水洞实验图像的一种测量与处理方法

在水洞实验中,由于光线在空气、水和观察窗面板中发生折射,准确实验图像的获取一直是一个难题。本文在大量水洞实验图象测量经验积累的基础上,以水洞模型超空化实验中的超空泡外形测量为例,提出了一种基于计算机图形学的水洞实验图像测量与处理的三步法。该方法不仅可对水洞实验中所拍摄的图像进行修正,消除因不同介质引起的折射误差,而且把图像数据化,可利用计算机对图形自动进行定量处理。经多次应用表明,图像测量与处理的三步法应用方便,具有较高的精度,取得了很好的应用效果。     

用单幅线图恢复物体三维拓扑结构

将物体从场景中识别出来，人类大量使用的是匹配物体的拓扑结构，所在研究恢复物体的拓扑结构有相当重要的意义，本文在详细考察人类读图习惯思维过程之后，提出了符合人类习惯的局部柱假设和广义局部柱假设，进而给出了一种仅用单幅线图恢复物体三维拓扑结构的算法、很好地模拟了人类的思维过程。本算法在ＰＣ计算机上用Ｐｒｏｌｏｇ语言实现，并用多幅多面体线图进行三维恢复，都获得了满意的结果。     

关于切顶线三角形有向面积的定值定理及其应用

本文给出切顶线三角形（有向）面积的一些定值定理，并据此推出切顶线共点（其中包括射影几何中著名的Brianchon定理在圆外切三角形中的情形）的结论。     

小型无人机电视引导撞网回收中的电视图像测距方法

以撞网方式回收无人机是符合现代无人机发展方向的回收方式。以此方式回收无人机对近场无人机测距提出了更高要求。本文研究了双摄像机绑定跟踪测距的方法，它结合传统光学测距技术和数字图像分析技术．与传统的光学测距相比，提高了测距速度和精度。本文介绍了双摄像机测距原理，给出了空中飞机图像捕捉和目标匹配算法，并介绍了测距误差的校正。实物地面实验结果证明这种测距系统可安全引导无人机撞网回收。     

单晶双斜探头探伤时缺陷定位问题的研究

当今社会对产品质量的检测要求越来越严格和全面了，在这种严格的检测下，各种专用的新型超声检测探头不断涌现，其中用于内燃机曲轴及石油钻铤等部位探伤的单晶双斜探头也得到了应用，但由于这种探头的特殊结构，以至它不易对缺陷定位，所在在这里，本文主要针对这种双斜探头的缺陷定位问题，进行探讨和研究。实验证明，所求计算公式达到了预期效果。     

精密分度涡轮跨齿补点测量法

通过对精密分度涡轮周节累积误差四种跨齿补点测量法的试验测量、误差分析及用光栅式单啮仪与自准光管、角度块组合装置比对研究,得出跨齿补点测量法是可以提高仪器测量精度,准确地反映分度涡轮真实的周节累积误差的一种简易可行的方法,值得推广应用。     

航空发动机叶片进排气边缘形状自动评价方法

针对目前对航空发动机叶片进排气边缘形状的评价主要依赖人工目测,主观性强、效率低等问题。提出一种叶片进排气边缘形状自动评价方法,通过非均匀有理B样条（NURBS）曲线拟合、最小二乘椭圆拟合、等半径法等算法拟合叶型并提取相关型面参数,针对5类叶片进排气边缘不合格形状给出了定性的定义,根据叶片进排气边缘在不同形状时的曲率特征以及偏差值变化特征对其形状做出评价。通过实例验证表明：该方法能够实现对尖头、钝头、歪头、缩颈及大小大/小大小（LSL/SLS）5类叶片进排气边缘形状的自动判读,对于不同叶片型号和验收标准的应用场景具有较好的通用性,有效提高了叶片进排气边缘形状评价的效率。     

基于改进YOLOv4的航空发动机小目标损伤检测研究

智能化的航空发动机损伤检测是飞机故障诊断重要的研究方向,针对现有目标检测模型对航空发动机的小目标损伤检测效果差的问题,提出了一种改进的基于You Only Look Once version 4(YOLOv4)的多尺度目标检测方法。在路径聚合网络（PANet）中构建低层次的特征融合层,将更浅层的特征与深层特征融合,提高网络对小目标损伤的检测性能。为减少网络中的冗余参数,在颈部结构中引入了深度可分离卷积,将标准卷积重构为深度可分离卷积的形式。实验表明：改进后的YOLOv4对小目标损伤的检测精度提升了3.43%,模型大小降低了54.06 MB,同时检测速度提高了31.03%。研究结果表明改进的YOLOv4模型对小目标损伤具有更好的检测性能。     

基于AR/CGARCH模型的液体火箭发动机自适应阈值故障检测算法

为了解决传统自适应阈值算法对时间序列方差跟踪能力不足,以及故障阶段带宽自动放大的问题,提出了紧广义自回归条件异方差（Compact General Auto-Regressive Conditional Heteroskedasticity,CGARCH）模型。针对液体火箭发动机稳态试车数据的波动性特点,提出一种基于自回归（Auto-Regressive,AR）模型和CGARCH模型的自适应阈值故障检测算法。采用AR模型对稳态参数的均值进行估计,并采用CGARCH模型对稳态参数的方差进行估计,从而利用均值和方差的估计值自适应地构造检测阈值。用某氢氧火箭发动机的热试车数据进行验证,结果表明,该算法能够准确、快速、灵敏地检测液体火箭发动机故障,在正常工作阶段,能够有效跟踪数据波动性,在故障阶段,能够避免阈值变宽带来的漏检。     

基于改进YOLOv5的无人机实时密集小目标检测算法

无人机航拍图像与自然场景图像相比背景更复杂,存在大量密集小目标,对检测网络提出了更高的要求。在保证目标检测实时性的前提下,针对无人机视角下密集小目标检测精度低的问题,提出一种基于YOLOv5的无人机实时密集小目标检测算法。首先,将空间注意力(SAM)与通道注意力(CAM)相结合,改进CAM中特征压缩后的全连接层,降低计算量。另外,改变CAM与SAM的连接结构,提高空间维度特征捕获能力。综上,提出一种空间-通道注意力模块(SCAM),提高模型对特征图中小目标聚集区域的关注程度;其次,提出一种基于SCAM的注意力特征融合模块(SC-AFF),根据不同尺度特征图自适应分配注意力权重,增强小目标的特征融合效率;最后,在主干网络中引入Transformer模块,并利用SC-AFF模块改进原有的残差连接处的特征融合方式,更好地捕获全局信息和丰富的上下文信息提高复杂背景下密集小目标的特征提取能力。在VisDrone2021数据集上进行实验,YOLOv5s基准下,改进后模型的mAP₅₀提高了6.4%,mAP₇₅提高了5.8%,对高分辨率图像的FPS可达到46...