SRS-Net: Training object detectors from scratch for remote sensing images without pretraining

Most of the current object detection algorithms use pretrained models that are trained on ImageNet and then fine-tuned in the network, which can achieve good performance in terms of general object detectors. However, in the field of remote sensing image object detection, as pretrained models are significantly different from remote sensing data, it is meaningful to explore a train-from-scratch technique for remote sensing images. This paper proposes an object detection framework trained from scratch, SRS-Net, and describes the design of a densely connected backbone network to provide integrated hidden layer supervision for the convolution module. Then, two necessary improvement principles are proposed: studying the role of normalization in the network structure, and improving data augmentation methods for remote sensing images. To evaluate the proposed framework, we performed many ablation experiments on the DIOR, DOTA, and AS datasets. The results show that whether using the improved backbone network, the normalization method or training data enhancement strategy, the performance of the object detection network trained from scratch increased. These principles compensate for the lack of pretrained models. Furthermore, we found that SRS-Net could achieve similar to or slightly better performance than baseline methods, and surpassed most advanced general detectors.     

外物撞击航空发动机转子叶片速度估算

以飞机进气道为参照系,利用动量定理推导了外物在飞机进气道内运动的速度方程;以叶片为参照系,建立了外物撞击速度及撞击角度的表达式。为直观显示不同因素对速度变化的影响,以某型飞机及其发动机为例,研究了飞机离地时,发动机100%设计转速下,外物在飞机进气道内运动速度的变化规律。结果表明:影响运动速度的因素不仅包括外物的材质、形状、大小及姿态,而且涉及飞机进气道长度、发动机工作状态等;外物撞击方向与叶片表面不垂直。      

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。     

A generative deep learning framework for airfoil flow field prediction with sparse data

Deep learning has been probed for the airfoil performance prediction in recent years.Compared with the expensive CFD simulations and wind tunnel experiments, deep learning models can be leveraged to somewhat mitigate such expenses with proper means. Nevertheless, effective training of the data-driven models in deep learning severely hinges on the data in diversity and quantity. In this paper, we present a novel data augmented Generative Adversarial Network(GAN), da GAN, for rapid and accurate fl...     

基于边缘区域增长法的飞机图像目标分割研究

对边缘区域增长算法进行了理论分析,介绍了用边缘区域增长法对飞机图像进行目标分割的主要步骤,并将该算法对飞机图像进行目标分割的效果与Otsu算法进行了对比。结果表明,该算法所分割的图像目标边缘和实际目标边缘一致性较好,边界精确、清晰。     

航空发动机飞行任务剖面统计规律研究

采用某型教练机发动机的实测飞行数据,以飞行剖面转速循环中的主循环为当量疲劳损伤特征,进行了飞行任务剖面统计规律的研究,重点研究不同飞行员操作所造成的损伤差异。研究表明:由于飞行员驾驶水平的不同,相同飞行任务对发动机造成的低循环疲劳损伤呈正态分布,但不同飞行任务正态分布的统计参数是不同的,这种差异不会因为飞行员操作水平不同而显著改变。      

基于免疫理论的航空发动机磨损故障智能诊断

针对航空发动机磨损故障诊断技术智能化、精确化的发展要求,以传统油液监测技术为基础,结合人工免疫系统(AIS)具有的自适应特性、学习记忆特性及识别特性等优点,提出了一种航空发动机磨损故障的智能诊断方法。该方法首先利用人工免疫理论的反面选择原理生成检测器,优化后的检测器生成算法提高了初始检测器的代表性及覆盖性;然后利用故障样本训练出成熟的检测器,使航空发动机典型的磨损状态信息存储在检测器中,实现对故障模式的有效学习和记忆;最后通过检测器的激活发现航空发动机的磨损故障。对油样数据的实例分析结果表明,该方法对航空发动机磨损故障具有较强的识别能力,对磨损状态有很好的监测效果。     

航空发动机涡轮叶片工业CT图像降噪方法

在分析航空发动机涡轮叶片工业计算机层析成像(computed tomography,CT)图像自相似性特点基础上,讨论了一种基于图像不同区域相似性的非局部平均降噪算法,首先采用高斯加权欧式距离算子计算同一图像中不同区域间的相似性,然后对具有较强相似性的区域进行叠加平均,从而降低噪声,同时保持图像边缘的对比度.针对非局部平均算法计算复杂度高、计算量大的问题,研究了一种基于傅里叶变换的非局部平均降噪加速算法,以欧式距离算子替代高斯加权欧式算子提高相似性的计算效率,减少计算时间.实验结果表明,在保证航空发动机涡轮叶片工业CT图像降噪效果的情况下,处理速度提高了4倍以上.      

Lifetime prediction based on Gamma processes from accelerated degradation data

Accelerated degradation test is a useful approach to predict the product lifetime at the normal use stress level, especially for highly reliable products. Two kinds of the lifetime prediction based on Gamma processes were studied. One was to predict the lifetime of the population from accelerated degradation data, and the other was to predict the lifetime of an individual by taking the accelerated degradation data as prior information. For an extensive application, the Gamma process with a time transformation and random effects was considered. A novel contribution is that a deducing method for determining the relationships between the shape and scale parameters of Gamma processes and accelerated stresses was presented. When predicting the lifetime of an individual, Bayesian inference methods were adopted to improve the prediction accuracy, in which the conjugate prior distribution and the non-conjugate prior distribution of random parameters were studied. The conjugate prior distribution only considers the random effect of the scale parameter while the non-conjugate prior distribution considers the random effects of both the scale and shape parameter. The application and usefulness of the proposed method was demonstrated by the accelerated degradation data of carbon-film resistors.     

机动飞机／发动机设计参数的一体化选择

发展了一种机动飞机／发动机设计参数的一体化选择方法和软件。根据机动飞机的飞行任务要求，确定设计目标和约束，其中包括飞机性能约束和发动机部件设计约束，并以此对飞机的主要设计参数和发动机循环参数进行一体化优选。该软件由飞机几何、飞机质量、飞机气动性能、发动机非安装和安装性能、发动机质量和外廓尺寸、飞机性能、优化等模块组成。此软件已应用于已有机动飞机／发动机的改型方案论证和未来高机动飞机／发动机方案的分析研究，本文给出部分计算实例。使用此软件的经验表明，计算结果合理，计算精度和所需时间适合于飞机／发动机系统方案论证和初步设计。     

低照度小样本限制下的失效卫星相对位姿估计与优化

低照度图像信息受损严重,会导致失效卫星的位姿估计精度和鲁棒性降低。基于此,提出了无监督生成式对抗网络低照度图像增强模型。生成器以U-Net网络为基础,并设计密集残差连接结构。判别器设计为全局-局部的双辨别器结构,由传统的单一标量扩展为多标量判别。在小样本的条件下,基于进化训练与并行训练方式改进基于SinGAN的数据增广方法。最后,在基于ORB-SLAM位姿初始化的基础上,建立特征信息的局部地图,克服位姿估计对参考帧的依赖;通过关键帧ROI的稠密匹配,建立关于平面法向量和单目相机安装高度的非线性优化模型求解尺度因子;通过闭环检测后的相似性变换,构建关键帧集合的联合位姿图优化方程,实现对位姿矩阵的全局校正。实验结果表明：测量稳定后,低照度图像的姿态角误差最大值为4°,而图像增强后的姿态角误差最大为0.5°;对于以角速度20°/s运动的失效卫星旋转5周,相对静止下的跟踪测量为5周,1 m水平方向机动下的跟踪测量为4.5周。可以满足失效卫星相对姿态测量的任务需求。     

Pre-locate net for object detection in high-resolution images

Small-object detection has long been a challenge. High-megapixel cameras are used to solve this problem in industries. However, current detectors are inefficient for high-resolution images. In this work, we propose a new module called Pre-Locate Net, which is a plug-and-play structure that can be combined with most popular detectors. We inspire the use of classification ideas to obtain candidate regions in images, greatly reducing the amount of calculation, and thus achieving rapid detection in ...     

液体火箭发动机故障检测与诊断的反向选择算法

基于生物免疫系统中的反向选择原理,提出了液体火箭发动机地面试车故障检测与诊断的新方法,对检测器的产生、检测器数量的确定以及故障诊断的实现等几个问题进行了分析。基于发动机地面试车数据的验证结果表明,该方法能有效提高算法的训练效率、实时性能和诊断结果的准确性。     

Few-shot electromagnetic signal classification: A data union augmentation method

Deep learning has been fully verified and accepted in the field of electromagnetic signal classification. However, in many specific scenarios, such as radio resource management for aircraft communications, labeled data are difficult to obtain, which makes the best deep learning methods at present seem almost powerless, because these methods need a large amount of labeled data for training. When the training dataset is small, it is highly possible to fall into overfitting, which causes performance degradation of the deep neural network. For few-shot electromagnetic signal classification, data augmentation is one of the most intuitive countermeasures. In this work, a generative adversarial network based on the data augmentation method is proposed to achieve better classification performance for electromagnetic signals. Based on the similarity principle, a screening mechanism is established to obtain high-quality generated signals. Then, a data union augmentation algorithm is designed by introducing spatiotemporally flipped shapes of the signal. To verify the effectiveness of the proposed data augmentation algorithm, experiments are conducted on the RADIOML 2016.04C dataset and real-world ACARS dataset. The experimental results show that the proposed method significantly improves the performance of few-shot electromagnetic signal classification.     

内流涡控技术--反进气道旋流措施的预研

进气道旋流是进气道与发动机相容性的一个重要扰动参数。在发动机稳定性和性能方面，进气道旋流的效应不可忽视。从飞机总体布局、发动机设计和进气道设计入手，研究了现存战斗机对旋流的防止和反抗措施。     

Y7—200A飞机模拟冰型飞行试验

以Ｙ７－２００Ａ型飞机为例,按照中国民用航空条例第２５部·运输类飞机适航标准（ＣＣＡＲ－２５）有关结冰条款进行了模拟冰型试飞,介绍了模拟冰型的几何形状,尺寸及确定方法,对模拟冰型试飞中有关的试飞内容,试飞方法及安全措施等进行了讨论,并对试验机带有与不带冰型的试验结果进行了分析比较,可供运输类飞机除冰系统的设计,验证试飞参考。     

飞机设计中发动机转子碎片非包容性设计

基于一种双发常规布局飞机进行飞机设计中发动机转子碎片非包容失效设计的研究,通过研究相关适航规章,以及相关咨询通告等文件,得出第3节到第7节所描述的对咨询通告AC20-128A适当裁剪的工程方法和步骤,并在实例机型设计中进行验证,缩短了飞机研制周期的同时,也表明在发动机转子碎片非包容失效事故发生后,飞机系统及机体结构等采取的设计措施、防范措施符合相关适航条例要求,也即结构剩余的强度、灾难性事件发生概率等满足AC20-128A第10条c中的定性和定量要求,表明该型实例飞机完全满足相关适航条例的要求,并获得中国民用航空局(CAAC)和美国联邦航空局(FAA)的认可。     

基于条件随机场的遥感图像语义标注

遥感图像包含的信息丰富,纹理复杂,而遥感图像语义标注又为后续的目标识别、检测、场景分析及高层语义的提取提供了重要信息和线索,这使其成为遥感图像理解领域中一个关键且极具挑战性的任务。首先针对遥感图像语义标注问题,提出采用条件随机场(CRF)框架对遥感图像的底层特征和上下文信息建模的方法,将Texton纹理特征与CRF中的自相关势能结合来捕捉遥感图像中的纹理信息及其上下文分布,采用组合Boosting算法进行Texton纹理特征选择和参数学习;然后将Lab空间中的颜色信息与CRF中的互相关势能结合来描述颜色上下文;最后用Graph Cut算法对CRF进行推导求解,得到图像自动语义标注结果。同时,建立了可见光遥感图像数据库Google-4,并对全部图像进行了人工标注。Google-4上的实验结果表明:采用CRF框架与Texton纹理特征和颜色特征相结合对遥感图像建模的方法与基于支持向量机(SVM)的方法相比较,能够取得更准确的语义标注结果。     

某型飞机发动机产品智能化检测仪的设计

为了实现对飞机发动机产品快速智能化检测,在对其原有试验台的分立元件电子电路系统的工作原理进行分析的基础上,设计开发了一种新型智能化检测系统,并介绍了系统的软硬件设计方案。该系统用于某型飞机安装和试飞车间对其发动机产品的智能化检验和测试,实现了检测仪器的国产化。     

液体火箭发动机涡轮泵故障诊断的新方法

针对传统的液体火箭发动机涡轮泵故障诊断方法只能在有样本数据并且样本数据充足的情况下才能进行准确诊断以及诊断时难以提取状态特征的缺点,提出一种适用于涡轮泵在线监测及诊断方法,该方法利用生物免疫系统的反面选择机理,利用生物克隆和学习机理使改进型反面选择算法产生的检测器具有不同的检测半径,使其能更有效地覆盖异常空间,能有效地提取涡轮泵的状态特征,避免了检测器产生效率低等问题。实例诊断结果表明:该方法较好地解决了故障样本难以获取及有效地提取涡轮泵的状态特征的问题,能准确监测出涡轮泵各种常见故障所引起的异常并能准确诊断,较高诊断精度表明该方法是可行的,并且具有较好的在线性、准确性及鲁棒性,为液体火箭发动机涡轮泵故障异常检测探索了一条新路。