基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

基于DQN的反舰导弹火力分配方法研究

反舰导弹作为海上作战的主战武器,由于其精度高、射程远、威力大等特性长期以来一直被当作舰艇编队的主要防御对象。针对反舰导弹打击舰艇编队的火力分配问题,我们提出了一种基于深度Q值网络求解反舰导弹火力分配策略的算法。不同于现有的基于领域知识的方法,深度Q值网络无需依赖任何先验信息,就能够通过与模拟器的交互自动求解最佳的攻击策略。该算法使用深度神经网络拟合Q值函数,解决了传统强化学习中的状态空间过大无法遍历的问题。实验结果表明,在各种不同的舰队防御配置下,深度Q值网络求解得到的攻击策略均获得了最佳的毁伤效果。     

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。     

镁基碳纤维增强复合材料超声辅助切削试验研究

为研究镁基碳纤维增强复合材料(C_f/Mg)的切削力与已加工表面质量,开展了硬质合金铣刀与硬质合金钻头超声辅助切削试验研究。通过正交试验得到,超声辅助铣削C_f/Mg复合材料时铣削力随每齿进给量及铣削深度的增加而明显增大,随主轴转速的增加而减小;试验中,在超声辅助铣削时每齿进给量0.025mm、铣削深度0.2mm、转速6000r/min加工参数下铣削力最小,每齿进给量0.025mm、铣削深度0.2mm、转速4000r/min加工参数下表面质量较好;采用硬质合金钻头进行单因素钻削试验时,轴向钻削力随主轴转速的升高而减小;与传统钻削相比,超声辅助钻削能减小轴向钻削力,在机床转速6000r/min、机床进给速度100mm/min加工参数下超声辅助钻削相比传统钻削可减小约36%的轴向钻削力;超声辅助钻削相比传统钻削能改善钻孔出口的毛刺、分层等缺陷。     

基于最小加工表面裂纹的TiAl合金铣削参数优化

TiAl合金以其优异的性能被广泛应用于航空、航天制造领域,但由于TiAl合金自身的物理、化学特性,导致其切削性能较差,加工过程中容易出现工件表面烧伤、表面微裂纹等问题。为了研究TiAl合金铣削加工过程中切削工艺参数对加工表面裂纹的影响规律,设计了TiAl合金切削参数与加工表面裂纹之间的正交试验。结果表明:切削速度对TiAl合金铣削表面裂纹的影响最大,其次是切削深度和切削宽度,每齿进给量对表面裂纹的影响最小。基于遗传算法,以表面裂纹长度为目标函数,优化得到的最优参数组合为:ae=0. 2 mm、ap=0. 2003 mm/z、fz=0. 02001 mm/z、vc=20. 0004 m/min。采用优化后的参数铣削TiAl合金,发现工件表面的实际加工裂纹长度和经过算法优化的裂纹长度相差较小,该优化方法可行性较高,误差较小。     

基于SE模块改进Xception的动物种类识别

Xception是Inception网络的一种极端化表现,在与Inception v3参数相近的情况下,它能够达到更高的准确度。由于神经网络提取的特征不一定都是有用特征,因此以Xception为基础,将SE(Squeeze and Excitation）模块加入该网络,调整特征通道的权重,使得网络的精确度得到提高。通过实验,融合SE模块的Xception网络训练精确度分别在Oxford-IIIT Pet数据集和CUB_200_2011数据集上提升了1%~1.7%和0.8%~1%,证明了SE模块能够进一步提升Xception的精确度。将改进后的Xception应用到动物种类识别中,根据精确度曲线对实验策略调整改进,最终在测试集上获得95.63%的识别率。     

CFRP钻削过程的切削热研究进展

以CFRP钻削加工过程的切削热和切削温度为研究对象,从其形成机理、产生的影响以及影响切削热的因素和控制切削热的方法四个方面进行了系统综述,对存在的问题进行了综合分析,并对今后研究方向进行了展望。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

微小整体叶轮五轴联动微细铣削加工试验研究

微小整体叶轮作为微型发动机的重要组成部分,其加工质量直接影响微型发动机的使用性能。针对微小整体式复杂叶轮流道狭窄、叶片扭曲大和长厚比大等特点,开展了微小复杂扭曲整体式叶轮五轴联动微细铣削加工方法研究。针对微小叶轮加工过程极易发生变形、过切和碰撞干涉等问题,对微小叶轮的加工过程进行工艺规划,建立了微小叶轮流道加工刀具选择的约束方程,计算出叶轮加工刀具的最大理论直径。通过CAM软件对叶轮进行切削仿真,验证了刀具选择和工艺规划的正确性。通过五轴联动微细铣削试验,得到了具有6个直径10mm的叶片、叶片最小厚度0.15mm、叶片最小相邻间距0.58mm的7075铝合金微小整体叶轮。