旋翼BVI噪声的理论模拟与分析

ＢＶＩ噪声是旋翼产生的一种非常强烈的脉冲式噪声,本文应用理论模拟的方法分析了ＢＶＩ噪声的规律。对叶片表面非定常力的计算采用了有限翼展叶片对倾斜正弦式阵风的响应函数,声场计算应用了基于Ｌｉｇｈｔｈｉｌｌ声类比理论的频域方法。应用本文方法计算的ＢＶＩ噪声声压信号与实验结果比较吻合较好。     

余度管理中故障监控门限值的选取

本文讨论了余度管理中故障监控门限值的选取。门限值的选取对监控系统性能有很大影响。本文通过分析的方法求门限值的最优值。该方法具有一定的准确性,可以作为实际选取门限值的参考。     

基于部件跟踪滤波器的解析余度技术

研究一种以发动机部件跟踪滤波器(CTF)为基础的解析余度技术, 它将CTF与故障检测、隔离和适应逻辑进行了有效的综合, 以改进发动机数控系统的可靠性。仿真表明, 本文所设计的解析余度技术, 在传感器无故障时, 机载模型能正确跟踪发动机的变化。当传感器发生故障时, 在不损坏机载模型的情况下, 又能及时、有效地进行硬、软故障的检测、隔离与适应。      

云层和降水中湍流区雷达检测的自适应算法

应用自适应算法综合理论，研究出了检测云层和降水中湍流区雷达信号的一些新算法。本文分析了这些新算法的有效性，首先对气象雷达信号进行了仿真，然后通过对处理过程的建模和测试，分析比较了算法的有效性。结果表明，与广泛使用的脉冲对算法相比，新算法有着明显的优势。     

基于VXI总线的某型飞机地面检测系统的设计实现

介绍了一种基于VXI总线的某型飞机地面自动测试系统的设计与实现过程。详细论述了该系统的硬件结构和在LabWindows/CVI环境下的软件模块化设计。该系统具有操纵简便、测试速度快、精度高、可靠性高和系统开放等特点,在部队外场恶劣的工作环境中运行良好、性能稳定。     

基于YOLOv7通道冗余改进的飞机蒙皮损伤检测

为提高蒙皮损伤检测的自动化程度,提出一种基于改进YOLOv7通道冗余的机器视觉检测方法。首先针对飞机蒙皮损伤数据集背景单一的特点,提出增强型颈部特征融合改进算法,提高了飞机蒙皮损伤的识别精度和检测速度;其次针对主干特征提取网络的卷积通道冗余的问题,引入部分卷积PConv(Partial convolution),提出主干特征提取网络轻量化,减少模型的参数量,同时提高损伤的识别效率。试验部分首先在飞机蒙皮损伤数据集上探索了不同增强型颈部特征融合改进算法,确定了最优的改进方案;接着在飞机蒙皮损伤数据集上做消融和对比试验,改进算法与原YOLOv7算法比较,m AP(Mean average precision)提升了2.3%,FPS(Frames per second)提升了22.1 f/s,模型参数量降低了34.13%;最后将改进的YOLOv7模型与主流目标检测模型对比,证明了改进算法的先进性。     

星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。