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%。     

不同流速比超声速混合层气动光学效应研究

针对不同流速比混合层流场气动光学效应问题,首先采用大涡模拟数值方法进行了数值仿真,其次用光线追迹方法进行了气动光学效应仿真,最后对混合层的气动光学效应进行了评价。结果表明,混合层流场涡结构与光程差极小值存在一一对应关系,并且其流速比低的混合层气动光学效应更加严重。同时,研究了不同光学参数对斯特列尔比的影响,得到了相应的规律。     

基于可观测性的序列图像自主导航观测时序规划方法

针对行星着陆自主导航中图像处理计算负担重的问题,分析了序列图像自主导航的可观测性,并提出了一种观测时序规划方法。通过可观测性分析得到了在未知环境中使状态可观测的最少观测次数,这是切换观测陆标的边界条件。在此基础上,通过优化所构建的深度估计误差模型获得最佳观测间隔时间,从而自适应地规划观测时序,减少图像处理次数。仿真结果验证了可观测性分析的正确性,以及提出的观测时序规划方法的有效性,相比每个采样时刻均观测陆标,在不明显影响导航精度的条件下减少陆标观测次数45.9%,有效降低序列图像在线处理的计算负担,大幅提升未知环境中行星着陆器基于序列图像的自主导航能力。     

基于Copula的民航发动机性能参数阶段可靠性评估

民用航空发动机的性能参数状态呈现多阶段变化特性,目前性能参数状态的评估方法不能有效利用状态监控大数据准确识别其对民航发动机性能的影响,据此提出一种新的考虑民航发动机性能参数状态动态演变阶段相关性的可靠性评估模型。模型根据变点分阶段的特性利用动态Wiener过程对民航发动机性能参数状态进行表征,利用Copula函数建立阶段性动态Wiener过程的联合概率分布函数模型,同时结合民航发动机性能参数状态演变的首达阈值的数学性质,利用蒙特卡洛仿真抽样法进行可靠性评估。利用航空公司实际的状态监测数据验证所提模型的优越性,结果表明,相较于不考虑演变阶段间相关性的模型,所提模型对评估民航发动机性能参数的状态可靠性的平均误差降低了约12.9%。     

基于深度学习与灰度图的肌电机械手手势识别

为了提高肌电机械手手势识别的精度,首先将肌电信号信息转换为图片,实现更直观、更明显的肌电信息展示,然后使用迁移学习微调Res Net50模型,构建基于肌电信号灰度图的肌电机械手手势识别模型,并使用该模型对三种手势进行识别实验。结果显示,ResNet50模型对基于肌电灰度图的手势识别率高达93%,有效减少了过拟合现象并提高了识别精度。     

射线计算机成像技术在发动机变壁厚产品检测中的试验研究

针对液体火箭发动机离心轮、涡轮静子等厚度变化大的复杂激光选区熔化成形（SLM）钢构件在常规X射线胶片照相检测（RT）时,由于胶片的宽容度低造成的检测覆盖率低,存在漏检质量隐患的问题,采用射线计算机成像技术（CR）对该类变截面厚度差在5～20 mm内的钢构件进行检测。结果表明,CR检测图像宽容度是胶片照相检测的3倍,检测覆盖率高;以离心轮线状缺陷CR检测为例,且通过CT和理化检测验证证明,CR检测具有与胶片照相检测基本一致的缺陷检测灵敏度、可靠性。     

数字全息在固体推进剂铝燃烧三维测量中的应用研究

为获得固体推进剂铝颗粒动态燃烧的精细化过程,将数字全息技术用于固体推进剂铝燃烧三维动态过程测量中,成功地解决了传统光学显微成像法景深过小的问题。搭建了固体推进剂铝燃烧数字全息测量系统,分别在0.1MPa和1.0MPa压强条件下开展了推进剂中铝颗粒燃烧过程的三维测量工作,获得了铝颗粒动态燃烧过程的全息图像。研究结果表明:数字全息技术能够获得不同截面处的颗粒信息,并可跟踪颗粒的动态燃烧过程,准确地获得颗粒粒径信息,真正实现三维动态测量;全息法能够清晰地分辨出动态燃烧过程中十几微米至几百微米量级的铝颗粒,测量误差小于8%;跟踪单一铝颗粒的动态燃烧过程,可获得颗粒粒径、空间分布、粒径分布、燃烧火焰区域、运动速度以及氧化帽的动态生成过程等变化规律。     

一种双时间尺度函数Wiener过程性能退化模型

为通过性能退化数据评估产品的可靠性,基于广义Wiener过程提出了一种双时间尺度函数模型以描述产品退化过程。采用极大似然估计(MLE)法求解模型参数,推导了其寿命分布(FTD),进而进行可靠度分析和寿命评估。对模型进行了Monte Carlo模拟验证和实例应用,并将目前常用的混合效应Wiener过程模型作为参考方法进行了对比分析。结果表明:根据90%可靠度曲线的定义,该方法较参考方法的结果更为合理、准确。进一步的寿命评估结果表明,该方法与参考方法的平均寿命相差232.9h,90%可靠寿命结果相差109.4h,且参考方法计算结果偏于危险。      

移动平台上基于C/S结构的海量图像检索系统设计

随着计算机网络的快速发展,多媒体信息呈现多样化、爆炸式增长的趋势,如何组织这些庞大的信息,帮助人们便捷地从中检索到自己所需的内容逐渐成为信息行业研究的热点课题之一。图像由于其信息量丰富,在人们的生活中逐渐扮演越来越重要的角色,图像信息检索应运而生。当前的图像检索大多是基于个人电脑平台,移动平台的图像检索应用较少。随着智能技术的日益成熟和移动网络的普及,智能终端由于其便携性和易用性,使得人们获取到信息变得更加容易,移动平台的图像检索由于其满足人们多样化的搜索习惯,也将得到迅速的发展。     

一种高光谱图像的双压缩感知模型

高光谱图像因其海量数据性,给存储、传输及后续分析处理带来了挑战。压缩感知理论提供了一种全新的信号采集框架。针对高光谱数据的三维特性,提出一种双压缩感知的采样与重构模型。该模型在采样阶段兼顾高光谱数据的空间和谱间稀疏特性,构造了能同时实现空间和谱间压缩采样的感知矩阵;重构阶段不同于传统的压缩感知重构方法直接重构高光谱数据,而是将高光谱数据分离成端元和丰度分别进行重构,然后利用重构的端元和丰度信息合成高光谱数据。实验结果表明,所提双压缩感知在低采样率下重构精度较三维压缩采样提高了10 dB以上,更为显著的是运算速度提升了3个数量级,同时该方法还便于获得端元和丰度信息。