基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

孔子儒家的学习精神

孔子儒家主张学习与做人是一致的。"学而时习之"是孔子儒家学习精神的总纲,可以用自强不息、厚德载物总括之,分而言之则是十大学习精神:谋道不谋食,虚心敬慎,实事求是,坚韧不拔、积极向上,严己宽人,学为己,学以致用,仁民爱物,乐观自信,终身学习提高。     

微小狭缝肋矩形通道多目标优化

开展了矩形通道内微小狭缝肋的换热和流阻性能的多目标优化研究。选取缝宽、相邻缝间距、狭缝的前端面和后端面与壁面距离四个参数作为优化变量，采用非支配排序遗传算法（NSGA-Ⅱ）获得了Pareto最优解。分析了Pareto最优前沿面上四种优化方案下微小狭缝肋的流动和传热热特性。结果表明：优化后的微小狭缝肋的换热能力与实心肋相当，而流动阻力有所降低，肋壁的换热均匀性得到显著提高。     

流阻对200N单推-3发动机热试车工作特性的影响

管道及阀门内部流阻会显著影响发动机工作性能。为探究不同管路流阻大小下200N单推-3发动机工作特性，开展了光管和波纹管两种管路200N发动机热试车试验研究。结果表明：大流阻工况喷前压下降约42.8%。热试车前后喷前压振荡剧烈，不利于发动机平稳工作。管路流阻显著影响脉冲燃压，小流阻脉冲燃压建立约2.5MPa，大流阻脉冲工作燃压建立约1MPa，远低于前者；管路流阻显著影响阀门启动特性，大流阻状态下，阀门启动时间(T₈₀)约为小流阻状态的3.93～5.28倍，管路流阻对阀门电流影响很小；小流阻状态下脉冲冲量显著大于大流阻状态下的脉冲冲量，约为后者1.5～2.1倍。     

基于高分辨率网络的单声道歌声分离

单声道歌声分离是指将单声道歌曲中的伴奏和歌声分离，在旋律提取、歌词识别、卡拉OK伴奏等方面有重要应用。针对当前时频谱图预测精度受限的问题，利用高分辨率网络具有并行结构及特征充分交互提高模型性能的优势，提出基于高分辨率网络的单声道歌声分离算法。设计并构建适合单声道歌声分离的高分辨率网络，输入歌曲的时频谱图到网络，得到预测的伴奏和歌声时频谱图。结合歌曲相位进行重构，得到伴奏和歌声的时域信号。实验表明，在公开数据集MIR-1K上，所提算法的SNR、SIR、SAR指标均优于当前代表性算法，提高了分离后伴奏和歌声的质量。      

华航大学生学习的现状

大学阶段是学生学习专业知识的开始,是掌握一技之长的重要时期。由于大学生的学习相对独立、内容多、进度快,而且学习与就业息息相关,所以需要学校认真研究大学生的学习,了解大学生学习中存在的问题,给予相应的指导。     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题，为进一步提高故障诊断准 确率，提出了基于小波变换和粒子群优化(Particle swarm optimization，PSO)支持向量机 (Support vector machine，SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析，然后通过小波分解计算分形维数，再利用核主元分析（Kernel pri ncipal component analysis，KPCA）降低特征值维数，实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证， 获取了较高的故障诊断准确率，与其他方法进行比较，实验结果显示了本文方法的优越性。     

稳态与瞬态冲击射流换热性能实验对比

为了对比研究稳态与瞬态单孔冲击射流的传热性能,采用热色液晶测温技术获取实验件被冲击表面的传热系数分布。实验中改变了冲击雷诺数Re和冲击孔直径比L/d,利用工业相机拍摄实验件凹表面颜色变化过程,计算并对比两种射流条件下局部努塞尔数Nu_D的分布,并与文献值进行比较。研究表明相对于稳态冲击射流,瞬态冲击射流的传热性能更佳。通过记录整个冲击射流过程,得到Nu_D随时间t变化关系。驻点附近NuD随冲击的进行逐渐减小并趋于稳定。随冲击雷诺数Re增大或冲击孔直径比L/d接近6,瞬态冲击射流的强化传热效果逐渐明显,强化效果可达15%以上。     

一种利用水下激光冲击处理涡轮叶片残余应力的方法

为提高涡轮叶片疲劳寿命,探索了一种利用水下激光冲击强化方法处理涡轮叶片残余应力的技术。利用波长532 nm、脉宽10 ns、能量1.2～1.5 J、光斑直径1.0 mm的YAG激光器,对涡轮叶片榫齿部位进行了激光冲击强化处理。结果表明,水下激光冲击强化方法能有效消除、调整机械加工残余应力。当激光功率密度大于2.5 GW/cm~2且小于7.5 GW/cm~2时,随着功率密度的增加,表面残余应力也相应增加;当功率密度大于10.0 GW/cm~2后,表面残余压应力随功率密度的增加而明显降低;功率密度等于7.5G W/cm~2时,表面残余应力为-419.5 MPa,为最佳。