基于证据网络因果分析的空中目标意图识别

目标意图及时准确的估计对战场指挥决策具有重要的影响。考虑到战场环境复杂多变,其检测数据、信息、知识具有较高的随机性和认知不确定性,本文面向目标意图知识推理,基于结构因果模型,利用证据网络在不确定性处理方面的推理优势,提出了一种基于证据网络因果效应分析的空中目标意图识别方法。该方法通过d-分离检验构建兼容信息特性与意图多样性的因果证据网络模型,使模型同时考虑领域知识和数据间的条件独立关系,并将认知不确定性内嵌于推理引擎中,推理实现不确定战场环境下空中目标意图估计。此外,基于提出的因果证据网络模型和干预算子计算目标意图与属性之间的因果效应,挖掘目标意图估计蕴含的因果逻辑关系。仿真分析表明：本文提出的方法能够同时处理随机不确定性与认知不确定性,克服了传统意图识别方法缺乏因果分析的缺陷,是对目标意图和战场态势要素的深层次认知,实现了意图识别的“由果溯因”和“由因识果”。     

基于偏振约束的立体视频快速运动估计算法

分析了平行双目立体摄像系统的偏振约束特性,提出了一种基于偏振约束的立体视频快速运动估计算法.左通道和右通道分别作为基本层和增强层,对右通道结合视差估计和运动估计得到最优的运动矢量预测值初值,采用不同的运动搜索方法,确定右通道最终运动矢量.若最优的运动矢量预测值是由视差估计得到的左通道运动矢量,则根据偏振约束,左右通道图像对应编码块的运动矢量在垂直方向上的分量相等,因而右通道只在水平方向上进行小范围的运动估计搜索,从而大大降低了右通道运动估计的计算复杂度.实验结果表明,在相同条件下,采用该算法编码一帧图像的运动估计平均时间分别只有采用全搜索块匹配算法、钻石搜索法和三步搜索法的0.27,0.58和0.67倍,编码速度得到显著提高.     

自适应飞机驾驶员最优控制模型研究及应用

针对驾驶员最优控制模型(OCM)无法反映飞行员在未知环境下渐进适应过程这一缺点,采用自适应状态估计理论对OCM进行改进,建立了基于自适应状态估计的驾驶员最优控制模型(MOCM-AE),给出了算法流程。通过对比飞行试验数据和未知扰动下的着舰应用,对模型进行了评估。通过人机闭环仿真进行了飞行试验再现,得到了人机闭环频域曲线。对比结果表明,与OCM相比MOCM-AE的频域特性曲线与试验更为吻合。在着舰应用中,引入低空紊流作为未知扰动进行着舰仿真,结果表明OCM强烈依赖于先验经验,而MOCM-AE无论是否具有先验经验,无论是否存在未知扰动,均能取得良好着舰效果。在未知扰动和舰尾流影响下,MOCM-AE比传统OCM着舰精度提高59%,着舰点分布范围缩小29%,这体现了飞行员对未知环境的适应能力。     

基于神经网络的自适应状态观测器

利用ＢＰ神经网络动态系统对一类非线性时变系统的状态进行了估计。利用神经网络的“学习－遗忘”特性,提出了非线性时变系统的自适应状态观测器,对其结构及特性进行了讨论。仿真结果表明这种自适应状态观测器能跟踪系统参数及状态的变化。     

利用GPS进行姿态估计的一种算法

首先建立了全球定位系统（ＧＰＳ）姿态确定的观测方程;然后给出了利用ＧＰＳ进行飞行器姿态估计的模型,并对该模型进行了线性处理;最后利用攻推广卡尔曼滤波技术,针对某飞行器进行了仿真计算。计算结果表明,对于不同的测量噪声和系统噪声,滤波器都有较好的估计,姿态估计的精度明显高于单纯ＧＰＳ姿态确定的精度,可以满足大多数飞行器对姿态确定的要求,证实了模型和算法可用性。     

浅凹槽底壁横向燃料喷射对流动和燃烧特性的影响

模拟了高度30km,飞行马赫数6的超声速燃烧室流场和燃烧特性.通过对固定长度、不同深度的一组浅凹槽底壁燃料横向喷射的燃烧室的冷态与燃烧工况进行数值计算,并将其和传统壁面横向喷射方式进行比较,发现引入浅凹槽底壁喷射结构能有效减弱流场的激波系强度,明显降低燃烧流场的总压损失;凹槽前壁面和喷流柱之间形成稳定的亚声速回流区,能够稳定火焰,这在较大深度凹槽会更明显.引入浅凹槽一定程度降低了横向射流穿透深度,这也导致燃烧效率相比传统壁面横向喷射结构有一定下降.     

基于深度学习的自冲铆接偏铆缺陷检测算法研究

自冲铆接技术适合铝钢等异种材料连接,接头性能可靠,在航空工业中有着广阔的应用场景,但目前针对自冲铆接缺陷无损检测的相关研究较少。提出了基于深度学习的自冲铆接偏铆缺陷检测算法,首先通过剪切力学性能试验得出偏铆自冲铆接件相较于正常铆接件力学性能下降了5.6%;然后通过自冲铆接偏铆件外部形貌特征将偏铆程度由外部特征定义在0～10的区间;最后探究了单步检测同双步检测间的检测效果差异,提出了YOLOv5s(You Only Look Once v5s)加ResNet18的检测方案,并通过Grad-CAM(Gradient-Weighted Class Activation Mapping)对不同检测方案的效果差异进行了可视化的解释。测试表明,提出的YOLOv5s加ResNet18的检测方案在所采集的数据测试集中可以达到100%正确率,高于仅用YOLOv5s取得的95.18%正确率,远高于仅用ResNet18取得的84.1%正确率。     

双轴地磁辅助的惯性/卫星组合导航方法

旋转弹姿态的精确获取是旋转弹控制领域的一个研究重点,单纯将惯性/卫星组合导航方案应用于旋转弹上,无法快速而准确地获取弹体滚转姿态角。提出一种双轴地磁辅助惯性/卫星组合导航方法,该方法采用双轴地磁传感器、微机电(Micro Electro Mechanical System, MEMS)惯组和卫星导航组合测量方案,由序贯Kalman滤波算法完成对弹体姿态、速度和位置的估计。选取某旋转弹为仿真对象,仿真结果表明该方法在获得高精度速度、位置的同时,可快速完成弹体姿态准确估计。当地磁传感器精度为10mGs时,弹体姿态可在1s内快速收敛,且姿态精度优于0.5°(1σ)。该方法具有导航精度高、地磁标定简单、价格低廉的优点,在旋转弹导航方案上有一定的工程应用价值。     

一种面向工业机器人的高精度三维无序抓取系统

在航空航天、汽车等领域中,各类复杂工件结构复杂、纹理弱且混叠堆放,在智能制造过程中存在快速、高精度测量和识别难题。针对上述问题,建立了一种面向工业机器人的高精度三维无序抓取系统。基于面结构光三维测量技术,构建大场景固定基座的三维视觉测量装备,获取大型复杂零件的三维点云数据。建立零件点云模板,设置抓取点位置,利用点云配准技术识别零件并估计当前位姿。提出了一种手眼标定优化策略,实现了对工业机器人的精确引导,完成任意位姿零件的抓取,按要求装配于指定位置。实验结果表明,所设计的无序抓取系统平移误差为0.413mm,角度误差为0.123°,可以快速有效地对散乱堆叠零件进行高精度识别与定位,引导工业机器人准确抓取与放置,该系统可以在航空航天、汽车等领域的工业生产线上进行示范应用。     

某发动机涡轮故障叶片共振相干分析与可靠性评估

分析了某发动机二级涡轮叶片的振动特性、振型应力,共振特性;并结合内外场大量的频率统计数据进行了共振相干分析,分析了叶片故障原因,并提出采用限频、调频等排故措施。