军用飞机PHM系统一体化设计架构分析

军用飞机故障预测与健康管理（PHM）系统设计与工程应用存在设计标准缺失、复杂度高、准确率低等问题。通过对PHM系统数据、结构、功能维度的设计需求分析,提出三维多相迭代设计准则;基于三维多相设计准则对PHM系统设计流程进行梳理;提出基于软硬件协同加速的健康管理实时化、基于知识图谱的知识逻辑可视化、基于MBSE的PHM系统模型化的三化一体设计架构,并通过多领域模型联合仿真进行验证。结果表明：该设计架构实现了5.63倍的加速计算效果与82.7%的计算功耗缩减,提升了PHM系统知识与设计需求管理的可追溯性。     

基于领域知识图谱的卫星故障辅助诊断与处置方法

本文重点针对传统故障诊断方法能力不足的缺点，开展基于领域知识图谱的卫星故障辅助诊断与处置方法研究，突破卫星故障领域知识图谱构建关键技术，关联固化卫星系统多维专家知识，构建卫星故障领域知识图谱，进而实现结合卫星故障知识信息的卫星故障推理分析和辅助诊断处置，提升复杂故障场景下的卫星故障诊断效率与处置能力。本文提出的方法为保障大气环境监测卫星的在轨长期稳定运行，提供了一种新的故障辅助诊断与处置措施。     

基于知识图谱的遥感图像检索定位方法

为了快速、准确地在海量遥感图像库中检索出所需的遥感图像资源，提出了一种基于知识图谱的遥感图像检索定位方法。为了充分利用遥感图像中所蕴含的地理语义信息，方法中使用知识图谱节点代表遥感图像，根据图像间的相似程度和地理位置在节点间建立关系。通过知识图谱缩小图像检索空间，加快检索速度，准确地定位遥感图像所示区域的地理信息，并返回最相似的图像。将此方法应用于卫星自主导航领域中，与传统的线性检索相比，图像检索的时间缩短了50%，准确率也得到提高。     

一种低数据传输的多机器人实时视觉SLAM

针对多机器人视觉SLAM在实际应用中带宽受限的问题,设计了一种低数据传输的多机器人实时视觉SLAM系统.系统中引入了NetVLAD神经网络模型,通过改进NetVLAD降低了多机器人回环检测的计算资源占用,提高了回环检测的实时性.提出了一种针对描述子缺失情况下的特征匹配算法,提高了回环检测与相对量测的鲁棒性,并提出了一种增量式多机器人位姿图共享和优化方法.最后,通过在KITTI数据集进行测试,验证了该SLAM系统能有效减少多机器人通信过程中的数据传输,具有与单机器人SLAM相当的定位精度和实时性.     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

弹载遥测系统模块划分综合分析方法研究

针对系统模块化设计过程中存在的模块划分问题,提出对数据流图进行抽象化建模,得到抽象数据流图,并对抽象数据流图进行规范化定义,描述在抽象数据流图基础上进行模块划分的规则.针对具体的弹载遥测系统问题,利用抽象数据流图和模糊聚类两种方法进行模块划分;然后计算模块之间总耦合度,得到相对统一的模块划分方案;最后通过对系统的分析得...     

A novel combination belief rule base model for mechanical equipment fault diagnosis

Due to the excellent performance in complex systems modeling under small samples and uncertainty, Belief Rule Base(BRB) expert system has been widely applied in fault diagnosis. However, the fault diagnosis process for complex mechanical equipment normally needs multiple attributes, which can lead to the rule number explosion problem in BRB, and limit the efficiency and accuracy. To solve this problem, a novel Combination Belief Rule Base(C-BRB) model based on Directed Acyclic Graph(DAG) structu...     

A model-free method for attitude estimation and inertial parameter identification of a noncooperative target

Determining the attitude and inertial parameters of a noncooperative target is essential in an on-orbit servicing mission. Various methods based on machine vision have been proposed, but most of them require the 3D model of the target. This paper proposes a model-free method through sequentially registering point clouds captured by a depth camera. Our main contributions are the avoidance of the ambiguity in registration, and the combination of the multiplicative extended Kalman filter and the pose graph optimization to reduce the effect of measurement noise and drift error. A hardware experiment was performed to generate the sequence of point clouds of a three-axis free-floating target and validate our method. The result shows that the proposed method outperforms existing methods and effectively identifies the inertial parameters, including the normalized principal moments of inertia and the orientation of principal axes.