基于模态反转的半球谐振陀螺零位自校准方法

针对半球谐振陀螺的零位漂移问题，本文研究了基于模态反转电路控制技术的零位自校准方法。首先，从动力学模型引入阻尼不对称、频率裂解等非理想因素，讨论半球谐振陀螺的工作机理及驻波漂移特性。其次，通过理论分析模态反转的零位校准以及虚拟进动控制的模态反转技术。最后，基于FPGA数字控制平台，设计并实现了半球谐振陀螺零位自校准半实物仿真实验。实验结果表明，基于模态反转的半球谐振陀螺零位校准，实现了半球谐振陀螺的零位从15 降低至2 ，短期零偏稳定性和长期稳定性也分别提高了11.8％和45.86％，有效地抑制了零位漂移，提高了半球谐振陀螺测量精度。     

基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤，有限二维投影下的三维粒子重构是一个欠定的反问题，其精确解往往很难得到。一般情况下，可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速，提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique，ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比，新技术在重构质量方面有了显著的改进，可以有效剔除虚假粒子并更准确地还原粒子形状，并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

利用捷联导引头打击机动目标的自抗扰制导律设计

针对导弹制导系统中存在模型不确定性和目标机动信息难以获取等特点,提出了一种线性自抗扰(LADRC)制导律的设计方法。该方法以捷联导引头弹目视线角为输入量,对控制对象模型已知部分进行前馈补偿,对控制对象模型的不确定部分和目标的未知信息通过线性扩张状态观测器(LESO)进行估计并予以动态补偿,对改造后的系统再利用比例微分(PD)控制,完成制导律的设计。该方法无需获取目标运动加速度即可实现对加速运动机动目标的打击。仿真结果表明,弹道末端需用过载小于导弹的最大可用过载,脱靶量满足指标要求,具有很高的工程应用价值。     

基于卷积神经网络双层壁三维热应力预测方法

为实现三维物理场的预测，提出一种利用卷积神经网络（CNN）对双层壁冷却结构外壁三维热应力快速评估方法。针对双层壁冷却结构外壁平板状的结构特征，沿壁厚方向将温度场切分为多个切片。将温度作为卷积网络输入张量的基本元素，不同厚度位置的切片对应输入张量的通道维度，从而实现将三维温度场输入进网络，并输出在热载荷作用下的三维等效应力场。结果表明：训练收敛后的网络在测试集上的平均绝对误差为1.23 MPa，平均相对误差为15.10%，对峰值应力的平均绝对误差为16.10 MPa，平均相对误差为11.81%。对于双层壁冷却结构的热应力预测问题，CNN能够很好地完成温度到应力的映射。使用深度学习方法探究热弹性问题的潜在机理有望实现。     

基于冲击特征提取的旋转机械智能故障诊断

针对齿轮、轴承故障，提出了基于冲击特征提取胶囊网络的旋转机械智能故障诊断模型。在胶囊网络的构架基础上，将原始故障振动信号作为输入，通过构造首层小波核卷积层，针对性提取冲击故障特征，提高深度学习网络特征提取的可解释性。在小波核卷积层之后扩展一层卷积层，强化首层小波核卷积层提取的特征，将强化的特征经初级胶囊层、数字胶囊层输出分类结果，从而构造了“端到端”的小波卷积胶囊网络模型。通过对各层提取的特征可视化分析，证明了该模型对故障振动信号的冲击特征具有良好的提取能力。3个不同实验平台的数据集验证结果表明不同故障类型、不同故障程度的齿轮及轴承的识别精度最高可达到100%，并具有良好的泛化能力。     

基于CNN机翼气动系数预测

随着机器学习的快速发展和其突出的非线性映射能力,越来越多的学者将机器学习方法应用到流体力学领域。为克服传统数学拟合不能很好的解决系统非线性问题,以及现有文献中所提及的一些基于神经网络的气动参数预测方法,需要进行参数化处理而带来的不便,同时为实现多变量多输出气动参数快速预测的目的,基于卷积神经网络考虑机翼变迎角和浮沉建立了一种多变量多输出的机翼气动参数预测模型,实现了机翼气动参数的快速预测。结果表明：所建模型具有较高且稳定的预测精度,并且计算效率较计算流体力学(CFD)提高了40倍。     

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

Al/Ni含能多层膜在Al2O3陶瓷/不锈钢焊接中的应用

采用磁控溅射设备,生长AuSn合金做焊料层、Al/Ni含能多层膜做热量提供层,实现了不锈钢和Al_2O_3间的异质材料自蔓延高温扩散焊。利用SEM、XRD和DSC等测试手段表征AuSn合金和Al/Ni含能多层膜的微观形貌、相成分和放热量;用万能试验机测试焊接接头的力学性能。结果表明,AuSn合金的质量比基本达到80∶20,而多层膜的层状结构清晰,反应热达到1 239 J/g。焊接实验结果表明,仅使用AuSn焊料时,剪切强度仅为46 MPa,在增加Al/Ni含能多层膜后,其剪切强度可达90 MPa,强度提高了约一倍。焊接接头的界面显微形貌和相结构研究表明,剪切强度的增强主要是Al/Ni多层膜提供了额外能量使得界面处的反应剧烈,陶瓷金属化层与中间层的反应加剧,形成了新的反应生成物。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。