载荷敏度抑制下涡轮盘拓扑优化及结构演化

航空发动机涡轮盘工作时承受的离心载荷是一种典型设计相关载荷,这类问题的变密度结构拓扑优化需要解决低密度单元的材料附属效应和目标函数非单调等求解上的困难。基于变密度拓扑优化模型,运用指数型材料性能近似(EAMP)模型避免材料附属效应并提高收敛速度;构造了一种新的灰度抑制方法减小拓扑结构灰度;提出载荷敏度抑制算法求解设计相关载荷的拓扑优化问题。算例表明算法有效并且灰度单元少、收敛速度快。通过载荷敏度抑制系数讨论,从拓扑优化算法角度揭示了传统单辐板涡轮盘与近年广泛研究的双辐板涡轮盘结构之间的联系及演化规律。     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

基于深度学习的先进陶瓷零件实时缺陷检测系统

传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型（Multi-object real-time detection and classification model, MRDC）。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检测速度,可实现实时缺陷检测。对实际生产中的先进陶瓷零件进行采集训练,多批次采集图像数据,每批数据含多个陶瓷零件的1 000张图像,平均精确率均值达到99.19％,用先进陶瓷零件生产线视频检验,识别分类的正确率达到100％,可以保证每分钟检测450~550个零件。多目标实时检测分类模型拥有识别速度更快、识别准确率更高和零件不易损坏等优点,可极大地节约生产原料与人力成本,减少废品产出。     

基于语谱图的管制员疲劳状态检测研究

在现阶段利用陆空通话语音对管制员的疲劳状态的研究中,大多只考虑了语音在时域或频域的变化,而忽视了疲劳会同时在时域与频域上产生影响。本文将三种疲劳状态下的陆空通话语音分别转化为可同时反应时域与频域特性的语音频谱图像,利用灰度共生矩阵（GLCM）提取四维典型的特征参数,对比管制员在不同状态下特征参数的变化情况,确认所选特征具有较好的区分度,将所选特征作为管制员疲劳检测模型的输入特征进行检测。结果表明：利用语谱图特征结合传统特征作为输入特征的检测准确率最高,达到95.49%,较单一使用传统特征的检测准确率高出4%;管制员疲劳状态的变化会直观地反映在语谱图上,并会对其特征值产生影响,利用这种影响对管制员疲劳状态进行检测,可以得到良好的检测结果。     

基于图像智能识别技术的拉力计自动检定系统

采用标准力值传感器、丝杆升降机及挂架结构取代砝码下挂方式,构成拉力计自动检定系统。采用步进电机驱动螺旋升降机丝杆解决了加载机构自动力值加载问题。系统自动采集标准传感器输出力值数据。采用摄像设备实时拍摄拉力计游标移动位置图片,上传到计算机,采用Hopfield神经网络智能识别软件进行识别处理,获得游标位移的数字信息,转化为测力计读数信息,由此构成拉力计自动检定系统,从而提高检定自动化水平和工作效率。     

基于迁移学习的暴恐图像自动识别

利用人工智能和深度学习技术自动化地分析互联网海量图片,快速、准确地识别有害的暴恐图像并及时处置是反恐工作的重要手段之一。研究了利用深度学习和迁移学习技术对暴恐图像进行分类识别。首先,定义了暴恐图像的主要概念特征,并针对性地构建数据集;其次,针对暴恐图像正样本较少的问题,设计深度神经网络模型和迁移学习方式;最后,基于构建的训练数据集进行模型训练和测试。结果显示:所提方法可以快速、准确地对互联网图片进行分类识别,平均分类准确率达到96.7%,从而有效降低人工检测的劳动强度,为反恐预警工作提供决策支持。      

一种基于纹理特征的卫星遥感图像云探测方法

 针对卫星遥感图像中的云探测问题,提出了一种有效的纹理特征分析方法。该方法使用反映图像灰度性质和空间关系的分形和灰度共生矩阵两类纹理,分别来描述云区域和无云的下垫面区域,并从这两个纹理的共5个特征参数构成的多维空间中简化出最小的二维分类空间,使该空间能够完全地区分卫星遥感图像中的云和各种下垫面,利用它设计的线性分类器可以高效地实现云的自动探测功能。大量实际图像测试结果正确率达到98%,证实了该方法的有效性。     

经纬仪测量图像中目标缺损区域的恢复

根据电子经纬仪序列测量图像的特性,充分利用缺损帧前后数帧图像的相关信息,采用C-均值模糊聚类技术,提出了一种测量图像缺损部分恢复方法,对恢复帧前后数帧进行聚类,并剔除噪声帧,采用有效聚类中心灰度值对缺损区域进行恢复。经试验证明：此方法恢复的目标区域图像准确,灰度变化平缓,不失真。     

一种复杂环境下的红外成像运动目标检测方法

针对传统运动目标检测方法不能应用在背景和目标都存在运动的应用场合的缺点,文章提出了一种复杂环境下的红外成像运动目标检测方法。该方法首先对相邻两帧运动图像利用三步搜索法和最多邻近点距离相关匹配准则进行背景匹配,然后对匹配后的图像进行帧间差分并对差分图像进行灰度形态学滤波以去除背景噪声点,最后利用阈值分割方法检测到运动目标的位置。利用实际拍摄的红外图像对该算法进行了实验并与传统帧间差分法进行了比较,结果表明利用该方法能很好地解决传统帧间差分法应用中的缺点。