基于深度学习的融合空域空管指令语义解析技术

随着无人机技术的快速发展，无人机数量与空域需求显著增长，无人机进入融合空域成为趋势。为改进传统的“人在回路”空管模式，提高融合空域的管控效率，对深度学习方法用于空管指令解析进行了研究。根据空管用语的特点对指令进行整理、扩充、分类和标注，编写了可用于自然语言理解模型学习的空管指令数据集。使用BiGRU-CRF模型作为深度学习的基础架构，加入注意力机制与意图反馈机制构建联合模型获取指令意图及指令参数。分别在空管指令数据集和ATIS数据集上进行了评估，结果表明模型在意图识别和槽填充任务较基础架构均有近1.5%的提升，证明论文方法具备实用性和有效性，为无人机自然语言指控技术的发展提供了有力支撑。     

基于多特征融合的航天器锂电池健康评估技术

传统的航天器蓄电池可靠性试验按照最大放电深度进行定额充放电，所构建的失效模型用于支撑航天器总体可靠性设计，不能用于在轨锂离子蓄电池健康评估任务；航天器在蓄电池遥测的采样率、精度、样本量方面无法与民用领域相比，基于高采样、大样本的民用蓄电池健康估计方法也不适用于在轨锂离子蓄电池健康评估。针对该问题，从在轨航天器蓄电池数据特性出发，挖掘在轨状态下所能提取的退化特征，并采用多特征综合评价方法，设计了一种基于多特征融合的在轨锂离子蓄电池健康评估方法，实现了在轨蓄电池放电内阻、同放电深度下的终端电压、恒压充电时间3项退化特征融合的健康量化评估，应用于某型号卫星的在轨监测与健康评估，具有良好的工程实用性，可作为国内航天器健康评估技术的参考。     

从日本人的自然观看其性格、美意识及思维方式

日本的地理环境，自然面貌对铸造日本民族性格有很大影响。日本人对自然的鉴赏有其独到之处。“爱草木，喜自然”的自然观在生活中随处可见。崇尚自然，表现出日本审美意识中的个性。欣赏自然形态，体味自然韵味。日本的茶道充分反映了日本人的审美观和美意识。尊重自然，尊重现实的特点，形成了日本人对现实容忍的思维方式，他们能面对各样的思想采取融和的立场。以天皇意识形态作为其个别主义思考方式是日本人普遍具有的一种特殊的思维方式。     

分布式系统异步航迹融合算法研究

针对工程应用实际环境，提出了一种新的分布式系统异步加权航迹融合算法，仿真表明新的异步加权法较传统的异步处理方法外推法精度有明显改善，尤其适宜于机动目标的跟踪，理论证明该算法是基于融合误差协方差阵的迹最小意义上的最优融合算法，从而证明了算法的有效性。     

基于改进YOLOv4的航空发动机小目标损伤检测研究

智能化的航空发动机损伤检测是飞机故障诊断重要的研究方向,针对现有目标检测模型对航空发动机的小目标损伤检测效果差的问题,提出了一种改进的基于You Only Look Once version 4(YOLOv4)的多尺度目标检测方法。在路径聚合网络（PANet）中构建低层次的特征融合层,将更浅层的特征与深层特征融合,提高网络对小目标损伤的检测性能。为减少网络中的冗余参数,在颈部结构中引入了深度可分离卷积,将标准卷积重构为深度可分离卷积的形式。实验表明：改进后的YOLOv4对小目标损伤的检测精度提升了3.43%,模型大小降低了54.06 MB,同时检测速度提高了31.03%。研究结果表明改进的YOLOv4模型对小目标损伤具有更好的检测性能。     

基于改进YOLOv5的无人机实时密集小目标检测算法

无人机航拍图像与自然场景图像相比背景更复杂,存在大量密集小目标,对检测网络提出了更高的要求。在保证目标检测实时性的前提下,针对无人机视角下密集小目标检测精度低的问题,提出一种基于YOLOv5的无人机实时密集小目标检测算法。首先,将空间注意力(SAM)与通道注意力(CAM)相结合,改进CAM中特征压缩后的全连接层,降低计算量。另外,改变CAM与SAM的连接结构,提高空间维度特征捕获能力。综上,提出一种空间-通道注意力模块(SCAM),提高模型对特征图中小目标聚集区域的关注程度;其次,提出一种基于SCAM的注意力特征融合模块(SC-AFF),根据不同尺度特征图自适应分配注意力权重,增强小目标的特征融合效率;最后,在主干网络中引入Transformer模块,并利用SC-AFF模块改进原有的残差连接处的特征融合方式,更好地捕获全局信息和丰富的上下文信息提高复杂背景下密集小目标的特征提取能力。在VisDrone2021数据集上进行实验,YOLOv5s基准下,改进后模型的mAP₅₀提高了6.4%,mAP₇₅提高了5.8%,对高分辨率图像的FPS可达到46...     

多源数据融合与改进注意力机制的轴承智能故障诊断

单一传感器信号不能全面表达机械设备的运行特征且容易受到自身品质、性能的影响,为此本文提出了一种多源数据融合与改进注意力机制相结合的滚动轴承智能诊断方法。采集不同位置的传感器振动信号作为模型的输入向量,每一个传感器信号作为一个通道,将多通道信号同时送入模型特征输入层;引入改进注意力机制建立各通道和空间动态权重参数,随着模型训练,不断增强故障特征、弱化无用特征;运用深度卷积神经网络模型的卷积、池化等操作将多传感器信号进一步融合并提取故障特征,输出诊断结果。在进行滚动轴承故障诊断实验时,该方法诊断准确率达到100%,高于准确率最佳值为97.42%的单传感器。与其他方法相比,本文方法可以自适应融合多传感器数据以满足诊断任务的要求,具有良好的自适应性和鲁棒性,为滚动轴承的故障诊断提供了一种可行的方法。     

高精度测量燃气轮机叶片前缘的三维轮廓

为了解决高精度测量燃气轮机叶片前缘三维轮廓的难题,提出了一种基于球阵列标定检验方法,直接对金属表面的叶片前缘三维轮廓进行高精度测量的相位轮廓测量系统.通过多角度数据融合算法和非线性最小二乘的递归算法,最后高精度测量出叶片前缘三维轮廓,对叶片前缘16个剖面进行拟合,得出了叶片前缘半径和前缘圆心.结果显示:叶片前缘测量系统、方法和算法的综合误差为±0.03mm.此实验装置和方法测量效率高、精度高,将叶片测量和模型化技术推进了一步.      

基于信息融合的系统可靠性优化试验设计模型

分析了现今可靠性试验设计的不足,考虑两类风险(弃真风险、采伪风险)建立了基于信息融合的可靠性优化试验设计模型(ORTIF, optimization reliability test design modeling based on information fusion).分析了可靠性试验设计的需求、约束条件,基于子系统和系统验前分布是Beta分布,提出了可靠性系统中子系统层与系统层之间的信息融合技术.根据验后风险准则,给出弃真和采伪风险的定义.基于Matlab软件给出了最优试验方案数值计算的求解步骤.最后以液态火箭发动机为例,求解出满足约束条件的最优试验方案为(9,5,10,6,1),对应的最小试验费用为3326.9,并得出权值方案对试验方案的确定影响较大的结论.