NNW-TopViz流场可视分析系统

流场可视化技术采用图形图像直观地表现CFD数值模拟的计算结果，使用户能够方便地对这些数据进行分析、比较和研究。然而，CFD数值模拟的流动复杂，其产生的流场数据规模巨大、数据类型复杂、特征提取困难，传统的串行可视化软件效率低、交互手段单一，难以满足数据分析的需求。国家数值风洞（NNW）工程研制了一套流场数据处理可视化软件系统（NNW-TopViz，简称TopViz），具有对流场数据处理与特征提取、几何图形绘制等可视化与交互功能。根据可视分析效率需求，TopViz实现了线程并行，在多核计算环境下有效提高了可视化计算和交互效率；针对流场特征提取困难、常规方法效率低的问题，TopViz实现了基于卷积神经网络的流场旋涡特征提取方法，提升了特征提取准确率和效率；为提高软件交互效率并提供便捷的交互方式和体验，基于头戴式显示设备和体感控制器构建沉浸式虚拟显示与交互平台，TopViz实现了手势和眼球凝视2种交互方法，提供沉浸式环境下多视图、多角度流场探测方式。     

A review of topology optimization for additive manufacturing: Status and challenges

Topology optimization was developed as an advanced structural design methodology to generate innovative lightweight and high-performance configurations that are difficult to obtain with conventional ideas. Additive manufacturing is an advanced manufacturing technique building as-designed structures via layer-by-layer joining material, providing an alternative pattern for complex components. The integration of topology optimization and additive manufacturing can make the most of their advantages and potentials, and has wide application prospects in modern manufacturing. This article reviews the main content and applications of the research on the integration of topology optimization and additive manufacturing in recent years, including multi-scale or hierarchical structural optimization design and topology optimization considering additive manufacturing constraints. Meanwhile, some challenges of structural design approaches for additive manufacturing are discussed, such as the performance characterization and scale effects of additively manufactured lattice structures, the anisotropy and fatigue performance of additively manufactured material, and additively manufactured functionally graded material issues, etc. It is shown that in the research of topology optimization for additive manufacturing, the integration of material, structure, process and performance is important to pursue high-performance, multi-functional and lightweight production. This article provides a reference for further related research and aerospace applications.     

基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题，提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征，借助词袋模型对每张图像构建3组视觉单词直方图，通过串行融合3组视觉单词直方图得到新的特征矩阵，采用特征选择对融合后特征矩阵进行降维，并传入随机森林分类器中进行训练。实验结果表明，不同特征对粉末床不同类型缺陷检测具有不同的贡献，优化特征融合参数后，算法平均准确率达到97.46%，缺陷检测效果明显提升。     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题，提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法，算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节，以充分利用模型中的低层特征，增加细节信息；改进模型的区域生成网络，加入多种滑动窗口，从而优化了模型锚点的长宽比设置，提高检测能力。实验表明，改进Faster RCNN模型取得最优的缺陷检测结果，对于小缺陷目标仍取得较好的检测精度，从而验证了算法的有效性。     

整体壳段典型特征高效模块化编程技术

整体壳段为航天产品核心零部件，具有结构复杂、尺寸精度高、材料去除率大、工艺过程复杂、加工周期长等特点。在壳段数控加工过程中，存在编程难度大、重复工作量大、效率低及编程质量与编程人员能力水平密切相关等问题。为了适应高效、高可靠性的任务需求，依托成熟商用CAM软件，通过对整体壳段典型特征的分析，基于UG NX软件平台研究并开发了典型特征自动化编程模块，有效提高了加工程序的质量稳定性，并极大降低了工艺人员的编程操作量，提高了工艺设计效率。     

一种小天体旋转参数估计方法

小天体旋转参数是科学数据，也是小天体测绘，着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型，表示小天体在相机坐标系中的姿态变化；然后定义小天体旋转的状态方程，推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪，利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中，在仿真相机与小天体相机100 km距离上，分析了相机坐标系小天体坐标系之间的四元数初值，图像上特征点跟踪精度，相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明，提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题，基于拓扑分析中的持续同调性理论，本文提出一种多尺度大脑网络建模分析方法，该方法在大脑全尺度距离范围之内，通过不断增加阈值，运用Rips过滤算法捕获网络的动态持续拓扑特征，并用条形码和持续图对拓扑特征可视化，最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明，该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象，以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题，提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先，DNET网络对大尺度特征图像采用密集连接模块，在前部通道保存每一层的网络输出，在网络末端引入特征注意力机制，获得每个特征通道的信息特征识别权重。然后，加入多尺度密集连接模块，并与多尺度特征融合检测结合，提高对大尺度变化情况下的目标特征提取能力。实验结果表明，在伴随红外诱饵干扰的实时检测条件下，红外目标由点目标变化为成像目标，直至充满视场的整个过程中，本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps，具备识别精确度和召回率高、识别速度快等优点，并具有良好的鲁棒性。     

基于纹理边界检测的航天器椭圆特征提取方法

为确定失效航天器等非合作目标的相对位姿，提出一种通过纹理边界检测的椭圆特征提取方法。该方法假设椭圆特征是航天器表面两种不同纹理的边界，利用上一时刻相对位姿信息，将对接环离散几何模型投影到像平面，并沿各离散点的法向方向通过概率方法检测纹理边界点。利用随机抽样一致(RANSAC)方法剔除边界点中的粗大误差，进而拟合出椭圆参数。纹理特征对光照变化具有鲁棒性，因此该方法能够在变光照、星体表面反光不均匀等复杂情况下快速准确地提取图像中的椭圆特征。本文以对接环图像特征提取为例进行仿真校验，分析了算法参数和噪声对提取椭圆精度和时间的影响。利用真实图像与基于梯度边缘的椭圆提取方法进行对比，结果表明，所提出的算法具有较高的精度和速度。