基于卷积神经网络的图像识别综述

随着工业化进程的迅猛发展，产生了大量的图像信息，传统的图像识别技术难以处理如此庞大的图像数据以及满足速度和精度上的要求，大数据及深度学习技术应运而生，基于卷积神经网络的图像识别方法成为目前图像识别的主流算法。文中首先介绍了传统图像识别技术及存在的问题，引入了卷积神经网络的深度学习方法，重点说明了卷积网络中间层的结构和特点，然后介绍图像识别中经典的卷积神经网络模型及相互间的区别，最后简要综述卷积神经网络在图像识别中的应用，指出了有监督的卷积网络学习缺点及无监督学习的研究方向。     

航空电子设备冷却用环路热管冷凝器热沉分析

为确定环路热管用于机载电子设备散热的适用性,讨论了应用于航空电子设备冷却的环路热管冷凝器可用热沉,提出将机翼蒙皮作为环路热管冷凝器的热沉.通过机翼蒙皮的传热分析,计算了飞行任务包线下机翼蒙皮内表面温度,以确定环路热管冷凝器热沉温度范围.理论计算表明,利用环路热管将机载电子设备的热量耗散于飞机蒙皮是一种可行的热管理技术.      

三轴稳定式卫星的热特性研究

热特性研究是卫星热控制系统、红外辐射特性研究、红外隐身设计的基础和重要组成部分。建立卫星运行轨道计算模型,获得不同时刻卫星三维坐标及轨道高度。根据太阳、卫星、地球三者位置关系,建立三轴稳定式卫星空间热流计算模型。综合考虑空间热流、向外辐射、内部热载荷等因素,对卫星进行传热分析计算,获得各时刻卫星各面温度分布。分析了太阳吸收系数和卫星内部热载荷对表面温度分布的影响。研究结果表明:卫星在地球阴影区各面温度明显降低;除了散热面,太阳吸收系数对卫星表面温度影响显著;可以根据散热面大致地判断卫星运行状况。     

基于改进的SqueezeNet直升机滚动轴承故障诊断

针对现有基于卷积神经网络的故障诊断方法存在模型参数量和计算量大的问题，提出一种改进的SqueezeNet模型应用于直升机滚动轴承故障诊断。该模型借鉴VGG16模型的思想，在经典的SqueezeNet基础上，采用3个3×3卷积核代替1个7×7卷积核，实现了在相同感知野条件下增加网络容量、增强非线性、减少网络参数量，采用卷积层、池化层和Fire模块、池化层两大结构交替的方式组成模型特征提取层，在保障特征提取能力的情况下，进一步减少了网络参数量。通过轴承数据开展模型故障诊断实验，结果表明该模型诊断精度达到99.65%，与传统卷积神经网络及经典的SqueezeNet模型相比诊断精度相当，而计算量与参数量最大缩减约6倍和36倍。     

过热蒸汽射流冷却叶片热耦合数值模拟

在对射流冷却平板模型和射流冷却凹板模型数值模拟的基础上,设计了射流冲击冷却式蒸汽冷却叶片,并对其进行了热耦合数值模拟.通过改变平板和凹板的进口雷诺数,射流孔与靶板间距和凹板曲率,对靶板的冷却传热进行了对比研究,得到传热量与各个参数的变化规律.然后根据上面得到的变化规律设计出射流冲击冷却式蒸汽冷却叶片,应用ANSYS CFX 10.0数值程序,对冲击冷却的流动和传热过程进行了三维热耦合数值模拟,得到叶片表面温度和对流换热系数分布.      

航空发动机热端部件磷光测温技术研究进展

详细介绍了磷光测温技术的物理机制、测量方法、常用材料及制备工艺，并从磷光材料及其制备工艺、温度测试方法及系统、发动机环境下信号传输方案三个层面梳理了磷光测温技术在航空发动机热端部件表面温度测试领域的发展历程和研究动态。通过对航空发动机热端部件磷光测温技术研究进展的全面分析，充分验证了磷光测温技术与待测面发射率无关，受复杂燃气组分吸收散射影响小，可测量半透明介质内部温度场的独特优势，凸显了磷光测温技术在航空发动机极端环境下热端部件瞬态温度场测试中的应用潜力，有望实现更高的测温范围和测试精度，支撑新一代航空发动机的精细化设计。     

扰流柱布局形式对层板隔腔内流动与换热特性影响的数值模拟

正随着航空发动机推重比要求的不断提高,发动机热端部件热负荷急剧上升,尤其是燃烧室火焰筒需要有效的热防护。因此对先进冷却技术的研究需要不断进行,层板冷却是一种较为先进的冷却技术,国外的层板冷却技术已经进入实际应用阶段。Favaretto等人通过数值模拟和传热优化分析研究了层板结构不同的冲击孔、气膜孔、扰流柱直径和不同扰流柱高度的影响。Funazaki通过数值模拟及实验研究了放大层板冷却结构的内部对流换热系数。研究发现数值模型计算结果与实验值符合较好。另外,平均对流换热系数     

间隙射流对端壁冷却和传热特性影响的研究

采用数值求解三维Reynolds-averaged Navier-Stokes(RANS)方程和k-ω湍流模型,研究了间隙射流对燃气轮机叶片端壁冷却和传热特性的影响。通过数值结果与实验数据的比较,验证了数值方法的正确性。在此基础上,研究了间隙射流质量流量比、间隙射流角度对端壁流动结构、气膜冷却性能以及传热特性的影响规律。结果表明,受到端壁二次流结构的限制,冷却气体主要集中在叶片前部吸力面侧。当间隙射流质量流量比小于1%时,会发生主流入侵现象,从而削弱前缘马蹄涡,并且会增加通道喉部区域的热负荷;随着质量流量比的增加,端壁气膜覆盖面积增大,而当射流质量流量比大于1%时,主流入侵现象消失,间隙射流将增强前缘马蹄涡,提高端壁前部的传热,并且减少端壁前部热负荷。随着间隙射流角度的增加,射流引起的分离涡增强,导致端壁前部的传热增强,而端壁气膜有效度降低,端壁热负荷增加。特别是在质量流量比为1.5%时,射流角度从30°增大到90°时,端壁平均气膜有效度减小53.4%。     

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。     

喷射角对涡轮叶栅端壁气膜冷却传热的影响

在大尺寸低速平面叶栅风洞中,对前缘上游有单排气膜孔的涡轮导向叶栅端壁气膜冷却进行了详细的传热实验。在喷射角为25°,35°和45°以及吹风比为1,2,3下测量了端壁面上的局部冷却效率和换热系数,并由此计算出了叶栅实际工作状态下的端壁热负荷。着重研究了喷射角对端壁气膜冷却的影响。数据表明减小喷射角度虽然能够显著的提高冷却效率,但同时也明显的增大了换热系数,最终的冷却效果取决于端壁热负荷的大小。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法，首先回顾了图像分类技术的发展历程，接着介绍了图像识别技术中的分类器，并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用，详细阐述了多种图像分类技术，具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时，对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后，从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

A point cloud deep neural network metamodel method for aerodynamic prediction

Aiming to reduce the high expense of 3-Dimensional (3D) aerodynamics numerical simulations and overcome the limitations of the traditional parametric learning methods, a point cloud deep learning non-parametric metamodel method is proposed in this paper. The 3D geometric data, corresponding to the object boundaries, are chosen as point clouds and a deep learning neural network metamodel fed by the point clouds is further established based on the PointNet architecture. This network can learn an end-to-end mapping between spatial positions of the object surface and CFD numerical quantities. With the proposed aerodynamic metamodel approach, the point clouds are constructed by collecting the coordinates of grid vertices on the object surface in a CFD domain, which can maintain the boundary smoothness and allow the network to detect small changes between geometries. Moreover, the point clouds are easily accessible from 3D sensors. The point cloud deep learning neural network, which employs re-sampling technique, the spatial transformer network and the fully connected layer, is developed to predict the aerodynamic characteristics of 3D geometry. The effectiveness of the proposed metamodel method is further verified by aerodynamic prediction and robust shape optimization of the ONERA M6 wing. The results show that the proposed method can achieve more satisfactory agreement with the experimental measurements compared to the parametric-learning-based deep neural network.     

宽弦空心风扇转子叶片叶身结构设计参数分析

对空心叶片模型型腔和加强筋结构设计参数进行了分析;考虑到制造工艺可行性,采用ANSYS有限元软件对空心叶片模型进行了建模及应力分析。分析结果表明,加强筋数量增加,或加强筋与蒙皮厚度比增大,或加强筋扩散连接区域与非连接区域长度比增大,对蒙皮最大应力值影响不大,但对加强筋最大应力值影响较大。     

EXPERIMENTAL STUDY ON FILM COOLING EFFECTIVENESSAND HEAT TRANSFER COEFFICIENT BY NAPHTHALENE SUBLIMATION

ＮｏｍｅｎｃｌａｔｕｒｅＡ＝ｈｅａｔｏｒｍａｓｓｔｒａｎｓｆｅｒａｒｅａｃｐ＝ｓｐｅｃｉｆｉｃｈｅａｔａｔｃｏｎｓｔａｎｔｐｒｅｓｓｕｒｅＤ＝ｄｅｎｓｉｔｙｈ＝ｌｏｃａｌｃｏｎｖｅｃｔｉｏｎｈｅａｔｔｒａｎｓｆｅｒｃｏｅｆｉｃｉｅｎｔｈｄ＝ｌｏｃａｌ...     

高层建筑热水采暖系统运行改造

在高层建筑热水采暖系统中,论述了简单的将直接连接改造成间接连接,会造成室内采暖系统供、回水温度下降;散热器的传热系数κ值下降;散热器的散热量减少约20%;采暖温度下降约25.6%,达不到采暖的设计温度。在此基础上,提出高层建筑热水采暖室内系统同步改造的理念。     

基于混合神经网络模型的磨粒电荷检测方法研究

由于传统的滑油磨粒在线监测方法无法获取电荷分布位置信息,难以准确测量荷电颗粒数目及其携带的电荷量。为此,本文提出一种基于静电层析成像（Electrostatic tomography,EST）技术和深度学习算法的荷电颗粒检测方法。对EST传感器测量数据采用BP神经网络算法重建出测量截面上电荷的分布图像,采用卷积神经网络（Convolutional neural networks,CNN）算法分析重建图像以识别荷电颗粒数目,将识别的颗粒数目和传感器测量数据组合成输入向量,通过1个多层前馈网络确定带电颗粒数目、感应电荷值与颗粒电荷量值之间的映射关系,得到准确的各颗粒的电荷量值。实验结果表明：混合神经网络模型对数据样本的测量误差为9%,可满足滑油监测对于准确性的要求。     

Analytical redundancy of variable cycle engine based on variable-weights neural network

In this paper, variable-weights neural network is proposed to construct variable cycle engine’s analytical redundancy, when all control variables and environmental variables are changing simultaneously, also accompanied with the whole engine’s degradation. In another word, variable-weights neural network is proposed to solve a multi-variable, strongly nonlinear, dynamic and time-varying problem. By making weights a function of input, variable-weights neural network’s nonlinear expressive capability is increased dramatically at the same time of decreasing the number of parameters. Results demonstrate that although variable-weights neural network and other algorithms excel in different analytical redundancy tasks, due to the fact that variable-weights neural network’s calculation time is less than one fifth of other algorithms, the calculation efficiency of variable-weights neural network is five times more than other algorithms. Variable-weights neural network not only provides critical variable-weights thought that could be applied in almost all machine learning methods, but also blazes a new way to apply deep learning methods to aeroengines.     

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。     

基于RDK-ELM 的航空发动机控制系统故障诊断

为保持较高诊断正确率,缩短训练时间,满足航空发动机故障诊断对于实时性和高诊断率的需求,提出1种对深度核极限学习机的简约改进方法。输入数据中随机选取部分数据作为支持向量,结合深度学习网络的多层结构,完成了对输入样本的特征提取,通过核函数实现了高维空间映射分类。数字仿真表明:算法分类正确率高,训练时间短,可应用于航空发动机控制系统的故障诊断。     

Rotating machinery fault detection and diagnosis based on deep domain adaptation: A survey

In practical mechanical fault detection and diagnosis, it is difficult and expensive to collect enough large-scale supervised data to train deep networks. Transfer learning can reuse the knowledge obtained from the source task to improve the performance of the target task, which performs well on small data and reduces the demand for high computation power. However, the detection performance is significantly reduced by the direct transfer due to the domain difference. Domain adaptation (DA) can transfer the distribution information from the source domain to the target domain and solve a series of problems caused by the distribution difference of data. In this survey, we review various current DA strategies combined with deep learning (DL) and analyze the principles, advantages, and disadvantages of each method. We also summarize the application of DA combined with DL in the field of fault diagnosis. This paper provides a summary of the research results and proposes future work based on analysis of the key technologies.