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。     

CamShift在加油锥套识别跟踪中的应用

针对插头锥套式自主空中加油过程中加油锥套的识别跟踪问题,提出了一种基于Cam Shift的视觉识别跟踪算法。选取加油锥套跟踪视觉特征,将RGB空间图像转换到HSV色彩空间,并采用自适应阈值算法分割图像。运用最小二乘椭圆拟合算法解算锥套在图像中的中心点坐标;根据目标像素位置变换速度,对Mean Shift算法的目标搜索窗宽进行自适应修正;定义基于巴氏系数的阈值函数,处理锥套被遮挡的情况;将VC与Open CV相结合,设计了加油锥套视觉跟踪软件,对锥套位置进行实时解算和显示。试验结果表明,该算法可达到毫米级精度,满足自主空中加油视觉导航的技术要求。     

空中加油对接过程软管-锥套动态特性

建立了加油软管-锥套系统的动态数学模型,并利用该模型进行空中加油对接过程模拟.在加油机尾流场中,根据牛顿运动定律,推导定长度软管-锥套系统的运动学方程和动力学方程;建立了变长度的软管-锥套模型来控制对接过程软管-锥套的稳定性,对软管-锥套动态特性进行了分析.在Matlab/Simulink仿真平台下搭建模型,在不同的飞行条件下对模型进行数字仿真验证.仿真结果与国内外公开试飞数据相吻合,验证了模型的正确性.所建模型可用于有人机空中加油训练模拟和无人机自主空中加油仿真等.     

无人机软管式自主空中加油视觉导航技术

近年来,机器视觉技术的迅速发展给无人机自主空中加油提供了一种新思路,克服了传统GPS动态适应能力差的不足。基于双目视觉,提出了一种实用的无人机自主空中加油导航方案,并提出了一种利用深度学习进行检测跟踪配合几何约束进行位姿计算的技术。根据加油机和受油机距离的不同,将导航分为远端导航和近端导航。全程对加油锥套进行检测和跟踪,并在近端进行锥套位姿计算。实验结果表明,该算法满足加油的鲁棒性要求,稳定跟踪锁定目标距离范围大于40m。当与目标距离小于10m时,距离误差优于±10cm。说明本文提出的方法具有较强的应用前景。     

基于MBD-CFD的软管-锥套空中加油仿真框架

随着无人加油等新兴应用场景的出现，软管-锥套式空中加油技术近年来重新得到了航空工业界的重点关注。使用计算机数值模拟手段对空中加油系统进行流体-动力学仿真，已成为空中加油系统设计、研发和飞行测试评估中的必备手段。一方面，基于工程简化模型的软管-锥套仿真方法的数值模拟精度难以满足实际需求，另一方面，完全基于非定常计算流体力学（CFD）的耦合仿真方法计算量较大，在有限计算资源条件下难以满足快速设计迭代与多参数优化的计算效率需求。通过将多个求解层次的流固耦合分析工具有机结合，建立了基于多体动力学（MBD）和CFD的加油机软管-锥套装置的耦合仿真框架和方法。对典型加油机-软管-锥套组合体的全尺寸构型和缩比构型进行了数值模拟，通过多个算例验证了本方法的可信性。通过将非定常CFD方法与基于气动建模的尾迹流场动态插值方法结合，可将后者的计算精度提高至与非定常CFD方法相当，同时将计算量减小2个数量级以上，从而实现了计算精度和效率的兼顾。     

基于CFD的软式空中加油锥套气动特性研究

无人机空中加油缺少人为的观测与控制,若要进行自主控制下的空中加油,获取精准的气动数据则十分关键。基于CFD研究了国外某型锥套的气动特性,通过改变锥套支撑臂数量、空速以及稳定伞面积3个因素,构建了不同的三维子模型。利用数值计算分析了其对锥套气动参数的影响,并探究了影响规律。仿真结果表明,支撑臂数量和稳定伞面积均会影响阻力系数,而空速对阻力系数几乎没有影响。该方法可以用来预测影响因素发生变化时锥套阻力系数的变化趋势,为分析锥套气动特性提供了理论依据。     

空中无人加油自主对接导航制导与控制

空中自主加油技术能大大提高无人机的航程航时,在军用和民用上都有着十分重要的意义。受编队气动干扰、模型不确定性、头波效应、阵风干扰等因素影响,空中无人加油的对接段是所有阶段中精度要求最高和控制难度最大的一个阶段,其导航制导与控制技术是目前研究的难点和热点。本文针对无人-无人空中自主加油场景,深入研究了软管式空中加油自主对接段的鲁棒抗扰导航制导与控制技术并进行了飞行试验验证。首先,为实现受油机加速对接时高度控制不出现振荡,采用总和能量法设计纵向制导律以实现对接末段高度和速度的协调控制;其次,为提高风干扰下的对接控制精度,分别针对加油机和受油机在不同飞行阶段的轨迹跟踪特点采用L1非线性制导思想设计了横向制导律,并采用鲁棒伺服方法设计内环姿态控制律,将积分环节引入角速率控制回路提升系统型别以更好抑制外界扰动对系统的影响;然后,基于单阶段深度学习目标检测算法YOLOV4开发了锥套识别与定位算法,在强光、云雾等复杂条件下进行采样和训练以大大提升视觉系统的鲁棒性,并采用扩展卡尔曼滤波算法将图像定位信息与RTK定位信息进行融合用于相对导航;最后,设计了无人机空中加油自主对接模拟飞行试验方案,在最大程度...     

空中加油机加油软管锥套气动稳定性风洞试验技术

软式加油方式中加油软管锥套受气流影响会发生气动不稳定现象,严重影响空中加/受油的成功率和安全性,其中加油机的尾流场是影响软管锥套稳定性的主要因素。本文研究了空中加油机加油软管锥套的气动稳定性风洞试验方法,建立并分析了相似准则,给出了双目系统测量软管锥套位移的具体方法,利用自动舵机实现了加油软管自动收放,形成了完整的加油软管锥套气动稳定性风洞试验技术,并将其应用于某型加油机加油吊舱、中心线平台等部件的选型优化。结果表明,该试验技术能有效模拟处于加油机尾流场下的软管锥套收放过程和固定管长时的气动稳定性,试验获得的锥套下沉量和振动幅值明确了不同加油吊舱、中心线平台构型的优劣性,能够为加油机关键加油部件选型优化及飞行试验提供可靠的试验数据。     

基于特征重用和语义聚合的SAR图像舰船目标检测

针对单阶段算法SSD(Single Shot Detector)检测SAR图像舰船目标时特征利用率不高的问题,提出了基于特征重用和语义聚合的SAR图像舰船目标检测算法。该算法主要包括特征重用算法和语义聚合算法。在SSD检测算法的网络模型中,针对用于目标预测的前端网络进行了改进,通过提出的特征重用算法,将特征图按照通道分成2部分:一部分被卷积处理进行参数学习;另一部分经过池化之后,采用拼接的方式重新利用,可以在进行参数学习的同时,减小参数量和计算量。通过提出的语义聚合算法,将前端网络中位置信息丰富的底层特征和语义信息丰富的高层特征进行融合,提高了区分和定位舰船目标的能力。同时,还根据数据集SSDD中舰船目标尺寸和长宽比的分布情况,减小了锚框的尺寸,增大了锚框的长宽比,使产生的锚框更符合舰船目标特点。实验结果显示,检测准确率在数据集SSDD上从77.81%提升到81.43%,而增加的计算量不显著(平均处理时间从17 ms增加到23 ms)。     

基于CenterNet的航空遥感图像目标检测

为实现高精度的航空图像目标检测,将Anchor free的目标检测算法CenterNet应用到检测中,同时使用Resnet50主干网络,并引入CIoU损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD与DIOR数据集上进行测试,结果显示在保证网络轻量化的前提下检测精度有明显的提高,证明了算法在航空目标检测方面的可行性与准确性。     

基于神经网络的CT图像重建方法研究

旅客行李隐藏爆炸物CT检测是机场安检的重要部分,图像重建是CT检测技术的重要环节,但实际中往往得不到完全的投影数据。针对不完全投影数据或数据量较少情况的重建问题,提出将神经网络算法应用于图像重建,并利用完全投影条件下FBP算法的重建结果作为网络的目标输出进行权值学习,从而降低网络结构和训练的复杂性。对该算法进行计算机模拟仿真试验,试验结果表明,该算法能有效地完成不完全投影数据的图像重建,且重建图像质量较高。     

基于仿生视觉注意机制的无人机目标检测

提出了一种基于仿生视觉注意机制的无人机目标检测方法,该方法使用了亮度、方向和区域对比度特征,针对提取的多个显著性特征,利用Ada Boost分类器对其进行分析和融合,得到最终的显著图。对显著图进行图像分割,从中找出显著度最高的区域即目标区域。仿真结果表明,所提出的无人机目标检测方法可以比较准确地确定目标区域,自适应能力强。     

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。     

拟VGG16网络的航空传感器故障检测分类

参考计算机视觉等领域的研究与应用进展，提出了拟图智能化故障诊断概念；拟照VGG16图像分类网络，提出了一种航空传感器故障检测与分类方法。首先，基于仿真、实飞等手段建立了航空传感器故障飞行数据库；该数据库包含4型大型客机、通航飞机在5种飞行状态的飞行数据，并可有效模拟气动数据、惯性测量单元等传感器的故障。其次，提出将航空器气动数据、惯性测量单元等传感器的测量数据堆叠成灰度图像数据格式；该图像保留了传感器测量数据的时间、空间耦合特征，将传感器故障检测与分类转换成为图像上的异常区域检测与分类问题。再次，提出了一种数据增强方法，将堆叠形成的传感器测量数据图像的维度增强为VGG16图像分类网络输入维度，并基于预训练的VGG16图像分类网络，采用微调优化网络模型，最终得到了拟图智能化航空传感器故障检测与分类深度神经网络。在多个航空器数据集上的实验结果表明，网络的平均测试准确度可以达到97.6%。最后，参考计算机视觉领域的深度神经网络可解释性分析方法，基于类激活映射图（CAM）对本文发展的传感器故障检测与分类网络进行了分析，初步阐明了网络内部各层卷积核节点特征提取运算的机理，提升了该网络故障检测与分...     

位置约束下软式自主空中加油的抗干扰控制

针对加油机不稳定飞行和复杂风扰下的软式自主空中加油系统，提出一种位置约束下可控锥套的抗干扰控制方法。首先，建立考虑加油机不稳定飞行和复杂风扰的软管动力学模型和可控锥套动力学模型，并进一步将可控锥套动力学模型变换为方便控制器设计的形式。然后，在动态面控制框架下，利用新型坐标变换方法处理系统耦合非线性，结合约束函数和障碍Lyapunov函数解决初值过大的位置约束，以及设计干扰观测器估计未知的集总干扰。最后，理论分析和仿真实验表明了所提方法处理初值过大的位置约束的有效性，以及抗干扰能力的优越性。     

基于注意力YOLO-V3的合成孔径雷达舰船检测识别一体化方法

传统的合成孔径雷达舰船检测识别需要分两步实现，检测识别精度和效率难以满足实际应用需求。本文结合注意力机制和YOLO-V3网络提出了注意力YOLO-V3网络实现合成孔径雷达舰船检测识别一体化。同时，利用公开的AIR-SARShip-1.0数据集和OpenSARShip数据集构建了大场景舰船检测识别数据集，用于验证目标检测识别性能。实验结果表明，本文提出的注意力YOLO-V3网络可以获得较高的检测识别精度，证明了本文方法的有效性。     

基于显著图数据增强的飞行器识别与检测算法

数据增强技术能够有效解决民用航空等领域机器学习模型训练数据严重不足的问题，对于提升智能模型的性能至关重要。为此，针对航空领域飞行器识别和检测的典型应用场景，本文提出基于显著图的数据增强方法，在不同种类的飞行器数据集上分别进行分类和检测试验。试验结果表明，在飞行器目标检测数据集上，利用本文提出的数据增强方法可以提升飞行器目标检测精度。     

基于属性形态学分析的图像显著极值检测及应用

由于图像噪声的存在,使得利用传统的极值检测算法通常会使要提取的显著极值淹没在大量的噪声极值中;同时由于先验知识的缺乏,采用普通滤波技术也往往不能很好的滤除噪声,反而会破坏图像的关键结构。本文提出了一种基于属性形态学分析的图像显著极值检测算法。该算法可以在不需要对图像进行滤波的前提下,从数学形态学的角度对图像极值的显著性进行计算和评估,从而能够较好地提取出显著的极值。在沉浸模拟算法的基础上,给出了基于属性形态学分析显著极值检测的快速算法实现,并将其成功应用在视觉注意选择和独立运动目标检测上。实践证明,该算法不仅具有较好的抗噪声特性,而且快速实用,具有广泛的应用价值。     

固定翼集群无人机空中模拟对接技术

自主空中加油技术对于提高无人机（UAV）续航能力，扩大作战半径，增加载荷重量以及提升战略部署等方面有着重要的意义，是未来智能集群无人机系统的必备技术。本文以“无人争锋（UI-STRIVE）”空中握手比赛为背景，对固定翼集群无人机空中模拟对接相关技术及策略进行了研究。首先，针对固定翼集群无人机飞行速度快、编队密集程度高等特点，设计了集群无人机空中对接流程以及基于Dubins路径规划的时间最短的追机方案，并采用非线性制导律进行航路跟踪；其次，基于模拟锥套的先验信息设计了一组弱分类器，并通过级联的方式实现对模拟锥套的快速检测；然后，设计了沿加油机航线方向进行精确对接的策略，并结合无人机姿态先验以及模拟锥套尺寸信息推导了精确对接阶段制导参数解算方法；最后，设计了相应的固定翼集群无人机系统，并以4机编队参加了第2021届“无人争锋”空中握手比赛，参赛结果验证了本文所提出固定翼集群无人机系统以及其技术和策略的可行性。     

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。