典型机身框地板梁缘条裂纹修理损伤容限分析

采用简单有效的方法对复杂的飞机结构进行损伤容限评定具有重要的意义,提出一种简单有效的应力强度因子获取方法,并结合损伤容限分析的一般流程,分析某机身框地板梁缘条含裂纹修补结构的疲劳寿命及使用寿命期内结构的剩余强度。根据机身框地板梁结构受载特点建立简化的分析模型,计算单位载荷时不同长度下裂纹尖端应力强度因子,再由结构边界载荷与应力强度因子的关系确定无量纲应力强度因子;根据损伤容限分析方法编制程序,计算结构在飞行载荷谱下从初始裂纹扩展到临界长度的寿命及各裂纹长度下结构的剩余强度,给出结构检查间隔。结果表明:结构修补后的疲劳寿命及剩余强度均满足损伤容限设计要求。本文给出的损伤容限分析过程及方法可应用于工程中类似结构的损伤容限评定。     

基于FRANC3D的飞机蒙皮谱载疲劳裂纹扩展分析

为了研究飞机蒙皮谱载疲劳裂纹扩展情况,建立含裂纹蒙皮有限元模型,利用FRANC3D裂纹分析软件计算蒙皮三维裂纹前缘应力强度因子,研究不同网格参数对计算结果的影响,并与解析解进行比较,确定裂纹前缘网格参数取值范围,然后对蒙皮表面裂纹在随机疲劳载荷谱下的裂纹扩展过程进行分析,得出裂纹扩展长度-载荷循环次数曲线,该曲线对于采用数学模型评估结构剩余寿命方面具有一定的参考价值。     

基于剩余强度和裂纹扩展寿命模型的可靠性分析

对剩余强度可靠性模型和裂纹扩展寿命可靠性模型进行比较分析,结果表明,两种模型在理论上是相容的,但两种模型在物理意义上是不同的,剩余强度模型是根据结构剩余强度与载荷之间的关系,比较直观地给出了结构可靠性的计算方法,即通过在载荷谱作用下裂纹尖端应力强度因子应小于材料的断裂韧度建立安全余量。裂纹扩展寿命模型是根据裂纹扩展寿命小于给定的寿命建立安全余量从而计算可靠性的方法,由于裂纹扩展寿命不如裂纹长度直观,可以通过寿命与裂纹长度的关系,转化到根据裂纹长度求解可靠度。由于剩余强度可靠性模型表达式较复杂,可以考虑对该模型的求解采用Monte-Carlo模拟法,免去了复杂的推导过程,对裂纹扩展寿命可靠性模型的求解采用了均值一次二阶矩法,该方法省去了繁琐的计算过程,近似求解可靠度,并能保证一定的精度。     

基于光纤光栅与BP神经网络的孔边裂纹监测研究

含孔金属结构的孔边裂纹监测对于保障飞行安全,增强飞机结构可靠性具有重要意义。为实现对孔边裂纹扩展的监测,进行含有孔边角裂纹的含孔铝合金板疲劳加载试验,得到含孔铝合金板试验件的a-N 曲线以及孔边裂纹扩展过程中光纤光栅应变传感器中心波长偏移量;利用包络分析法、BP 神经网络等损伤识别算法对试验数据进行处理与分析;建立能够以光纤光栅应变传感器中心波长偏移量识别孔边裂纹扩展的监测模型,并通过试验对监测模型进行验证。结果表明：此监测模型可有效识别出孔边角裂纹的扩展与穿透,对孔边角裂纹扩展长度监测的准确度达到了97.2%,未来可应用于全机地面疲劳试验、飞机结构健康监测等多种场景。     

基于粒子滤波的结构疲劳裂纹扩展动态贝叶斯推断方法

准确预测结构的疲劳裂纹扩展过程是开展飞机单机寿命监控与剩余寿命估算的基础。提出一种基于动态贝叶斯网络的结构疲劳裂纹扩展预测方法,结合疲劳裂纹扩展的先验知识与后验知识来准确地推断裂纹长度;研究粒子滤波算法中不同粒子数对动态贝叶斯网络推断精度的影响规律;通过对单孔板结构与耳片连接结构件在随机载荷谱下进行裂纹扩展研究。结果表明：动态贝叶斯网络方法可以对复杂结构的疲劳裂纹扩展进行准确预测,预测精度相对于传统方法提高50% 以上。     

基于改进FaceNet的飞行器结构裂纹识别方法

基于计算机视觉的裂纹自动识别算法在飞机全尺寸疲劳试验中具有较好的工程应用前景。但由于飞机结构构型多样、疲劳试验环境复杂,直接应用现有的目标检测算法会存在较高的误判率。因此,提出一种基于关键部位状态对比的裂纹识别方法,以人脸识别模型FaceNet为基础,利用对比机制消除结构表面纹理、划痕等干扰因素的影响,并通过对裂纹数据结构和特征分布规律的分析,对FaceNet模型的样本生成规则、网络架构和损失函数进行了适应性改进。该方法具有对裂纹敏感、对图像质量要求低的特点。在疲劳试验环境中,该方法对长度为0.2～5 mm裂纹的检测准确率为97.6%,相较于现有方法优势明显。     

基于结构张量特征的机体损伤区域动态划分

为提升飞机结构损伤维修分析的智能化水平,实现飞机结构损伤模型的高效重构,提出了基于结构张量特征的动态阈值损伤区域划分方法。首先,引入结构张量理论,特征表示图像局部颜色结构纹理,完备损伤图像特征表示;其次,通过构建共性分布的结构张量特征空间,从而使不同损伤图像具有一致性损伤区域划分流程;在此基础上,定义了动态阈值划分算子,并通过对动态阈值划分算子参数的计算,实现结构张量特征空间中的动态阈值划分;最后,选用不同飞机结构损伤实例图像对方法进行了对比验证。验证结果表明,相比于传统灰度方法、固定阈值划分和其他动态阈值划分算子,椭圆算子划分得到的损伤边界连贯完整,能够有效分割微小裂纹,噪点较少,质量较优。该方法运算高效、流程统一、特征表示完备,对不同类型结构损伤的适用性好。     

基于ABAQUS/Franc3D的孔边疲劳裂纹扩展分析

为了研究孔边疲劳裂纹扩展规律,联合有限元建模软件ABAQUS和断裂力学分析软件Franc3D对不同角度初始孔边裂纹扩展过程进行仿真,得出应力强度因子的变化趋势,并对孔边裂纹在随机疲劳载荷作用下的疲劳裂纹扩展过程进行仿真,得出裂纹扩展长度-载荷循环次数(a-N)曲线。结果表明:在疲劳载荷作用下与水平方向夹角越小的初始裂纹扩展速率越大,结构剩余寿命越短。联合仿真方式为飞机损伤容限设计和评估结构剩余寿命提供一种分析方法。     

一种基于广义回归神经网络的裂纹扩展定量监测模型

金属结构上裂纹的实时监测对飞行器损伤容限/疲劳试验、飞机定寿，以及保证服役过程中的安全性和可靠性、安排检修等任务具有重要意义。为实时监测金属结构疲劳裂纹的扩展过程，本文通过广义回归神经网络方法研究了提取自导波信号的多维损伤特征参量同裂纹长度之间的定量关系。结果表明，导波信号随着裂纹长度的变化存在规律性变化，损伤特征参量与裂纹长度存在一定的非线性相关性；多维损伤特征参量可实现较为准确的裂纹定量监测。可见广义回归神经网络可用于建立准确度较高的导波结构裂纹定量监测模型。     

安—24飞机延寿疲劳试验中裂纹临界长度和扩展寿命的计算

在飞机结构疲劳试验中,正确地给出裂纹的临界长度和扩展寿命是圆满完成疲劳试验,并保证损伤后的飞机能够通过剩余强度试验的关键环节。本文采用能量释放率法计算了安-24飞机延寿疲劳试验中主要裂纹的应力强度因子.并确定了临界长度和扩展寿命。这为适时结束安-24飞机疲劳试验,进行l审j余强度试验提供了理论分析依据,这里所给出的确定裂纹临界长度和扩展寿命的分析方法,对飞机结构疲劳试验和剩余强度试验有较高的参考价值;同时,这种分析方法对服役飞机出现裂纹后正确确定检测周期也具有一定参考价值。     

一种基于语义分割的机场跑道检测算法

针对复杂电磁作战环境下无人机自主着陆应用场景,提出了一种基于图像语义分割的机场跑道检测算法,并设计构建了轻量高效的端到端跑道检测神经网络RunwayNet。在特征提取部分,使用空洞卷积对ShuffleNet V2进行改造,得到了输出特征图分辨率可调的主干网络,并利用自注意力机制设计了自注意力网络模块,使网络具备全局跑道特征提取能力。设计了解码器模块将网络浅层丰富的细节、空间位置信息与顶层粗略、抽象的语义分割信息相融合,从而获得精细的跑道检测输出结果。实验结果表明,RunwayNet网络在无人机着陆全过程都可以对跑道区域进行精准的分割识别,并且在嵌入式计算平台上能达到接近实时的处理速度,具有很强的实用价值。     

民用航空器注册号识别的鲁棒性方法研究

为了提高空管自动化水平并降低运行成本,提出一种基于计算机图像处理技术的民用航空器注册号识别方法.首先将全局阈值分割算法与形态学分割算法结合,实现对航空器图像中注册号的精确定位.然后采用主成分分析法解决注册号倾斜校正问题,并分别针对粘连和非粘连情况的注册号字符进行有效切割.最后利用基于特征提取的模板匹配算法,完成对注册号字符的准确识别.在此基础上,基于MATLAB搭建实验测试平台对上述方法进行仿真验证.实验结果表明,方法能够针对不同角度拍摄的航空器图像快速、准确地识别其注册号,单幅图像识别耗时在0.5 s左右.相比于其他方法,在图像拍摄方面要求较低,有效性与鲁棒性较高,计算速度较快,可以满足实时监控的需求.     

超燃冲压发动机燃烧流场纹影图像无监督分割方法

超燃冲压发动机燃烧室流场纹影图像常存在大量噪声信号,如何高效、准确提取燃烧流场图像的主要波系结构成为当前亟需探索的问题。以超燃冲压发动机燃烧室内冷流到氢燃料点火阶段流场为研究对象,基于深度神经网络方法,发展一种燃烧室内流场的关键波系结构快速识别方法。首先,采用基于图论的超像素分割方法对纹影图像进行聚类分割,为语义信息明显相同区域分配伪标签;其次,设计了一种全卷积特征提取神经网络,并使用残差结构对各个通道进行加权,提取纹影图像高级语义特征;最后,使用交叉熵目标函数优化网络模型,并通过阈值滤波操作去除噪声像素点,提升语义分割效果。结果表明：与K-means及自适应高斯阈值方法相比,本文提出方法在准确率、召回率、F1分数和交并比指标性能明显是最优的,能够准确完成燃烧流场纹影图像语义分割任务,可以更加清晰地反应流场内的主要波系和剪切层结构     

改进的 YOLOv4在飞机蒙皮损伤检测中的应用

针对飞机蒙皮检测中存在的小目标检测欠佳、漏检等问题,提出了 1种基于增强特征融合和 ATSS的 YO. LOv4飞机蒙皮图像目标检测算法。首先,增加用于目标预测的大尺度浅层特征层,以提高模型对小目标的检测效果;其次,增加特征融合网络层数,通过浅层与深层特征层的深度融合,丰富多尺度特征图中的特征信息;然后,通过 K-means++聚类算法对数据集的真实框聚类,获得更具代表性的先验框尺寸,以提高预测框对目标的定位准确度;最后,引入 ATSS对 YOLOv4的样本选择策略进行优化,通过自适应获取最优的 IoU阈值,实现正负样本自动划分,提升模型的检测性能。实验表明,在增加少量计算成本的情况下,算法的检测性能得到有效提升,mAP提升 7.7%,检 测的准确率达到 80%以上。     

飞机蒙皮铆接质量视觉检测系统的构建

飞机蒙皮的铆接质量是影响飞机蒙皮性能的重要指标,在分析了蒙皮铆接质量检测要素的基础上,构建了飞机蒙皮铆接质量的视觉检测系统。通过分析视觉检测系统中图像分割方法的特点,使用改进遗传算法与OSTU方法相结合对蒙皮图像进行分割,取得了较好的分割效果,并在分割图像基础上,介绍了铆钉特征的提取方法以及检测要素的获取方法。     

一种新的泊位飞机阴影分割方法

飞机泊位自动引导系统中,识别跟踪定位泊位飞机时,会出现灰度较低区域被误判为阴影区域的现象,严重影响识别效果,因此分割飞机阴影是泊位成功与否的关键技术。提出一种将形态学的幂变换与无边界主动轮廓线模型结合的阴影分割方法,首先利用多方向权重形态学对泊位飞机图像中的噪声和微小的干扰区域进行滤除,然后进行幂变换来增强图像质量,最后利用无边界主动轮廓线模型分割阴影。实验结果表明,该方法不仅能够滤除噪声,保留图像细节,而且能提高分割阴影的精确度,并且抑制了泊位飞机分割产生的＂拖尾＂现象,有效地检测出运动飞机的阴影。     

基于条件随机场的遥感图像语义标注

遥感图像包含的信息丰富,纹理复杂,而遥感图像语义标注又为后续的目标识别、检测、场景分析及高层语义的提取提供了重要信息和线索,这使其成为遥感图像理解领域中一个关键且极具挑战性的任务。首先针对遥感图像语义标注问题,提出采用条件随机场(CRF)框架对遥感图像的底层特征和上下文信息建模的方法,将Texton纹理特征与CRF中的自相关势能结合来捕捉遥感图像中的纹理信息及其上下文分布,采用组合Boosting算法进行Texton纹理特征选择和参数学习;然后将Lab空间中的颜色信息与CRF中的互相关势能结合来描述颜色上下文;最后用Graph Cut算法对CRF进行推导求解,得到图像自动语义标注结果。同时,建立了可见光遥感图像数据库Google-4,并对全部图像进行了人工标注。Google-4上的实验结果表明:采用CRF框架与Texton纹理特征和颜色特征相结合对遥感图像建模的方法与基于支持向量机(SVM)的方法相比较,能够取得更准确的语义标注结果。     

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于改进YOLOv4的航空发动机小目标损伤检测研究

智能化的航空发动机损伤检测是飞机故障诊断重要的研究方向,针对现有目标检测模型对航空发动机的小目标损伤检测效果差的问题,提出了一种改进的基于You Only Look Once version 4(YOLOv4)的多尺度目标检测方法。在路径聚合网络（PANet）中构建低层次的特征融合层,将更浅层的特征与深层特征融合,提高网络对小目标损伤的检测性能。为减少网络中的冗余参数,在颈部结构中引入了深度可分离卷积,将标准卷积重构为深度可分离卷积的形式。实验表明：改进后的YOLOv4对小目标损伤的检测精度提升了3.43%,模型大小降低了54.06 MB,同时检测速度提高了31.03%。研究结果表明改进的YOLOv4模型对小目标损伤具有更好的检测性能。