基于深度学习的风洞天平测力试验数据异常检测方法研究

风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架。首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测。试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7%和72.6%,能够较好地识别孤立跳点异常和多点异常。     

基于改进Faster-RCNN的机场场面小目标物体检测算法

针对目前应用于机场视频监控中的卷积神经网络方法存在小目标物体识别准确率较低的问题,本文提出了一种基于Faster-RCNN并结合多尺度特征融合与在线难例挖掘的机场场面小目标检测算法。该算法采用ResNet-101作为特征提取网络,并在该网络基础上建立了一个带有上采样的"自顶向下"的特征融合模块,以生成语义信息更加丰富的高分辨率特征图。并在网络训练过程中,采用在线难例挖掘的训练策略使模型更加鲁棒地对小目标样本进行定位。最后,手工构建了一个包含5 982张图片的机场数据集,用于检测模型的训练和测试。结果表明,本文所提出算法显著提升了机场场面小目标物体检测的准确率,且使整体平均检测准确率达到了80.8%,该结果高于其他先进的目标检测模型。     

基于CART决策树的电磁信号齿轮磨削烧伤电磁信号融合评价

针对涡流检测、漏磁检测和巴克豪森检测三种无损检测方法中单一检测方法存在局限性和不稳定性的问题,提出了基于监督学习的CART决策树数据融合算法,采用该算法建立模型对典型工件是否存在磨削烧伤进行了评估。对某直齿工件的946个齿面检测信号样本数据进行试验,选用758组数据作为训练样本,建立剪枝后模型,对剩余188组数据做出评估,结果表明预测准确率为99.5%。说明基于监督学习的CART决策树算法识别精度高,为齿轮磨削烧伤的电磁无损评估提供了新思路。     

基于联合检测-描述的火星表面特征提取方法

针对火星着陆光学导航过程中,传统的图像特征点提取算法在相机角度变化、光照条件变化等情况下,序列图像间的特征点提取与匹配鲁棒性差的问题,提出了基于卷积神经网络的联合检测-描述特征提取方法。首先,通过Blender获取模拟火星着陆过程的视频,使用稀疏重建方法,对模拟视频的图像和火星真实图像进行三维重建,建立了神经网络可用的训练数据集。然后搭建了卷积神经网络以处理图像数据,通过改进损失函数,联合特征描述符和特征检测器双重作用,获得了更准确的匹配结果。仿真结果表明,该方法在处理多视角、光照条件多变的火星表面图像方面,具有更好的特征提取结果,并在匹配测试阶段具备优于传统算法的性能。     

模糊聚类在特征选取中的应用

提出了一种基于模糊聚类算法的高维特征选取方法。首先,利用Bhattacharyya距离过滤样本类别无关的特征;然后,基于递归特征剔除过程,提出了基于模糊迭代自组织数据分析技术(Interactive self-organizing dataanalysis technique,ISODATA)聚类方法,以样本与聚类中心的加权距离作为可分性指标,产生候选特征子集;最后,以候选特征子集分类和聚类的接受者操作特征曲线下面积(Area under the receiver operating characteristiccurve,AUC)值和正确率作为目标函数,确定最佳特征子集。将该方法用于选取5个基因表达谱数据集的特征基因,结果显示该方法所选特征具有较好的分类和聚类能力,说明了提出的特征选取方法的有效性。     

基于改进极限学习机的数据采集与监控系统攻击检测模型

提出一种基于改进极限学习机（Online sequence extreme learning machine， OSELM）的新能源电站数据采集与监控（Supervisory control and data acquisition， SCADA）系统攻击检测模型。首先使用ADASYN算法对数据样本中的异常数据和正常数据进行数量平衡，以满足真实电站SCADA系统环境中异常数据量少的特点。接着使用降噪自编码网络对平衡后的数据进行约简，消除无关或冗余特征以降低检测模型的训练时间。最后在AWID数据集上进行了大量对比实验，结果表明，所提的数据约简方法可有效地降低数据维度，降低了检测时间；与其他基于浅层学习算法的检测分类器相比，本文所提方法在检测准确度和误报率方面也体现出了更优性能。     

基于微磁学的金属磁记忆检测机理分析

通过微磁学理论,基于能量最小原理对金属磁记忆的检测机理展开研究。研究表明:构件表面的磁场强度变化可通过内部能量的转变来体现。通过对应力集中区的磁畴固定结点内的磁化强度矢量的分布计算可得,其磁化强度的水平分量具有最大值,垂直分量出现明显非线性变化,即存在"过零点"现象;为进一步对该理论分析进行验证,对平板半圆形缺口试件进行拉伸试验与磁记忆信号测量,试验结果与理论保持一致,即构件应力集中区漏磁场变化特征与构件内部磁化强度矢量的变化特征保持一致性,为金属磁记忆检测技术的机理研究提供一种思路。     

基于距离和角度信息的无线传感器网络定位算法(英文)

提出一种基于距离和信号到达角信息的无线传感器网络节点自身定位算法.在所有节点的坐标轴方向都是未知的假定下,用信号到达角信息来计算信号到达角度差,然后将定位问题转化为一个凸集优化问题,节点间的几何关系也相应地转化成为线性或二次约束条件.当距离和角度测量值足够精确时,该算法是一个线性规划问题.考虑测量误差时,通过引入辅助变量,该算法可以转化为二次规划问题.通过仿真分析证明了该定位算法的有效性,并对距离和角度误差量对定位精度的影响进行了定量分析.仿真结果表明,在距离和角度误差为5%的时候,该定位算法可以满足定位精度要求.     

自治式水下机器人推进器故障检测、分离与重构

研究自治式水下机器人推进器故障检测、分离与重构问题。针对水下机器人故障诊断残差法中残差阈值不易选取的问题,提出了一种基于观测器的水下机器人推进器故障检测与分离方法,通过构建故障检测观测器对推进器故障与残差信号进行解耦,使推进器出现故障后仅引起与其相关的残差呈单调变化,从而可选择较大的阈值进行故障检测以提高诊断系统的可靠性,该方法在故障检测的同时可进行故障分离。针对系统不确定性导致的推进器故障重构精度低的问题,提出了一种RBF神经网络与等效输出注入相结合的故障重构方法,采用等效输出注入方法估计不确定性项,从神经网络输出中重构推进器故障。     

基于可变形卷积与特征融合的机场道面裂缝检测算法

机场道面裂缝具有形态多变、宽度狭小、长短不一、且空间走势呈自由曲线的不规则特征,现有算法检测效果不佳。针对此问题,本文构建了一种基于可变形卷积与特征融合的神经网络（Deformable convolution and feature fusion neural network,DFNet）模型。首先由可变形卷积模块来强化特征提取网络对裂缝形态特征的学习; 然后经多尺度卷积模块捕获不同感受野下裂缝的全局信息;最后通过特征融合模块来提取裂缝不同层次的特征,通过融合裂缝低级特征与高级特征,实现对机场道面裂缝的准确分割。在采集的实际机场道面裂缝数据集上,与其他6种现有算法进行了对比实验,本文算法在像素级分割的F1-Score上达到了90.95%,效果优于全部对比算法。DFNet算法提高了对机场道面裂缝检测的能力,实验结果表明本文算法较好地达到了工程实际要求。     

基于模糊理论的复合材料超声检测缺陷类型识别

本文以复合材料常见缺陷分层、孔隙、疏松的超声波检测缺陷信号为研究对象,选取缺陷波的时域及频域特征,考虑到各特征量之间的不可避免地存在耦合关系,而且对缺陷区分的重要性、敏感度也有很大的差别,采用加权多面体隶属度概念构造隶属函数,依据最大隶属原则进行模式识别,从而区分复合材料缺陷类型。     

涡扇发动机二元排气系统推力与红外特征多目标型面优化设计

以涡扇发动机二元排气系统为例，以排气系统推力系数、3~5 μm波段正尾向红外辐射特征为优化目标，以窄边探测面30°和宽边探测面90°方向的红外辐射特征为约束，以喷管喉道宽高比、喉道型面半径比、收敛半角和扩张半角为优化变量，在发动机地面军用动力状态，研究排气系统推力与红外特征的多目标型面优化设计。在设计过程中，基于正交试验法确定初始样本点，建立排气系统推力系数、红外辐射特征与设计变量间的RBF代理模型，采用自适应模拟退火算法对代理模型进行分析求解。结果表明：多目标优化方法可应用在排气系统推力与红外特征的兼容设计上，并可取得一定的效果，相比基准二元模型，仅通过型面设计，多目标优化后排气系统推力系数提高了5.3%，在正尾向的无量纲积分辐射强度降低了17%。     

基于SVM方法的APU故障预测方法

针对辅助动力装置(Auxiliary power unit,APU)故障预测时,仅基于快速存取记录器(Quick access recorder,QAR)数据存在实时性欠缺或精度不足的问题,提出了基于实时报文数据的APU故障预测方法。首先,对报文所采集的数据进行预处理,将每次航班的报文数据规整为一条数据集;其次,从参数阈值、维修记录及APU序列号变化情况等角度对数据集进行标注工作;随后,针对特征选择算法具有较差解释性的缺点,提出通过相关性分析选取能够表征APU运行性能的参数;最后,建立基于支持向量机(Support vector machine,SVM)的多参数故障预测模型并优化。经验证,该模型提高了预测正确率,为APU视情维修策略的制定提供参考。     

人工蜂群优化BP神经网络的太阳电池阵电流预测

通过对卫星太阳电池阵输出电流影响因子进行分析，提出了一种基于人工蜂群（Artificial bee colony,ABC）算法优化BP神经网络的太阳电池阵输出电流预测方法。将太阳入射角、卫星太阳电池阵工作温度、卫星星时等遥测量变换后作为神经网络输入，进行输出电流预测。考虑到神经网络对初始权值及偏置敏感的特点，采用ABC改进算法对神经网络初始参数进行优化。该模型可用于卫星太阳电池阵电流输出能力分析、太阳电池阵预警及异常检测等。实验测试表明，模型能够取得较高预测精度，同星预测均方根误差（Mean squared error, MSE）为0.10 A，跨星预测均方根误差为0.12 A，其精度明显优于传统数据拟合方法。利用该模型及本文提出的预警策略进行预警，对于7年5个月的正常卫星数据没有发生误报，对于某异常卫星数据能够及时进行预警。     

稀疏驱动的航空发动机主轴承智能监测研究（英文）

微弱特征提取是航空发动机健康监测与智能诊断的关键技术之一。本文针对航空发动机主轴承微弱故障智能监测难题,基于信号先验提出增强稀疏驱动的智能监测方法。通过分析经典凸稀疏诊断模型难以兼顾信号降噪与特征重构性能的缺陷,构建基于莫罗包络理论的非凸正则凸优化增强稀疏模型,以实现微弱特征提取;进而提出稀疏驱动的深度卷积变分自编码网络智能监测方法,通过对健康状态稀疏降噪样本的训练实现对故障异常状态的智能识别。通过航空发动机主轴承疲劳寿命试验的工程案例对提出方法进行性能验证,结果表明:增强稀疏驱动的智能监测方法具有良好的异常状态智能识别能力,能够有效支撑航空发动主轴承微弱故障的智能监测与诊断。     

逆变器数字化控制关键技术

研究并解决数字控制的时间量化和数值量化对基于数字信号处理器(DSP)的逆变电源系统性能的不良影响。首先通过优化采样方式,显著减小控制变量的采样延时;采用前馈校正技术对死区效应进行补偿,以降低输出电压的谐波含量。提出频率调节和相位调整相结合的思想,合理设计数字锁相环,提高锁相速度和精度。利用实时的中心值校正信号改进数字控制算法,有效地消除数字运算截断误差累积造成的输出变压器直流偏磁问题。理论分析与实验结果证实了这些控制策略的有效性和合理性。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

先进的超声可视化成像检测技术及其应用

通过先进的可视化成像检测技术可以准确地获取材料及其结构内部缺陷大小、位置以及三维分布特征。在众多的可视化成像无损检测方法中,超声成像检测方法是一种已经在复合材料、焊接等领域得到广泛应用的可视化成像检测技术,通过超声B-、C-、T-扫描以及三维投影成像,可以揭示材料及其结构中缺陷和微结构的三维量化分布。本文介绍了基于超声成像检测方法的典型检测应用及结果。     

基于非结构化单元的磁场及梯度模拟计算

在地球物理磁法勘探中,磁场及其梯度张量数据是磁法正反演及解释的重要基础.本文结合磁梯度张量解析解表达式,实现了一种基于非结构化四面体单元的磁场及梯度模拟计算方法,该方法弥补了传统方法难以处理任意复杂模型的缺陷,同时大幅提高了模拟计算精度.首先,采用非结构化单元剖分异常体可以显著地减小几何误差,更好地模拟带地形复杂模型.其次,采用新的磁梯度张量解析解表达式,其精度比传统的有限元、有限差分方法更高.本文设计了单个球体模型和组合体模型,模拟计算结果体现了该方法的适用性和准确性.     

基于平均相关算法的北斗B2信号快速捕获

以最新公布的北斗B2频点卫星导 航信号为研究对象,针对捕获过程中采样点数过多,计算量大引起的软件接收机捕获速度慢 、不易于硬件实现的缺点,在对传统的并行码相位捕获算法的研究基础上,根据北斗B2信号 的特点提出了一种基于改进的平均相关算法的快速捕获方法。该算法通过平均采样将相关运 算的点数由11 428降至2 048,由于平均采样过程中,叠加的采样点数没有跨越符号位,因此 不会引起信号能量的损耗,采用了最大峰值和次大峰值的比值(Peak-to-peak radio, PPR) 对该算法的捕获性能进行量化分析。利用 仿真信号源对算法进行验证,实验结果表明,该算法和传统的捕获算法相比,两者捕获灵敏 度基本相同,但前者的运算量减少了近一半,而且2 048点快速傅里叶变换（Fast Fourier transform, FFT)比11 428点FFT更利于硬件实现,因此有助于满足软件接收机对实时性的要求。