基于伪寿命的加速退化机理一致性边界检验

根据寿命型随机变量的加速机理一致性条件,提出一种基于伪寿命的加速退化机理一致性边界检验方法,通过由低到高逐一对各个加速应力水平下的退化机理一致性进行检验,来确定加速退化机理一致性的边界应力水平.针对工程常用的两类寿命型分布——对数正态分布和Weibull分布,分别以对数标准差和形状参数为退化机理表征量,在产品伪寿命估计的基础上建立了退化机理表征量齐性检验的F统计量,导出了退化机理一致性检验拒绝域的解析式,给出了退化机理一致性边界检验的具体步骤.该方法能够充分利用多个应力水平下表征产品退化机理一致的横向信息,有效提高了检验的精度.以某镀膜平板玻璃热退化机理一致性边界温度的确定为例,分析说明了该方法的合理性与有效性.     

前缘吹气控制舵面流动分离

针对各种飞行器大舵偏下出现的流动分离问题,在北航D4风洞对旨在消除舵面流动分离的舵面前缘吹气技术进行了研究,为了降低控制分离所用的吹气量,吹气点设置在舵面前缘气流分离点处.应用粒子图像测速(PIV,Particle Image Velocimetry)技术,分析了舵面绕流在吹气量由小变大过程中所经历的3个不同演化阶段;由测压得到的舵面压力分布则显示,前缘吹气造成的引射作用使前缘吸力峰随吹气量增大而增大,这是前缘吹气能够使舵面升力增大的主要机理.实验结果还表明,前缘吹气可明显提高舵面升力,同时也可以显著降低舵面阻力.     

利用非等距灰色理论方法判定失效机理一致性

针对加速失效机理一致性判定中存在以下问题,基于数据处理和试验观察的方法需要加速试验数据和基于灰色理论的方法需要预试验数据等间距且预测精度不高,提出了一种基于非等距型灰色理论模型的失效机理一致性判定方法.该方法利用非等距的预试验数据,将非等距GM（1,1）模型和等维新息模型相结合,得出模型的残差,找出预试验数据的趋势改变点.通过对比试验,得出此方法的拟合精度和预测精度较高,进一步拓广了GM（1,1）模型在失效机理一致性判定上的应用范围.通过在光电编码器和加速度计中的应用案例,验证了该方法的有效性.     

基于约束优化的舰艇区域防空作战能力需求生成

作战能力需求生成是在满足多约束条件下完成的,寻求约束集是能力需求生成的重点;以舰空导弹区域防空为背景,通过对作战需求约束、能力需求约束、技术发展约束以及其他因素约束进行综合分析,提取制约能力指标生成的约束集,建立舰艇防空作战效能目标函数,采用基于罚函数法的快速粒子群算法进行能力指标的约束优化求解;以最大预警距离为变量,对其他作战能力指标优化前后的曲线图进行仿真验证,定量生成舰艇区域防空作战所需的能力指标值,验证了模型算法的可行性,为舰艇区域防空作战能力需求生成提供了定量化依据。      

基于故障行为模型的产品寿命分析方法

针对传统可靠性工程方法无法满足高可靠长寿命需求产品设计与分析要求的现状。本文充分考虑引起产品寿命分散性的内因和外因的不确定性,在产品功能模型或数字样机模型的基础上,结合产品的故障行为模型,建立了一种基于产品故障行为模型的产品寿命分析方法。在该方法中,内因参数与外因参数的分散性分别可以用相应的概率密度函数来表示,都是通过对实际使用情况和生产条件的估计得到的,因此,按照这种方法评估得到的产品寿命特征,能够弥补基于故障物理的可靠性预计方法无法体现产品正常使用条件的不足。      

边条/鸭翼对前掠翼和后掠翼气动特性的影响

为分析前掠翼气动布局设计在航空工业中无法得到推广运用的原因,将前掠翼和后掠翼通过加装边条和鸭翼形成简化的边条翼布局、鸭式布局和边条/鸭式布局,从而深入认识前掠翼和后掠翼两种不同布局之间的流动特点以及涡系干扰机理。首先进行算例数值计算,通过对比分析计算结果与试验数据,验证了数值计算方法的可靠性和准确性;然后对不同布局进行数值计算,得到各布局的升力系数曲线;最后通过压力分布云图和流线图对各布局中复杂涡系的干扰机理进行分析。结果表明:基于后掠机翼形成的边条翼布局、鸭式布局和边条/鸭式布局中的涡系之间通过诱导和卷绕作用,涡系相互增强,大幅提高了布局的升力系数并推迟失速迎角,同时加装边条和鸭翼效果更加明显;基于前掠机翼形成的边条翼布局、鸭式布局和边条/鸭式布局中的涡系之间不存在卷绕作用,涡系之间存在碰撞挤压的不利干扰,这使得前掠翼布局在大迎角时的升力系数远远低于相应的后掠翼布局。前掠翼气动布局中的机翼前缘涡在大迎角时无法同鸭翼涡和边条涡相互耦合增强,不能充分地利用非线性升力,这是前掠翼气动布局设计中的一些不足。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。