基于迁移学习的暴恐图像自动识别

利用人工智能和深度学习技术自动化地分析互联网海量图片，快速、准确地识别有害的暴恐图像并及时处置是反恐工作的重要手段之一。研究了利用深度学习和迁移学习技术对暴恐图像进行分类识别。首先，定义了暴恐图像的主要概念特征，并针对性地构建数据集；其次，针对暴恐图像正样本较少的问题，设计深度神经网络模型和迁移学习方式；最后，基于构建的训练数据集进行模型训练和测试。结果显示:所提方法可以快速、准确地对互联网图片进行分类识别，平均分类准确率达到96.7%，从而有效降低人工检测的劳动强度，为反恐预警工作提供决策支持。      

第三体引力摄动的近地轨道卫星相对运动方程

针对受第三体引力摄动的近地轨道卫星,推导了基于参考卫星轨道要素RSV的卫星运动方程、以及卫星的相对运动方程。两组方程均以显式给出,形式简洁且较为精确。基于这两组方程,本文还定性地分析了第三体摄动对卫星（相对）运动的影响。     

Blasius边界层C－型失稳的理论分析

本文用空间模式的二次失稳理论分析了Ｂｌａｓｉｕｓ边界层转转捩实验￣［１］中Ｃ－型失稳后扰动演化过程。其幅值演化曲线与实验曲线符合较好。     

高速三维边界层稳定性问题的数值方法

本文把四阶精度紧致差分格式用于求解声速、高超声速三维边界层稳定性问题。提出了适用地求解高速边界层特征值问题的Ｃｈｅｂｙｓｈｅｖ多项式配置点方法,并将各种数值方法进行了比较。数值结果表明上述两种方法是求解高速三维边界层稳定性问题的有效数值方法。     

壁面冷却和抽吸对超声速高超声速 三维边界层稳定性的影响＊

本文采用四阶精度紧密格式研究了壁面冷却和抽吸对超声速高超声速旋转圆锥三维边界层横流不稳定性的影响,最大Ｍ＝７．５。数值结果证明：壁面冷却和抽吸对第一模式有稳定作用,但这一作用比二维边界层显著减弱,抽吸使第二模式增长率减小,冷却使第二模式增长率增大,不稳定频率升高;直到Ｍ＝７．５可以用壁面抽吸使得因为壁面冷却而变得更不稳定的第二模式重新趋于稳定,但Ｍ数越高所需的抽吸量越大。     

序言

人工智能的发展与应用对社会的影响日益深刻,已成为社会各界关注的焦点之一.智能无人系统是人工智能应用层的一个典型代表,作为第四次产业革命中重点发展领域,它已成为我国创新战略中的重要组成部分.随着人工智能技术发展的不断深入,智能无人系统的应用领域也在不断拓展与深化,在航空航天、海洋开发、工业自动化、采矿、物流、服务、农业等诸多行业中发挥出日益重要的作用,并显现出广阔的应用发展前景.这种具有强自主性、高效率、高精度、可靠稳定、能在高危环境下作业的高新智能化装备必将为我国经济、国防的高质量发展事业做出重大贡献.     

故障机理与领域自适应混合驱动的机械故障智能迁移诊断

航空发动机的健康稳定对于保障飞行器的安全运行具有重要的作用，针对各台发动机建立具备高准确率的智能诊断模型是飞行器稳定运行的关键。现有故障诊断方法在具备故障数据的条件下能取得较好效果，但实际应用中往往因仅含正常数据，无法实现诊断模型的构建。针对该问题，提出一种故障机理与领域自适应混合驱动的机械故障智能迁移诊断方法，该方法首先依据故障机理和源域数据建立旋转机械故障虚拟样本生成模型，再采用目标域正常数据实现生成模型对目标域的自适应，最后通过虚拟样本训练得到目标域故障诊断模型。采用标准数据集和实验室轴承数据对提出方法进行验证，结果表明，提出方法对不同型号轴承诊断时取得88.61%的平均准确率，相比对比方法高41.22%。