图像处理技术在航空发动机孔探检测结果判定中的应用初探

孔探检测是航空发动机检修与维护中一种性能优良的新型检测技术,能为飞机运行的安全提供后期保障。为了进一步提高对检测结果判定的准确性,利用基于Matlab软件的图像处理技术对孔探图像进行处理,在对发动机导向叶片烧蚀孔探图像的应用中发现,孔探图像经灰度化、中值滤波和增强对比度处理,尤其是局部增强对比度处理后,烧蚀区域与未烧蚀区域的界限变得更为清晰。     

基于剪枝和去噪的航空发动机故障图像识别与预测

航空发动机叶片作为航空器重要的零件,其健康状况直接关系到航班的运行安全。叶片由于工作环境恶劣很容易产生裂纹、掉块、烧灼等损伤,目前基于孔探技术的叶片损伤检测以人工为主,检测结果在很大程度上受到人为因素的影响。因此,实现叶片损伤的自动识别及测量对于减轻劳动强度和提高检测精度都有实际的应用价值。首先选择PRIDnet图像去噪算法对原始孔探图像进行预处理,按照训练精度和训练速度两个指标对传统目标检测模型进行通道剪枝和微调。数据集采用国内某航空公司获取到CFM56型发动机在实际运营后机务人员所拍摄的孔探图像,实验结果表明,相比于原始目标检测YOLOv5算法和未经图像预处理的目标检测模型,本方法对航空发动机孔探图像内损伤的检测精度提高4%～10%,在检测效率上提高6%～20%。     

孔探技术及其在航空发动机维修中的应用

内窥探伤技术(孔探技术)是无损检测技术的重要手段,已普遍应用于航空发动机的维修。本文叙述了孔探伤技术的基本原理及其发展历程,以及孔探技术在航空发动机维护中的应用;介绍了新型孔探技术及其应用以及孔探技术未来的发展趋势。     

数字图像处理在发动机孔探技术中的应用

孔探技术在航空发动机故障检测中有着重要的作用,而作为孔探技术的前续部分数字图像处理是基础.简单介绍了孔探技术的基本原理,并集中阐述了数字图像处理在孔探技术中的应用,叙述了有关立体视觉的立体匹配原理.     

航空发动机内部损伤的三维测量与重建

针对航空发动机内部重要部件结构损伤 ,如燃烧室烧伤和腐蚀、叶片裂纹、碰磨及凹坑等的孔探检测问题 ,开发了发动机内部损伤的三维测量与重建系统。该系统利用日本OLYMPUS孔探仪作为系统硬件 ,实现了图像采集、摄像机标定、图像预处理、立体匹配、三维计算及重建等功能模块 ,该系统能够为详细观察和评价发动机内部损伤提供了更为准确和直观的依据。应用实例验证了方法的有效性     

航空发动机孔探中立体视觉技术研究

介绍了基于立体视觉的发动机孔探技术，建立了平行光轴双目机器视觉模型并采用MATLAB语言实现了摄像机标定，通过图像分析提取出发动机损伤的有效区域，并且运用双目匹配的方法计算出区域的面积及特征点的空间坐标，实现了航空发动机缺陷的定量测量。     

航空发动机孔探辅助工具设计与应用

某型航空发动机涡轮叶片在台架试车过程中出现断裂故障,为排除故障,需检查涡轮转子叶片活动量。本研究通过对发动机孔探位置及路径的分析,设计研制了孔探辅助装置,并在发动机周期性维护中验证有效。应用该孔探辅助工具,高涡转子叶片的故障点可得到有效验证。     

孔探与现代航空发动机维护

孔探作为一项新兴的可视探测技术,正在现代航空发动机维护中普遍使用,且正以惊人的速度发展。本文着重阐述了孔探技术在发动机视情维护中的具体应用以及注意事项。     

基于规则的航空发动机孔探图像诊断方法研究

针对军用航空发动机内部损伤频率高、诊断决策时间长的问题,运用基于规则的推理方法,结合案例推理,进行了航空发动机内部损伤维修决策的专家诊断研究,开发了基于孔探图像的航空发动机内部损伤维修决策专家系统。依据领域专家的经验,通过分析得到了对该型发动机的专家知识,并将其转换为if-then的知识规则存放于知识库中;利用图像处理方法,对损伤进行测量,得到损伤的尺寸参数;根据损伤尺寸,依据相应的知识规则,应用正向推理得到损伤的维修决策。运用多个航空发动机内部损伤实例验证了所开发的专家系统的有效性。     

发动机孔探数据在健康管理与安全运行预测中的应用

基于完善目前航空发动机健康管理体系的目的．探讨了如何利用发动机孔探数据进行发动机健康管理和安全运行预测,同时提出了开展该领域研究与实践的一些建议。     

航空发动机虚拟自学习控制方法研究

随着人工智能技术的发展，智能航空发动机逐渐成为当今航空领域研究的热点。传统的航空发动机控制对发动机模型的依赖性过强，而基于发动机气热动力学公式的机理建模会引入较大的建模误差，给控制器设计带来困难。对此，提出一种基于强化学习的航空发动机控制虚拟自学习方法，首先利用航空发动机的试验数据通过LSTM 神经网络建立虚拟学习环境，然后采用深度强化学习TD3 算法，在虚拟环境中训练智能控制器，最后采用JT9D 发动机模型验证智能控制器的性能。结果表明：相比于传统PID 控制，智能控制器产生的超调量更小，调节时间更短。     

无人机航拍野生动物智能检测与统计方法综述

近年来无人机航拍技术逐步应用于野生动物保护,在很大程度上提高了考察效率。由于航拍图像与地面拍摄图像的特征差异较大,加之野生动物生存环境背景复杂,目前没有通用的方法可直接应用于野生动物航拍图像的检测与统计。本文回顾了智能检测和统计技术近年来的发展,针对无人机航拍野生动物图像的大场景、小目标、多尺度、复杂背景等特点,介绍了无人机航拍动物群数据集的选取与建立方法,以及基于深度学习的检测与统计方法,并进行了深层次地分析,归纳了各类方法的优势和可应用场景,总结了各方法的特点和适用范围,同时针对存在的问题给出了改进方向。     

液体火箭发动机智能健康监控技术研究进展

健康监控技术作为改进和提高液体火箭发动机安全性与可靠性的核心关键技术,近年来其智能化发展的趋势十分明显。本文简要回顾了液体火箭发动机健康监控技术的发展历程;重点围绕基于传统人工智能的方法和基于深度学习的方法两个方面,对智能故障检测与诊断方法进行了系统地介绍;进一步阐述了健康监控系统在方案设计和实际应用等方面的研究现状,以及智能健康监控系统的发展情况;最后对今后健康监控技术的发展趋势进行了分析和展望。     

面向航空智能制造的DT与AI融合应用

针对航空装备复杂制造场景下制造过程管控维度多尺度大、制造资源组成复杂性高、质量问题跟踪定位难度大等问题，结合数字孪生（DT）与人工智能（AI）技术特点，开展了面向航空智能制造的DT与AI融合应用研究。基于数字孪生与人工智能应用现状，系统性地阐述了数字孪生与人工智能融合机理，分析了支撑数字孪生与人工智能融合驱动航空智能制造的关键技术和数字孪生与人工智能融合驱动的AI控制中心构建涉及的关键问题，在此基础上重点讨论了加工制造过程自适应控制、智能车间生产过程智能管控、制造过程资源调度与优化决策、产品智能质量控制等应用场景，为数字孪生与人工智能在航空智能制造融合应用提供参考。     

流体力学深度学习建模技术研究进展

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,结合课题组近期研究结果,探讨了流体力学深度学习建模技术及其最新进展。首先,对深度学习技术所涉及的基本理论做了介绍,阐释流场建模中常用深度学习方法背后的数学原理。其次,分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后,探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。     

An aero-engine life-cycle maintenance policy optimization algorithm: Reinforcement learning approach

An aero-engine maintenance policy plays a crucial role in reasonably reducing maintenance cost. An aero-engine is a type of complex equipment with long service-life. In engineering,a hybrid maintenance strategy is adopted to improve the aero-engine operational reliability. Thus,the long service-life and the hybrid maintenance strategy should be considered synchronously in aero-engine maintenance policy optimization. This paper proposes an aero-engine life-cycle maintenance policy optimization algorithm that synchronously considers the long service-life and the hybrid maintenance strategy. The reinforcement learning approach was adopted to illustrate the optimization framework, in which maintenance policy optimization was formulated as a Markov decision process. In the reinforcement learning framework, the Gauss–Seidel value iteration algorithm was adopted to optimize the maintenance policy. Compared with traditional aero-engine maintenance policy optimization methods, the long service-life and the hybrid maintenance strategy could be addressed synchronously by the proposed algorithm. Two numerical experiments and algorithm analyses were performed to illustrate the optimization algorithm in detail.     

面向军事应用的航空人工智能技术架构研究

通过全面梳理国内外面向军事应用的航空装备智能化发展现状,紧密围绕未来智能化空中作战的任务场景,给出航空军用人工智能技术的概念和内涵,并依据智能系统信息运行模型,提出不同运行层级的航空装备智能升级的途径和方法。在此基础上,形成包含基础使能、关键技术群、智能系统、运行层级的航空人工智能技术架构,对关键技术群按面向运行层级、面向功能需求、面向基础使能进行分析,得到重点技术发展方向,并给出提升我国航空装备智能化水平的具体措施建议,为制定相关航空人工智能技术规划提供参考。     

国外先进无损检测技术的发展及应用

介绍了国外先进的无损检测技术的发展和应用现状,概述了定量无损检测技术（ＱＮＤＥ）在生产阶段、使用阶段和使用寿命评估中的作用。并介绍了应用ＮＤＥ技术的材料的智能处理技术和人工智能技术。     

基于机器视觉技术的飞机绕机外观检查方法研究

大型民用飞机试飞和航线运营期间,对其外观表面进行绕机外观检查是适航性安全检查的必要工作.目前飞机的绕机检查主要采用人工绕机方式,该方式,且成本高、效率低,易出现漏检、误检等人为因素,因此智能外观表面检查方法的研究是一项迫切的任务.相比于其他工业检测任务,飞机外观检查智能识别目前无公开数据集,且飞机真实外观损伤类型多样....     

Drogue detection for autonomous aerial refueling based on convolutional neural networks

Drogue detection is a fundamental issue during the close docking phase of autonomous aerial refueling(AAR). To cope with this issue, a novel and effective method based on deep learning with convolutional neural networks(CNNs) is proposed. In order to ensure its robustness and wide application, a deep learning dataset of images was prepared by utilizing real data of ‘‘Probe and Drogue" aerial refueling, which contains diverse drogues in various environmental conditions without artificial features placed on the drogues. By employing deep learning ideas and graphics processing units(GPUs), a model for drogue detection using a Caffe deep learning framework with CNNs was designed to ensure the method's accuracy and real-time performance. Experiments were conducted to demonstrate the effectiveness of the proposed method, and results based on real AAR data compare its performance to other methods, validating the accuracy, speed, and robustness of its drogue detection ability.