基于剪切波变换对Si3N4陶瓷轴承内圈沟道表面缺陷检测的分析

为有效检测航空动力系统中Si₃N₄陶瓷轴承内圈沟道表面凹坑、划痕、擦伤的缺陷。采用中值滤波除去Si₃N₄陶瓷轴承内圈沟道原始图像零散噪点，对其处理图像进行剪切波变换，归一化阈值曲面法对变换后的剪切波系数进行重构、剪切波逆变换获取缺陷增强图像，对缺陷增强图像进行灰度阈值分割与识别分类，定位提取缺陷。基于剪切波变换的Si₃N₄陶瓷轴承内圈沟道的表面缺陷检测方法能有效的检测出Si₃N₄陶瓷轴承内圈沟道表面的缺陷。该方法对Si₃N₄陶瓷轴承内圈沟道表面缺陷提取的准确率可达97.50%，具有高精度与高准确性，满足预期要求。     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

自适应短文本关键词生成模型

关键词抽取对文本处理影响较大，其识别的准确度及流畅程度是任务的关键。为有效缓解短文本关键词提取过程中词划分不准确、关键词与文本主题不匹配、多语言混合等难题，提出了一种基于图到序列学习模型的自适应短文本关键词生成模型ADGCN。模型采用图神经网络与注意力机制相结合的方式作为对文本信息特征提取的编码框架，针对词的位置特征和语境特征编码，解决了短文本结构不规律和词之间存在关联复杂信息的问题。同时采用了一种线性解码方案，生成了可解释的关键词。在解决问题的过程中，从某社交平台收集并公布了一个标签数据集，其包括社交平台发文文本和话题标签。实验中，从用户需求角度出发对模型结果的相关性、信息量、连贯性进行评估和分析，所提模型不仅可以生成符合短文本主题的关键词，还可以有效缓解数据扰动对模型的影响。所提模型在公开数据集KP20k上仍表现良好，具有较好的可移植性      

一种新的基于信号导频的射频指纹识别方法

现有基于深度学习的射频指纹识别技术大多采用原始数据样本作为网络输入，未考虑信号携带内容对分类结果产生的影响，网络结构相对单一。为此，针将信号导频部分作为网络输入展开了研究，提出了一种新的导频提取算法，对10个ADALM-PLUTO软件定义无线电设备(SDR)辐射出的信号提取其导频，并建立了3种不同距离条件下的导频数据集。提出将Inception网络结构用于射频指纹识别，在10 m无线传输距离下达到了98.58%的分类精度，相较于现有基于AlexNet网络改进的卷积神经网络(CNN)，分类精度有所提升。      

卷积线性混合模型下的复非高斯信号盲源提取

雷达信号的多径效应导致基于瞬时线性混合模型的盲源分离算法不再适用。为此，提出了一种基于FastICA的复非高斯信号盲源提取方法。该方法将混合系统建模为卷积线性混合模型，使得信号模型中不需要将每个多径信号都看作一个独立的源信号，既节约了接收通道数量，又降低了盲源分离过程的复杂度，利用待提取信号的非高斯性实现高斯背景下复非高斯信源的提取。实验结果表明：在信干比为-30 dB时，所提方法能够快速、有效地处理卷积线性混合模型下复非高斯信源的提取问题，为该场景下的微弱信号提取提供了一种新的方法。     

基于蒙特卡洛-自适应差分进化算法的飞机容差分配多目标优化方法

针对飞机复杂组件装配过程中，由于装配偏差的非线性叠加导致通用容差分配模型优化方法存在精度误差和效率低下的问题，提出一种容差分配模型多目标优化方法。首先，分别面向制造成本、装配性能、质量损失构建基于替代工艺的容差分配模型，并采用最优化理论建立多目标优化模型。然后，提出基于蒙特卡洛-自适应差分进化算法的多目标优化策略，其中基于装配偏差传递的图树模型提取偏差的非线性关系模型，结合提取的非线性关系模型采用蒙特卡洛方法对初始样本进行前处理，以提高初始种群的多样性；自适应差分进化算法中的突变阶段采用Lévy flight概率分布进行改进提高全局搜索效率和鲁棒性。通过飞机登机门组件验证容差分配方法，结果表明所提方法能够更加精确、高效的优化容差分配。相比于初始容差分配，优化容差分配结果使得制造成本降低了21.78%,质量损失降低了11.12%,装配性能提高了12.28%。     

基于视听融合的宽频带振动频谱提取（英文）

提取振动频谱对于旋转机械的故障诊断至关重要。环境和噪声的多样化限制了传统单模态振动提取方法的性能。由于视听信号具有不同的采样频率、噪声和环境限制，视听融合算法可以有效解决单一模态存在的问题。基于此，文中提出了一种基于视听融合深度卷积神经网络的宽带频谱提取方法，该方法充分融合了不同模态的有效信息。该模型基于双流编码器从不同的模态中提取特征，使用深度残差融合模块提取高级融合特征并输出给解码器。实验结果表明，该模型的表现优于最新的振动提取方法，如Reg Net, MFCNN及L2L等，噪声环境下的振动频谱提取准确率提高15%。     

飞机短舱声衬声学性能实验技术

飞机短舱声衬作为飞机降噪的关键手段，其设计的成功与否强烈依赖于声学性能验证实验技术的发展。短舱声衬的声学设计一般分为两个层面，各自关注不同的研究目的与验证对象。在初步设计层面，一般借助声衬声阻抗提取技术对阻抗设计进行验证；在详细设计层面，一般使用缩比尺度和全尺寸短舱样件、借助声模态测控技术对整体声学效果进行验证。本文对比了基于双传声器法和直接提取方法发展而来的声衬阻抗提取技术，和基于相位控制阵列方法发展而来的声模态测控技术，以及这两种技术在发动机进排气道声衬设计中的应用。研究结果表明，双传声器法在低频下具有更高的精度，高频范围内双传声器法和直接提取方法的精度均降低，中频范围内双传声器法和直接提取方法的无量纲声阻和无量纲声抗差别小于0.2,均展示了较好的适用性。基于相位精细控制的旋转声模态发生技术研制的发生器能够产生超过10 dB以上的模态分辨率，能够用于测试声衬对多个目标模态的调控效果。为了进一步研究无缝声衬降噪量提升的主要机制，实验中使用模态发生器依次发出单独纯净的声模态，对两型声衬实验件开展对比测试。采用新一代技术研制的无缝声衬相比上一代成型工艺制成的带拼缝声衬在多声模态调控和关键...     

基于行人姿态的轨迹预测方法

在自动驾驶领域，行人轨迹预测一直是研究热点之一，行人行为的不确定性给轨迹预测带来很大的挑战。目前大部分轨迹预测方法只专注于行人之间的信息交互，忽略了行人意图和场景中其他语义信息对行人轨迹的影响。为此，提出一种基于行人姿态的卷积编码器-解码器网络(PKCEDN)来预测目标行人轨迹的方法，所提方法包含基于卷积、长短时记忆(LSTM)网络的编码器-解码器模型和能够学习当前时刻与过去时刻轨迹相关性的注意力机制。所提方法在MOT16、MOT17和MOT20公开数据集上进行了相关测试，与Linear、LSTM、Social-LSTM、Social-生成对抗网络(GAN)、SR-LSTM和M_sgtv等主流方法相比，在保证预测速度不降低的前提下，平均误差降低约36%。     

“珠海一号”高光谱数据城市不透水面提取研究

不透水面是评估城市化进程和评价城市环境的重要参考指标，研究城市不透水面的空间覆盖程度对城市生态环境保护、宜居城市建设具有重要意义。本文以“珠海一号”高光谱影像为数据源、珠海市陆域为研究区域，选取支持向量机和随机森林机器学习算法，结合光谱特征，实现城市不透水面信息提取。结果表明：使用“珠海一号”高光谱数据提取不透水面可行性较强，且支持向量机算法更适用于“珠海一号”不透水面提取，总体精度和Kappa系数分别达到92.4%、0.78；基于“珠海一号”高光谱数据进行城市不透水面提取，可为城市规划建设、分析城市土地扩张、评估城市灾害风险提供可靠理论依据和数据支撑。