固体火箭发动机加延时间试验的可靠性增长Bayes分析

针对含有加延时间试验的固体火箭发动机研制过程,将Mazzuchi-Soyer可靠性增长模型用于此类研制试验的可靠性分析,扩展了模型应用范围。首先,采用威布尔分布描述发动机可靠性随试车时间变化,经过一定的数学变换后,采用Mazzuchi-Soyer可靠性增长模型融合了先验信息和各阶段试验信息,给出了研制试验结束时产品可靠性的联合后验分布;然后,利用Gibbs抽样算法解决了后验推断计算问题,最终得到了各阶段产品可靠性的Bayes点估计和区间估计;最后,给出了产品可靠性增长分析实例,表明了模型的优越性。     

HEVC对偶编码单元划分优化算法

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度。该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计。实验结果表明：与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06%的编码时间。     

无人机高机动抗扰轨迹跟踪控制方法

针对传统的四旋翼控制方法在高机动飞行时控制效果不佳,难以跟踪机动性较强的轨迹且控制精度较低的问题,设计了基于增量非线性动态逆控制(INDI)方法和微分平坦前馈的轨迹跟踪控制器,不仅提高了高机动轨迹的跟踪精度,也增强了抗扰能力。由于角加速度无法直接获得,该方法对其非常敏感,设计了多种角加速度估计方法进行对比,通过飞行试验选择了效果最佳的互补滤波方法。试验结果证明：设计的基于互补滤波的前馈INDI方法可以控制飞行器快速、准确地跟踪高机动轨迹,且具有较强的抗扰能力。     

指数分布产品分组数据的统计分析

给出了指数分布产品在基于分组数据下参数的近似矩估计及近似区间估计,最后通过Monte-Carlo模拟数据说明方法的可行性。     

基于模型迁移学习的滚动轴承智能故障诊断方法

针对滚动轴承故障诊断中可用的故障数据较少,同时基于数据驱动的故障诊断模型在训练过程中需要耗费大量的时间和计算资源的问题,提出一种基于EfficientNet模型迁移学习的滚动轴承智能故障诊断方法。首先,利用信号转化图像的方法,将不同健康类别滚动轴承振动信号生成相应的训练集和测试集;然后,将经过预训练的EfficientNet模型,通过参数共享迁移到训练集上进行训练并微调,以达到模型最佳参数;最后,通过测试集验证模型的故障诊断能力。在双转子高速滚动轴承故障数据集上,对提出的故障诊断方法进行了验证。结果表明：在不同工况下,所提出故障诊断方法的准确率最高能达到99.48%,优于传统的数据驱动故障诊断方法,具有较好的应用前景。     

面向对准方案等效性分析的命中精度评定

动基座发射的飞行器存在精对准和粗对准两种方案,由于粗对准采用提前获取的失准角,时间效应的不确定性导致对准偏差较难获取,不利于制导精度分析。本文提出了一种基于命中精度评定的飞行器对准方案等效性分析方法,基于置信上界估计方法,通过对飞行器粗对准和精对准子样进行独立评定和对比,在评定准则下验证了两种对准方案的等效性,可有效确定粗对准状态下失准角的时间效应对精度的影响。     

锂离子电池SOC及容量的多尺度联合估计

锂离子电池的荷电状态（SOC）和电池容量估计是电池管理系统的核心。由于SOC和容量在估计过程中参数相互影响,提出一种适用于三元锂离子电池SOC及容量的多尺度联合估计方法。采用戴维宁等效电路模型,建立数学模型及状态空间方程。针对不同温度下电池特性不同的问题,在不同温度下开展了模型参数辨识,建立了参数随SOC及温度的变化关系。基于双扩展卡尔曼滤波（DEKF）算法建立了电池状态多尺度联合估计模型,对电池的SOC、极化电压在微观时间尺度上进行估计,对电池的容量在宏观时间尺度上进行估计,并对SOC估计中的容量进行更新,保证了电池长期估计的精度。在宽温度范围内进行验证,所建立的三元锂离子电池多尺度联合估计方法具有较高的精度。      

基于深度学习的图像拼接篡改检测

传统图像拼接检测算法通过研究人员手动构造拼接特征,随着科技的进步以及图像处理技术的不断发展,手动构造特征的局限性逐渐体现出来,鲁棒性较弱,位置不易确定等。为了解决这些问题,构建了一种卷积神经网络（CNN）,将卷积核前置并固定,自主学习相关特征从而检测拼接篡改的图像区域。经过一系列研究,发现拼接篡改图像的拼接篡改区域特征可以被CNN模型学习。在CNN模型之前,卷积核使用高通滤波器,激活函数采用指数线性单元（ELU）,使得CNN模型具有识别拼接篡改图像边缘痕迹等特征的能力。检测结果表明:在IEEE IFS-TC图像拼接取证竞赛训练集上对拼接篡改图像拼接篡改区域定位的准确率为84.3%,对拼接篡改区域判定的真负类率为96.18%。      

基于深度前馈网络的自适应相对导航滤波

针对空间非合作翻滚目标近距离相对导航中出现测量异常偏差导致滤波精度下降甚至发散的问题,研究了具有抗差能力的自适应滤波估计方法。在设计了相对导航滤波模型的基础上,提出了基于深度前馈网络的自适应扩展卡尔曼滤波算法,并且详细设计了智能故障检测与估计的深度前馈网络模型与训练方法。数学仿真结果表明:深度前馈网络能够有效估计测量异常偏差且估计误差小于异常偏差值的15%,基于深度前馈网络的自适应扩展卡尔曼滤波结果显著优于常规扩展卡尔曼滤波。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。