卷积神经网络及其在航空视觉任务中的应用展望

从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。     

一种基于卷积神经网络的地磁基准图构建方法

地磁匹配导航技术是一种重要的辅助导航制导方法，地磁基准图的构建精度对地磁匹配制导的精准度起着决定性作用。针对现有地磁基准图构建精度难以满足实际地磁匹配导航需求的问题，提出了一种基于卷积神经网络的地磁基准图构建方法。首先，利用卷积层提取低分辨率基准图中的特征图像块；然后，利用基于学习的阈值收缩算法（LISTA）实现图像块的稀疏表示；最后，利用三通道的地磁信息得到重建后的高分辨率基准图。实验结果表明:所提方法对地磁基准图具有更高的构建精度，同时对噪声有更好的鲁棒性，各种客观评价指标均高于现有的超分辨率重建方法。      

基于热力学的涡扇发动机神经网络建模方法

由于无法掌握不同发动机的真实部件特性，传统热力学模型对在翼涡扇发动机的建模存在较大的建模误差；同时，热力学模型在特性图边界线附近迭代时，容易迭代到特性图之外，造成迭代过程的不收敛。针对上述问题，本论文提出基于热力学过程的涡扇发动机神经网络建模方法，在神经网络模型的训练过程中充分考虑对部件共同工作热力学约束的优化，提高发动机建模的准确性。通过构建部件级网络结构、部件共同工作损失函数及融合训练过程，将基于部件特性图的传统热力学模型迭代过程转化为部件级神经网络的多目标优化与训练过程，提高了模型的收敛性及建模准确性。模型在26 970条发动机实际飞行数据上进行了训练及测试，结果表明，在相当宽松的准稳态数据下，论文提出的建模方法最大误差可以达到7%左右，比基于部件特性图的热力学模型低5%左右。     

教练机装备的体系化发展

军事飞行训练体系的建立是一个庞大的系统工程。尤其需要前瞻性的顶层设计，结合空军装备发展的实际情况，综合考虑未来的战斗力生成速度和质量以及成本，将训练需求转化为对训练装备的体系化发展要求，合理配置教练机型号并合理安排阶段性训练任务。     

一种基于神经网络的航改燃气轮机转速控制器

为了提升某型航改燃气轮机的转速控制性能，提出一种双输入反正切神经网络控制器，然后基于该航改燃气轮机的PI控制器以及该反正切神经网络控制器，提出一种新型的集成控制器。采用仿真计算的方法，通过跟踪测试、抗干扰测试和鲁棒性测试，对比此三种控制器以及四种常规控制器的性能差异。结果表明，在三次跟踪测试中，集成控制器具有最优的综合跟踪性能；给燃料量加入5%的干扰后，集成控制器的抗干扰能力等于反正切神经网络控制器，但高于另外五种控制器；当工作环境温度增加以及压气机性能退化引起不确定性时，七种控制器均能正常实施控制，且仍以集成控制器的效果最优，其鲁棒性最强。新型集成控制器具有最佳的综合转速控制性能，能够保证该型航改燃气轮机安全和高效的运行。