基于深度神经网络的飞机结冰冰形预测模型（英文）

结冰是威胁航空飞行安全的重要因素,适航条例要求需要根据不同结冰工况开展结冰安全评估。由于飞机结冰过程十分复杂,快速预测结冰冰形仍是当前面临的重要挑战。基于深度置信神经网络(Deep belief network,DBN)及栈式自动编码器(Stacked auto-encoder,SAE)深度神经网络建立了一种高效的飞机结冰预测模型。在完成网络结构详细设计的基础上,利用结冰数值计算方法构建的冰形样本空间,实现神经网络训练。以NACA0012翼型为研究对象,开展了冰形预测研究。结果表明:构建的预测模型能够准确地捕捉飞机结冰过程中的非线性行为,进而实现冰形的高准确度预测。预测模型为飞机结冰分析提供了一种有效的方法。     

基于深度学习的民航维修记录自动识别技术

针对民航维修行业如何自动识别维修记录上的重要记录区域的问题,本文给出了一种基于深度学习的目标检测算法,通过对飞行记录本照片的训练,使用CNN (循环神经网络),搭配YOLO(You Only Look Once) v3目标检测算法,自动识别出放行签署、工作处理、油量记录等3种重要记录。     

一种使用BP神经网络加速的蒙特卡洛拉格朗日水滴求解器（英文）

结冰可能威胁飞行安全。拉格朗日方法被广泛应用于求解结冰过程中的水收集系数,但是其发展受到鲁棒性问题和高计算成本限制。为了弥补拉格朗日方法的缺陷,使用蒙特卡洛积分法和反向传播(Backpropagation, BP)神经网络分别用于解决鲁棒性问题和降低计算成本。基于蒙特卡洛方法的拉格朗日求解器可实现对任意模型或计算条件的无条件稳定。构建了BP神经网络用于预测水滴撞击概率,通过筛除非撞击水滴减少计算量。BP神经网络不针对特定模型提前训练,使用异步并行策略使BP神经网络训练和水滴运动同时求解,建立了广泛适用的异步拉格朗日求解器。使用GLC-305后掠三维翼型和某型发动机短舱模型对求解器进行验证,结果显示BP神经网络可以有效提升计算效率,对比没有神经网络辅助最多节省27%运行时间,同时保有同等计算精确度。本文研究为首次尝试神经网络技术与结冰数值模拟融合,为进一步发展拉格朗日方法提供有力支撑。     

基于遗传算法优化神经网络的结冰环境中MVD和LWC预测

水滴平均体积直径（Mean volumetric diameter,MVD）和液态水含量（Liquid water content,LWC）是两个影响飞机结冰的重要气象参数,但在实际中难以准确测得,如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数,结冰气象参数MVD和LWC为输出参数,构建遗传算法优化的结冰气象参数预测模型,并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明,基于遗传算法优化Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在10%以内,实验数据相对误差在20%以内,该方法具有一定的可行性。     

深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。     

基于深度神经网络的流场时空重构方法

针对流场粒子图像测速实验中时间和空间高分辨率测量代价高的问题,研究了数据驱动的流场时空重构方法。为了对实验测得的低分辨率数据进行时空高分辨率重构,提出了一种基于深度神经网络的流场时空重构方法,并构建了一种基于卷积神经网络和长短时记忆神经网络的混合深度神经网络。该混合深度神经网络能够学习流场的时空演化特征,训练完成后可实现对实验数据的时空高分辨率重构。测试结果表明:只进行流场空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差为0.0065左右,流场数据点数是原来的51倍;同时进行流场时间和空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差可保持在0.065左右,流场时间维度的密度是原来的5倍,可极大提高实验效率,节约实验成本。     

基于BP神经网络的冰形特征参数预测

机翼结冰影响了飞机飞行的气动特性,严重时将会引起事故,对冰形特征参数进行预测对翼型气动特性研究以及后续防除冰措施具有重要的意义.本文利用BP神经网络,建立翼型冰形特征参数预测模型,并采用k折交叉验证进行网络结构选择,以气象与飞行条件作为输入,结冰极限、冰角高度和角度等冰形特征参数作为输出.结果表明:预测的冰形特征参数(...     

目标检测中特征不匹配问题研究进展

近年来基于深度卷积神经网络的目标检测器取得了跨越式进展,远远超过传统目标检测算法.但最新的研究表明特征不匹配问题已经成为深度目标检测器性能提升的一个瓶颈.目前在该问题的研究尚未有清晰的总结,因此本文首先对特征不匹配问题进行分析,提出特征不匹配问题的本质是由于目标检测的分类和回归任务优化目标的不一致造成,同时分析了特征不...     

结冰风洞研究综述

结冰风洞是飞行器结冰和防冰研究的主要地面试验设备.在介绍世界结冰地面试验设备类型的基础上,提出了当今世界有代表性的3座结冰风洞;归纳总结了结冰风洞校准中平均粒子直径和液态水含量两个重要参数的测量方法;探讨了国外对结冰风洞试验相似准则和缩尺模型试验相似参数对结冰试验结果的影响.     

叶片数对垂直轴风力机结冰分布影响风洞试验

风力机叶片表面结冰会降低其气动性能和发电效率.本文研究了旋转状态下叶片数对垂直轴风力机叶片表面结冰分布的影响;搭建了利用自然低温的结冰风洞试验系统;测试了3种叶片数(1、2、4)、3种尖速比(0.2、0.6、1.0)条件下的叶片结冰分布情况.结果表明:在不同尖速比下,叶片数对垂直轴风力机叶片表面结冰分布规律影响显著,叶...     

水滴多尺寸分布对水滴撞击特性和结冰增长的影响

水滴直径是影响水滴撞击特性的重要参数,而撞击特性在很大程度上影响结冰冰形,因此,在结冰数值模拟中,如何合理选取水滴分布模型,对于保证计算精度有重要意义.本文基于求解雷诺时均N-S方程获得的流场结果,采用拉格朗日法计算水滴撞击特性,并采用Messinger模型进行结冰增长模拟,研究了水滴直径、水滴多尺寸分布对水滴撞击特性和结冰冰形的影响.结果表明,水滴的多尺寸分布对于结冰数值模拟结果具有重要影响,采用Langmuir D分布能够满足数值模拟精度要求.     

面向过冷大水滴适航验证的结冰探测技术研究

过冷大水滴（Supercooled large droplet,SLD）结冰超出了常规防除冰系统的防护范围,是一种更为严重的结冰情形,极大地影响着飞行安全。在美国联邦航空管理局14 CFR 25.140条款中明确提到为保证飞机在SLD结冰条件下的安全运行,首先且必须要对SLD结冰气象环境进行探测。由于水滴破碎会改变水滴运动轨迹和表面撞击水分布,使水滴撞击极限变小,而水滴飞溅对结冰极限位置影响不大,因此本文通过研究大、小粒径水滴在飞机上收集范围不同的特点,提出一种可以满足SLD结冰适航符合性的结冰探测技术。该结冰探测技术采用常规结冰探测器,根据水滴收集范围将其布置于不同敏感结冰部位,可以实现全剖面飞行的结冰环境探测。     

过冷大水滴结冰探测技术研究进展

过冷大水滴结冰是飞机结冰防护领域出现的新问题和新挑战,大水滴结冰探测是保障飞机飞行安全的关键技术,制约飞机结冰防护系统的整体发展。论文搜集和整理了相关科技文献,从结冰机理和探测原理角度分析了结冰探测技术所面临的新挑战和机遇,通过对最新适航规范的分析,总结了大水滴结冰探测技术的新要求。按技术成熟度为主线对过冷大水滴结冰探测技术进行了详细介绍和全面总结,并首次提出探头型结冰探测器的水滴轨迹检测和溢流特性检测分类方法。     

不同云微物理方案对飞机结冰气象条件预测评估分析（英文）

飞行安全在复杂气象条件下易受结冰影响而受到威胁。能够结合地形特征并准确预测结冰气象条件是保障飞行安全的重要因素。本文利用中尺度天气预报模型模式，以4种不同的云微物理方案组合对美国华盛顿山地区的两次结冰事件进行了数值模拟。结果表明：预测的液态水含量和温度与现有文献匹配较好，而Morrison方案组合在误差分析中表现最佳。此外，讨论了水平分辨率和云微物理方案对液态水含量和云中液滴平均有效直径预测的敏感性。由于地形所引起的垂直运动是产生云水的主要动因，较高的水平分辨率能够做出更为准确的预测。最后利用IC指数对结冰强度进行了分析，表明结冰严重程度具有明显的时空多变特性，以及对云微物理方案的敏感性。本文工作有望加强对云微物理方案的理解和认识，并为选择适合的云微物理方案进行结冰天气预测提供了依据。     

基于轻量级卷积神经网络的人证比对

在证件审核场景中,常规的深度学习人脸识别方法人证比对精度低且在嵌入式设备运行效率差。为解决上述问题,本文提出了改进的轻量级卷积神经网络Lightnet,并采用了迁移学习方法。Lightnet是结合深度可分离卷积、线性瓶颈结构和注意力模块构成的轻量级卷积神经网络模块,引入附加角度裕量的损失函数AM-Softmax监督训练后,网络模型能够保持较高的验证精度,并有效解决标准卷积神经网络参数冗余、计算量大的问题。迁移学习通过冻结预训练模型的卷积层权重,并在自制的人证数据集微调,提高了网络模型的人证场景的识别性能。实验结果表明,所设计的轻量级人证比对算法在验证精度、参数量以及运行效率等方面取得了很好的效果,且对生活场景有较好的鲁棒性。     

直升机旋翼结冰后的飞行品质

研究了旋翼结冰后直升机飞行品质分析模型的建立方法,该方法通过引入结冰参数,计算结冰后桨叶翼型升阻力系教增量,建立旋翼结冰模型.并以系数增量形式计入结冰对旋翼力、力矩和旋翼挥舞模型的影响,建立结冰后飞行动力学模型.基于线性小扰动理论,进一步建立结冰后直升机飞行品质分析模型.根据军用旋翼飞行器驾驶品质要求(ADS-33E-PRF),研究了旋翼结冰对直升机开环状态下飞行品质的影响.按照品质规范要求,主要分析了结冰时间、环境温度、液态水含量和平均水滴直径的变化对直升机姿态敏捷性、轴间耦合特性、垂直轴操纵功效和横向突风扰动的影响.计算结果的对比分析显示,直升机旋翼结冰后的飞行品质模型合理,可以用来进行工程应用上的定性分析.     

基于复数深度神经网络的逆合成孔径雷达成像方法

压缩感知（Compressive sensing, CS）理论框架下逆合成孔径雷达（Inverse syntheitic operture radar, ISAR）成像的结果具有超分辨、无旁瓣干扰等特点,但CS ISAR成像方法性能仍然受到稀疏表示不准确和图像重建方法效率低等限制。基于深度神经网络（Deep neural network, DNN）的欠采样或不完整信号重建方法取得了瞩目的表现。DNN能够自主学习最优网络参数并挖掘出输入数据的抽象高层特征表示,但目前已有的DNN都为实数域的模型,无法直接用于复数形式数据处理。为了利用DNN的优势提高ISAR欠采样数据成像的质量,本文通过级联不同类型的复数网络层的方式,构建具有多级分解能力的复数深度神经网络（Complex value DND, CV-DNN）,利用CV-DNN实现ISAR成像。实验结果表明,基于CV-DNN的ISAR成像方法在成像质量和计算效率方面都优于传统压缩感知成像方法。     

大型季节性可移动式结冰风洞及其试验方法研究

利用冬季自然低温进行结冰试验是飞机大尺寸部件和整机结冰试验的有效方法.文章总结了法国、加拿大、美国、俄罗斯等国家季节性结冰风洞的主要参数,分析了季节性结冰风洞在大尺寸机翼、螺旋桨和飞机等方面的试验能力.基于中国航空工业空气动力研究院季节性可移动式结冰风洞开展了螺旋桨结冰和机上地面结冰试验方法研究,分析了螺旋桨结冰和冰脱...     

施放深度对气泡水体携带能力影响的实验研究

水中上升气泡对周围水体的携带能力受多方面因素的影响,由于测量手段缺乏等原因,其影响规律研究一直是两相流领域的难点.引入气泡上升携带水量的概念表征其水体携带能力的大小,进而利用专门设计的实验装置,采用双液分离测量法,调整喷嘴至27.5~52.5cm之间的不同施放深度,进行气泡上升携带水量的测量实验.结果表明:在注气量(20ml)和注气速度(3ml/s)等一定的条件下,随着气体施放深度的增加,气泡水体携带能力呈现缓慢增强并逐渐稳定的总趋势,但其间(施放深度约35.0~45.0cm)该能力会略有下降,并有极小值出现;且在绝大多数情况下,小口径喷嘴生成气泡的水体携带能力稍强.上述结论可为化工等领域工程应用中设计合理气体施放深度、确定最佳喷嘴口径等问题提供参考依据.     

POD-BPNN预测模型及结冰条件不确定性量化

当前,数值模拟作为研究飞机结冰的主要手段之一,在计算结冰冰形时会引入大量参数不确定性,并影响数值模拟的精度和可信度。发展不确定性量化方法,科学量化这种不确定性对评估数值模拟结果具有重要意义。针对传统参数不确定性量化方法难以解决高维输入到输出的问题,基于本征正交分解和误差反向传播神经网络,提出了一种结冰冰形预测代理模型。以水滴中值粒径和温度为例,验证了代理模型单输入参数和双输入参数情况下的精度和泛化能力。最后,在代理模型计算的冰形基础上,结合蒙特卡洛采样,利用2σ准则确定结冰范围,发现水滴中值粒径不确定性主要影响明冰的冰角生长,而温度和水滴中值粒径不确定性的叠加主要作用于霜冰厚度。该研究为后续多结冰条件的影响分析和多维输入到输出的不确定性量化提供了思路。