基于阵列传感器的金属分类及成像.pdf

2 0 2 3年 第3 7卷 第4期测 试 技 术 学 报V o l.3 7 N o.4 2 0 2 3(总第1 6 0期)J O U R N A L O F T E S T A N D M E A S U R E M E N T T E C H N O L O G Y(S u m N o.1 6 0)文章编号:1 6 7 1-7 4 4 9(2 0 2 3)0 4-0 3 3 0-0 6 基于阵列传感器的金属分类及成像张裕宸,张志杰,陈昊泽,王 栋,刘孝天(中北大学 仪器科学与动态测试教育部重点实验室,山西 太原 0 3 0 0 5 1)摘 要:通过使用一种基于实测矩阵最值的灵敏度矩阵的修正方法,利用实测矩阵的最值对仿真所得的灵敏度进行修正,并将这3种矩阵分别进行电磁层析成像。其中,对2个磁导率不同的物体成像时,使用修正灵敏度矩阵所成的图像对于2种样品所处位置的中心点的灰度值不同,可以从图中明显看出2个样品的差异。在此基础上,通过对5种不同金属样品所成图像的最值进行分析,可以有效地分辨出不同金属样品。实验最终验证了修正灵敏度矩阵所成图像更加接近于实际电磁参数的分布,对于磁导率不同的物体更加有辨识性,可以有效对部分金属进行分类。关键词:电磁层析成像技术;总体最小二乘法;金属分类;图像重建;修正矩阵中图分类号:T P 2 3 文献标识码:A d o i:1 0.3 9 6 9/j.i s s n.1 6 7 1-7 4 4 9.2 0 2 3.0 4.0 0 9M e t a l C l a s s i f i c a t i o n a n d I m a g i n g B a s e d o n A r r a y S e n s o r sZ HA N G Y u c h e n,Z HA N G Z h i j i e,C H E N H a o z e,WA N G D o n g,L I U X i a o t i a n(K e y L a b o r a t o r y o f I n s t r u m e n t a t i o n S c i e n c e&D y n a m i c M e a s u r e m e n t,M i n i s t r y o f E d u c a t i o n,N o r t h U n i v e r s i t y o f C h i n a,T a i y u a n 0 3 0 0 5 1,C h i n a)A b s t r a c t:I n t h i s p a p e r,w e u s e a m e t h o d t o m o d i f y t h e s e n s i t i v i t y m a t r i x b a s e d o n t h e m a x i m u m o f t h e m e a s u r e d m a t r i x,a n d u s e t h e m a x i m u m o f t h e m e a s u r e d m a t r i x t o m o d i f y t h e s e n s i t i v i t y o b t a i n e d b y s i m u l a t i o n,a n d u s e t h e s e t h r e e m a t r i c e s t o c o n d u c t e l e c t r o m a g n e t i c t o m o g r a p h y,r e s p e c t i v e l y.A-m o n g t h e m,w h e n i m a g i n g t w o o b j e c t s w i t h d i f f e r e n t p e r m e a b i l i t y,t h e g r a y v a l u e o f t h e i m a g e f o r m e d b y u s i n g t h e m o d i f i e d s e n s i t i v i t y m a t r i x i s d i f f e r e n t f o r t h e c e n t e r p o i n t o f t h e t w o s a m p l e s,a n d t h e d i f f e r e n c e b e t w e e n t h e t w o s a m p l e s c a n b e c l e a r l y s e e n f r o m t h e f i g u r e.O n t h i s b a s i s,d i f f e r e n t m e t a l s a m p l e s c a n b e e f f e c t i v e l y d i s t i n g u i s h e d b y a n a l y z i n g t h e m a x i m u m v a l u e s o f i m a g e s f o r m e d b y s e v e r a l d i f f e r e n t m e t a l s a m p l e s.T h e e x p e r i m e n t f i n a l l y v e r i f i e s t h a t t h e i m a g e g e n e r a t e d b y t h e m o d i f i e d s e n s i-t i v i t y m a t r i x i s c l o s e r t o t h e d i s t r i b u t i o n o f a c t u a l e l e c t r o m a g n e t i c p a r a m e t e r s,a n d i s m o r e r e c o g n i z a b l e f o r o b j e c t s w i t h d i f f e r e n t p e r m e a b i l i t y,w h i c h c a n e f f e c t i v e l y c l a s s i f y s o m e m e t a l s.K e y w o r d s:e l e c t r o m a g n e t i c t o m o g r a p h y;t o t a l l e a s t s q u a r e s;m e t a l c l a s s i f i c a t i o n;i m a g e r e c o n s t r u c t i o n;m o d i f i e d m a t r i x 0 引 言电磁层析成像技术是2 0世纪9 0年代发展起来的一种基于电磁感应原理的过程层析成像技术,该技术以电磁感应为基本原理,利用置于检测区域周边的线圈对被测物场进行循环激励和检测,通过信号检测系统及信号处理系统,采用相关算法进行信号解调及图像重建1。常见的灵敏度矩阵求解方法包括实测法2、扰动法3和场量提取法4等,后两种方法通过理论计算及仿真可以较为精确地计算出线圈的输出值,在减少由实际测量带来的工作量的同时,也避免了由于实验造成的测量误差。然而,实际测量环境带来的影响使得由理论计算得来的先验信收稿日期:2 0 2 2-0 6-0 8 作者简介:张裕宸(1 9 9 8-),男,硕士生,主要从事电磁成像、F P G A硬件系统设计研究。E-m a i l:1 2 0 7 9 3 8 8 3 7 q q.c o m。息不够准确,不能反映实际中线圈的输入与输出关系,导致成像质量受环境影响较大。而实测法是实际测量样品材料在传感器检测区域的响应电压值,从而实际测量出传感器的灵敏度矩阵。这种方法虽然有着较大的工作量,存在人员及仪器设备带来的实验误差,但只要对数据进行适当处理,就能得到较为真实的灵敏度矩阵。本文分别使用实测法与软件仿真得到传感器的灵敏度矩阵,提取实测灵敏度矩阵的最值并与归一化后的仿真所得灵敏度矩阵相乘得到修正灵敏度矩阵,避免了实测法冗余的实验过程以及较低信噪比带来的误差,同时又能通过测量引入实际环境因素。电磁层析成像的本质是利用正问题得到的先验信息、边界的测量电压和适当的算法,求取被测区域媒质分布图像的过程5。不同的金属样品在图像重建过程中会体现不同的特征,依次可以对某些金属进行分类。在此过程中,得到先验信息即电磁传感器的灵敏度矩阵尤为关键。本文使用高精度移动平台与8通道阻抗分析仪实际测量出了一组灵敏度矩阵,同时利用软件建模仿真得到另一组灵敏度矩阵。将2种灵敏度矩阵相结合得出修正矩阵,并利用整体最小二乘法6得到传感器检测区域中的电测参数分布灰度图,利用所成图像对金属进行识别分类。1 灵敏度矩阵1.1 传感器阵列及实测矩阵测量方法阵列传感器由8个线圈组成,采取循环激励方式,其结构如图 1 所示。图 1 八线圈传感器阵列F i g.1 E i g h t c o i l s e n s o r a r r a y有效的检测区域近似为直径1 1 c m的圆形范围,每个线圈高2 9.8 9 mm,内径1 8.6 5 mm。由于线圈处于激励的工作模式无法检测其感应信号,故8个线圈在1次激励循环中总共产生5 6个电压信号。为得到灵敏度矩阵,在实验前需要将检测范围进行划分,为使成像方便,本次实验中使用正方形划分传感器阵列的检测范围,这样划分的好处在于方便通过灵敏度矩阵进行成像,总共将检测区域划分为3 4 0个区域,这个数量也是最后所得图像的像素点数,划分方式如图 2 所示。图 2 检测范围网格划分F i g.2 G r i d d i v i s i o n o f d e t e c t i o n r a n g e首先,应当测出装置的空场信号,即当被测区域内无检测物体时,测得各检测线圈的输出信号Vp,d,e m p(x,y),其中,p为激励线圈序号,d为检测线圈序号,e m p表示空场,(x,y)为剖分网格的位置。然后,依次将被测材料试样置于被测区域内不同位置,测得各检测线圈输出信号7,即物场,用o b j表示。由此,可得出灵敏度矩阵元素Sp,d(x,y)=Vp,d,o b j(x,y)-Vp,d,e m p(x,y)。(1)若对各剖分单元进行编号,即令(x,y)=k,则上式可写为Sp,d(k)=Vp,d,o b j(k)-Vp,d,e m p(k),k=1,2,3N,(2)式中:N为剖分单元个数。传感器的灵敏度矩阵是由组成传感器的所有线圈两两之间的灵敏度矩阵进行拉直处理后组成,即SV=S1,2(1)Sn,n-1(1)S1,2(N)Sn,n-1(N)T。(3)可以看出,传感器灵敏度矩阵的行向量是对检测范围内所有划分网格的相同线圈激励、相同线圈接收所检测到的电压值,即某一线圈激励,133(总第1 6 0期)基于阵列传感器的金属分类及成像(张裕宸等)另一线圈检测的灵敏度矩阵。考虑到实验中采集到的信号较小,易受噪声影响,且实验设备不可避免的存在零点漂移现象,故在实际实验过程中,以列为单位,先将试样铜棒安装到移动平移台上固定,并将其移动到第1列的起始位置,配置激励线圈与检测线圈,使阻抗分析仪开始循环激励并采集接收到的信号。停留数秒后移动平台将试样铜棒移动到同列的下1个位置,停留数秒后再作移动,以此类推,在采集完一列的所有单元格的信号后,移动将试样铜棒撤出,测得撤出后的空场数据作为这一列的空场数据。实验使用接收信号的虚部作为数据进行处理。将实验所得数据整理排列可得实测的传感器灵敏度矩阵,部分激励-检测组合的灵敏度矩阵如图 3 所示。(a)3号线圈激励,6号线圈接收(b)2号线圈激励,7号线圈接收(c)7号线圈激励,1号线圈接收(d)2号线圈激励,4号线圈接收图 3 部分实测激励-检测组合灵敏度矩阵F i g.3 P a r t i a l m e a s u r e d s e n s i t i v i t y m a t r i x图 3 中所列出的单组激励-检测灵敏度矩阵将按网格序号顺序进行拉直处理后作为传感器灵敏度矩阵的行向量,可以看出,尽管进行了相当多的滤波处理,但实测灵敏度矩阵仍存在很大噪声。1.2 模型建立本文使用c o m s o l软件对所测传感器进行了建模和仿真,使用了与实际传感器相同的材料、匝数与尺寸,并采用同样的试样进行扰动,所建立的传感器的模型如图 4,模型包括传感器线圈、空气层和无限元域。在给予与实验相同的激励后,得到了仿真所得的传感器灵敏度矩阵,部分灵敏度矩阵如图 5 所示。图 4 模型的俯视图与侧视图F i g.4 T o p a n d s i d e v i e w s o f t h e m o d e l(a)3号线圈激励,6号线圈接收(b)2号线圈激励,7号线圈接收(c)7号线圈激励,1号线圈接收(d)2号线圈激励,4号线圈接收图 5 部分仿真激励-检测组合灵敏度矩阵F i g.5 P a r t i a l s i m u l a t i o n s e n s i t i v i t y m a t r i x由图 5 可以看出,2种传感器灵敏度矩阵的分布方式大致相同,但由于实际测量中的干扰与误差导致2种传感器灵敏度矩阵的具体值不同,于是在得到仿真灵敏度矩阵后,将仿真灵敏度矩阵归一化后与对应的实测灵敏度矩阵最大值相乘得到最终的修正灵敏度矩阵,即SV(j)=S E(j)S Em a x(j)S Mm a x(j),(4)式中:SV为最终得到的修正灵敏度矩阵;SV(j)为修正灵敏度矩阵的第j行;S E(j)为仿真灵敏度矩阵的第j行;S Em a x(j)为仿真灵敏度矩阵第j行的最大值;S M(j)为实测灵敏度矩阵的第j行;S Mm a x(j)为实测灵敏度矩阵第j行的最大值。2 成像结果在实验中测试了多种不同位置,同时改变实验样品的数量,将实测矩阵、仿真矩阵以及修正矩阵的成像效果做了对比,其中位置1与位置3使用的是铜试样,位置2所放置的2个试样中,左上角为铜样品,右下角为铝样品,得到了如表 1 233测 试 技 术 学 报2 0 2 3年第4期所示的实验结果。从表 1 可以看出,由于在实际测量中存在较大的干扰与误差,实测的灵敏度矩阵成像效果不理想,其余2种灵敏度矩阵均有较好的成像效果。但对2个磁导率不同的物体成像时,即位置2,使用修正矩阵所成的图像对于2种样品所处位置中心点的灰度值不同,可以从图中看出2个样品的差异,而使用仿真计算所得的像则几乎看不出差异。表 1 成像实验结果T a b.1 I m a g i n g e x p e r i m e n t r e s u l t s位置1位置2位置3使用修正矩阵的图像使用实测矩阵的图像使用软件仿真矩阵的图像3 基于修正矩阵E M T的金属分类结合电磁感应频谱技术和互感特征提取算法可以对有色金属样品进行自动分类,利用光电传感器及所提取的互感特征可消除样品摆放带来的倾角的影响以准确区分样品的电导率,从而进行对不同金属的快速分类。此类方法大多使用2个 3个线圈作为传感器,对于样品的位置较为敏感。在空间中,单独1个线圈在单个激励函数下所产生的矢量方程满足D o d d-D e e d s解的约束,传统的双线圈模型则更加倾向于使用可以测量的互感或互阻抗来描述空间中的矢量势。双线圈模型的具体形式如图 6 所示,其极坐标形式如图 7 所示。图 6 双线圈模型F i g.6 M o d e l o f d o u b l e c o i l图 7 极坐标下的双线圈模型F i g.7 D o u b l e c o i l m o d e l i n p o l a r c o o r d i n a t e s单匝接收线圈的感应电压为V=j c o s()A(r20s i n2+(w-r0c o s)2,z)r0d,(5)式中:=+a r c t a nr0s i nw-r0c o s ;A为空间中磁场的矢量势;z为线圈的轴向坐标;w为2个线圈中心点之间的距离;r0为线圈的半径。对于多匝线圈,可以在竖直方向上进行积分得出整体感应电压,由此可以得出空场互感与有样品时的互感差L8,为L=0n2r02(l2-l1)22 00c o s()J1(r0)J1 r20s i n2+(w-r0c o s)2 (e-l1-e-l2)2Mdd,(6)333(总第1 6 0期)基于阵列传感器的金属分类及成像(张裕宸等)式 中:M=(1+)(1-)-(1+)(1-)e21c-(1-)(1-)+(1+)(1+)e21c;为空间频率变量;为样品磁导率;c为样品厚度;J1(x)为第一阶第一类贝塞尔函数;0为自由空间的磁导率;l2为线圈顶端到样品顶端的距离;l1为线圈底端到样品顶端的距离。注意到相位部分由电导率、磁导率和导电平板厚度决定,且对提离高度不敏感,因此,相位部分可以从原始数据中提取出来作为表征金属的1个特征量,借此来进行金属分类9。但由于实际应用中金属平板厚度很难保证与线圈中心的相对位置固定一致,故这种金属分类的结果会受两者之间的相对位置影响。本文将不同位置处样品所在中心位置的灰度值与最小灰度值的差值称为图像的极差,整个传感器检测范围近似为一个圆形,对此采取改变极坐标的方式测量若干种不同位置的灰度值极差。同时使用锌、铜、铝、钛和锡5种金属作为实验样品,对如图 8 所示的8种相同极径、不同极角的位置进行成像实验,结果如图 9 所示。图 8 同一极径下的不同位置F i g.8 D i f f e r e n t p o s i t i o n s w i t h t h e s a m e p o l a r d i a m e t e r图 9 同一极径下几种金属所成图像中心位置灰度值极差F i g.9 T h e g r a y v a l u e r a n g e o f t h e i m a g e c e n t e r o f s e v e r a l m e t a l s u n d e r t h e s a m e e x t r e m e d i a m e t e r 每种金属最大的相对误差如表 2 所示。由表 2 可以看出,除钛外,其余金属在同一极径的位置,图像的灰度值极差大致相同。以同样的实验数据使用仿真灵敏度矩阵,计算所得图像的灰度值极差如图 1 0 所示。可以看出,该方法与使用修正矩阵所得图像灰度值极差相比,在有些点不能准确做出区分,整体区分效果没有修正矩阵好。图 1 0 同一极径下仿真灵敏度矩阵所成图像中心位置灰度值极差F i g.1 0 T h e g r a y v a l u e r a n g e o f t h e i m a g e c e n t e r p o s i t i o n f o r m e d b y t h e s i m u l a t i o n s e n s i t i v i t y m a t r i x u n d e r t h e s a m e e x t r e m e d i a m e t e r表 2 5种金属极差的最大相对误差T a b.2 T h e m a x i m u m r e l a t i v e e r r o r o f t h e r a n g e o f f i v e m e t a l s铜/%锌/%锡/%铝/%钛/%6.5 17.4 97.1 17.7 3%1 0.4 5433测 试 技 术 学 报2 0 2 3年第4期 对于图 1 1 所示的不同极径,但在同一极角的位置上,各金属所成图像的灰度值极差结果如图 1 2 所示。图 1 1 同一极角下的不同位置F i g.1 1 D i f f e r e n t p o s i t i o n s u n d e r t h e s a m e p o l a r a n g l e图 1 2 同一极角下几种金属所成图像中心位置灰度值F i g.1 2 G r a y v a l u e o f i m a g e c e n t e r p o s i t i o n o f s e v e r a l m e t a l s w i t h t h e s a m e p o l a r a n g l e可以看出,图像的灰度值极差受极径影响较大,受极角影响较小,即越靠近传感器圆心处,灰度值极差越小,各金属的区分度越小。因此,在测量时应在远离传感器圆心处进行。实验分别使用锌、铝、锡、钛以及铜作为样品,样品具有相同的形状,可以看出在同一极径的不同位置处,不同材料的样品图像灰度值极差不同,其中锡样品与钛样品有着明显的灰度值极差的差异。4 结 论本文使用了一种基于实测最值的传感器灵敏度矩阵修正方法,使用高精度的移动平台得到了实测的灵敏度矩阵,同时使用c o m s o l仿真得到仿真灵敏度矩阵,并依此对仿真灵敏度矩阵进行修正,在使用总体最小二乘法算法进行成像后,实验验证了这种修正方法所得矩阵相较于两种传统方法所得的矩阵更为精确,该方法所成图像也更加接近实际电磁参数的分布,对于不同材料的试样成像有更好的效果,也更加有辨识度。而对于不同金属样品所成图像的灰度值极差会因为样品的电磁参数不同而不同,实验结果验证了可以根据这种灰度值上的差异来对特定样品的材料进行判别分类。参考文献:1 S T AW I C K I K,G R A T K OW S K I S,K OMO R OW S K I M,e t a l.A n e w t r a n s d u c e r f o r m a g n e t i c i n d u c t i o n t o m o g r a p h yJ.I E E E T r a n s a c t i o n s o n M a g n e t i c s,2 0 0 9,4 5(3):1 8 3 2-1 8 3 5.2L I U Z,Y A N G G,N A N H,e t a l.L a n d w e b e r i t e r a-t i v e a l g o r i t h m b a s e d o n r e g u l a r i z a t i o n i n e l e c t r o m a g-n e t i c t o m o g r a p h y f o r m u l t i p h a s e f l o w m e a s u r e m e n tJ.F l o w M e a s u r e m e n t&I n s t r u m e n t a t i o n,2 0 1 2,2 7:5 3-5 8.3刘泽,薛芳其,杨国银,等.电磁层析成像灵敏度矩阵实验测试方法J.仪器仪表学报,2 0 1 3,3 4(9):1 9 8 2-1 9 8 8.L I U Z e,X U E F a n g q i,Y A N G G u o y i n,e t a l.E x p e r i-m e n t a l m e a s u r e m e n t m e t h o d o f s e n s i t i v i t y m a t r i x f o r e l e c t r o m a g n e t i c t o m o g r a p h yJ.C h i n e s e J o u r n a l o f S c i e n t i f i c I n s t r u m e n t,2 0 1 3,3 4(9):1 9 8 2-1 9 8 8.(i n C h i n e s e)4徐凯,陈广,尹武良,等.基于场量提取法的电磁层析成像系统的灵敏度推算J.传感技术学报,2 0 1 1,2 4(4):5 4 3-5 4 7.X U K a i,C H E N G u a n g,Y I N W u l i a n g,e t a l.S e n s i-t i v i t y d e r i v a t i o n a n d c a l c u l a t i o n o f e l e c t r o m a g n e t i c t o m o g r a p h y(E MT)s e n s o r b a s e d o n f i e l d v a l u e e x-t r a c t i o nJ.C h i n e s e J o u r n a l o f S e n s o r s a n d A c t u a-t o r s,2 0 1 1,2 4(4):5 4 3-5 4 7.(i n C h i n e s e)5刘向龙.电磁层析成像关键问题及其在高铁车轮探伤中的应用研究D.北京:北京交通大学,2 0 1 9.6牟志华,郭枫.最小二乘及其改进算法在外测数据处理中的应用J.指挥控制与仿真,2 0 1 7,3 9(5):1 0 9-1 1 2.MU Z h i h u a,G U O F e n g.T h e a p p l i c a t i o n o f l e a s t s q u a r e s a n d i t s i m p r o v e d a l g o r i t h m i n m e a s u r e d d a t a p o s t-p r o c e s s i n gJ.C o mm a n d C o n t r o l a n d S i m u l a-t i o n,2 0 1 7,3 9(5):1 0 9-1 1 2.(i n C h i n e s e)(下转第 3 4 1 页)533(总第1 6 0期)基于阵列传感器的金属分类及成像(张裕宸等)o f S y s t e m s S c i e n c e a n d M a t h e m a t i c a l S c i e n c e s,2 0 2 1,4 1(9):2 3 7 9-2 3 8 9.(i n C h i n e s e)3王鑫,王枫皓.面向N D N的网络攻击检测技术分析J.通信技术,2 0 2 1,5 4(9):2 2 2 0-2 2 2 7.WA N G X i n,WA N G F e n g h a o.A n a l y s i s o f n e t w o r k a t t a c k d e t e c t i o n t e c h n o l o g y o r i e n t e d t o N D NJ.C o mm u n i c a t i o n s T e c h n o l o g y,2 0 2 1,5 4(9):2 2 2 0-2 2 2 7.(i n C h i n e s e)4李岩.计算机软件中安全漏洞检测技术的应用问题探讨J.电子元器件与信息技术,2 0 2 1,5(5):2 3 5-2 3 6.L I Y a n.D i s c u s s i o n o n t h e a p p l i c a t i o n o f s e c u r i t y v u l-n e r a b i l i t y d e t e c t i o n t e c h n o l o g y i n c o m p u t e r s o f t w a r eJ.E l e c t r o n i c C o m p o n e n t a n d I n f o r m a t i o n T e c h n o l-o g y,2 0 2 1,5(5):2 3 5-2 3 6.(i n C h i n e s e)5雍岐剑.关于计算机网络数据库的安全管理技术研究J.电子元器件与信息技术,2 0 2 1,5(4):8 3-8 4.Y O N G Q i j i a n.R e s e a r c h o n t h e s e c u r i t y m a n a g e m e n t t e c h n o l o g y o f c o m p u t e r n e t w o r k d a t a b a s eJ.E l e c-t r o n i c C o m p o n e n t a n d I n f o r m a t i o n T e c h n o l o g y,2 0 2 1,5(4):8 3-8 4.(i n C h i n e s e)6苏盛,汪干,刘亮,等.电力物联网终端安全防护研究综述J.高电压技术,2 0 2 2,4 8(2):5 1 3-5 2 5.S U S h e n g,WA N G G a n,L I U L i a n g,e t a l.R e v i e w o n s e c u r i t y o f p o w e r i n t e r n e t o f t h i n g s t e r m i n a l sJ.H i g h V o l t a g e E n g i n e e r i n g,2 0 2 2,4 8(2):5 1 3-5 2 5.(i n C h i n e s e)7何连杰,亢超群,孙志达,等.配电物联网边缘物联代理网络安全防护研究J.供用电,2 0 2 1,3 8(2):1 2-1 8.H E L i a n j i e,K A N G C h a o q u n,S U N Z h i d a,e t a l.R e-s e a r c h o n s e c u r i t y p r o t e c t i o n o f e d g e I o T a g e n t o n t h e p o w e r d i s t r i b u t i o n I o TJ.D i s t r i b u t i o n&U t i l i z a-t i o n,2 0 2 1,3 8(2):1 2-1 8.(i n C h i n e s e)8王智明.基于人工智能的网络攻击检测研究J.信息与电脑(理论版),2 0 2 1,3 3(1):1 4 8-1 4 9.WA N G Z h i m i n g.D e t e c t i o n o f c y b e r a t t a c k s b a s e d o n a r t i f i c i a l i n t e l l i g e n c eJ.C h i n a C o m p u t e r&C o mm u-n i c a t i o n,2 0 2 1,3 3(1):1 4 8-1 4 9.(i n C h i n e s e)9郑轶,王路路,胡志锋,等.泛在物联背景下智慧电力物联网网络安全技术探索J.网络空间安全,2 0 2 0,1 1(1 2):6 5-7 2.Z H E N G Y i,WA N G L u l u,HU Z h i f e n g,e t a l.T h e n e t w o r k s e c u r i t y t e c h n o l o g y e x p l o r a t i o n o f u b i q u i t o u s e l e c t r i c I n t e r n e t o f T h i n g sJ.C y b e r s p a c e S e c u r i t y,2 0 2 0,1 1(1 2):6 5-7 2.(i n C h i n e s e)1 0孙跃,杨晟,龚钢军,等.基于可信计算和区块链的配电物联网内生安全研究J.综合智慧能源,2 0 2 0,4 2(8):6 1-6 7.S U N Y u e,Y A N G S h e n g,G O N G G a n g j u n,e t a l.R e s e a r c h o n e n d o g e n o u s s e c u r i t y o f d i s t r i b u t i o n I n-t e r n e t o f T h i n g s b a s e d o n t r u s t e d c o m p u t i n g a n d b l o c k c h a i n t e c h n o l o g yJ.I n t e g r a t e d I n t e l l i g e n t E n-e r g y,2 0 2 0,4 2(8):6 1-6 7.(i n C h i n e s e)(上接第 3 2 9 页)1 2刘晓蕾,王召巴,陈友兴,等.小波分析在超声测厚信号特征提取中的应用J.无损检测,2 0 1 0,3 2(1 2):9 4 8-9 5 0.L I U X i a o l e i,WA N G Z h a o b a,C H E N Y o u x i n g,e t a l.A p p l i c a t i o n o f w a v e l e t a n a l y s i s i n f e a t u r e e x t r a c-t i o n o f u l t r a s o n i c t h i c k n e s s m e a s u r e m e n t s i g n a lJ.N o n d e s t r u c t i v e T e s t i n g,2 0 1 0,3 2(1 2):9 4 8-9 5 0.(i n C h i n e s e)1 3S O L E I MA N P O U R R,N G C.L o c a t i n g d e-l a m i n a-t i o n s i n l a m i n a t e d c o m p o s i t e b e a m s u s i n g n o n l i n e a r g u i d e d w a v e sJ.E n g i n e e r i n g S t r u c t u r e s,2 0 1 7,1 3 1:2 0 7-2 1 9.1 4杜鹏杰,陈友兴,谭辉,等.硅酮密封胶固化过程非接触在线监测研究J.应用激光,2 0 2 0,4 0(6):1 1 3 8-1 1 4 3.D U P e n g j i e,C H E N Y o u x i n g,T A N H u i,e t a l.R e-s e s r c h o n n o n-c o n t a c t o n l i n e m o n i t o r i n g o f s i l i c o n e s e a l a n t c u r i n g p r o s c e s sJ.A p p l i e d L a s e r,2 0 2 0,4 0(6):1 1 3 8-1 1 4 3.(i n C h i n e s e)(上接第 3 3 5 页)7P A R K G S,D O N G S K.D e v e l o p m e n t o f a m a g n e t i c i n d u c t a n c e t o m o g r a p h y s y s t e mJ.I E E E T r a n s a c t i o n s o n M a g n e t i c s,2 0 0 5,4 1(5):1 9 3 2-1 9 3 5.8Y I N W,B I N N S R,D