对流天气下基于聚类算法的终端区交通流分析

准确分析对流天气对终端区进场交通流的影响,提出了一种面向对流天气场景的基于轨迹聚类的进场交通流分析方法。利用卷积神经网络与K-means++算法对对流天气进行特征提取和聚类;采用均匀化参数方法对进场飞行轨迹进行重采样;进而采用具有噪声的基于密度的聚类算法对进场轨迹进行聚类,采用K-means算法识别交通流的中心轨迹。对...     

基于一维卷积神经网络的加密单数据包分类

针对基于卷积神经网络的流量分类方法中流量数据范围选取会直接影响精度结果的问题,提出了基于一维卷积神经网络的加密单数据包分类算法.通过提取出五元组和应用层数据信息形成特定格式的样本数据,最大最小归一化处理后作为一维卷积神经网络的输入,实现对单个流量数据包分类;然后对经典一维卷积神经网络结构进行改进,设计自适应池化层,完成...     

一种基于深度学习的交互式电话号码识别方法

物流、保险和中介服务等行业需要频繁地拨打电话,而人工拨打电话效率较低,高效的电话号码识别技术具有重要的应用价值。传统的印刷体数字识别方法存在人工设计特征过程复杂、识别字体单一等不足,难以满足实际应用需求。本文提出了一种基于深度学习的交互式的电话号码识别方法,通过鼠标双击图像中的电话号码,自动截取出包含此号码的目标区域,并进行灰度化、二值化、目标区域定位、字符分割和图片补白等预处理操作,在此基础上利用改进的LeNet-5卷积神经网络（CNN）自动学习图像特征,支持多种字体、字形和字号的印刷体数字识别,并利用交互式识别和内存池等方法提高识别速度。实验结果表明,单一字符的识别率为99.86%,整个号码的识别率为99.50%,整个号码平均识别时间为91 ms。本文方法识别精度高、识别速度快,具有较为广泛的应用前景。      

航空发动机分布式控制系统动态输出反馈鲁棒H∞容错控制

针对存在网络诱导时延、外部干扰的航空发动机分布式控制系统,提出了执行机构发生部分失效故障时的输出反馈容错控制方法。对航空发动机分布式控制系统中网络诱导时延以及执行器部分失效问题进行量化说明,在此基础上,采用动态输出反馈控制器建立增广闭环系统。针对所建立的增广闭环系统,对H∞性能约束下的增广闭环系统稳定性进行分析,并利用线性矩阵不等式理论设计了输出反馈H∞容错控制器。仿真结果表明,当两个执行机构输出值分别为衰减80%和50%时,控制系统在所设计的控制器作用下均方渐进稳定,且具有H∞性能指标为0.63,同样在正向偏差故障条件下也具有很好的容错能力。      

基于机匣振动信号的滚动轴承故障协同诊断技术

针对基于机匣测点信号的航空发动机滚动轴承故障诊断问题,提出了一种滚动轴承故障的协同诊断技术。通过最小熵解卷积消除信号传递路径的影响以增强信号中的冲击性成分;通过小波变换提取共振频带;通过自相关分析抑制频带信号中的非周期性成分并进一步提升信噪比。依托带机匣的转子试验器分别对人工故障轴承和真实故障轴承进行了两组试验,试验结果表明:相比于其他典型方法,采用所提协同诊断法得到的包络谱中故障特征频率对应的谱峰更加清晰、明显。      

基于时变散射特征与CNN的双极化SAR作物分类

作物类型分类是极化合成孔径雷达(PolSAR)图像中最重要的应用之一。然而，由于成本和系统限制，越来越多的双极化SAR系统已经投入使用。由于双极化模式的限制，双极化SAR数据集存在严重的贴现特性，使得双极化SAR图像难以获得令人满意的分类精度，因此有必要提取更适合于双极化SAR数据集的散射特征。基于H/α分解的基本理论，引入了一个新的参数来测量农作物的时变散射特性，并针对双极化SAR图像提出了时变散射特征驱动的卷积神经网络(CNN)。实验结果表明:提出的CNN分类方法达到了最高的分类精度。与不同的特征组合输入相比，提出的新参数能稳定地提高分类器的分类性能，H、α、θ和强度特征的组合也能达到最佳的分类性能。     

自适应湍流耦合建表燃烧模型的振荡燃烧数值模拟

航空发动机及燃气轮机等动力装备燃烧室广泛采用的贫燃燃烧方式经常遇到破坏性的非定常热声耦合振荡燃烧问题。非定常振荡燃烧数值预测是一个长期的研究热点和难题。发展了针对振荡燃烧的耦合直接求解数值模拟方法，包括优化的动态模型参数的高精度自适应湍流模型（SATES），耦合可压缩的详细化学反应建表FGM燃烧模型。选取的3种湍流燃烧模型包括有限速率模型（W1）及火焰面密度封闭方法中的Zimont(W2)和Fureby(W3)2种褶皱因子模型。针对经典的LIMOUSINE燃烧室多个部分预混振荡燃烧工况开展了数值研究，发现自适应湍流模拟框架下的3种燃烧模型均准确预测到了振荡燃烧的振荡频率，与试验相比，误差<6.4%；对于振荡燃烧压力脉动振幅的预测结果，有限速率模型（W1）和Zimont(W2)模型结果显著大于试验值，误差>380%;Fureby(W3)模型结果与试验值吻合较好，误差<17.9%。表明振荡燃烧的数值预测对不同的湍流及湍流燃烧模型具有较高的敏感性。不同的工况结果表明，振荡燃烧存在完全振荡模态和过渡模态，完全振荡模态中数值预测的特征主频在燃烧室上下游多个位置趋于一致；过渡振荡...     

基于抽象汇编指令的恶意软件家族分类方法

恶意软件变体的大量出现对网络安全造成巨大威胁。针对基于汇编指令的恶意软件家族分类方法中，操作数语义与运行环境密切相关而难以提取，导致指令语义缺失，难以正确分类恶意软件变体的问题。提出了一种基于抽象汇编指令的恶意软件家族分类方法。通过抽象出操作数类型重构指令，使操作数语义脱离运行环境的约束；利用词注意力机制与双向门循环单元（Bi-GRU）构建指令嵌入网络以捕获指令行为语义，并结合双向循环神经网络（Bi-RNN）学习恶意软件家族共性指令序列，以减小变体技术对指令序列的干扰；融合原始指令和家族共性指令序列构建特征图像，并通过卷积神经网络实现恶意软件家族分类。公开数据集上的实验结果表明:所提方法能够有效提取操作数信息，抵抗恶意软件变体中无关指令的干扰，实现恶意软件变体的家族分类。