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。     

基于热力学的涡扇发动机神经网络建模方法

由于无法掌握不同发动机的真实部件特性，传统热力学模型对在翼涡扇发动机的建模存在较大的建模误差；同时，热力学模型在特性图边界线附近迭代时，容易迭代到特性图之外，造成迭代过程的不收敛。针对上述问题，本论文提出基于热力学过程的涡扇发动机神经网络建模方法，在神经网络模型的训练过程中充分考虑对部件共同工作热力学约束的优化，提高发动机建模的准确性。通过构建部件级网络结构、部件共同工作损失函数及融合训练过程，将基于部件特性图的传统热力学模型迭代过程转化为部件级神经网络的多目标优化与训练过程，提高了模型的收敛性及建模准确性。模型在26 970条发动机实际飞行数据上进行了训练及测试，结果表明，在相当宽松的准稳态数据下，论文提出的建模方法最大误差可以达到7%左右，比基于部件特性图的热力学模型低5%左右。     

面向建筑空间的OFDM信号定位性能分析

针对利用OFDM信号进行定位时信号非连续性问题,提出一种粗检测和精细检测结合的测距方法,将距离测量转换为不同尺度的时延样点,采用时域粗检测快速估算接收OFDM信号的最大相关峰值,然后对传输时延进行频域精细测量,提升了小数倍采样周期时延测量的精度。在此基础上,分析了OFDM信号的定位性能,仿真结果表明,当OFDM信号在信噪比-11dB的情况下测距误差由3m左右(子载波数512)降至1m(子载波数4096)。     

翼身融合运输机分布式电推进系统设计及油耗评估

针对翼身融合运输机开展了分布式电推进系统的总体设计与油耗评估。通过数值计算完成了70t载质量翼身融合飞机的气动设计与优化。在巡航马赫数为0.80和10km高度的设计点,最大升阻比达到了24。通过求解积分边界层方程组,完成了电推进系统的总体设计。电推进系统包含10个推进风扇,风扇直径为1.45m，压比为1.35，巡航功率为2.94MW。建立了考虑燃烧过程的发动机一维性能模型,对发动机油耗进行了评估,获得了不同发动机循环参数下燃油消耗。建模结果表明,基于翼身融合布局和分布式电推进技术,可使运输机的油耗较C-17节省近50%。      

反推装置对翼身融合分布式推进系统气动性能影响数值模拟

为了研究新型反推装置对翼身融合分布式推进系统气动性能的影响,将机身简化为二维模型,利用数值模拟的手段来研究攻角、反推开度,以及风扇打开或关闭对飞行参数的影响,为翼身融合分布式推进系统的反推装置设计提供初步的意见和建议。结果显示:反推闭合和风扇打开之后该机型的升力系数和俯仰力矩系数都会有较大增加;随着反推开度的增加,升力系数和俯仰力矩系数也随之增加;来流攻角对翼身融合分布式推进系统的气动性能也有较大影响。      

基于不确定传感器状态的机载系统多层故障诊断方法

准确的机载系统故障诊断是保证飞机安全飞行和实现经济效益最大化的重要途径。然而传感器受到内外部环境条件的影响而不可避免的存在检测状态的不确定性，因此基于单个传感器或局部区域传感器综合检测结果的方法难以完全保证故障诊断的有效性和正确性。针对飞机机载系统的结构和工作原理，充分利用系统中不同层级、不同区域传感器检测特征之间的关联关系，考虑单个传感器本身存在的不确定性，构建了传感器信息前向融合与反向校验相结合的分层诊断决策方法，实现了对系统状态和传感器状态的双重估计与更新，克服了单一传感器故障对系统诊断推理准确度的影响。该方法较传统故障诊断模型，不再依赖某一个或某一类传感器信息的绝对可靠，在实现系统级的准确故障诊断同时，还能判断具体某一传感器本身是否发生虚拟警。在飞机液压系统故障诊断案例中，新方法成功将系统故障诊断的虚警率降低了96%，传感器的不确定度降低了84%。     

基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

无人平台复杂地形探测的视触融合方法

为提高无人平台在复杂环境中的地形探测能力以及解决在小样本数据下识别地形困难的问题，提出了一种无人平台复杂地形探测的视触融合方法。在原始宽度学习的基础上，建立了多模态级联特征节点宽度学习框架。首先进行触觉和视觉初步特征提取和融合特征提取，随后将融合特征矩阵经宽度学习分类器得到地形识别的结果。最后，在自建的视觉-触觉地形 (V-T2)数据集进行了实验验证。结果表明，相比于传统的融合算法，提出的融合算法有很好的准确性和鲁棒性，为无人平台地形探测提供了有效的策略。     

月面特征稀疏环境下的视觉惯性SLAM方法

月球车在执行科学探测任务过程中，其自身的高精度定位是一项亟需解决的关键问题。针对在特征稀疏的月面环境下的定位问题，提出一种视觉惯性融合的SLAM方法，将视觉测量与惯性传感器的信息利用位姿图优化方法融合，实现高精度的联合定位。针对特征稀疏环境下的前端视觉数据关联误差较大的问题，提出了一种基于四元树的光流跟踪算法，能够有效地跟踪鲁棒的特征点，提升了关键帧之间相对位姿估计的准确性。并且针对月面环境特有的恒星无穷远点干扰问题，提出一种高效的恒星点剔除算法，能够有效改善无穷远点导致的定位精度下降的问题。搭建了一套模拟月面环境的计算机仿真系统，并构建了多个月面环境视觉惯性SLAM仿真数据集，在不同的模拟月面场景下进行定位性能仿真验证，仿真测试结果表明本文算法的鲁棒性更强，具有更高的定位准确度。