利用神经网络规则提取方法获取转静碰摩故障诊断知识

 获取易于理解的航空发动机转静碰摩故障诊断知识规则对于深刻认识碰摩故障机理、有效诊断碰摩故障具有重要意义。鉴于此,研究了一种新的基于功能性观点的神经网络（NN）规则提取方法,介绍了连续属性离散、训练样本产生、神经网络训练、示例样本产生及规则提取等关键算法,并用Iris数据对方法进行了验证。最后,通过航空发动机转子实验器获取碰摩故障样本,利用神经网络规则提取方法从故障样本中提取了碰摩故障诊断知识规则,并对其进行了验证分析,验证结果充分表明了该方法的正确有效性。     

基于COFF和自举表文件的DSP执行程序提取器设计及实现

介绍了基于COFF和自举表文件的DSP执行程序提取器设计方案及实现技术,包括两种文件的解析算法、软件实现、功能验证、性能评估以及在新一代运载火箭型号中的应用情况.使用提取器,能够快速、自动生成带有CRC校验信息的DSP执行程序,提高了生成效率、正确率、可靠性以及使用的安全性.     

示温漆图像等温线提取算法

分析示温漆（TIP）图像特征,根据等温线附近产生局部梯度极值的特点,实验对比了4种边缘提取算法效果。根据实验结果,选用Canny算子提取等温线。提出在边缘提取前进行K means聚类处理,并对K means聚类算法和Canny算子进行了改进。提出了两种K means初始聚类中心的选择方法,更适于示温漆图像的分割。改进了Canny算子的内核,提升了等温线的质量。结果表明:该算法能够快速提取清晰、连续的等温线,效果良好,满足工程应用要求,已用于示温漆自动判读软件开发。      

轴功提取与引气一体化管控对航空发动机燃油经济性的影响分析

为获得机载系统轴功提取和引气一体化管控对发动机燃油经济性的影响机制,建立实现该功能的自适应动力与热管理系统模型,利用4阶龙格库塔法与牛顿迭代法耦合求解,分析了不同巡航高度H下轴功提取与引气能量转换效率比η、轴功提取与引气作功比λ、APTMS相对转速Nz等对系统燃油代偿损失的影响。仿真结果表明:轴功提取与引气能量转换效率比η大于临界值时,系统燃油代偿损失随着轴功提取与引气作功比λ的增大而减小,反之则燃油代偿损失增大,变化幅度最大可达20%;APTMS相对转速Nz越大,半闭式空气循环风扇涵道引气越小,动力涡轮低压级引气及功率提取量越大,则燃油代偿损失越大,增量最大可达1倍。说明通过轴功提取与引气一体化管控可有效提高发动机燃油经济性。     

冰形表面激光光带中心线快速提取方法

在风洞结冰模型3D冰形测量中,激光三角测量法相对传统测量方法检测速度快、精确度高,具有极高研究价值。然而由于冰体对激光透射严重,影响激光中心线提取精度从而影响测量精度。针对此问题,提出一种冰形表面激光光带中心线快速提取方法。该算法具体实现步骤为:首先,采用基于三维块匹配去噪算法对图像进行降噪,并对图像进行视觉显著性计算,分割出光带区域;其次,求取梯度图并转换至频域空间,根据图像频谱特征求取能量中心区域;最后,对区域采用灰度重心法求取中心线亚像素级位置。采用冰箱冻结的半径已知圆柱冰块评估该算法,测得算法处理时效为28.57FPS,使用该算法的冰形轮廓重建精度达到0.017mm。实验证明算法满足冰形在线测量技术要求,为开展结冰实验中结冰生长过程在线三维检测技术奠定技术基础。     

空间移动小目标的检测算法

空间序列图像中移动小目标检测与轨迹提取是空间目标监视、跟踪及编目的关键技术之一.为了及时有效地处理星载可见光相机输出的多维海量数据,提出了一种基于四邻域二值量化方法和改进概率Hough变换的目标检测及轨迹提取算法.相较于美国空间目标在轨检测(MTI,moving target indicator)算法,改进算法虚警噪声点及候选路径数目明显减少,计算复杂度降低,运行效率提高.实验结果表明,算法可有效检测序列图像中快速移动的弱小目标并提取其直线运动轨迹.     

航空发动机故障诊断中的磨屑识别研究

滑油系统是保证发动机正常工作的一个重要系统,当运转机件发生磨损时,产生的磨屑会进入滑油中,并被收集.本文所采集的磨屑是肉眼能看的金属屑.它们是反映航空发动机机械设备内部零部件磨损状况的重要信息载体,分析它的特征是反映发动机机械故障的有效方法.     

粒子运动轨迹的图像处理及流场重构算法研究

为了高效获得颗粒的速度分布,提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法,对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF（Radial Basis Function）插值且采用迎风插值进行优化的算法,插值结果以速度云图及矢量图的形式展示,对该过程的主要误差也进行了分析与验证。最后的处理结果显示,针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。     

基于全卷积孪生神经网络的复杂监控场景下前景提取方法

由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图与待提取图像融合,利用编解码网络以实现端到端的前景提取。在CDnet2014数据集上进行综合评估与测试,结果均证明了该方法的有效性。     

曲线拟合参数估计法的目标散射中心提取

提出了一种基于几何绕射理论(GTD)模型的曲线拟合参数估计法,用于目标散射中心的提取.根据二维散射中心GTD模型,分角度分离目标的距离向散射中心,对不同角度的散射中心距离和幅相进行曲线拟合,提取目标二维散射中心参数,可估算散射体的曲率半径,较精确地计算转台中心至天线的距离.算例表明:对大角度成像、遮挡、平板散射等用该法重构的雷达散射截面(RCS)与原始数据较吻合.