基于序列工作点的航空发动机过渡态气路分析参数选择研究

为了降低由多工作点分析(MOPA)方法的平均效应所产生的气路分析(GPA)系统误差,提出了基于航空发动机过渡工作过程的序列工作点分析(SOPA)技术,并以此为基础提出了一种系统的气路分析参数选择方法。该方法利用连续小波变换对时间信号的增强解析能力,提取待求健康参数在备选测量传感器上的参数特征,实现了在传感器安装受限条件下必要测量参数的选择。通过对SOPA子系统矩阵进行奇异值分解(SVD),获得了在过渡工作过程中不同时间片段上的健康参数可辨识性。针对大涵道比双轴分排涡扇发动机的参数分析结果表明:通过对待求健康参数的敏感性输出信号进行小波分析所确定的最简传感器布局,具备对全部待求健康参数的可辨识性;而以时间片段矩阵的条件数作为判据评估SOPA子系统的参数辨识能力,能够有效地确定具有高可靠性的SOPA时间片段位置,保证了对发动机气路部件健康状态的估计精度。     

叶片平均频率对失谐叶盘振动局部化影响分析

为了探求叶片平均频率对失谐叶盘振动响应的影响规律,采用有限元缩减模型分别对谐调叶盘和失谐叶盘进行振动响应分析,通过振动局部化因子对失谐叶盘振动局部化特性进行评估,获得了不同叶片平均频率和失谐标准差下叶盘系统的振幅和应变能分布,以及失谐叶盘振动局部化特性。结果表明:随着失谐标准差的增大,失谐叶盘振动幅值呈减小趋势,同时共振带变宽;在平均频率为1.0044时出现了严重的振动局部化现象,在失谐标准差为5%时,叶盘振动局部化程度较轻。     

结合局部高清图像的遥感集群目标区域超分辨率重建

近年来,卫星遥感图像的应用场景越来越广泛。但是由于采集设备有限及其成本限制,卫星传感器获取到的图像通常不具备足够的分辨率且分布不够均匀,同时部分目标聚集成群难以分辨,导致低分辨率遥感图像在目标检测与识别等空间语义理解任务上难以满足准确定位和分类所有目标的要求。相比于一次性采集完整高分辨率遥感图像,已有遥感图像通常在局部区域具有相对清晰的高分辨率,且具备足够的细节信息用于分辨目标群,而传统的遥感图像超分辨率重建方法主要关注遥感图像自身的全局特征,通过图像的全局特征进行分辨率和像素扩充,而忽视了遥感图像的细节信息。为了解决这些挑战,提出了一种将遥感图像局部聚集群目标区域的细节特征信息引入到完整遥感图像的采样重建中的方法,通过多层级的神经网络来提取不同尺度的图像特征,并通过残差学习的方式将这些特征进行融合并重建。在实验中,该方法相比主流现有的遥感图像超分辨率重建方法,在视觉效果和测试实验上都取得了更好的结果,证明该方法可以有效借助局部图像的像素信息,显著地提高全局遥感图像的细节效果和优化集群目标区域的分辨能力,提升了遥感图像的质量和可用性。     

POD-BPNN预测模型及结冰条件不确定性量化

当前,数值模拟作为研究飞机结冰的主要手段之一,在计算结冰冰形时会引入大量参数不确定性,并影响数值模拟的精度和可信度。发展不确定性量化方法,科学量化这种不确定性对评估数值模拟结果具有重要意义。针对传统参数不确定性量化方法难以解决高维输入到输出的问题,基于本征正交分解和误差反向传播神经网络,提出了一种结冰冰形预测代理模型。以水滴中值粒径和温度为例,验证了代理模型单输入参数和双输入参数情况下的精度和泛化能力。最后,在代理模型计算的冰形基础上,结合蒙特卡洛采样,利用2σ准则确定结冰范围,发现水滴中值粒径不确定性主要影响明冰的冰角生长,而温度和水滴中值粒径不确定性的叠加主要作用于霜冰厚度。该研究为后续多结冰条件的影响分析和多维输入到输出的不确定性量化提供了思路。     

利用降阶定理计算行列式中的最小阶数

通过讨论利用降阶定理计算行列式中的最小阶数问题,给出了分解的最小阶数,同时结合矩阵的满秩分解,给出了一种有效的行列式的计算方法。     

二次约束优化方法在结构动力模型修正中的应用

将二次约束优化方法应用于结构动力模型修正问题中.该方法将模型修正问题转化为一个带二次约束的最优化问题.应用奇异值分解,给出了结构模型修正的数值方法,并进行了数值实验.通过与其他方法比较,本文提出的方法是有效的.     

航空重力测量重复测线数据处理技术研究

航空动态重力测量是快速获取地球重力场信息的有效手段,从广泛噪声中高精度提取重力信息的数据处理技术是重力测量的关键环节。本文首先分析了测量噪声的来源及误差特性,且明确了现阶段常用的有限冲激响应（FIR）低通滤波器可以有效滤除高频噪声。其次,针对动态特性误差和偶然误差,提出基于经验模态分解（EMD）的误差分离方法。再次,提出了适用于多条重复测线的系统平差方法,有效抑制了低频系统误差的影响。最后,对航空实测数据进行了处理。试验结果表明,基于EMD的误差分离方法将内符合精度从2.86mGal提升至0.75mGal,重复测线系统平差方法将精度进一步提升至0.28mGal。该研究对提升航空重力测量系统在数据处理技术成熟度及实用化水平方面有重要意义。     

航天器多约束姿态机动时-虚混合域规划方法

针对姿态指向受限以及角速度和控制力矩有界等复杂多约束下航天器低能量姿态机动规划问题,首先提出了时-虚混合域的概念,即时域和虚拟域同步存在并且同步求解虚拟域姿态路径以及时域角速度和控制力矩。进一步地,建立时-虚混合域上非线性约束问题模型。然后,提出了时-虚混合域单点式非线性姿态机动规划方法,通过非线性参数优化和单点式路径分解置换规划求解得到姿态机动轨迹以及角速度和控制力矩曲线。仿真结果表明,该方法可以高效地解决多约束姿态机动规划问题,有效地降低姿态机动过程中的能量消耗,得到连续光滑的姿态机动规划结果。     

基于级联注意力机制的孪生网络视觉跟踪算法

针对全卷积孪生网络（SiamFC）在相似物体干扰及目标发生大尺度外观变化时容易跟踪失败的问题,提出了一种基于级联注意力机制的孪生网络视觉跟踪算法。首先,在网络的最后一层加入非局部注意力模块,从空间维度得到关于目标区域的自注意特征图,并与最后一层特征进行相加运算。其次,考虑到不同通道特征对不同目标和各类场景的响应差异,引入通道注意力模块实现对特征通道的重要性选择。为了进一步提高跟踪的鲁棒性,将其与SiamFC算法进行加权融合,得到最终的响应图。最后,将提出的孪生网络模型在GOT10k和VID数据集上进行联合训练,进一步提升模型的表达力与判别力。实验结果表明:所提算法相比于SiamFC,在跟踪精度上提高了9.3%,在成功率上提高了5.4%。