飞机外形和结构件反求建模技术研究

 探讨了基于特征的飞机外形和结构件反求建模策略,并给出曲面特征和实体特征的定义,该方法支持具有完整特征表达的模型快速重建。提出了大规模散乱数据k近邻的空间球搜索算法,其逐步增大搜索范围的策略可有效提高搜索效率。研究了结构件与外形相关曲面特征的重建方法,当贴合面较窄、外形线接近于直线时,采用直纹面逼近,否则由蒙皮曲面等距间接求取。研究了基于工程约束的曲面形状修改算法,以B样条曲面需满足的点、线、面几何约束为目标约束,通过最小化形状修改前后差曲面的弯曲能得到精确满足目标约束的光滑曲面,推导了曲面弯曲能和曲线约束的表达式。最后,以飞机翼肋模型反求为例验证了所提方法的可行性。     

基于SVM的浮动车行驶模式判断模型

浮动车在低速情况下存在两种行驶模式,如不能对上述模式进行准确区分,将严重影响浮动车实时路况计算的精度和效率.研究和设计了一个基于支持向量机(SVM,Support Vector Machine)的浮动车行驶模式判断模型,并针对性地提出了一种简单的基于隶属度矩阵的特征评价和选择方法.实验表明通过上述方法选择的特征子集所训练的分类器在测试样本集上具有92.6%的分类准确性;经过行驶模式分析后,浮动车系统的准确性有显著提升.      

设计特征模型中的装配特征识别

研究了由设计特征模型识别装配特征的算法 ,该算法采用凹凸特征模型为中间模型实现设计特征模型向装配模型的转化。识别算法用特征设计与特征识别相结合的方法有效地识别出设计特征指定面的所有凹凸特征 ,利用判别装配特征的充分必要条件得到所求的装配特征。该方法克服了传统算法的缺点 ,提高了装配特征识别的有效性和可靠性     

基于自组织神经网络的软件功能测试数据自动生成

针对面向软件功能的测试数据自动生成问题,提出了一种动态自组织特征映射方法,用于生成揭示软件功能故障的测试数据(简称故障数据)。该方法主要有两部分组成,①采用具有全局多峰搜索特性的小生境遗传算法,在输入空间内搜索功能测试数据,生成少量的初始故障数据;②由初始故障数据,采用具有联想和分类能力的可变结构自组织特征映射,不断迭代生成大量相近而不同的故障数据,以便给开发者提供引发这些软件故障的信息,从而确定软件故障行为的模式或假设。用某型空空导弹发射控制软件进行了实验,运行结果表明了方法的有效性,故障数据生成效率高于遗传算法和随机法。     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

基于设计特征模型的加工特征映射技术

为了实现数控编程过程中能够自动确定加工区域,对基于特征设计系统构建产品模型的方法、产品信息模型、信息模型间的关联关系、飞机结构件加工特征定义分类、设计特征与加工特征间的内在关系进行了深入的研究,提出了基于设计特征模型映射加工特征的方法.该方法通过遍历特征设计树,判断特征间的关系,查询特征组成面信息,从而构建出特征属性邻接图,进而采用基于图匹配的特征识别方法得到加工特征,并提取加工特征信息.该方法压缩了图匹配空间,大大提高了特征识别的速度,应用此方法实现了飞机壁板类零件的特征识别.      

基于分形的BP网络水下目标识别

主要讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号的时间域波形的基础上,应用随机分形理论,给出基于分形 Brown 运动的回波信号分形特征矢量提取的理论和方法;提取了回波信号的分形特征矢量;进而给出了基于 BP 网络的分类计算方法。计算结果表明,提出的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

基于表观细粒度辨别网络的近海船舶目标检测方法

近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络（CNN）和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN（更快的基于区域的卷积神经网络）的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000 上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。     

航天发射特征事件综合和弹道融合策略优化研究与应用

特征事件综合和弹道融合是航天发射过程中最为重要的一项工作,通过特征事件发生时间和火箭飞行弹道可直观地反映出运载火箭的飞行状态。因此,为了进一步提高特征事件综合和弹道融合效果,基于遥、外测量信息,分别对参与特征事件综合和弹道融合的信息源进行分类及其影响因素进行分析,并提出了相应的信息融合策略。通过采用优化的融合策略,可进一步提高特征事件时间解算的准确性和实效性,提升弹道融合的效果,满足航天发射飞行态势显示和安全控制的任务需求。     

Online condition diagnosis for a two-stage gearbox machinery of an aerospace utilization system using an ensemble multi-fault features indexing approach

China manned space station is designed to operate for over ten years. Long-term and sustainable research on space science and technology will be conducted during its operation. The application payloads must meet the ‘‘long life and high reliability" mission requirement. Gearbox machinery is one of the essential devices in an aerospace utilization system, failure of which may lead to downtime loss even during some disastrous catastrophes. A fault diagnosis of gearbox has attracted attentions for its significance in preventing catastrophic accidents and guaranteeing sufficient maintenance. A novel fault diagnosis method based on the Ensemble Multi-Fault Features Indexing(EMFFI) approach is proposed for the condition monitoring of gearboxes. Different from traditional methods of signal analysis in the one-dimensional space, this study employs a supervised learning method to determine the faults of a gearbox in a two-dimensional space using the classification model established by training the features extracted automatically from diagnostic vibration signals captured. The proposed method mainly includes the following steps. First, the vibration signals are transformed into a bi-spectrum contour map utilizing bi-spectrum technology,which provides a basis for the following image-based feature extraction. Then, Speeded-Up Robustness Feature(SURF) is applied to automatically extract the image feature points of the bi-spectrum contour map using a multi-fault features indexing theory, and the feature dimension is reduced by Linear Discriminant Analysis(LDA). Finally, Random Forest(RF) is introduced to identify the fault types of the gearbox. The test results verify that the proposed method based on the multi-fault features indexing approach achieves the target of high diagnostic accuracy and can serve as a highly effective technique to discover faults in a gearbox machinery such as a two-stage one.