基于流形学习的涡轮泵海量数据异常识别算法

为了获取海量试车数据中的信息以分析涡轮泵的健康状态,提出一种基于流形学习的海量数据异常识别算法.该算法将反映涡轮泵状态的振动数据重构到高维空间中,利用扩散映射方法直接对其进行学习,提取出数据内在的低维流形特征,以可视化的方式直观地识别出涡轮泵数据中的异常状态.仿真与试车数据验证结果表明了所提算法的可行性和有效性.该算法克服了传统方法解决非线性问题不足的缺点,为试车后涡轮泵的健康分析提供了一条新的途径.     

基于数据库的收缩型航迹聚类模型仿真研究

针对传统聚类算法只能选取少量数据源进行仿真分析,得到的聚类效果不能真实体现数据流的宏观特征的问题,考虑了海量航迹数据中的离群点检测以及离群点剔除,提出一种新的基于数据库的收缩型航迹聚类仿真模型,将三维空间网格化,建立K-means聚类和层次聚类双重交互算法,对网格中的离群点进行识别并剔除.解决了航迹聚类中的关键技术问题.通过对西北地区3 G海量二次雷达数据的聚类仿真分析,使航迹聚类仿真的耗时从h级降低至s级,并且得到的航迹分布特征清晰,验证了新模型对于海量数据宏观特征提取具有可行性和优越性,模型和算法对全国二次雷达航迹数据仿真具有借鉴意义.     

基于小波变换和不变矩的车标识别方法

形状特征是目标识别的重要参数,小波变换的低频部分代表物体的总体形状特征,而图像中的噪声主要分布于高频部分。根据这一特征,利用小波变换消除噪声提取目标形状,进而利用特征不变矩距离进行分类,实现目标识别,将该方法应用在实测车标图像的识别中,结果表明识别效果较好。     

AIS和光学遥感图像引导的星载SAR舰船目标识别网络

星载SAR作为全天时、全天候的感知手段广泛应用于海洋目标识别任务中,由于SAR图像分辨率低、难解译、样本不均衡导致现有单一模态目标识别算法识别精度低。提出了一种AIS和光学遥感图像引导的星载SAR舰船目标识别网络,针对不同模态数据特征维度不同导致难度量问题,利用特征迁移模块在保留各自模态独有特征属性前提下将异构特征映射到共同的空间中度量;针对不同模态不同类别数据存在样本不均衡问题,利用异构特征对齐模块充分挖掘不同模态的互补信息,以细粒度的方式进一步对齐不同模态的异构特征,同时将各个模态的判别性特征作为先验信息迁移至SAR图像模态中。实验部分利用AIS历史数据和光学遥感数据集作为辅助信息,在2个公开的SAR图像舰船目标数据集中进行测试,实验结果表明所提算法通过迁移不同模态信息,有效提升了SAR图像舰船目标的识别准确率。     

空中交通管制中的危险源关键特征提取

空中交通管制危险源特征提取是针对空中交通危险源记录的关键信息检索任务。基于文本特征的提取方法仅依据统计结果来对术语的重要性进行排序。通过引入专家知识来提取符合危险源定义的特征,提出了一种基于专家知识的特征提取方法来定义危险源特征并构建危险源分析框架。算法通过迭代对专家知识进行提炼和积累。实验结果表明,基于专家知识的特定语言处理后得到的数据集可以提取更多信息量的候选特征,以便通过k-means算法构建危险源记录的分析语境。该特征提取模型比其他四种算法获得了更高的精度,在空中交通管制运行数据集和通导数据集中分别达到82%和86%。此外,信息丰富的危险特征为安全管理部门的决策提供了支持,降低了隐患排查的成本。     

重力异常特征提取方法研究

将主元分析和独立分量分析相结合应用于重力异常信号的特征提取.采用主元分析对测量数据进行去相关和降维预处理,再利用独立分量分析算法提取重力信号的特征系数.结合重力异常变化与特征系数的关系,提出了应用特征量化参数表征重力异常信号变化程度的方法.基于实测的重力异常信号进行了仿真试验,试验结果表明,本文提出的特征量化参数能有效的反映重力异常的幅值变化程度.     

尼康非接触测量系统

LASER RADAR MV330,350,用于自动非接触式大尺寸测量 Laser Radar提供了非接触式检测和自动操作.它整合了荣获专利的激光反射技术,可以高数据速率直接测量表面和物体特征.因此,Laser Radar无需频繁乏味地使用摄影测量目标、SMR或手持式测头,大大缩短了检测时间以及操作人员进行高空作业的时间.     

一种基于MLS的SAR图像点特征提取方法

针对合成孔径雷达图像点特征提取问题,提出了一种基于MLS的SAR图像点特征提取方法.首先利用提出的基于超像素关联分析的SAR图像分割算法得到二值分割图像,再把该二值图像和SAR图像进行点乘运算,获取到含有强度信息的目标区域,然后采用移动最小二乘法(MLS)对目标区域进行曲面拟合,根据设定的点特征判决规则,最后提取出SAR图像的峰值、脊和谷等多种点特征.基于MSTAR数据的实验结果表明了该方法的有效性和准确性.     

旋转机械状态参数图形识别的免疫-模糊形态学方法

以旋转机械振动多维图形为对象,研究了直接提取和挖掘图形特征信息的模糊形态学方法,提出了基于模糊数学形态学及免疫智能的旋转机械振动参数图形识别方法.利用模糊形态滤波方法实现图形滤波,研究了模糊形态边缘检测算子,并结合旋转机械振动参数图形进行形态学梯度的边缘纹理特征提取,最后利用人工免疫算法对图形特征进行诊断识别.在600MW模化汽轮机转子试验台上进行了转子正常、转子不平衡故障、转子不对中故障及汽流激振故障的试验,诊断结果表明所提出的方法可以获得较高的诊断精度.      

基于YOLOv7通道冗余改进的飞机蒙皮损伤检测

为提高蒙皮损伤检测的自动化程度,提出一种基于改进YOLOv7通道冗余的机器视觉检测方法。首先针对飞机蒙皮损伤数据集背景单一的特点,提出增强型颈部特征融合改进算法,提高了飞机蒙皮损伤的识别精度和检测速度;其次针对主干特征提取网络的卷积通道冗余的问题,引入部分卷积PConv(Partial convolution),提出主干特征提取网络轻量化,减少模型的参数量,同时提高损伤的识别效率。试验部分首先在飞机蒙皮损伤数据集上探索了不同增强型颈部特征融合改进算法,确定了最优的改进方案;接着在飞机蒙皮损伤数据集上做消融和对比试验,改进算法与原YOLOv7算法比较,m AP(Mean average precision)提升了2.3%,FPS(Frames per second)提升了22.1 f/s,模型参数量降低了34.13%;最后将改进的YOLOv7模型与主流目标检测模型对比,证明了改进算法的先进性。     

飞机自动制孔离线编程数据准确提取技术

针对目前飞机组部件自动制孔离线编程人工参与程度高、效率低,质量问题无法预防的现状,提出了基于数据库及标签定义的准确离线编程技术。根据飞机自动制孔的工艺特点,制定了离线编程流程。根据离线编程数据需求,建立了编程数据库。结合数据库以及MBD模型,制定了自动制孔标准件、叠层、厚度、工艺参数等信息提取规则,利用DELMIA中标签具备属性特征、方向特征、点位特征的特点,实现了基于标签的工艺信息表达及设备姿态控制。最后对标签在产品坐标系和设备坐标系的转换进行了分析,实现了加工程序坐标值的正确输出。     

基于无序点云的叶片截面特征参数提取

针对提取航空发动机叶片截面特征参数的实用性要求,研究了基于无序点云数据的叶片截面特征参数提取方法.综合距离法和二分法的优点,采用基于矩形腐蚀法的距离-二分法对点云数据排序,基于最小包容区域直线和最小二乘圆拟合,提出了将整条叶片截面点云数据分割成前缘、后缘、叶盆和叶背4部分的自动分区方法,对特征参数提取方法做了研究并用VC++进行算法实现,使用UG/OpenGrip生成UG中叶片截面上的点云数据进行实验运算,计算精度达到10-4mm,表明在实际测量和参数提取中算法误差可以忽略.      

Simulation Environment for Machine Vision Based Aerial Refueling for UAVs

The design of a simulation environment is described for a machine vision (MV)-based approach for the problem of aerial refueling (AR) for unmanned aerial vehicles (UAVs) using the USAF refueling method. MV-based algorithms are implemented within the proposed scheme to detect the relative position and orientation between the UAV and the tanker. Within this effort, techniques and algorithms for the visualization the tanker aircraft in a virtual reality (VR) setting, for the acquisition of the tanker image, for the feature extraction (FE) from the acquired image, for the feature matching (FM) of the features, for the tanker-UAV pose estimation (PE) have been developed and extensively tested in closed-loop simulations. Detailed mathematical models of the tanker and UAV dynamics, refueling boom, turbulence, wind gusts, and tanker's wake effects, along with the UAV docking control laws have been implemented within the simulation environment. This paper also presents the results of a study relative to the use of passive markers versus feature extraction for the problem of estimating in real time the UAV-tanker relative position and orientation vectors.     

基于遗传规划和线性鉴别分析的故障特征提取模型及其应用

1引言航空发动机故障诊断需要从原始监测数据中获取合理的特征参数,如果依靠专家经验手工从众多的监测参数中选取特征参数,将是十分烦琐和低效的。因此,构造优质的特征参数是提高故障诊断效率及其准确性的关键。许多机器学习方法被应用到特征参数的自动选取中,例如神经网络[1],     

Impulse feature extraction method for machinery fault detection using fusion sparse coding and online dictionary learning

Impulse components in vibration signals are important fault features of complex machines. Sparse coding(SC) algorithm has been introduced as an impulse feature extraction method, but it could not guarantee a satisfactory performance in processing vibration signals with heavy background noises. In this paper, a method based on fusion sparse coding(FSC) and online dictionary learning is proposed to extract impulses efficiently. Firstly, fusion scheme of different sparse coding algorithms is presented to ensure higher reconstruction accuracy. Then, an improved online dictionary learning method using FSC scheme is established to obtain redundant dictionary and it can capture specific features of training samples and reconstruct the sparse approximation of vibration signals. Simulation shows that this method has a good performance in solving sparse coefficients and training redundant dictionary compared with other methods. Lastly, the proposed method is further applied to processing aircraft engine rotor vibration signals. Compared with other feature extraction approaches, our method can extract impulse features accurately and efficiently from heavy noisy vibration signal, which has significant supports for machinery fault detection and diagnosis.     

飞机结构X射线裂纹图像智能评定

飞机结构X 射线图像评定过程存在复杂背景下裂纹分割不准、检出难等问题。基于高效层聚合网络提出一种飞机结构X 射线裂纹图像智能评定模型（ELAN-Seg）,将ELAN-Seg 模型和DeepLabv3+模型的射线图像裂纹分割能力进行对比,结合图像处理技术对模型分割的裂纹长度进行评估,利用飞机强度试验及外场维护过程采集的X 射线图像对模型进行验证。结果表明：分割的最小裂纹长度约为3 mm,ELAN-Seg 模型对复杂背景射线图像裂纹分割更加准确,裂纹漏检率小于3.8%,该模型具有工程适用性。     

计算超音速非定常气动力的一种新方法及其应用

本文提出了一种计算超音速非定常气动力的新方法,它将超音速非定常的活塞理论和定常的锥形流理论结合起来,使得被活塞理论所忽略的翼面上各点间的相互影响用锥形流理论来近似计入。文中运用该方法对十个不同平面形状的机翼进行了二十九种状态的颤振计算,并和风洞颤振实验结果作了比较。比较的结果是令人满意的。特别是和用活塞理论所做的颤振分析相比,计算精度有了明显提高。这表明本方法用于超音速颤振分析是确实可行的,它具有方法简洁,计算精度高,计算时间少,程序编制容易的优点。     

飞机结构件轮廓特征加工自动分区算法

作为飞机结构件重要组成部分,轮廓特征包含大量复杂曲面,且与工艺凸台等干涉物相连接,使得轮廓特征编程需综合考虑复杂曲面及干涉物信息,在自动编程模式下,轮廓特征编程仍严重依赖人工经验,其编程周期占结构件编程周期的40%以上,严重影响了结构件编程效率。针对该问题,提出了一种综合考虑复杂曲面及干涉物信息的轮廓特征加工自动分区方法,基于相邻轮廓面连接边属性及凸边约束原则对轮廓面进行初分区,依据干涉物信息构建虚拟边界,并基于虚拟边界对轮廓面初分区结果进行横向和纵向加工区域划分,通过对划分区域进行合并得到轮廓特征加工分区结果。根据提出的方法开发了飞机结构件轮廓特征加工自动分区系统,经过多项典型飞机结构件测试,该方法稳定可靠,可为轮廓特征加工程序编制提供支撑。     

面向视觉SLAM的快速均匀特征点提取方法CSCD

针对现有特征点提取方法中特征点提取结果冗余且均匀性差,导致SLAM定位精度及计算效率低的问题,提出了一种面向视觉SLAM的快速均匀特征点提取方法。在该算法的特征点提取部分,创新性地根据目标特征点提取数量对图像进行网格划分,使得特征点均匀分布在整幅图像中。同时,提出了一种兼顾全局和局部信息的均匀性评价标准,更符合视觉SLAM对特征点分布的要求。在NVIDIA Jetson TX2嵌入式平台上进行了实验验证,实验结果表明,新提出的特征点提取方法降低了特征信息冗余及特征信息缺失的概率,提升了SLAM定位精度,在计算资源有限的平台上具有实际应用价值。     

一种基于FPGA的全帧率图像处理方法

针对图像算法在FPGA内的硬件化实现问题,提出了一种全帧率处理的思路,并提供了两种具体的可供参考的设计方法——基于像素流缓冲的卷积核处理技术和基于相邻图像帧相关性的图像参数提取技术。通过其可以方便地设计并实现大部分空间域图像处理算法及其任意组合的硬件逻辑电路,并达到与图像输入帧率相同的处理速度。以Canny算子的硬件化实现为例验证了设计理念。实验结果表明,全帧率图像方法具有可操作性强、实时性好、符合结构化模块化设计的特点,特别适合于对实时性要求高的嵌入式视觉系统。