基于BP神经网络的航空发动机故障检测技术研究

为了提高航空发动机故障检测正确率,将BP神经网络应用于航空发动机故障检测中。从某航空公司使用的CFM56-7B系列发动机的实际飞行历史数据中选取研究样本,对比了6种训练方法的效果并最终选择弹性BP法对网络加以训练并进行测试。结果表明:该方法对CFM56-7B系列发动机的排气温度指示故障、进口总温指示故障和可调放气活门故障的检测正确率高达83.33%。BP神经网络能够很好地应用于航空发动机的实际故障检测,其学习记忆稳定、网络收敛速度快,具有一定的工程实用价值。     

白天激光漫反射测距中微弱信号检测的单开门多触发方法

白天激光漫反射测距因存在强背景噪声,导致微弱回波信号的检测十分困难,严重限制了激光漫反射测距的广泛应用。因此,提出了采用单开门多触发方法解决白天激光漫反射测距的微弱信号检测难题。首先,介绍了一种GM-APD (Geiger-ModeAvalanchePhotoDiode,盖革模式雪崩光电二极管)多触发概率分布函数的快速求解方法。接着,取激光漫反射测距系统典型参数,理论分析了多触发情况下的回波信号检测概率,分析结果表明单开门多触发方法可提高激光漫反射测距在白天情况下的回波信号检测概率。同时,通过对触发次数限制的优选,可以增加有效检测比,减少白天观测条件下回波信号的提取代价。最终,通过系统仿真验证了理论分析结果的正确性。因此,单开门多触发方法是解决白天激光漫反射测距微弱信号检测的可行途径之一。     

RGB-D SLAM综述

RGB-D SLAM是指使用RGB-D相机作为视觉传感器,进行同时定位与地图构建(SLAM)的技术。RGB-D相机是近几年推出的能够同时采集环境RGB图像和深度图像的视觉传感器。首先对主流RGB-D相机,RGB-D SLAM算法框架流程做了介绍,然后对RGB-D SLAM算法的国内外主要标志性成果,以及RGB-D SLAM的研究现状进行介绍,并对RGB-D SLAM方法前端视觉里程计中特征检测与匹配、后端位姿图优化、回环检测等关键技术进行介绍总结。最后,对RGB-D SLAM算法的优缺点进行了分析,并对RGB-D SLAM算法的研究热点及发展趋势进行了讨论。     

基于视觉测振和卷积神经网络的螺栓松动检测方法

螺栓松动故障的准确检测对于确保机械产品可靠性具有重要意义。为了解决现有的基于卷积神经网络（CNN）的检测方法所需的大量高质量数据难以在实际工程中获取的问题,本文提出了一种基于视觉测振和CNN的螺栓松动检测方法。通过视觉测振技术,从视频中的每一个像素点提取出振动信号,有效解决了CNN模型训练数据难以获取的问题,通过少量实测视频样本即可对CNN模型进行训练,并实现对螺栓连接状态的准确预测。本文通过一个对悬臂梁结构的敲击实验验证了所提方法的有效性。     

QGH-1型激光全自动铁路货车轮对几何参数检测装置

“QHJ-1型激光全自动铁路货车轮对几何参数检测装置”可对铁路货车轮对进行几何尺寸自动检测,从而实现了外观状况确认的自动化、智能化、信息化,它采用全自动非接触测量法,取代了铁路系统多年来一直采用的手工检测和感官确认的方法,彻底提高了测量的可靠性、准确度。主要特点：具有高精度、高抗干扰能力,采用了先进的多线程技术,可自动进行修程判断,同时可联接各种HMIS信息化管理系统。     

目标检测中特征不匹配问题研究进展

近年来基于深度卷积神经网络的目标检测器取得了跨越式进展,远远超过传统目标检测算法.但最新的研究表明特征不匹配问题已经成为深度目标检测器性能提升的一个瓶颈.目前在该问题的研究尚未有清晰的总结,因此本文首先对特征不匹配问题进行分析,提出特征不匹配问题的本质是由于目标检测的分类和回归任务优化目标的不一致造成,同时分析了特征不...     

融合热特征的机场航站楼热成像显著人体检测模型（英文）

弱光背景下的目标检测是航站楼夜间巡检机器人的主要任务之一。然而,那些能够在计算资源有限的机器人平台运行的算法往往难以确保航站楼中人体目标的检测精度。为此,本文提出了一种融合热特征的显著人体检测模型。该模型仍然以U-Net神经网络作为基本架构,但是在解码器模块结构和模型轻量化方面重新进行了设计。一方面,在模型的解码器部分增加了由热特征分支和显著特征分支构成的融合模块,进而设计对图像高温区域更为敏感的预测损失函数,以提升算法在复杂场景下的检测精度;另一方面,通过精简编码器网络结构和控制解码器通道数的方式对模型进行了轻量化改进,以降低算法对计算资源的需求。4个数据集上的实验结果表明,本文方法既能确保较高的检测精度和很好的算法鲁棒性,又能以40 f/s以上的检测速度满足巡检机器人实时检测的需要。     

运动信息引导的目标检测算法

在室外监控视频的场景下,由于场景的复杂性及目标的多样性,监控视频中的目标存在难以检测的情况,如目标被遮挡、目标尺寸变化等,目标检测任务仍然存在挑战。基于此,提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进,使得到的运动前景图中能够保持静止目标前景的存在;利用运动前景图中的前景可以指示目标空间位置的特点,在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合,提高特征图可能存在目标区域的响应值;在目标检测算法的检测器中,引入一个定位分支,利用视频帧的运动前景图,学习候选目标的定位置信度,并与目标的分类置信度加权求和,作为目标最终的置信度,再通过非极大值抑制方法得到检测结果。实验证明,在固定摄像机下采集的数据集中,所提算法能够提升目标检测的准确率。     

空间光外差探测和跟踪接收机的优化仿真

文章简要描述了应用双单元光探测器,在对跟踪传感器不作专门分光的情况下,集通信、跟踪于一体的光外差接收机的工作原理,并以所获外差功率效率和外差电流效率最大为优化目标,通过仿真计算给出最佳的本振高斯斑大小和信号光学接收系统的菲涅耳数,在此基础上给出几组跟踪信号的仿真控制曲线及与其对应的所获通信信号能量的仿真曲线。     

SERF原子自旋惯性测量检测误差分析及抑制

在无自旋交换弛豫(SERF)原子自旋惯性测量装置中，检测系统的性能是决定输出信号灵敏度和稳定性极限的关键因素。为有效抑制SERF原子自旋惯性测量的低频随机噪声，在横向电子自旋极化率稳态解和旋光角表达式的基础上，建立检测相关的输出信号误差机理模型，明确了检测系统影响最终测量信号噪声的主要因素。研究结果表明：检测光入射气室时的初始光强作为信号背景直接引起刻度系数的波动而非作用于电子自旋，而检测光的非理想线偏振导致电子自旋产生横向抽运效果和横向光频移作用，从而引入测量误差。针对检测系统影响测量信号噪声的主要参数，设计了参数优化路径：先通过优化检测光频率，提高惯性测量刻度系数，后通过检测光功率的优化，减小横向抽运效应、横向光频移作用及检测光背景波动。实验表明：通过对比输出信号的Allan方差，优化后SERF原子自旋惯性测量的零偏不稳定性减小了1.8倍，速率斜坡噪声系数从0.124 (°)/h²减小至0.041 (°)/h²，达到了抑制测量信号低频随机噪声的效果。