基于通道注意力机制的行人重识别方法

针对行人特征表达不充分的问题,提出了一种基于通道注意力机制的行人重识别方法。将通道注意力机制SE模块嵌入到骨干网络ResNet50中,对关键特征信息进行加权强化;采用动态激活函数,根据输入特征动态调整ReLU的参数,增强网络模型的非线性表达能力;将梯度中心化算法引入Adam优化器,提升网络模型的训练速度和泛化能力。在Market1501、DukeMTMC-ReID和CUHK03主流数据集上对改进后的模型进行测试评价,Rank-1分别提升2.17%、2.38%和3.50%,mAP分别提升3.07%、3.39%和4.14%。结果表明:改进后的模型能够提取更强鲁棒性的行人表达特征,达到更高的识别精度。      

航空发动机盘腔积液的故障识别

针对航空发动机盘腔积液故障难于监测和诊断的问题,将积液问题分为早期积液和严重积液,分别进行振动特征提取。研究了不平衡量和早期积液对转子振动的影响规律,基于幅频特性曲线区域面积分布特点,提出一个早期积液故障识别准则;分析了严重积液转子失稳振动特征,发现积液转子在发生失稳时会出现振动幅值突增、次谐波分量突增和拍振,基于振动特征提出三个严重积液故障识别准则。结合航空发动机实际工况,提出一套完整的积液故障监测方法和诊断流程,能够实现在转子失稳前发出预警,避免故障升级。通过30组实验数据进行验证,所提出的积液故障识别方法准确率达96%,具备工程应用价值。     

受限资源下制导武器末制导机器视觉技术研究

针对精确制导武器末制导机器视觉技术应用需求,研究了基于卷积神经网络的、针对复杂背景及小目标的自主目标检测识别算法,并分别进行了网络性能评估和硬件资源需求定量评估。针对最优算法,提出了基于嵌入式受限资源下的高精度神经网络压缩算法,并对算法进行了普适性评估。基于GPU嵌入式平台,实现TensorRT路线网络优化,并在速度和精度两方面均衡考虑下,对裁剪与量化算法进行了详细实验验证。实验结果表明,高精度神经网络压缩算法在硬件资源受限条件下,可以有效提升推理速度,最终经算法优化后的网络结构,可以获得3倍以上的速度提升,网络精度损失小于5%。     

基于卷积神经网络对磁异常信号的识别研究

航空磁探反潜作为航空反潜的重要手段,在其中发挥了重要作用。针对目前航空反潜作战中,磁干扰信号极大地影响对水下目标磁探测效果这个问题,文章先对输入信号进行预处理,并使用卷积神经网络实现对2种信号的识别。实验结果显示,卷积神经网络的方法对信号的识别率达到了85%,能够有效对信号进行准确地识别。     

基于深度森林的卫星ACS执行机构与传感器故障识别

针对卫星姿态控制系统（ACS）闭环回路的故障难以辨识的问题,引入深度森林算法,实现执行机构与传感器故障识别。首先针对可获取的少量卫星姿态控制系统遥测数据,结合系统动力学特性,研究合适的特征选择和特征提取方法,再结合深度森林算法进行故障信息学习与辨识,建立故障预测模型,实现执行机构故障与传感器故障的识别。半物理仿真结果表明：在存在气浮台干扰力矩、卫星转动惯量未知、飞轮非线性特性、闭环故障传播等多种不利因素情况下,深度森林算法对于执行机构和传感器故障具有高效的识别能力。     

航空发动机尾喷管固体颗粒流动特性研究

为了通过发动机尾喷管内固体颗粒的荷电水平来判断发动机的故障程度,对发动机尾喷管内固体颗粒的流动特性进行研究。选取某型发动机尾喷管为研究对象,利用ICEM软件进行建模与网格划分,通过Fluent模拟仿真分析颗粒直径和初始速度对颗粒分布的影响,探讨固相颗粒产生绳流、均匀弥散流、环流及层流等流型的条件。研究表明:局部注入的颗粒分布为绳流;对于面均匀注入方式,随着固体颗粒直径增大,其分布由均匀弥散流逐渐变为环流;随着颗粒直径和速度的增加,颗粒与尾喷管壁面碰撞加剧,部分区域出现层流;当颗粒直径和速度达到一定程度时,颗粒的分布规律保持稳定。     

航空发动机直纹叶片的线形特征点云构造算法

针对航空领域形状复杂、高精度的直纹叶片曲面的逆向设计问题,借助该类叶片曲面的几何特征,提出一种线形特征点云的构造算法.在对叶片散乱点云边界进行快速识别的基础上,采用反投影法提取直纹母线矢量,利用退火算法求解边界数据点配准的多目标优化问题,以实现边界点云数据的非刚性配准.根据配准结果构造等分点,进而得到规则有序的线形特征点云,达到快速生成高质量叶片曲面的目的.本算法在处理直纹叶片点云数据方面具有较好的效果.对直纹叶片的曲面重建具有一定的理论意义和应用价值,通过实验验证了该算法的可行性.     

民机项目研制过程中关键特性的识别研究

基于对AS 9100C、AS 9103标准的研究分析,结合民用飞机研制特点,提出关键特性的识别贯穿于民机项目研制全过程,分级、分阶段进行。从特殊要求及安全性分析入手,对关键特性的识别开展研究。     

基于趋势分析的发动机振动故障识别

总结十种航空发动机整机故障的振动特征发现,单纯从频率角度分析几乎所有故障模式都表现为转子基频,但是不同故障的振动幅值发展趋势却有所不同.基于此提出了基于趋势模型的发动机振动故障识别方法.讨论了发动机整机振动趋势的数学描述及不同故障模式的趋势发展特征;建立了平稳波动模型、周期摆动模型、线性发展模型和阶跃突起模型分别描述发动机振动正常状态和三种典型故障模式;为了有效识别上述四种模型,提出了模型识别准则并实现了识别算法.最后以四组发动机实测趋势数据作为案例进行验证,结果表明该方法可以有效地区分故障模式,验证了该方法的正确性和工程实用性.     

机器人手术网络遥控系统中的语音识别

在广泛参考了国内外关于语音识别技术研究及其应用的优秀论文和著作后，简单介绍了语音识别技术及其算法。在熟悉了微软的语音开发工具包的基础上，汲取其中和本项目相关的部分，具体描述了完成机器人手术网络遥控系统中的语音识别部分的方法和实现的步骤。利用开发工具Microsoft VC 6．0和Microsoft Speech API 5．1，通过一个具体实例对机器人手术网络遥控系统中的语音识别部分作了较详细的论述。