基于深度卷积网络的海洋涡旋检测模型

传统的利用遥感数据检测涡旋的方法通常是基于物理参数、几何特征、手工特征或专家知识。本文重点研究了基于深度学习技术从海表面高度图中识别海洋涡旋的方法。针对海洋卫星拍摄的海洋表面高度图中的涡旋检测问题，提出了一种基于卷积神经网络的多涡旋检测模型，该模型能够准确提取涡旋的特征信息，拟合语义信息与海面高度之间的关系。同时，在用于涡旋检测的最新公开数据集SCSE-Eddy上进行模型训练，以评估基于人工智能的涡旋检测方法性能，该数据集涵盖了15年来位于中国南海及其东部部分海域的每日卫星遥感海表面高度数据。实验结果表明，与现有的方法相比，本文模型取得了更好的检测结果，能够更好地区分相距较近的涡旋。     

姿态控制系统安全阀排放研究

恒压挤压式姿态控制系统一般采用压力调节器对气瓶中的高压气体进行调节,并采用安全阀保证系统的安全。设计时一般保证压力调节器节流口在任何情况下均为临界截面,气体通过压力调节器节流口后压力降低,一般远高于大气压力。由于节流口后气流涡流和管路摩擦的作用,气流在到达安全阀排放口后,仍然为临界流动状态。因此,可以采用收缩喷嘴节流公式计算压力调节器节流口和安全阀排放口的压力和流量参数。根据该数学模型,计算了姿态控制系统安全阀前气体压力和流量,试验结果表明所采用的计算方法可行。