基于卷积双向长短期记忆网络的轴承故障尺寸估计

基于振动监测数据的航空发动机滚动轴承损伤大小识别,对于研究滚动轴承故障演化、故障预测和故障诊断具有重要意义。针对传统模型对先验知识依赖性高、特征提取不充分、故障尺寸训练类别有限等问题,提出了一种基于深度学习的滚动轴承损伤尺寸预计方法,能够对训练过程中未出现的中间尺寸进行准确识别。在经典模型的基础上,搭建了一种深度卷积网络与长短期记忆网络组合模型,该模型可对轴承振动信号的多维特征与时序特征进行充分提取,实现轴承故障的智能和高效诊断。最后,利用滚动轴承加速疲劳试验机,进行了多种转速与损伤尺寸下的滚动轴承故障试验,基于试验数据进行了方法的比较,结果表明,该组合网络的在正常和加噪的情况下预测精度分别达到99.94%和98.67%,较单独的深度卷积网络、长短期记忆网络及其他模型精度更高,比较结果充分表明了本文所提方法的优越性。     

钛合金TC4的超硬磨料柔性抛光轮数控抛光试验研究

航空发动机叶片钛合金材料在数控磨抛加工中容易发生烧伤及黏附现象,针对常用的TC4材料开展了超硬磨料柔性抛光轮数控抛光试验研究。分析了超硬磨料柔性抛光轮抛光参数中转速、进给速度、预压量及行距对抛光去除深度及抛光后试件表面粗糙度的影响规律并通过正交试验分析了各抛光参数影响的主次关系。确认了钛合金试件抛光表面黏附物质成分,并同时分析了表面黏附物的形成原理。给出了TC4钛合金材料在超硬磨料柔性抛光轮数控抛光过程中工艺参数的选择策略,为TC4材料的航空发动机叶片和整体叶盘在超硬磨料柔性抛光轮数控抛光过程中提供理论依据和技术基础。     

飞机智慧座舱发展技术研究

未来飞机座舱智慧化转型是必然趋势,研究飞机智慧座舱发展技术能够为未来飞机智慧座舱的设计提供参考支撑。本文探讨了智能与智慧的区别,提出了飞机智慧座舱的概念与设计内涵,总结出深度感知与沉浸式交互、类人的认知及开放性与个性化定制服务的智慧座舱功能设计要素;梳理了发展飞机智慧座舱亟需解决的五项关键技术：多维度深度信息感知与融合技术、先进信息显示技术、沉浸式自然交互技术、智能态势认知技术、多智能体自主适应技术。通过关键技术的分析对未来飞机智慧座舱的发展提出了新的思考。     

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。     

一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息,会导致电磁信息泄漏,从而威胁设备的信息安全。现有的电磁信息泄漏检测方法,在复杂现场环境下,难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题,开展了电磁信息泄漏检测研究,提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络,并结合改进的梯度加权类激活映射方法,在未知电磁信息泄漏特征的前提下,通过深度学习实现电磁信息泄漏特征的智能标定和自动提取,从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验,验证了所提方法的有效性。      

基于多尺度残差卷积网络的HEVC视频隐写分析

图片、语音、视频等多媒体形式的信息交流在网络通信中占有重要地位,同时也有很多非法信息的传播隐匿于此。隐写分析是甄别隐秘信息是否存在的有效手段,提出了一种通用的基于多尺度残差卷积网络的HEVC视频隐写分析算法。网络主体由残差计算、特征提取和二分类3部分构成,其中在特征提取部分针对性地提出了残差卷积层、多尺度残差卷积模块及隐写分析残差块。实验结果表明:所提算法基于视频像素域分析网络的检测率高达99.75%,比传统的手工提取特征方法具有更大的优势。      

基于深度学习的日间逐小时地表PM2.5浓度反演

以长三角地区作为研究区域,提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM2.5浓度的方法。基于MPL观测数据,使用雾霾层高度(HLH)替换了边界层高度(BLH)特征,对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM2.5浓度的算法进行了改进。为提高数据覆盖率,对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM2.5浓度估算,模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。     

基于深度学习的图像匹配方法综述

图像匹配是飞行器视觉导航中的一项关键技术。基于深度学习的图像匹配方法在近几年快速发展,其特征提取网络比传统方法具有明显优势与广阔的应用前景。基于深度学习的图像匹配方法可以按照网络结构的不同分为单环节网络模型匹配方法和端到端网络模型匹配方法。首先对单环节网络模型中的特征检测模型、描述符学习模型、相似度度量模型和误差剔除模型逐一进行了深度调研及分析,然后对端到端匹配网络模型中的单网络结构方法和多网络结构组合方法进行了针对性的综述,并对经典的端到端匹配网络模型算法进行了介绍和分析。最后,结合目前基于深度学习的图像匹配方法存在的问题,指出未来可能的发展趋势和方向,为后续研究者在深度学习图像匹配的研究提供一定参考。     

资讯

凯美瑞百万销量以最快速度破纪录感恩回馈推出2013款增值版3月13日,广汽丰田宣布凯美瑞国内销量突破100万辆,以同级别车中最短时间挺进"百万辆俱乐部"。当天还宣布凯美瑞2013款增值版上市,新增2.0E精英版、2.0G舒适版和2.5G舒适版三款车型,最低售价17.98万元。纵观中高级车市场,此前仅有两款销量过百万的车型,都耗时10年左右,并且横跨多代车型,而凯美瑞仅用了近7年时间就突破百万辆。作为丰田全球战略车型的凯美瑞,在全球受到了1500万消费者的     

航线维修中的NFF件处理对策

对未发现故障(NFF)件产生的原因进行了分析,结合航线维修工作特点,编制了NFF件处理逻辑图,提供了系统的NFF件解决方案;在对NFF件的可靠性管理过程中引入闭环控制方法,从航线维修和部件修理两个方面入手,给出了减少NFF件的方法,对消除由NFF件造成的飞机运行不良影响、降低维修费用、提高部件修理质量有积极作用.