基于资源扩展活动图的并发测试用例生成方法

对UML(统一建模语言)活动图进行共享资源的属性扩展,利用扩展的活动图对并发系统间任务的同步及数据的竞争关系建模,充分考虑并发软件运行原理、故障模式及测试效率,提出并发系统的测试覆盖原则及基于扩展活动图的并发测试用例生成方法。进一步通过举例验证该方法能够正确的生成并发测试用例同时又可防止用例数量爆炸,提高了并发软件测试的可靠性及效率。     

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。     

颗粒无序分布的堆积床内部流动与传热分析

为了详细分析单组元发动机催化床内部的流动与传热,针对颗粒无序分布的堆积床,提出了一种网格生成途径,适合于对大量颗粒自然堆积的管道流动进行数值模拟。根据该方法,对不同颗粒直径、不同进口速度的管道堆积床进行了液体介质的流动与非定常传热模拟,并与实验结果和Ergun方程计算进行了对比。结果表明,本文提出的方法可以有效模拟颗粒无序分布的堆积床内部流动与传热,适合于大量颗粒的堆积床仿真;网格尺度小于1/20颗粒直径时,模拟结果与实验结果符合很好;在相同雷诺数下,摩擦系数随颗粒直径增大而减小,Ergun方程在高雷诺数下计算的流阻偏大;非定常传热时,壁面效应会使壁面附近温度先接近流体温度。     

教练机装备的体系化发展

军事飞行训练体系的建立是一个庞大的系统工程。尤其需要前瞻性的顶层设计，结合空军装备发展的实际情况，综合考虑未来的战斗力生成速度和质量以及成本，将训练需求转化为对训练装备的体系化发展要求，合理配置教练机型号并合理安排阶段性训练任务。     

基于生成对抗网络的零样本图像分类

在图像分类任务中，零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题，采用一种基于生成对抗网络（GAN）的方法，通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进，使其判别过程更加准确，从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此，所提方法通过改进生成对抗网络，能够生成质量更好的图像特征，从而有效解决零样本图像分类问题。      

新冠疫情背景下航空物流网络的鲁棒优化

为应对新冠疫情影响背景下客机航线中断导致客机腹舱运力减少的风险，以最小的成本提升航空物流网络的鲁棒性，提出不确定客机腹舱运力情境下全货机航线配机及路径优化问题研究。以网络总成本最小化为目标，考虑“客机腹舱+全货机”的运输方式、城市间的航空货运需求、运输距离等因素，建立了客机腹舱运力不确定环境下航空物流网络鲁棒优化模型，并采用列与约束生成（C&CG）算法对模型进行有效求解。通过S货运航空公司案例数据，研究航空物流网络航线优化布局问题。通过案例分析证明，运用两阶段鲁棒优化方法，可有效降低航空物流网络受客机腹舱运力减少导致的成本变动；在客机航线完全中断的状况下，所提方案可以降低航空物流网络20.7%的成本。运用两阶段鲁棒优化方法有利于决策者灵活进行全货机配机选线，在客机腹舱运力不确定影响背景下兼顾航空物流网络的经济性和鲁棒性。     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时，针对由红外图片采集的局限性而造成的训练数据不足的问题，提出了基于生成对抗网络以生成红外图像的方法，实现了数据集的扩充。对基本的生成对抗网络进行了改进，将网络的输入由随机噪声变为真实图片，使之实现了图片到图片的风格转换，即彩色图片转变为红外图片。经过网络模型的搭建和训练，实验结果表明，该方法能够有效生成清晰和高质量的红外图片，解决了由红外数据不足而造成的网络训练不充分的问题。     

基于生成对抗网络的空间卫星低照度图像增强

针对空间低照度成像条件下卫星光学图像信息受损严重的问题，提出了一种基于生成对抗网络的空间卫星低照度图像增强方法，提高了图像的平均亮度及对比度，恢复图像细节信息，为图像识别等图像处理技术提供更高质量的数据信息。首先，设计了一种密集连接的生成器，加强了各特征提取阶段中的信息传递以及多层特征的融合，减少了特征信息的损耗，更好地提取正常照度图像及低照度图像中相似的语义信息；并结合EnlightenGAN的思想，采用了全局 局部辨别器结构，使图像增强效果更自然。然后，在少量样本的条件下，利用非配对样本对该方法进行训练，并通过对输入图像进行随机缩放及翻转等数据增强方法提高模型训练效果，进而提升低照度图像增强性能。最后，对所提出的空间卫星低照度图像增强方法进行了仿真验证。试验结果表明，在空间低照度条件下，该方法在NIQE指标上较LIME及EnlightenGAN分别降低了1.034和0.699，保留了更多的图像细节，具有更高的整体和局部亮度、更高的对比度以及更自然的增强效果。