双框架飞机蒙皮检测机器人切换运动控制方法

针对一种双框架飞机蒙皮检测机器人,通过分析该机器人在飞机表面上的受力情况,在飞机表面该机器人受到了非完整约束,基于牛顿-欧拉法建立了机器人非完整约束动力学模型。根据机器人机械结构和运动步态分析,将该非完整机器人系统分为子系统A和子系统B。为了实现机器人在飞机表面运动,采用反演技术和快速Terminal滑模控制相结合的思想对系统设计了控制器,提出了一种反演-滑模控制方法;对于非完整机器人子系统A和子系统B,设计了一种基于事件驱动的切换策略,实现了机器人对期望轨迹的全局渐近跟踪,并利用Lyapunov稳定性证明系统的跟踪误差收敛。仿真和试验表明,采用该切换策略和反演-滑模控制方法,双框架飞机蒙皮检测机器人可以在飞机表面自由运动并进行损伤检测,具有良好的可靠性和稳定性。     

Multi-mode diagnosis of a gas turbine engine using an adaptive neuro-fuzzy system

Gas Turbine Engines (GTEs) are vastly used for generation of mechanical power in a wide range of applications from airplane propulsion systems to stationary power plants. The gas-path components of a GTE are exposed to harsh operating and ambient conditions, leading to several degradation mechanisms. Because GTE components are mostly inaccessible for direct measurements and their degradation levels must be inferred from the measurements of accessible parameters, it is a challenge to acquire reliable information on the degradation conditions of the parts in different fault modes. In this work, a data-driven fault detection and degradation estimation scheme is developed for GTE diagnostics based on an Adaptive Neuro-Fuzzy Inference System (ANFIS). To verify the performance and accuracy of the developed diagnostic framework on GTE data, an ensemble of measurable gas path parameters has been generated by a high-fidelity GTE model under (a) diverse ambient conditions and control settings, (b) every possible combination of degradation symptoms, and (c) a broad range of signal to noise ratios. The results prove the competency of the developed framework in fault diagnostics and reveal the sensitivity of diagnostic results to measurement noise for different degradation symptoms.     

硅半球深腔结构无损检测技术

半球深腔的加工质量是决定硅基MEMS半球陀螺精度的关键因素之一，及时检测半球深腔的形貌参数并将其反馈至加工过程，是确保高性能MEMS半球陀螺研制成功的重要措施。由于硅半球深腔的深度较大，台阶仪和光学显微成像系统无法对半球深腔的形貌特征进行有效测量。因此,需要将硅深腔结构剖开后采用扫描电镜(SEM)进行检测。这种检测方式时间周期长，且属于破坏性的样本检测，效率和测试精度都较低。提出以硅半球深腔为模具，利用PDMS铸模将硅半球深腔的结构尺寸和表面形貌转移到PDMS凸起的半球模型上，通过检测PDMS半球模型的尺寸结构和表面形貌，即可反推出硅半球深腔的尺寸特征。经实验验证，脱模后的PDMS模型可以准确地反映出半球深腔的尺寸信息，测量结果的不确定度小于5‰，有效解决了硅半球深腔无损检测的难题。     

存在外部干扰的网络控制系统故障检测和优化

针对存在时延和丢包的网络控制系统,研究了系统的故障检测滤波器设计和优化设计问题.通过泰勒展开将未知时延处理成外界干扰,采用伯努利随机过程来描述丢包现象.设计观测器产生残差信号,将故障检测问题转化为H∞滤波问题.通过Lyapunov函数方法分析了系统的稳定性.以线性矩阵不等式的形式给出了滤波器存在的充分条件和求解方法.为进一步提高系统对故障信号的灵敏度,采用了一种优化设计方法对故障检测系统进行了优化.最后通过仿真验证了算法的有效性.     

基于气压高度辅助的机载自主完好性监测算法

卫星接收机自主完好性监测是指根据用户接收机的多余观测值监测用户定位结果的完好性,其目的是在导航过程中检测出发生故障的卫星,并保障导航定位精度。针对卫星接收机自主完好性监测算法可用性不足的问题,结合机载实际导航系统配置,提出了一种基于气压高度表辅助的机载自主完好性监测算法。综合利用卫星导航系统及气压高度表观测信息,建立联合系统的观测模型,推导了基于多解分离的完好性监测及保护级别计算方法。仿真结果表明,相比于传统的接收机自主完好性监测算法,该算法在可见星为5颗时仍能识别故障卫星。该算法具有更好的故障检测能力及可用性,能有效提高卫星导航系统的完好性监测性能,从而保证卫星导航系统的精度和可靠性。     

基于被动探测的目标磁扰动信号检测与定位

针对目标探测定位的快速发展中,军事领域主动雷达存在的缺陷和实现具有高度隐蔽性的目标检测技术的需求,提出一种基于被动磁矢量测量的目标扰动信号检测与定位技术.该方法利用磁传感器阵列测量目标产生的磁矢量扰动信息,通过滤波、门限检测、基函数展开等技术将有效扰动从复杂的背景场中提取出来,并结合速度估计、磁梯度张量矩阵算法研究任意...     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

液体火箭发动机健康监控技术研究现状

液体火箭发动机健康监控技术是改进和提高运载火箭、航天器可靠性与安全性的核心技术之一,对其进行研究具有重要的学术价值和工程应用价值。液体火箭发动机健康监控技术的研究主要包括液体火箭发动机故障检测与诊断理论方法、液体火箭发动机健康监控系统两方面。该文介绍了基于模型驱动的方法、基于数据驱动的方法和基于人工智能的方法,阐明了液体火箭发动机故障检测与诊断理论方法的研究现状,通过对美国液体火箭发动机典型健康监控系统的介绍,阐明了液体火箭发动机健康监控系统研究的若干进展及现状,并对液体火箭推进系统健康监控技术的演变趋势作了简要评述。     

基于表观细粒度辨别网络的近海船舶目标检测方法

近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络（CNN）和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN（更快的基于区域的卷积神经网络）的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000 上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。