一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点，提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验，并采用经验模式分解(EMD)方法对采集的振动信号进行分解，提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明，所提出的Deep-GBM故障诊断准确率达到87%，相对于传统的机器学习模型准确率最高提升了28%，并具有良好的泛化能力。      

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。     

小样本条件下多应力加速寿命试验预测方法

鉴于导弹中的电子设备价格昂贵、可用于试验的样本量少,在开展加速试验以及寿命预测的实际工作中通常为小样本的背景。文章研究探索小样本条件下多应力加速试验寿命预测方法,分别建立通用对数线性模型、 BAS-BP神经网络模型、灰色–支持向量回归模型,结合多应力加速试验数据在各应力条件下的样本容量分别为 56组、20组、10组、5组的情况下,比较 3种模型的预测效果,分析各模型的适用场合和时机,探索小样本条件下模型的选优问题,为小样本条件下多应力加速试验寿命预测提供有益的借鉴。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

一种高精度多路温度采集方法研究

惯性平台系统是一种框架系统,主要包括平台本体、电路箱和电源箱.平台系统精度主要靠安装在平台本体的三浮陀螺和加速度计来保证.通常惯性平台的工作环境比较严酷,惯性传感器对温度有很高的敏感度,在系统正常工作时,平台内部有二级温控来保证仪表有良好的工作环境,但内部空间温度梯度变化会影响惯性传感器的精度.在温度采集过程中,铂电阻存在非线性、自热效应及热电动势等电气干扰的精度影响.采用阻值比较法,通过引入恒定激励电流来抑制温度采集电路的自热效应,并基于FPGA设计并行多通道温度采集电路.给出了系统总体设计方案、测温电路参数设计、序列激励电流控制和数字滤波补偿的具体实现方式,测试结果表明该系统可实现64路温度采集,在一定范围内测温精度能达到±0.02℃,满足精度要求.     

Progressive prediction method for failure data with small sample size

The small sample prediction problem which commonly exists in reliability analysis was discussed with the progressive prediction method in this paper.The modeling and estimation procedure,as well as the...     

一个基于网络的程序自动评测系统

基于网络的分布式程序自动评测体系结构提供了一种高效、准确、适应性强的机制来实现一个评测系统.该体系结构通过被动激活方式利用木马技术,保证了系统在通讯和评测过程中的安全性,并在评测中实现了评测程序对系统资源的零占用,这使得样本程序在开发和评测时处于一致的运行环境中.该体系结构通过规则库和过滤程序的使用,提高了其灵活性和适应性,使得它可以适用于更多类型的样本程序.在此基础上,实现了一套完整的应用系统.经过多次实际应用,证明其具有高效、安全和配置灵活的特点.     

考虑先验信息可信度的后验加权Bayes估计

 先验信息失真及先验样本数量过大会扭曲小子样条件下Bayes融合评估的效果，引入可信度可以改善这个问题。现有的可信度度量方法大都直接基于数据层，即通过判断两种样本是否属于同一分布，这种度量在小子样情况下不太可信，为此提出了一种基于数据物理来源的可信度度量方法。同时归纳了可信度融合评估的准则，分析了现有可信度融合评估方法的不足，并结合正态分布的参数估计问题，给出了一种考虑先验信息可信度的后验加权Bayes估计方法。理论分析和算例都证实了该方法优于常用的Bayes估计方法。     

一种四层次样本轮换方法——基于多阶段季度调查的研究

四阶段抽样季度调查需要实施四层次样本轮换，在构造四层次样本轮换方法时主要应考虑三个问题，一是相邻两个季度四级单元的样本拼配率，二是相邻两年相同季度四级单元的样本拼配率，三是保证各级单元的样本拼配率在轮换过程中保持不变。如果一级单元、二级单元、三级单元和四级单元的样本轮换模式分别为32in、16in、8in和2-2-2（4），则这四个样本轮换模式就可组合成一种四层次样本轮换方法。该方法可以应用于中国劳动力调查的四层次样本轮换中。     

液体火箭发动机环境因子的修正逆矩估计

对文献 [1]提出的适用于大样本失效数据的逆矩估计法进行修正 ,针对液体火箭发动机飞行及地面试车数据的特点 ,提出了其天地环境因子的修正逆矩估计方法。与现有方法相比 ,本文提出的方法更加适用于小样本失效数据情形下环境因子问题的研究。最后用数值例说明了该方法的应用