基于μ综合方法的运输机纵向自动着陆控制律

研究运输机的自动着陆问题,分析了运输机自动着陆的过程与特点,采用结构奇异值μ综合的控制系统设计方法,设计了运输机的二级自动着陆控制律,实现对理想下滑线精确跟踪;并对系统的鲁棒性进行了分析.仿真结果表明,在存在飞机模型不确定性,测量噪声和外界阵风干扰的情况下,所设计的自动着陆控制律满足运输机的自动着陆要求.     

钽喷丝头的熔盐阳极氧化

采用在高温熔盐中阳极氧化的方法处理或制喷丝头，使表面生成一层硬质膜。将该种带膜钽喷丝头用于化学纤维纺丝中，取得了良好的效果。     

1998年5月磁暴事件期间全球电离层响应形态与机制的研究

利用全球40余个电离层台站的f0F2观测数据，采取对经度进行分区处理的方法，通过计算各台站f0F2参数对其月中的偏离百分比，对1998年5月大磁爆期间的电离层扰动形态进行了分析，并对可能的扰动机制进行了探讨，结果表明本次磁暴事件中，在磁暴主要活动相期间的电离层扰动与暴环流理论所描述的电脑层扰动特征相符，但在恢复相后期欧洲扇区台站出现的正相扰动似不能用暴环流理论来解释，它可能对应期间的行星行条件（太阳风与行星际磁场）的变化有关。     

大气重力波引起的突发钠层的模拟研究

应用钠原子和中性大气分子的质量连续性方程来模拟突发纳层（SSL），垂直风场采用接近实际大气重力波的正弦行波模式，结果较好地反映了SSL的形成过程。SSL的形成时刻在5－15min之间并可持续到30min之后，形成高度大约在90－100km之间，峰宽为0.5-2km之间，这些都与实际观测SSL的特点相符，同时还进一步地研究了当重力波参数（主要指垂直波长和周期）、风速以及常态钠层半宽度发生变化时SSL的变化趋势。     

空间双臂机器人抓捕非合作目标后的协调稳定控制

由于非合作目标惯性参数的不确定性以及双臂操控目标的拉扯/挤压作用,空间双臂机器人稳定非合作目标的过程中机械臂末端与目标可能产生过大的接触力与力矩,从而可能对目标造成损伤.针对该问题,提出了一种协调稳定控制方法,通过协调双臂期望运动实现双臂末端与目标交互的柔顺,降低稳定过程中产生的接触力与力矩.首先,利用目标惯性参数的估...     

基于卷积神经网络的航天复合材料缺陷智能检测

针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。     

燃气环境内高温部件红外测温试验方法

针对航空发动机加力燃烧室高温部件温度场测试精度不高的问题,提出了一种燃气环境内高温部件红外测温试验方法。在同一时刻,分别用配装3.97～4.01μm窄带滤光片的红外热像仪和K型热电偶测试了燃气环境内高温部件在8种不同状态下的壁面温度分布,并对测试结果进行了对比,根据K型热电偶测试结果引入红外热像仪测试结果综合修正系数。结果表明：所引入的综合修正系数可有效地修正表面发射率、高温燃气、蓝宝石玻璃窗口以及环境大气等因素在不同温度条件下所带入的测试误差,经修正后红外热像仪和热电偶之间的测试偏差可控制在1.5%以内。该方法为后续航空发动机加力燃烧室高温构件温度分布测试提供了一种方法和思路。     

航空发动机叶片表面损伤与检测研究进展

航空发动机叶片的工作环境极其恶劣,表面会出现各种类型的损伤。在损伤早期进行表面检测能够有效预防因损伤扩展导致的叶片失效断裂。发动机叶片表面损伤的检测和评估主要由人工操作,严重依赖工作经验,但人工检测不仅效率低下,而且检测结果容易受到人为因素的影响。为了高效、高精度地检测发动机叶片表面损伤,从叶片失效形式出发,综述了发动机叶片在停放和运行2种状态下的损伤机理,并重点阐述了涡流检测、渗透检测等常用于叶片表面损伤检测的方法。总结了基于机器视觉的检测技术,分析机器视觉检测面临数据集稀缺和单一性的挑战,认为收集大量数据并进一步完善评估标准是未来发动机叶片表面损伤检测系统研究的重点方向。     

基于无监督学习的多模态可变形配准

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂,大多已有方法严重依赖标签数据,现有方法不能完全解决此问题。提出一种基于无监督学习的深度多模态可变形图像配准框架。该框架由基于损失映射量的特征学习和基于最大后验概率的变形场学习组成,借助空间转换函数和可微分的互信息损失函数实现无监督训练。在MRI T1、MRI T2以及CT的3D多模态图像配准任务上,将所提方法与现有先进的多模态配准方法进行比较。此外,还在最新的COVID-19的CT数据上展示了所提方法的配准性能。大量结果表明:所提方法与其他方法相比,在配准精度上具有竞争优势,并且大大减少了计算时间。      

基于平行光管与二维旋转平台的长焦相机内参标定

长焦镜头能够采集位置更远的图像,而长焦镜头成像的特殊性对传统相机标定方法提出了挑战。针对这一问题,阐述了一种基于平行光管和二维旋转平台的相机内参标定方法。长焦相机被架设在二维旋转平台上,对放置在平行光管内的透过式棋盘格成像。通过旋转二维平台,改变相机的位置,可以得到不同位置下清晰的棋盘格图像。采集了棋盘格格点的像素坐标以及二维平台的角度数据,建立了合适的模型,优化求解出了长焦相机的内参参数,实现了实验室内对长焦镜头的标定。由模型计算得到的重投影棋盘格角点的图像坐标与在实际图像中检测到的棋盘格角点坐标相比,平均误差约为0.5个像素,这验证了算法的可行性。