基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

一种平板螺旋式诱导轮的扬程计算法

目前平板螺旋式诱导轮的扬程计算法大都没有考虑诱导轮出口涡流区的影响,计算出的扬程和实际扬程有较大的偏差,涡流区的存在一方面会减小主流过流面积,使液流出口速度增大,损失增加,另一方面涡流运动自身也会消耗能量,使得诱导轮的扬程有所降低.以径向平衡理论为基础,考虑诱导轮出口涡流区的影响,提出一种扬程的修正计算法,用该方法对两种诱导轮进行了计算,计算结果和试验实测值比较接近,可以更准确的计算非空化工况下诱导轮的扬程.     

超临界机组末级叶片典型截面的叶型设计

针对超临界机组末级长叶片的设计特点,采用遗传算法和人工神经网络,提出对长叶片典型截面叶型进行分区优化设计思想,并对原型与改型进行了多工况点的数值计算,结果表明,将叶型吸力侧后半段由直线型改为内凹型,能够显著降低超声速叶型在超声速工况范围内的叶型损失。对叶型前缘以及压力侧的局部优化设计能够改善超声速叶型在临界马赫数工况下的气动性能。优化设计最大程度地减小了样本空间,提高了优化效率。     

如何避开火山灰

过去的几年里已发生过数次飞机遭遇火山灰的事件。其中很多起严重到了几乎造成空难事故的程度。火山在肮空界一直被当成公害，但直到198o年，才引起公众的重视。有几架喷气飞机在飞越位于美国西北部至海伦斯火山所喷发出的火山灰时受到严重损伤。两年后在1982年，又有一系列的飞机遭遇火山灰事件。英航的B747就是其中一例，飞机在夜间穿越从印尼火山喷发出的火山灰叮，四台发动机全部熄火。1982年和1985年，又有两架B747遭遇同样险境。1989年，一架B747遇上从阿拉斯加雷迪奥特火山喷发出的火山灰后，四台发动机全部熄火。有很多在印尼、日…     

涡轮泵机械密封泄漏机理分析及试验验证

针对某液体火箭发动机涡轮泵试车过程中机械密封故障进行了分析,研究了机械密封泄漏机理。通过N2O4介质运转试验,从石墨材料物理性能和组织结构两个方面分析了机械密封泄漏原因,试验证明石墨材料的导热性、动环材料的导热性对密封性能起着关键作用。     

基于GCF-SB视觉注意模型的红外目标检测算法

针对复杂背景、低对比度条件下的红外目标检测，提出了一种基于灰度对比度特征 相似性贝叶斯(GCF SB)模型的红外显著性目标检测算法.建立了一种灰度对比度特征(GCF)模型，该模型利用两个通道分别提取红外图像的灰度特征和对比度特征，然后通过特征融合获得初级显著图；建立了一种基于相似性的贝叶斯(SB)模型，该模型根据初级特征图分别计算目标和背景的先验概率和似然函数，然后利用贝叶斯公式获得最终显著图，进而实现红外图像的显著性目标检测.实验结果表明，所提出算法能够有效抑制复杂背景、低对比度红外图像的噪声，增强对比度，具有较高的检测精度和鲁棒性.     

流体动压密封设计

基于有限元Matlab软件平台对流体动压密封进行了计算机数值仿真分析与计算,研究了流体动压密封动环对数螺旋槽半径和螺旋角与流体动压密封开启力和泄漏量之间的关系,得出了流体动压密封设计准则;通过激光打标工艺试验得出了激光打标刻蚀对数螺旋槽的工艺规范,采用该工艺规范加工出的对数螺旋槽动环满足设计要求。流体动压密封介质运转试验结果表明:流体动压密封有限元Matlab计算机数值仿真分析与计算是合理的,流体动压密封设计和工艺规范是正确和有效的。     

某涡喷发动机可靠性增长分析

航空发动机的研制特点决定了试车故障数据兼有同步纠正和异步纠正的性质，为了更好的评价航空发动机的可靠性．对一组有可靠性增长的试车故障数据采用了MIL-HDBK-189介绍的带同步纠正性质的处理方法，所得结果与采用Crow的带异步纠正性质的统计分析方法计算的结果进行比较，可以发现：两种方法对趋势检验的结论和对平均故障间隔时间（MTBF）的极大似然估计基本一致。     

一种基于类间方差的地平线检测算法

 针对视觉导航中用于微型飞行器（MAV）稳定飞行控制的地平线提取问题,提出一种基于类间方差的地平线检测算法。该算法使用角度和距离两个变量进行图像中直线的穷举,选取像素的蓝色分量作为区分天地的特征,利用类间方差构造判别准则进行直线的最优选择,从而实现地平线的检测。实验结果表明：与基于色彩协方差矩阵的地平线检测算法相比,本文算法对地平线检测的平均角度误差减少1°,距离误差减少3个像素,角度和距离参数的检测正确率分别提高1.98%和4.95%,且具有良好的速度特性。