数字出版平台
网站访问量
本期导读
《中国测试》创刊于1975年，由中国测试技术研究院主管，于国内外公开发行，(国际标准刊号:ISSN1674-5124，国内统一刊号:CN 51-1714/TB)，由中国工程院高洁院士担任总编，杨杰斌研究员担任主编，谭久彬等12位院士及全国重点高校、科研机构100+专家担任高级顾问及编委。《中国测试》致力于追踪新成果、交流新技术、传播新方法，旨在推动测试技术创新融合发展，加快构建国家先进测量体系，在全方位展示测试技术学术特色和水平基础上，打造一流专业期刊和知识共享平台，期刊栏目设置主要涵盖:前沿综述、测试方法、仪器设备、技术应用，学科专业覆盖全、学术交流范围广，是测试方法和技术成果展示和传播的桥梁。
基于无人机平台的电力巡线相关技术研究进展
何成;王峰;朱丽婷;王佳;彭一誉;何赟泽;孙秋芹;无人机通信、感知与计算是提高无人机电力巡线效率的关键技术，该文深入综述上述三项技术的基本发展历程与其在电力行业的落地应用。首先，剖析无人机中继通信技术对传统通信领域产生的深刻变革与无人机基站部署这一核心课题的技术发展；其次，探讨无人机信息感知技术的最新动态，包括双光相机、激光雷达、深度相机等多种载荷的应用与创新；最后，分析无人机与边缘计算融合这一全新领域的现有研究成果与未来发展方向。通过以上综述、总结、分析，该文阐明无人机中继通信、信息感知与边缘计算技术的发展脉络，指出以上技术应用于电力巡线工作所取得的成果与尚存在的问题，并对相关技术在电力巡线行业的未来发展方向进行展望。
基于EEMD-SVM的混凝土大坝活动裂纹电磁辐射信号识别方法
侯春尧;毛延翩;谭大文;张洪毅;周益;张敬华;黄松岭;为解决混凝土大坝活动裂纹电磁辐射信号与电磁干扰信号混淆、识别准确率低的问题，该文提出一种基于集成经验模态分解（EEMD）-支持向量机（SVM）的混凝土大坝活动裂纹电磁辐射信号识别方法。该方法利用EEMD将混凝土大坝周围环境电磁辐射信号分解为多个本征模态函数，构建汉克尔矩阵和奇异值分解方法，获取不同本征模态函数的平均值、方差和峭度值等信号特征量，结合SVM识别混凝土大坝活动裂纹电磁辐射信号和周围环境干扰噪声。对400组混凝土活动裂纹电磁辐射信号与干扰噪声进行比较，所提出的方法识别成功率高，最终识别准确率大于95%，高于其他传统信号处理算法的识别率，可为混凝土大坝活动裂纹的识别提供参考依据。
镜框凹槽测量轮廓倾斜校正研究
唐瑜洁;禹静;孔明;针对非接触式镜框凹槽轮廓扫描过程中倾斜测量导致的轮廓畸变问题，提出一种凹槽轮廓特征边提取计算倾斜角的两步倾斜校正方法。该方法首先通过计算轮廓离散点的近似曲率，根据间断点处曲率曲线波形特点提取轮廓的分段点，确定凹槽斜边特征边的取点区间，对区间范围内的轮廓点进行最小二乘法直线拟合求解倾斜角度完成第一次倾斜校正。然后，以第一次校正后凹槽轮廓的凹槽倒角边作为特征边进行第二次特征边提取与倾斜角度计算，旋转调整轮廓最终实现轮廓的第二次倾斜校正。实验结果表明，该校正方法对哑光材质的镜框凹槽有显著的校正效果，校正后凹槽轮廓形状参数误差均在±1°与±0.1 mm的允许误差范围内。
SFLA-PS-ANFIS超短期风电功率日内动态预测方法
李练兵;陈伟光;李佳祺;卢盛欣;吴宁宇;于力强;为提高风电功率预测的准确性，减少风电对电网的负面影响，将传统的自适应神经模糊推理系统（adaptive network-based fuzzy inference system,ANFIS）与蛙跳算法（shuffled frog leaping algorithm,SFLA）和模式搜索（pattern search,PS）算法相结合，提出一种超短期风电功率日内动态预测方法。首先，使用SFLA-PS算法对ANFIS模型中的参数进行优化，将归一化处理的数据集作为模型的输入构建SFLA-PS-ANFIS超短期风电功率预测模型。然后，加载待预测时刻的输入数据到模型进行预测，将预测结果更新到数据库中，并更新气象数据，每隔15 min预测一次，实现对风电功率的动态预测。最后，以张家口某风电场实际运行数据验证模型的有效性。结果表明：相较于PSOANFIS、随机森林模型，SFLA-PS-ANFIS模型在春季平均绝对百分比误差EMAPE分别降低0.472%、0.741%；夏季平均绝对百分比误差EMAPE分别降低1.826%、3.294%；秋季平均绝对百分比误差EMAPE分别降低0.039%、0.183%；冬季平均绝对百分比误差EMAPE分别降低0.354%、0.596%，所提方法在不同季节均取得最优效果，具有较强的实用性。
灵敏度-层HMM功率预测的风机运行不确定性风险评估方法
师洪涛;李艺萱;丁茂生;高峰;李希彬;风电机组的运行风险评估对大规模风电并网的安全与稳定具有重要的意义，为解决传统风电机组运行风险评估中残差评估风险等级划分准确度低的问题，提出基于灵敏度-层隐马尔可夫链(hidden Markov model, HMM)功率预测的风电不确定性风险评估方法。首先提出新的量化风险度的模型，在残差序列中考虑风险发生的概率并应用HMM聚类考虑残差序列的时间特征；进一步地，提出灵敏度-层HMM预测模型，其采用灵敏度提取风电功率在风速区间内的变化趋势，使HMM预测状态的选取更为合理，进而提高预测精度。最后，实际算例表明，相较于传统的风险度评估方法，采用该文提出的风电机组的风险评估方法，风电功率预测误差RMSE降低至10.47%，风险评估模型在考虑不确定性与时序性的前提下，聚类的错误率降低为5.5%。
空气耦合超声类瑞利波的表面应力检测研究
曾辉;常俊杰;彭少雄;魏麟权;李帅永;该文针对钢结构表面应力提出了非接触式空气耦合超声类瑞利波检测方法。首先基于声弹性理论，研究了类瑞利波在钢表面传播时间与表面应力的关系，搭建空气耦合超声类瑞利波应力检测系统,根据Snell定律确定检测参数，采用声时差算法提高测量精度，对Q420钢不同声程下声弹性系数进行标定和拟合。在此基础上对Q420钢进行应力无损检测和评价，实现非接触式空气耦合一维表面应力的超声无损检测。最后从理论和实验两方面对实验结果进行分析，证明了空气耦合超声类瑞利波检测表面应力方法的可行性。
融合无监督学习的差示扫描量热特征峰分析方法
王晓东;许金鑫;丁炯;王晓娜;叶树亮;为解决传统的差示扫描量热法(differential scanning calorimetry, DSC)信号分析需要手动选点来构造基线，存在人为因素引入误差且操作繁琐等问题，将机器学习方法应用于DSC信号分析中，提出一种融合无监督学习的DSC自动基线构造及特征峰信号分析方法。首先使用改进的聚类算法将特征峰两侧的基线与特征峰信号初步分离；其次对特征峰两侧的基线信号结合迭代多项式拟合进行基线重构；最后将原始信号减去重构的基线信号得到净特征峰信号，进行热力学分析。对多组实验数据分析表明，基于机器学习的DSC信号分析方法可自动实现良好的基线构造与峰信号分析，提高DSC信号分析的速度和精度，有效减少人为因素引起的分析误差。