图像处理中心简介

为适应计算机技术发展的需要 ,北京航空航天大学于 1 984年成立了以出国进修教师为骨干、主要从事数字图像处理与模式识别方面的研究与教学工作的图像处理中心 ,直属学校。1 985年图像处理中心开始招收模式识别与智能系统专业的硕士研究生。 1 986年为促进图像处理技术的发展与更好地发挥国外各高等院校与研究所引进的图像处理设备的作用 ,北航图像处理中心牵头成立了中国计算机用户协会图像分会并挂靠在北航。1 989年为使图像处理技术更好地为发展我国的航天技术服务 ,图像处理中心并入宇航学院。 1 995年图像处理中心开始招收模式识别与智…     

一种新的星模式识别算法

研究了面向星敏感器的星模式识别算法。首先扼要介绍了到目前为止出现的所有面向星敏感器的星模式识别算法和星图预处理，然后详细论述了本文提出的基于旋转和比例不变点特征松弛匹配算法的一种新的面向星敏感器的星模式识别算法。在第三部分通过仿真试验检验了新算法的性能。初步的仿真试验结果表明该星模式识别算法性能优良，具有实用价值。最后讨论了待深入研究的问题。     

用锤击法测定燃气涡轮叶盘的模态参数

本文用锤击法测定防空导弹液压能源小型燃气涡轮叶盘的模态参数,文中叙述模态频率高达5～18kHz情况下试件中出现的问题和相应的措施,最后对试验结果作了分析,并给出受试叶盘的临界转速。     

模式识别中幂变换正态性的研究

在基于模板匹配的模式识别中,当数据呈正态分布时得到的识别效果最优。幂变换是一种将非正态分布转换为正态分布的一种有效方法,文中对幂变换技术的正态性问题进行了相关的研究,并探讨了典型分布条件下的幂变换最佳取值问题,为幂变换的应用提供了一定的理论基础。     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。     

终端区空中交通流到达模式识别

为了实现对终端区空中交通流到达情况更加准确的分析,针对目前常用的流量统计方法中所存在的问题,提出了交通流到达模式概念,并对基于聚类思想的到达模式识别方法进行了研究。在对交通流到达时序数据提取的基础上,利用基于免疫优化算法的聚类方法实现了对交通流到达模式的识别。对交通流到达模式特征进行了分析,并结合滑动时间窗算法提出了交通高峰小时及峰值流量计算方法。通过实例分析证明了方法的可行性与准确性。     

一个识别零件几何与工艺特征的自动分类系统

提出了一种在成组技术中应用模糊综合评判理论识别零件几何与工艺特征、进行计算机辅助零件分类的新方法，据此设计了自动分类软件。本法是根据零件本身间的相似性自动分类，不需建立一套分类用编码系统，也不需事先设定假想零件。对不同的分类要求，修改各种输入信息很方便，具有柔性。本文对２３００个航空附件回转类零件作了试验分析，讨论了特征抽取，目标类别，权级、权重分配，模糊关系矩阵计算，及自动分类应用软件设计．本软件是在ＩＢＭ－ＰＣ微型计算机上用Ｆｏｒｔｒａｎ－７７语言实现的，分类结果满意，自动分类正确率达９０％以上。本软件设计方法也适用于设计管理部门．     

机翼结冰生命周期的数字孪生软件系统

飞机巡航中的机翼结冰情况是关系到飞行安全的重大实际问题之一,如果能够实时监测甚至根据环境提前预测机翼结冰过程和状况,对改进机翼防除冰设计、规避飞行危险都具有重大意义。数字孪生技术作为5G信息时代中新兴的技术,为物理过程的虚拟呈现提供了新的思路与解决方案、同时数字孪生技术结合人工智能等技术,同样可以应用于飞机巡航中机翼结冰物理过程,对实时监测与预测提供了新的技术保证。从数字孪生的角度出发,以机翼结冰神经网络模型为切入点,设计实现了一款基于数字孪生和人工智能技术的巡航中机翼结冰二维过程快速呈现软件系统。软件获取飞机巡航结冰参数与飞行参数,运行结果能够利用动态显示方式,呈现飞机巡航中机翼结冰全生命周期。     

基于LSTM的飞行数据挖掘模型构建方法

提出了一种基于LSTM （Long Short Time Memory）模型的飞行历史数据挖掘模型的构建方法,此模型可以将飞行数据中有价值的目标数据自动提取出来。首先,通过滑动窗口法获得待检测数据;然后,将预先做好的训练样本数据输入到所构造的LSTM模型中进行训练,得到数据挖掘模型;最后,将待检测数据导入到训练好的LSTM模型中进行模式识别,将目标数据片段挖掘出来。结果表明,基于LSTM模型的飞行数据挖掘模型构建方法通用化程度高,可用于挖掘不同类型的目标数据,且识别率高,具有很高的工程应用价值。