基于遗传算法优化小波网络的柔性喷管力矩特性辨识方法

为准确辨识负载力矩并提高主动加载负载模拟的真实度，使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理，将消噪与分解后得到的信息作为神经网络训练的扩充样本，提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模，加快网络收敛速度并简化计算过程，实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性，平均辨识误差为2%，对于实现精确主动加载控制和验证伺服控制性能具有重要意义。     

基于声发射信号信息距的滚动轴承故障诊断

在信息熵理论基础上,提出了一种融合小波能谱与马氏距离的信息距滚动轴承故障诊断方法.利用双转子试验台对滚动轴承内圈故障、外圈故障、滚动体故障、内圈 滚动体故障和内圈 外圈故障进行模拟,并采集其声发射信号.利用提出的信息距方法对获取的声发射信号进行分析,成功实现滚动轴承单一故障和耦合故障诊断.结果表明该方法信息利用率高于信息熵方法,能够清晰和准确地诊断出滚动轴承早期故障,效果明显优于信息熵距的诊断方法.      

安监系统压力参数现场校准测量结果不确定度评定探讨

基于压力变送器现场压力测量、信号转换传输和压力终端显示,建立了安全监控系统(简称“安监系统”)压力参数现场测量系统。介绍了安监系统压力参数在线校准方法,建立了测量误差数学模型,分析了显示终端压力参数测量结果的不确定度来源,并进行测量结果不确定度的评定,经试验验证分析,给出了现场系统校准测量结果不确定度的主要贡献分量。     

基于深度学习的无人机航拍视频多目标检测与跟踪研究进展

随着无人机航拍的数据采集愈加便捷，以无人机为平台的多目标检测与跟踪技术发展迅速，在智慧城市、环境监测、地质探测、精准农业和灾害预警等民用和军事领域有着广泛的应用前景，近年来深度学习的突飞猛进也为其提供了多种更为有效的解决思路。然而，无人机视角下目标外观发生突变、目标区域被严重遮挡以及目标消失和重现等挑战性的问题尚未完全解决。综述了基于深度学习的无人机航拍视频多目标检测与跟踪算法，总结了该领域的最新进展，包括多目标检测、多目标跟踪2个模块。多目标检测模块划分为双阶段与单阶段两个部分。对于多目标跟踪模块则依据基于检测的跟踪和联合检测的跟踪2个经典框架，分别阐述了2类算法的原理并分析其优缺点。随后对现有的公开数据集进行统计分析，并对基于无人机航拍视频的多目标检测与跟踪领域内标杆挑战赛VisDrone Challenge近年来的最优方案进行了对比分析。最后总结了无人机视角下多目标检测与跟踪亟待解决的问题并展望未来可能的研究方向，为后续相关研究的人员提供参考。     

基于数值模拟的轴对称矢量喷管性能预测数学模型

基于三维数值模拟，对不同轴对称矢量喷管在多种工作状态下的内外流场进行了研究，分析了扩张角及扩张段长度对喷管有效矢量角的影响.基于最小二乘曲面拟合理论，建立了自变量包括扩张角、扩张段长度/喉道直径、落压比/设计落压比、几何偏转矢量角的多变量轴对称矢量喷管性能预测数学模型，并根据已有实验数据，对该模型进行了验证结果表明:推力系数误差最大为0.41%，流量系数误差最大为1.58%，矢量角误差最大为1.76°.建立的数学模型通用性较强，实现了用统一的模型对不同喷管性能参数进行预测和分析，具有一定的工程意义.