基于改进SURF和P-KLT算法的特征点实时跟踪方法研究

 针对视频序列中运动目标的实时跟踪问题,提出一种基于改进SURF算法和金字塔KLT算法相结合的特征点跟踪方法。首先人工标定目标区域,利用改进的SURF算法分块快速提取具有高鲁棒性、独特性的特征点;然后在后续帧中应用金字塔KLT匹配算法对特征点进行稳定跟踪,采用基于统计的方法剔除错误匹配对;最后利用Greedy Snake分割算法提取轮廓确定更加精准的位置信息,更新目标区域。为使算法更具鲁棒性,还设计了离散点筛选、自适应更新策略。利用飞行视频数据库进行了大量的仿真,结果表明:该算法适用于多尺度图像序列中位置、姿态发生快速变化且结构简单的飞行器的稳定跟踪。帧平均时间为31.8 ms,比SIFT+P-KLT跟踪算法减少47.1%;帧几何中心、目标轮廓面积平均误差分别为5.03像素、16.3%,分别比GFTT+P-KLT跟踪算法减少27.2%、56.9%,比SIFT跟踪算法减少38.6%、68.4%。     

基于改进差分进化算法的飞行控制律评估方法

 针对基本差分进化(DE)算法收敛慢、易陷入局部最优的问题,提出了基于混沌理论(CT)与高斯扰动的DE算法,进而通过典型测试函数仿真证明了该方法在收敛速度与全局搜索能力方面均优于基本型和其他改进型DE算法。在此基础上构建了基于DE算法的飞行控制律评估流程与实施步骤。实例表明,该方法克服了传统评估方法的缺陷,可在全飞行包线范围内及所有可预测参数摄动情况下对飞行控制律进行快速、准确的评估。     

型号数据二次处理标准化研究

阐述了目前型号数据二次处理所面临的现状,分析了型号数据二次处理标准化研究的必要性,通过具体措施实现了二次处理标准化数学模型的收集、验证、软件实现及应用推广,形成了一套行之有效的试飞数据处理规范,制定了相应的数据处理流程和制度,加强试飞技术和数据处理技术的积累,提高了工作效率。通过型号数据二次处理标准化研究,标准化算法、模型及软件,规范标准数据处理软件的使用和更新,能够有效缩短数据处理周期,提高数据处理可靠性,利于客观评价被试对象,给出科学合理的试飞结论。     

一种新的基于可解释性置信规则库的飞轮健康状态评估模型

飞轮系统的稳定运行对于航天器在轨安全影响重大,因而对飞轮系统进行健康状态评估至关重要。在进行飞轮系统健康状态评估建模时,不仅要求模型能够处理各种不确定性以保障评估结果的准确性,同时要求其具有透明合理的评估过程与可解释、可追溯的评估结果。因此,在深入研究置信规则库（BRB）建模方法的基础上,构建了一种新的基于可解释性建模的置信规则库（BRB-e）飞轮系统健康状态评估模型。首先,结合飞轮系统特征对模型的可解释性建模准则进行定义;在此基础上,设计了BRB-e评估模型的推理过程;然后,基于鲸鱼优化算法（WOA）,提出了一种具有可解释性约束的BRBBRB-ee模型参数优化方法;最后,通过对某飞轮系统中轴承组件的评估案例研究,验证了模型在飞轮系统健康状态评估中的有效性。对比研究表明,BRBBRB-ee模型在评估结果准确性和评估过程可解释性方面具有一定的优势。     

基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

基于QGA算法优化支持向量机回归的数控机床主轴热误差建模研究

针对精密数控机床主轴的热误差的实时监测反馈问题,提出了一种用于主轴热误差的建模方法。该方法利用QGA(Quantum Genetic Algorithm)寻优算法和支持向量机回归方法的复合建模方式,建立了机床主轴热误差回归模型。并通过搭建主轴热特性测试平台,采用聚类方法筛选主轴的温度敏感点,将采集到的热特性数据用于构建的热误差建模中。实验结果表明,该方法在机床主轴热误差预测中,残差值小于1.5μm,能够为主轴热误差的闭环控制过程提供准确反馈。     

基于轨迹聚类的民用飞机线束综合设计方法

针对目前民用飞机EWIS线束综合设计时存在因信号数量大、路径复杂所导致的工作难度高、设计效率低等问题,设计了一种基于轨迹聚类的线束综合设计方法。根据布线网络上敷设的信号路径,以网络节点所构成的轨迹段形式构建信号路径轨迹,并通过改进的LCSS算法衡量信号轨迹间的相似性,使用基于密度的DBSCAN聚类算法将信号划分到不同的线束组件。结合某机型机上数据与现有线束信息比较,并使用建模软件分析对比实验结果,验证了该方法的可行性。     

基于多源异构信息的航空发动机转子参数校准与可靠性分析

复杂系统可靠性分析结果的准确性与输入参数精度密切相关。针对包含多源不确定信息的可靠性分析问题,提出了基于贝叶斯最大熵的随机模型修正与参数校准方法。该方法将类型统计信息（例如矩信息、可靠度）转换为约束条件,进而利用不确定性优化求解传统参数估计问题。考虑混合不确定性,引入Wasserstein距离构建似然函数,并利用近似算法提高计算效率。该方法通过增加“熵项”的方式拓展了经典贝叶斯推理的适用范围,可处理多源异构数据与混合不确定性问题。针对多部件航空发动机转子系统,建立了基于survival signature的多态系统可靠性模型,并应用上述方法开展可靠性分析,结果显示本方法较传统方法具有更高精度与更强的稳健性。     

基于核函数的后置非线性盲源分离算法在铁磁材料缺陷检测中的应用研究

磁记忆信号检测是分析铁磁材料缺陷和缺陷定位的一种有效方法。由于检测环境噪声、缺陷磁记忆信号弱以及缺陷位置重合引起的信号抵消等原因,易导致传感器采集到的是多维混合磁记忆加噪声复杂信号,体现出较强的盲特性。如何从观测信号中提取有效缺陷信号是分析缺陷类型及定位的关键,传统的降噪方法无法从混合磁记忆观测信号中有效分离缺陷特征信号。文章提出基于核函数的后置非线性盲源分离算法对地下埋管磁记忆信号进行分离,通过与经典盲分离算法Fast ICA进行算法性能比较,表明新算法能够较好地从混合信号中提取有效缺陷特征。     

基于剪枝和去噪的航空发动机故障图像识别与预测

航空发动机叶片作为航空器重要的零件,其健康状况直接关系到航班的运行安全。叶片由于工作环境恶劣很容易产生裂纹、掉块、烧灼等损伤,目前基于孔探技术的叶片损伤检测以人工为主,检测结果在很大程度上受到人为因素的影响。因此,实现叶片损伤的自动识别及测量对于减轻劳动强度和提高检测精度都有实际的应用价值。首先选择PRIDnet图像去噪算法对原始孔探图像进行预处理,按照训练精度和训练速度两个指标对传统目标检测模型进行通道剪枝和微调。数据集采用国内某航空公司获取到CFM56型发动机在实际运营后机务人员所拍摄的孔探图像,实验结果表明,相比于原始目标检测YOLOv5算法和未经图像预处理的目标检测模型,本方法对航空发动机孔探图像内损伤的检测精度提高4%～10%,在检测效率上提高6%～20%。