基于PR- ERNIE模型的航空安全风险量化分析

有效地利用实体识别技术识别出航空不安全信息中的风险要素,提升安全风险识别和评价能力,对于实现航空安全风险量化分析具有重要意义。为精准识别非结构化航空不安全信息中的风险要素,提出了一种融合先验规则和知识增强语义表示模型的实体识别模型,以大量航空不安全事件案例文本报告为分析对象,在自建标注语料上训练ERNIE模型,获取动态词向量,同时引入能够表达风险要素结构的规则进行优化。实验结果表明,模型在测试集上的精确率、召回率和F1值分别达到了92.5%、92.4%和92.4%,优于实验对比的其他模型。模型能够有效识别航空不安全信息中隐含的风险要素,为航空安全风险量化分析提供数据支持。     

基于Faster-RCNN 的机场跑道异物识别定位技术研究

针对机场跑道异物(FOD) 识别检测，分析了机场跑道环境特性，建立了针对机场FOD图像识别数据库， 提出了一种基于Faster-RCNN 的机场跑道异物识别定位系统，通过无人机系统对机场跑道进行图像采集，运用 Faster-RCNN 算法框架完成异物种类识别，并结合无人机地理位置信息进行位置换算求解，得到机场FOD 的 类别信息和位置信息。经验证，该系统可高效完成机场FOD 检测识别及定位任务。     

首都机场综合电报处理系统的改造

一、前言 综合电报处理系统是将来自转报机的各类空中交通管制部门所使用的电报进行识别和处理，通过统一格式和使用识别的方式，达到管制部门可进行人机界面直接处理的要求，并与飞行计划、飞行动态电报及相关的航班信息连接，为空中交通管制服务提供电报处理信息、场内航班信息，加工、发布与飞行计划相关信息的综合电报处理系统。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器,将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法,利用这种神经网络来确定指标的权值。仿真试验结果表明,基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法,具有很好的目标识别效果。     

面向目标分类识别的多任务学习算法综述

多任务学习(MTL)可以在训练中联合利用多个任务的监督信号，并通过共享多个相关任务之间的有用信息来提升模型性能。本文从目标分类识别应用角度，全面梳理和分析了多任务学习的机制及其主流方法。首先，对多任务学习的定义、原理和方法进行阐述。其次，以应用较为广泛、具有代表性且具有共性特点的细粒度分类和目标重识别为例，重点介绍多任务学习机制在目标分类和识别任务应用的2类方法：基于任务层的多任务学习和基于特征层的多任务学习，并针对每种类型进一步分类分析不同的多任务学习算法的设计思想和优缺点。接着，对本文综述的各种多任务学习算法在通用数据集上开展性能对比。最后，对面向目标分类和识别任务的多任务学习方法的未来趋势进行展望。     

基于迁移学习的小样本目标识别研究进展与展望

在空、天、海等复杂环境下的目标识别任务中，高质量的样本数据往往较少。特别是在干扰对抗环境下，某些特定领域的目标信息获取困难，可靠的标注数据较少。小样本问题对深度学习技术在目标识别任务中的应用提出了新的挑战。迁移学习为小样本不确定环境下的目标识别问题提供了新的研究思路。本文针对小样本目标问题，以机载雷达等空天传感器信息对海面目标识别为例，介绍了迁移学习的主要思路和方法，对迁移学习在海面目标识别问题中的应用现状进展进行了总结；分析和归纳了迁移学习在海面目标识别应用中的主要挑战。最后对可解释性及鲁棒性的海洋目标识别技术需求及未来发展方向进行了展望。     

一种利用极化信息的HRRP-ATR方法

在研究了单极化条件下高分辨率距离像的目标识别后，给出一种利用目标全极化信息的投票识别方法。实验结果表明，该方法具有较高的识别率。     

基于云模型和改进D-S证据理论的目标识别决策方法

在目标识别决策系统中,多探测器多源信息融合的模糊性和不确定性以及各探测周期所得信息的冲突互斥会造成目标识别决策不精准。为解决这一问题,提出基于云模型和改进D-S （Dempster-Shafer）证据理论的目标识别决策方法。首先,将目标识别准确性这一语言评价值划分为不同评价区间等级,以不同评价等级标准云为参照将各探测器各探测周期所得信息转化为云决策矩阵,得出各周期各等级隶属度,进而构建出基本概率分配函数（mass函数）;其次,基于证据理论引入冲突度、差异度、离散度3类衡量冲突大小的参数,定义了一种新的证据冲突参数,同时改进证据冲突融合算法,对各探测器各周期证据体进行修正并融合;再次,结合各探测器权重加权得出各目标综合识别决策的mass函数对目标进行决策;最后,结合算例,验证该方法的适用性,并与其他方法相对比验证了本文方法的优越性。     

基于星载可见光相机的空间碎片探测

空间碎片在轨识别与参数辨识为空间轨道预警、航天器规避空间碎片提供了重要依据。文章在轨道相对动力学的基础上,模拟了空间碎片在光学探测过程中的拖尾成像特性;随后,采用 Hough变换对空间碎片尾迹特征.r进行提取与识别,获取碎片方位角信息,通过匹配多帧图像,获取碎片的方位角速度信息。同时,结合激光测距仪的测距信息,获取空间碎片的位置和速度信息;通过数值仿真验证,该方法能够实现对空间碎片探测、识别和定位,因而具有一定的工程应用价值。     

基于D-S证据理论的磨粒识别

基于D-S证据理论的信息融合方法应用于磨损颗粒的自动识别,编制了相应的计算机识别程序。在对磨粒图象的形态特征参数进行筛选和统计分析的基础上,确定了各参数的统计容许限和决策基元概率。通过对一组标准磨粒的模拟识别试验,显示该方法具有算法简单、运行可靠、识别正确率高以及识别速度快的优点。      

军机总装装配大纲质量风险等级评价模型研究

针对军机总装阶段质量风险识别与产品制造过程脱节、风险管控重点不明确等问题，结合总装以装配大纲为基础制造单元的特点，通过对过程失效模式及影响分析（PFMEA）评价体系的局限性进行优化，提出一种装配大纲质量风险等级评价模型，定义了风险等级系数RLC的计算方法，并给出风险评价要素的评价方法。应用结果表明，通过该模型识别的装配大纲质量风险等级与实际情况相一致，基于模型风险等级评价结果的质量管控使平均单机不合格数下降73.12%。所提模型的装配大纲质量风险等级评价是正确并有效的，可为实际应用提供指导。     

基于机器视觉的搅拌摩擦焊缝装配质量评测方法

搅拌摩擦焊常采用无坡口焊缝,焊缝装配质量对搅拌摩擦焊装配质量影响较大,通过焊缝的特征,可以对搅拌摩擦焊缝的装配质量进行评判。线结构光是提取焊缝特征的常用手段,基于结构光传感器扫描获得的焊缝轮廓信息多通过离散的点进行表示,如何高效地从轮廓点中提取焊缝轮廓信息,是焊缝特征识别的新挑战。本文提出一种基于机器视觉的焊缝装配质量评测方法,将离散的轮廓点转换为位图,通过抗锯齿算法提高轮廓直线特征的识别可靠性,并计算对应焊缝的装配质量信息,进而实现对整条焊缝的装配质量的量化评价。与传统的离散点拟合方法相比,本方法具有较为明显的效率优势。     

基于最大序列相关性的Turbo码交织器识别

针对现有算法在Turbo码交织器识别中存在低信噪比适应性差，且识别性能随交织长度增加而急剧恶化的缺点，提出了基于最大校正序列相关的识别算法。该算法首先利用已识别的交织位置序列对每一帧交织位置上的信息序列进行估计，通过遍历可能的交织位置，并作互相关运算，当遍历位置为交织映射关系时，该位置上的数据序列与估计序列具有最大的相似度，从而完成交织位置识别；然后充分利用这些交织位置上的序列，分别估计出校正数据序列，将校正的序列再与原始序列叠加，完成码元校正，直到所有的交织关系识别完成。所提算法直接利用了截获的软判决信息，同时能够实现码元校正，这就克服了以往算法的两个缺点。仿真结果表明，在信噪比为-1 dB，交织长度为1024时，所提出算法仅仅需要1000数据帧，就能达到100%的识别率，与以往算法相比，性能提升2~3 dB，同时完成一次可靠识别所需的数据量仅需以往算法的1/4。     

论飞行试验研究院的顾客

叙述了飞行试验研究院顾客的识别、与顾客的关系和顾客信息的管理等内容，目的是为了关注顾客、关注试飞市场，不断为顾客提供技术服务，增强市场竞争能力，为飞行试验研究院提供发展的动力。     

在线实时工件测长系统开发

在线实时工件测长系统是将数字图像处理技术与在线图像检测技术应用于工业生产现场的一个典型实例，系统中采用光学摄像机采集工件图像信息，应用图像增强、边缘检测、图像识别等数字图像处理技术对所采集到的图像信息进行处理识别，实现了在远距离条件下以非接触方式对生产线上的工件进行实时长度测量，并实现了对测量结果的显示、记录及传送。大量实验表明，在线实时工件测长系统能够准确地进行在线工件全天候测长，保证了检测的客观性和真实性。此外，系统还具有耐高温耐污染的特点，适合于工业现场的环境。     

一种智能的惯导陀螺漂移误差消除算法

给出了一套智能的消除惯导陀螺漂移误差算法,即改进的BP(Back Propagation)神经网络模态识别算法。可根据即时的飞行区域、气压计和雷达高度表测量的地形高程数据等,在机载数字地图上实时地进行在线模态识别,找出最合适的匹配区,并对惯性导航系统指示的位置信息进行修正。该算法具有识别精度高、识别速度快和识别准确率高等特点,可用于各类有人驾驶飞行器和无人自主控制的飞行器的惯导误差修正。     

航空机场标线识别系统识别算法研究

航空机场标线识别系统是为了识别出机场标线中有缺陷部分的信息,以便进行标线的重绘。以识别出缺陷部分信息为识别系统的目标,根据航空机场路径标线的特征,提出以统计每两行白色像素点数目作为特征值的识别算法,对经过预处理和分割后的的路径标线图像进行特征提取,并依据判别规则对其识别,从而找出缺陷部分在图像中的位置和大小信息。     

基于定性和定量关系的液体火箭发动机故障诊断

针对定性故障诊断系统的固有缺陷，利用模糊数学知识，在符号有向图上加入定量信息，形成定性定量模型，通过计算和比较被诊断模式对已知故障类型的模式的隶属度来确定系统的故障。该方法比较充分地利用了系统被监测参数的数值资源，对故障模式具有较强的识别和区分能力。     

三种用于加工特征识别的神经网络方法综述

加工特征自动识别技术是智能化设计与制造的关键支撑，已有的实用性算法普遍存在学习能力差、识别范围有限和识别速度慢等共性问题。神经网络方法在计算机视觉和模式识别领域获得了巨大成功，其自学习与自适应能力和高速计算等优势也已在加工特征识别中得到初步的展现。对加工特征识别中具有应用潜力的三种不同的神经网络方法进行了研究，剖析了神经网络识别加工特征中的预处理与编码和神经网络结构设计等关键性问题，分析了不同神经网络方法的异同点，总结了当前神经网络识别加工特征的发展方向，为相关领域的研究提供一定的理论指导与技术支持。     

基于帧间角距匹配的跟踪模式星图识别

为了提高星敏感器的跟踪匹配速率,提高星敏感器姿态更新率,本文提出了一种基于帧间角距匹配的跟踪模式星图识别方法.该方法充分利用上一时刻的角距匹配信息构建了一个实时跟踪星库,并把当前时刻的角距信息在实时跟踪星库中进行匹配识别,识别成功后利用识别时用到的信息对实时跟踪星库进行更新.仿真实验表明,该方法具有匹配时间短、匹配成功率高的优点.