基于改进向量场直方图算法的无人机动态避障策略

目前传统向量场直方图(VFH)算法存在易陷入局部陷阱的缺陷，本文提出了基于陷阱检测机制与动态阈值更新策略的改进VFH算法，更加符合局部未知环境下无人机路径规划的要求，并针对复杂未知场景中无人机避障问题，提出了基于A^*算法和改进VFH算法的避障算法。首先，无人机根据全局已知障碍物信息，基于A^*算法构建目标航路点；其次，在目标航路点不可达的情况下，无人机根据运动状态与激光雷达探测到的地形信息，基于改进向量场直方图算法进行局部规划。在局部规划中，针对传统VFH算法存在的缺陷进行了改进：针对传统VFH算法的无记忆性导致在一些特殊场景中易陷入局部陷阱，本文提出陷阱检测机制的VFH算法，动态选择历史信息增强向量场直方图算法的记忆性，无人机可自主检测陷阱并及时跳出；针对向量场直方图算法的阈值敏感性问题，设计了动态阈值更新策略，使得无人机能够在复杂或稀疏的障碍物环境中，动态平衡避障安全性和抵达目标的时效性。最后，通过对比仿真验证了算法的有效性，为传统VFH算法易陷入局部陷阱的缺陷提供了一种解决方法。     

基于像素点对误差累加的最佳阈值选取与一种边界检测新算法

本文研究存在背景噪声和干扰的情况下图像的有效分割及边界检测的问题。提出了新的图像分割准则函数和梯度二值化算法。算法兼顾了分割效果和处理的实时性，通过编程在实际图像中的应用，证明了算法的有效性和优越性。     

C/GFRP层板冲击损伤红外脉冲雷达热波成像检测技术研究

本文采用落锤式冲击试验机对碳纤维/玻璃纤维混杂增强复合材料（C/GFRP）样块开展不同冲击能量下的撞击试验，进而制备了含有模拟低速冲击损伤检测试件，研制了红外脉冲雷达热波成像检测系统，并利用该系统对不同冲击能量损伤试件开展检测试验研究。采用多种特征提取算法（双路正交解调算法、互相关匹配滤波算法及主成分分析算法）对热辐射响应信号（热波信号）进行数据分析与特征提取，实现了C/GFRP试件冲击损伤脱粘区域的有效识别，得到了不同冲击能量与脉冲雷达热波特征的映射关系。针对C/GFRP平顶孔模拟脱黏缺陷开展红外脉冲雷达热波成像检测试验研究，验证了红外脉冲雷达热波成像检测技术的探测能力。试验结果表明，红外脉冲雷达热波成像检测技术可以实现对C/GFRP低速冲击损伤的有效检测。     

基于Hough变换的直线检测

给出Hough变换的基本原理。针对图像空间的直线检测问题，提出基于Hough变换的检测算法。利用该算法进行计算机仿真，分析清零阈值和清零邻域的范围对检测结果的影响，并给出算法改进方向。     

面向自主空中加油任务的目标检测技术研究

针对软式空中加油任务自主对接过程中的视觉需求，本文进行了基于深度学习的自主空中加油锥套目标检测技术研究。首先，构造了一组包含不同目标尺度、背景并经数据增广后的软式自主空中加油锥套图像数据集。其次，结合当前主流的智能检测算法，对比分析了不同单双阶段检测算法在加油锥套数据集中的检测效果。在Faster RCNN网络添加了自适应置信度筛选模块，降低了其错检概率。为满足工程化应用需求，对YOLOv5网络进行轻量化改造，在几乎不降低检测精度的情况下提高了YOLOv5的检测速度，并大大降低了模型复杂度与运算资源消耗。该研究验证工作为后续展开锥套跟踪及位姿解算等研究提供了良好基础，可以为相关算法在自主空中加油任务中的进一步工程化应用提供重要的先验信息和技术参考。     

基于梯度差自适应学习率优化的改进YOLOX目标检测算法

目标检测一直都是计算机视觉领域最具挑战的问题之一，其广泛应用于人脸识别、自动驾驶和交通检测等任务中。为更进一步提升当前主流目标检测算法的性能表现，提出了基于YOLOX的目标检测改进算法，并在标准的PASCAL VOC 07+12和RSOD数据集上进行实验验证。针对YOLOX目标检测算法主要通过数据增强、改进网络结构和损失函数3方面做出改进，同时提出基于梯度差的自适应学习率优化算法用于训练改进后的YOLOX算法，该优化算法同样适用于其他神经网络优化。在PASCAL VOC 07+12标准数据集上进行实验，与原YOLOX-S进行比较，改进后的YOLOX-S算法的AP由61.63%提升到66.35%，提升效果明显。同时在RSOD标准数据集上进行实验，并与其他主流的YOLO系列算法进行了比较，改进后的YOLOX-S算法在RSOD数据集的AP由69.4%提升到73.2%，提升效果显著。实验表明：针对YOLOX的目标检测做出改进是有效的。     

液体火箭发动机健康监控──故障检测与诊断

以大型液体火箭发动机故障诊断系统框架为基础，按照发动机不同工作阶段的特点建立了相应的故障检测与诊断算法。利用发动机的高队数学模型，对基于推广的卡尔曼滤波器技术的新息检测算法进行了研究。根据发动机系统工作过程的特点，建立了降阶故障模式响应模型，并发展了相应的故障模式检验方法。为了适应在线实时检测的需要，利用发动机的试验数据，分别研究了基于人工神经元网络辨识模型的发动机启动过程检测算法和基于时间序列分析方法的发动机主机工作过程检测算法。通过试验数据的检测验证，证明了这些实时算法的快速性、准确性和鲁律性。     

基于PSO算法的半球谐振陀螺惯导系统陀螺温度补偿方法

针对半球谐振陀螺受温度影响出现零位漂移的问题，以测温电路温度为基准，建立温度频率函数实时解算温度，提出一种基于粒子群优化(PSO)算法的半球谐振陀螺惯导系统陀螺温度补偿方法。在求解温度时，需要先将温度频率函数转换为一元三次方程，存在测试计算量大的问题。引入逆向拟合思想，建立频率温度函数，提高陀螺输出温度实时性和降低测试计算量，替代了传统陀螺测温硬件电路，为惯导系统轻小型设计提供新思路。考虑温度变化、温度变化率以及两者的交叉项，建立温度补偿模型，引入PSO算法求解模型系数。温度试验结果表明，在温箱温度为-40~50 ℃内，补偿后的半球谐振陀螺的零偏稳定性较补偿前提升了46％。     

基于adaboost算法的车牌检测

车牌识别技术（LPR）是智能交通（ITS）领域的重要研究课题之一。车牌的自动识别分为车牌检测、字符分割、字符识别三个主要部分。车牌检测是LPR中的关键技术。车牌图像由于受到噪声、车牌倾斜、光照不均、运动模糊等的影响，检测存在着很大的困难。因此，在总结前人检测算法的优点和缺点的基础上，提出了基于adaboost算法的检测算法，其优点是检测率高，检测时间少，适应性特别强。     

液体火箭发动机启动过程实时在线故障检测算法

利用神经网络技术实现了液体火箭发动机启动过程的非线性辩识；提出并实现了一种基于辩识误差检验的故障检测策略。经大量实际发动机热试车数据验证表明，所提出的检测算法十分有效。由于算法所利用的监测参数均系实际发动机地面试车中所测量的参数，且检测算法在线工作时计算量十分小，因而所提出并实现的检测算法可以直接应用于工程实际。     

液体火箭发动机地面试验状态监控系统研究

基于火箭发动机的地面试验，研制了一种状态监控系统，给出了系统的基本结构、自适应相关安全限（ACSB）故障检测算法、软硬件系统的实现方案等，并通过大量试验子样对检测算法和关机逻辑进行了验证。结果表明，ACSB检测算法明显优于红线关机。     

采样时间序列的故障数据检测与滑动容错滤波

在导出采样时间序列数据滑动LS滤波的基础上，本文建立了了组简洁的故障数据检测与修复算法，地故障数据修复与滤波估计相结合，构造了对突发性故障数据有良好容错能力的滑动容错滤波算法。仿计算证实，该方法有效、可靠。     

基于RS-485的飞机液冷附件维修检测台监控系统

飞机液冷附件维修检测台可模拟飞机液冷回路运行状态，同时监控流量、压力及温度，集实验、检测、维修为一体。本文介绍了一款基于RS-485通信网络搭建的飞机液冷附件维修检测台监控系统的主要构成及运行状况。     

基于点特征的干涉合成孔径雷达(InSAR)复图像自动配准算法

 在基于点特征的遥感图像配准过程中，特征点的自动提取和准确匹配是影响配准精度的关键。本文提出了一种干涉合成孔径雷达(InSAR)复图像对的自动配准算法，利用特征点的高曲率结构设计了模板，完成了特征点检测；根据匹配点对之间距离相近的结论设计了匹配算法，进行了特征点对的匹配。文章首先通过边缘检测和模板相关提取特征点；其次根据提出的匹配算法建立点的对应关系；最后利用两步法完成复图像的亚像元级配准。实验结果表明，该算法具有较高的配准精度。     

基于关键点检测的红外弱小目标检测

红外弱小目标检测旨在从复杂的背景中检测出红外弱小目标，该技术在监视预警系统、精确制导等方面具有重要应用价值。针对已有的传统算法存在漏检、误检，深度学习中基于语义分割的检测方法易受“过分割”与“欠分割”影响等问题，提出了一种基于关键点检测的红外弱小目标检测算法（KeypointNet）。主要创新点为：直接优化目标中心点坐标，提高了检测效率，有效地保证了目标的检测率与虚警率；设计了一种从低层级到高层级的特征融合模块，获取了目标的多尺度信息，提升了检测效果。在相关数据集上的实验表明：KeypointNet算法的检测率能够达到97.58%，同时虚警率在2%以下，与其他算法相比取得了最好的效果。     

差压式流量计湿气体干部份示值修正公式的推导与应用

在许多仪表教学用书及技术资料中都比较详细地介绍了差压式气体流量计示值的压力、温度修正理论与公式。其实，在大规模的工业生产中检测常压、常温下的气体流量，特别是检测含湿比较多的煤气流量时，其检测误差受湿度变化的影响要远大于受压力、温度变化的影响。本文对流量示值湿度修正公式式推导与应用提出探讨。     

光学动目标的检测算法

本文阐述了一种用于空间非稳态泊松背景和噪声条件下光学运动目标的检测算法。该算法可用于恒星背景下对流星,小行星和卫星目标的光学探测,用最大似然法降低恒星干扰。可以看到:通过选择检测门限来保证恒虚警率,所得到的这种算法与目标的信号强度无关。本文对这种算法进行了分析,给出了在几种虚警率条件下的检测概率。     

非线性飞机参数化模型与控制有效率的实时检测

针对非线性飞机方程的控制有效率进行了故障检测与诊断，通过将吹风表格数据处理成一种参数化非线性函数，找出了飞机状态量与控制律分离的控制有效率表达式和检测方法，算法中将检测结果与对应故障模式进行了分类处理，提高了算法的鲁棒性，最后用飞机的实例进行了仿真验证，结果表明，该算法具有较高的检测精度和较快的检测速度。     

面向空中小目标检测任务的YOLOv7改进模型

针对空中小目标检测任务,本文进行了基于改进的YOLOv7模型的空中小目标检测算法的研究,解决了当前空中小目标检测算法推理速度慢和检测精度不足的问题。首先,建立了涵盖多种目标尺度、姿态和天气条件的飞机目标基准数据集;其次,在YOLOv7基准模型的基础上,提出了一种基于广义特征金字塔网络和Wasserstein度量的目标检测方法;最后,在公开数据集与自建数据集上对该方法与其他主流算法进行了对比试验,结果表明,相较于原始YOLOv7模型,改进模型在自建数据集上对小目标检测的平均精确率提高了7.3%,并且推理速度高于大部分主流检测算法。本文研究为空中小目标检测任务提供了一种快速且高精度的检测算法,对于相关算法在航空航天领域的进一步工程应用具有重要的推动作用。     

基于注意力机制和特征匹配的空对地多目标检测与跟踪算法

多目标跟踪算法是实现无人机自主导航的关键技术，为解决现有方法存在的小目标检测能力弱、计算能耗大、鲁棒性差等问题，提出一种基于注意力机制和特征匹配的多目标空对地跟踪算法，以实现航拍视角下对目标的精准高效跟踪。首先，引入通道可分离卷积，实现目标检测模型的轻量化；其次，构造融合空间注意力机制的小目标检测分支，提高对小微目标的检测精度，最后，优化目标跟踪算法的外观重识别网络，提高多目标跟踪效率。使用Visdrone2019-MOT数据集对所提算法进行验证，实验结果表明，所提算法的MOTA值提高了0.６%，FPS值为21.31帧/s，在模型大小和跟踪精度上实现了较好的平衡。