基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

基于同步辐射技术的WE54镁合金原位时效研究

利用原位同步辐射技术对WE54镁合金时效过程进行研究。通过对比固溶态(T4)和固溶后冷轧预变形(T4-D)两组合金,揭示WE系列合金在300℃时效温度下析出相演变过程以及预变形对时效析出动力学的影响。原位时效研究表明:T4-D合金的强化相β1(Mg3(Nd, Y))在时效开始3 min后快速形核;时效9 min后β1开始向β(Mg14Nd2Y)转变,时效36 min后此转变结束,此后β占主导地位;对于T4合金的时效析出过程,β1在时效开始6 min后形核;时效18 min后β1开始向β转变;时效78 min后此转变结束。同步辐射衍射结合透射电子显微镜(TEM)结果分析发现:通过轧制预变形可以加速合金的时效进程并促进形成网状分布的时效析出相,这种分布有利于合金获得良好的时效强化效果。     

TC4钛合金超声喷丸强化残余应力数值模拟分析

为了探究 TC4 钛合金超声喷丸过程中喷丸参数对残余应力的影响规律,基于 ABAQUS 建立了 TC4 钛合金超声喷丸强化的 3 维有限元模型,分别从超声喷丸模型中振动头振幅、弹丸数量和弹丸直径的变化对 TC4 钛合金表层及亚表层残余应力分布的影响进行了分析。结果表明:随着振动头振幅和弹丸直径的增加,试件表面及亚表面每层残余压应力分布范围及残余压应力值均增大,残余压应力层深度增加;随着弹丸数量的增加,仅能提高每层残余压应力的值,对残余压应力层深度影响较小。     

基于在线学习的数控加工刀具寿命动态预测方法

预测刀具寿命对保证零件质量和控制加工成本意义重大,但刀具磨损过程复杂多变,刀具剩余寿命受工况影响难以准确预测。针对以上问题,提出了一种基于在线学习的刀具寿命动态预测方法,以长短时记忆网络为基础模型,融合在线学习模块,使得模型能够在加工过程中自动更新参数,实现变工况下刀具寿命的精确预测。进行了铣削加工试验,结果表明,刀具寿命动态预测方法可以有效提升刀具寿命预测精度。     

基于应变路径非比例度的多轴疲劳寿命预测

在分析多轴疲劳几种常用非比例度定义的基础上,提出了一种非比例度定义方法,进而以American Society of Mechanical Engineers(ASME) 规范案例中非比例加载多轴疲劳设计准则采用的应变参量作为基本损伤参量,发展了一种新的多轴疲劳寿命预测模型.结果表明:①所提出的非比例度定义可以描述任意已知轮廓的、非周期的、变幅的非比例加载路径;②与两种常用的多轴非比例加载疲劳寿命模型的预测结果对比可知,新的寿命预测模型对14种比例和非比例加载路径下304不锈钢材料的寿命预测与试验吻合更好,预测结果基本位于2倍分散带以内.      

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

航空发动机间冷器及回热器发展研究综述

近年来,航空器发展对航空发动机经济性和环保性的要求越来越高,间冷回热循环日益受到关注和重视,间冷器和回热器的研究已经成为发展间冷回热循环航空发动机的关键因素之一。本文简要介绍了间冷回热航空发动机的研究背景,回顾了国内外有关航空发动机间冷器与回热器的换热表面研究、热交换器优化工作、间冷器及回热器与航空发动机整机匹配研究和新型高温热交换器技术,提出了航空发动机间冷器及回热器相关有待深化研究的问题。