基于双峰对数正态分布模型的DED-TA15钛合金DFR值估计方法

有效评价增材制造金属材料的疲劳强度，是增材制造技术应用于可重复使用飞行器主承力结构的关键。以DED-TA15钛合金为研究对象，基于3种应力水平下标准圆棒试件的成组疲劳试验结果，建立了描述DED-TA15钛合金疲劳寿命分布的双峰对数正态分布模型，采用EM算法，建立了双峰对数正态分布的参数估计方法；采用Bootstrap方法给出了指定置信度和可靠度要求的疲劳寿命计算方法。在军机DFR方法的基础上，给出了适用于DED-TA15钛合金的DFR值计算方法。与传统单峰对数正态分布相比，双峰对数正态分布更精确的描述了疲劳寿命分布，提高了高可靠度和高置信度要求下的疲劳寿命，DFR值也有所提高。该方法降低了因描述模型不精确导致的对设计许用应力的过度限制，有效的提高DED-TA15钛合金的使用潜力。     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。