从而影响情绪分类的效果。为了解决上述问题，提出了一种通过可调Q因子小波变换（TQWT）对原始EEG信号进行多尺度分解，并在各尺度上采用多尺度主成分分析（MSPCA）进行去噪和降维。将分解后的多频带信号构建为动态脑功能网络，并引入图神经网络（GNN）来挖掘脑区之间与情绪相关的连接特征。最后，将TQWT提取的时频特征与GNN提取的空间关系特征进行融合捕获时间和空间特征进行分类。在SEED数据集上的实验结果表明，特征重构后的数据在EEG情绪分类任务中是有效的，对3种情绪的识别准确率达到了98.15%±0.63%。

发表于：2026/6/15 下午3:14:15