基于多尺度时间卷积网络的航空发动机寿命预测

剩余寿命预测对于航空发动机设备的安全运行、制定维修计划具有重要的意义.目前现有方法无法有效提取设备复杂工况和复杂故障下的退化特征.针对此问题,提出一种基于多尺度时间卷积网络(MTCN)的发动机寿命预测方法.该方法利用时间卷积网络提取数据时序信息,并通过多尺度卷积核的不同感受野提取设备复杂工况下的退化特征,从而更好地预测极端条件下的设备剩余使用寿命(RUL)值.为了验证所提出方法的有效性,在航空发动机C-MAPSS数据集上进行试验.结果表明所提出方法能有效提高设备在复杂工况和复杂故障下的RUL预测精度.     

2020年国外惯性技术发展与回顾

通过对IEEE惯性传感器与系统会议、MEMS国际会议、圣彼得堡组合导航会议、PLANS会议和DGON ISS会议等惯性技术相关会议文献,以及惯性技术相关机构发布的一些动态信息进行梳理,总结分析了惯性技术领域的最新发展动态,并重点介绍了光学陀螺、微机电(MEMS)陀螺和加速度计等惯性器件的发展现状,以及美国为增强定位、导...     

直升机复合材料结构疲劳寿命评定技术的研究进展与发展趋势

针对直升机复合材料结构的服役环境和外场使用经验,分析了复合材料结构在交变气动环境下所呈现出的高周疲劳载荷特征,指出复合材料疲劳在直升机复合材料结构设计中的必要性.对直升机复合材料结构疲劳定寿体系中涉及的疲劳载荷谱编制方法、损伤失效机理、寿命预测方法及疲劳试验验证4项关键技术的研究进展进行了概述,在此基础上,根据当前复合...     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

飞秒激光系统图像调焦装置以及方法

飞秒激光直写技术在复杂三维微结构加工领域具有显著优势,而调焦是否精准直接影响了所加工结构的完整度.提出了在光路中临时置入调焦光源和物的图像调焦技术,通过调节物的位置使其成像面与激光聚焦面一致,从而通过清晰可分辨的成像状态间接反映激光聚焦状态.利用Zemax软件模拟分析了原飞秒激光光路与加入调焦光源和物的调焦光路,二者可实现相同加工物镜后工作距离与良好成像质量,证明了该方法的可行性.通过分析得到该过程的成像误差主要由成像镜头焦深(3.9 μm)引起,我们获得的理想调焦精度可达到1/2焦深以内.设计了单层高度为5 μm的二层圆柱结构,通过多次实验验证了所加工元件高度误差在1.5 μm范围以内,与理论分析一致,满足飞秒激光系统的调焦要求.