飞行员疲劳监测中的人眼定位及状态判别研究

飞行员驾驶疲劳是影响飞行安全的重要因素之一。常用基于人眼识别的方法对飞行员进行疲劳监测，其关键是人眼定位及状态判别。利用改进的平均合成滤波器算法定位人眼，根据模糊综合评价思想，判定人眼睁开闭合状态，根据PERCLOS疲劳检测方法对飞行员进行疲劳监测。实验表明，改进的人眼定位方法具有更高的精确度和鲁棒性，提出的人眼状态判定方法能够满足疲劳监测需要。为最终构建一种机载的、实时的、非接触式的飞行员疲劳监测系统提供了理论基础。     

长板件数控加工技术的探索与研究

结合某型机板件在数控加工中的研制生产状况和存在的问题,论述了实现各种长板件类结构零件装夹定位、刀具及其参数、加工方案及程编策略.通过这些技术措施的实施,在一定程度上解决了在加工长板类零件装夹和定位时出现的零件变形、让刀效率低、质量不稳定等问题.     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

飞机零部件基准选择与应用

随着飞机性能的不断提高,飞机制造协调准确度的要求也越来越严格,国外先进的航空制造企业得益于厂所合一的生产方式,在产品设计阶段考虑生产过程,来合理定义飞机零部件尺寸公差要求,保证飞机的装配品质和产品质量.对飞机零部件基准选择方法介绍和研究,并应用到某机型飞机外翼翼盒典型零部件基准选择中去,从功能要求出发制定基准,说明了飞机零部件基准传递偏差方式和基准一致性原则.主要思想和技术要点是要从产品的功能要求出发,考虑生产过程来制定零部件设计基准,保证产品在生产过程中基准的统一,从而保证尺寸的设计满足生产的功能性要求.提出的方法可以应用到飞机零部件的尺寸设计中,通过合理的制定基准来提高飞机的装配品质,在一定程度上降低生产成本和提高生产效率.     

基于改进WKNN的位置指纹室内定位算法

位置指纹算法是目前解决室内定位问题的主要方法,指纹特征和匹配算法为影响算法精度的两大因素.针对室内复杂环境下Wi-Fi信号强度波动较大的现象,提出了基于方差的加权距离以改进WKNN算法.在离线特征提取阶段,选择了均值和方差两个特征值,既反映该采样点的RSS幅值,也反映该点RSS的波动情况;在线阶段,根据方差提出了加权距离进行相似度的计算,查找距离最近的K近邻点,并以实际环境下采集的数据验证了改进WKNN算法在RSS波动大的情况下对定位效果的改善,在综合考虑了AP组合的影响后,实现了误差均值为1.456m的定位效果.     

基于人工地标的移动机器人定位与调整技术

在飞机大型构件测量领域,针对测量设备自动化转站时存在移动机器人无法准确到达站位的问题,提出了采用基于人工地标的移动机器人定位与调整技术实现转站时的精确定位。其次,设计了一种人工地标,给出使用激光跟踪仪的地标标定工装以及标定方法,通过该方法可得到地标在全局坐标系下的坐标。同时,介绍了地标的编码与位姿的解算方法,以及移动机器人位姿调整策略。最后,试验表明,人工地标测量的位置和角度误差均较小,移动机器人通过人工地标的定位与调整后的精度可以满足自动化转站的精度要求。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

基于TOPSIS融合法的航路网关键节点识别及抗毁性研究

基于我国航路网数据对航路网关键节点识别及抗毁性进行了研究。首先,通过TOPSIS方法将局部信息(度)、全局信息(改航可达性)和业务量信息(流量强度)3项指标进行融合,形成多属性指标综合表征节点重要性。然后,开展了实例仿真,对网络进行连续打击以验证识别结果,其中延续使用改航可达性这一新算法来表征全局信息。研究结果表明：基于多属性决策的关键节点主要集中在京沪、京广、京昆、沪广、广贵线上;多属性指标相比于单一指标,在少数节点失效时更能高效地摧毁网络。研究结果可为空管流量管理和航空公司运力调配提供决策支持。     

文本信息辅助图像差异描述生成

图像描述生成任务要求机器自动生成自然语言文本来描述图像所呈现的语义内容,从而将视觉信息转化为文本描述,便于对图像进行管理、检索、分类等工作。图像差异描述生成是图像描述生成任务的延伸,其难点在于如何确定2张图像之间的视觉语义差别,并将视觉差异信息转换成对应的文本描述。基于此,提出了一种引入文本信息辅助训练的模型框架TA-IDC。采取多任务学习的方法,在传统的编码器-解码器结构上增加文本编码器,在训练阶段通过文本辅助解码和混合解码2种方法引入文本信息,建模视觉和文本2个模态间的语义关联,以获得高质量的图像差别描述。实验证明,TA-IDC模型在3个图像差异描述数据集上的主要指标分别超越已有模型最佳结果12%、2%和3%。