基于融合伽马变换全卷积神经网络的火星地貌分割方法

为了让火星巡视器在有限的寿命内能获得更多的科学产出,需要提高巡视器在火星表面的自主通过能力,而火星表面地貌类型是评估巡视器可通过性的重要信息。因此,提出了融合伽马变换的全卷积神经网络(FCN)火星表面地貌分割算法。首先,考虑对巡视器通过性的影响,确认地貌分类的类型,基于好奇号拍摄的火星地表图像Mars32K数据库,构建地貌分割数据集;其次,使用自适应伽马变换(AGT)对灰度单一的火星图像进行预处理,减弱了光照等因素干扰;最后,利用数据集训练一个FCN,以实现对火星表面地貌的分割预测。仿真结果表明:网络测试准确率达到83.03%,地形分割预测结果可靠,验证了方法的可行性。     

基于深度学习的小目标检测研究进展

随着深度学习方法的快速发展,目标检测作为计算机视觉领域中最基本、最具有挑战性的任务之一,已取得了令人瞩目的进展。现有的算法大多针对于具有一定尺寸或比例的大中型目标,但由于待测目标尺寸小、特征弱等原因,对小目标的检测性能还远远不能令人满意。小目标检测（SOT）作为一种广泛应用于室外远程拍摄和航空遥感场景的技术,近年来受到了广泛的关注,各种方法层出不穷,但是目前对该问题的全面综述较少。从问题定义、算法分析、应用介绍、方向展望等方面对基于深度学习的小目标检测研究进展进行了综述。首先,给出了小目标检测问题的定义,阐述了其技术难点及在实际应用中面临的挑战;接着,从8个不同角度分析了检测器对小目标检测精度较低的主要原因及相应的改进方法,详细归纳总结了小目标检测在各技术方面的研究工作;然后介绍了几个特定场景下小目标检测算法的典型应用;最后,对小目标检测未来的发展趋势进行展望,提出可行的研究方向,期望为该领域的研究工作提供可借鉴和参考的思路。     

一种基于麦克风阵列用于分离单极子和偶极子声源的方法

基于单极子假设的波束成形算法作为一种声场可视化技术,在声源识别中得到了广泛应用.但是在实际工程应用中,声源的类型较为复杂,基于单一声源假设的波束成形无法有针对性地识别不同类型的声源.本文提出了一种混合反卷积方法来分离含有单极子和偶极子的组合声源,该方法构造了波束成形输出与实际声源之间的线性方程,通过求解该线性方程,可以...     

基于多头注意力机制的飞机发动机寿命预测研究

针对飞机发动机监测参数多和预测模型不能充分提取监测数据的有效信息等问题,基于一维卷积神经网络（1DCNN）、时序卷积神经网络（TCN）和多头注意力机制,提出一种新的网络结构以实现飞机发动机剩余寿命的准确预测。对多维特征参数分别建立一个1DCNN-TCN模型,利用两层1DCNN对飞机发动机的多元传感器信号进行特征提取,利用TCN对特征量的时序信息进行记忆,通过多头注意力机制对多个1DCNN-TCN的输出分别进行加权处理,并拼接最终结果。分析结果表明,采用本文方法得到的RMSE和Score值比目前文献中最优值分别降低了6.84%,63.41%。该方法显著提升了飞机发动机剩余寿命预测的准确性。     

轴流压缩机叶栅内粒子沉积及性能下降计算中沉积模型的影响

针对轴流压缩机叶栅内固体微粒沉积的问题,采用计算流体动力学（CFD）软件对压缩机叶栅内的气固两相流动进行了模拟。文中首先采用简单粘附模型对轴流压缩机叶栅内粒子的沉积进行了计算;在此基础上,通过引入临界速度和临界角度的概念,采用用户定义子程序发展了一种新的粒子沉积模型,简称为部分沉积模型。并将采用部分沉积模型和简单沉积模型计算得到的粒子沉积结果进行了对比,结果表明部分沉积模型得到的粒子沉积更合理。在此基础上,采用部分沉积模型预测了轴流压缩机叶栅总压损失系数随运行时间的变化和500小时后叶片壁面的压力系数分布情况。     

火箭发动机装药包覆层厚度信号处理技术研究

用超声测量火箭发动机装药包覆层厚度时,当包覆层较薄时检测回波信号会出现时域混叠。基于时域混叠信号的特点,提出了一种时间延迟估计的新方法。该方法用维纳解卷积消除了检测始波对时间延迟估计的影响，并对剩余信号进行了三次能量倒谱分析，准确直观地估计出了信号延迟时间。该方法已在开发的超声探伤系统中得到了验证。实验结果表明，该方法能准确估计出时域混叠信号的延迟时间，提高了火箭发动机装药包覆层厚度的测量精度。     

螺纹标注浅析

结合某型机国产化中的螺纹标注实例 ,提出了普通螺纹制件图样中尺寸标注方面存在的问题 ,并探讨了螺纹合理标注形式     

固体火箭发动机缺陷的ICT局部检测

为了实现对固体火箭发动机缺陷的局部检测,提出了窄角扇束工业计算机断层扫描成像(ICT)检测固体火箭发动机缺陷的局部检测方案.采用平移/旋转扫描方式和只旋转扫描方式对固体火箭发动机缺陷进行局部检测.为了验证局部检测方案的有效性,利用窄角扇束ICT对某型固体火箭发动机进行局部检测,并利用卷积反投影算法和小波变换算法进行局部重建.结果表明:平移/旋转扫描方式适合窄角扇束ICT对固体火箭发动机缺陷进行局部检测,只旋转扫描方式不适合局部检测.由于利用局部缺陷区域外的投影数据,卷积反投影算法较小波变换算法的局部重建质量高.这对于提高固体火箭发动机缺陷的检测效率,降低检测成本具有重要意义.      

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。     

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。