基于冲击特征提取的旋转机械智能故障诊断

针对齿轮、轴承故障，提出了基于冲击特征提取胶囊网络的旋转机械智能故障诊断模型。在胶囊网络的构架基础上，将原始故障振动信号作为输入，通过构造首层小波核卷积层，针对性提取冲击故障特征，提高深度学习网络特征提取的可解释性。在小波核卷积层之后扩展一层卷积层，强化首层小波核卷积层提取的特征，将强化的特征经初级胶囊层、数字胶囊层输出分类结果，从而构造了“端到端”的小波卷积胶囊网络模型。通过对各层提取的特征可视化分析，证明了该模型对故障振动信号的冲击特征具有良好的提取能力。3个不同实验平台的数据集验证结果表明不同故障类型、不同故障程度的齿轮及轴承的识别精度最高可达到100%，并具有良好的泛化能力。     

基于特征的数控编程技术在航空企业的推广应用

针对国内航空企业飞机结构件数控编程中存在的重复工作量大、效率低、质量不稳定、规范性差等问题,通过面向多主机厂推广基于特征的数控编程技术,切实提高飞机结构件数控编程的效率与质量.首先概述了基于特征的快速程编(FBM NUAA)系统的整体架构,并且介绍了基于特征的数控编程技术在多家主机厂中的推广与应用情况,以及前期推广中遇到的问题,并提出了解决方案.根据多主机厂多机型过百项飞机结构件的实际应用结果表明采用基于特征的快速程编系统进行数控编程,刀轨平均自动生成率超过90％,编程时间较传统编程方式平均缩短70％以上.     

CATIA标准化建模在飞机结构设计中的应用

列举了飞机结构设计中的典型零件、典型特征进行案例分析,阐述标准化建模带来的益处,为建立起一套更适合于飞机结构设计人员进行三维设计的标准化体系提供了方法.     

基于专家访谈的民航飞行员心理健康特征指标体系研究

本研究为《飞行人员心理特征及行为方式引导研究》的子课题。《飞行人员心理特征及行为方式引导研究》是国内首个针对民航飞行员心理特征及行为方式展开的社会科学研究,由东航集团公司与中国民航飞行学院合作进行。经过详细的前期访谈和样本分析,形成了不同年龄群体的飞行员心理状态比对研究模型,并开发出民航飞行员心理在线测评系统、EAP手册、民航飞行员心理健康指数报告等成果。项目成果有望率先在东航展开应用,通过对飞行机组心理健康水平的监测、疏导,将有效提升航空公司的持续安全运行水平。     

零件表面微观工艺特征性研究 ——产品(零件)工艺技术基础科学问题机理探索

通过研究产品(零件)制造过程、方法、参数等工艺因素,给零件表面及表层带来(留下)特有的微观特征性,首次在高精度惯性仪表和高可靠电磁继电器(机电类)产品制造体系中引入了零件表面微观工艺特征性概念,提出了制造阶段的产品工艺可靠性设计和微观工艺特征(性)分析方法,提出了该类产品制造中的工艺设计更应该关注零件与产品设计原理匹配性和性能特性符合性观点,提出零件制造要从单纯的控制几何精度向控制性能特性转变,从宏观、单一采标的几何参数评价向微观、综合采标的非几何(非尺寸)参数评价模式为主转变的建议.零件表面存在的这种微观特征现象与零件几何精度一样,将对产品制造的合格率、稳定性、可靠性的实现起到至关重要的作用,尤其对产品的合格率影响极大,有必要开展更深入、更系统的研究,以建立起我国自主的高端产品(或零件)制造基准工艺平台.     

密集有源多假目标的压制干扰效果分析与仿真

多假目标干扰在现代电子战中应用日益广泛。随着工作状态参数的不同,多假目标干扰呈现出不同的干扰效果。在讨论密集多假目标产生方法的基础上,针对两种不同的恒虚警处理,详细分析了密集多假目标的干扰效果,得到一些有价值的结论:当密集程度较高时,多假目标干扰可以起到类似噪声的压制作用,最后进行了仿真验证。     

基于改进SSD的无人机航拍目标检测

针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%.     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

一种小天体旋转参数估计方法

小天体旋转参数是科学数据,也是小天体测绘,着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型,表示小天体在相机坐标系中的姿态变化;然后定义小天体旋转的状态方程,推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪,利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中,在仿真相机与小天体相机100 km距离上,分析了相机坐标系小天体坐标系之间的四元数初值,图像上特征点跟踪精度,相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明,提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.