CamShift在加油锥套识别跟踪中的应用

针对插头锥套式自主空中加油过程中加油锥套的识别跟踪问题,提出了一种基于Cam Shift的视觉识别跟踪算法。选取加油锥套跟踪视觉特征,将RGB空间图像转换到HSV色彩空间,并采用自适应阈值算法分割图像。运用最小二乘椭圆拟合算法解算锥套在图像中的中心点坐标;根据目标像素位置变换速度,对Mean Shift算法的目标搜索窗宽进行自适应修正;定义基于巴氏系数的阈值函数,处理锥套被遮挡的情况;将VC与Open CV相结合,设计了加油锥套视觉跟踪软件,对锥套位置进行实时解算和显示。试验结果表明,该算法可达到毫米级精度,满足自主空中加油视觉导航的技术要求。     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

高压软管脉冲试验设备

高压软管脉冲试验,是检测液压软管在制造过程中材质和接头压接质量的重要手段之一,从而保证飞机在进行各种科目飞行时,高压软管在高压脉冲下不破裂,不漏油。本文介绍一种结构简单、脉冲压力变化大、频率变化快,适合各种软管压力脉冲试验的新技术、新方法。     

基于仲裁环的光纤通道性能分析

随着航空电子系统的发展,光纤通道技术正在逐渐取代传统的总线型通信网络。仲裁环作为一种经济的光纤通道拓扑结构,目前得到了较广泛的研究。本文利用OPNET modeler建立了光纤通道仲裁环及其节点状态机模型,并通过仿真对基于仲裁环的光纤通道性能进行了分析,为深入研究光纤通道奠定了理论基础。     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

支持向量机在航空结构声激励应力分析中的应用

支持向量机是一种新的机器学习方法。它以统计学习理论为基础,从结构风险最小化原则出发,具有很好的泛化及推广能力。通过采用支持向量机对飞机襟翼结构在声激励试验中获得的总应力、总加速度及总声压数据进行分类,分别获得结构响应间的线性关系和非线性关系的样本点以及线性与非线性界限。最后利用多元线性回归模型分别建立线性关系和非线性关系的仿真模型。研究表明,支持向量机在模式分类中具有良好的分类性能,在解决航空结构声疲劳问题中有较好的工程应用前景。     

自动化计量学大会展出的坐标测量机

介绍自动化计量学大会展出的坐标测量机及其结构,性能和使用范围。     

基于脑电功率谱密度的作业人员脑力负荷评估方法

脑力负荷状态的准确识别对减少因作业人员无效脑力负荷导致的人因事故具有重要意义。针对人-机系统中作业人员脑力负荷客观评估问题开展了基于MATB-Ⅱ平台的3种不同脑力负荷水平下的航空情境实验,记录16名被试的NASA任务负荷指数（NASA-TLX）量表数据和脑电（EEG）信号,提出了一种基于脑电功率谱密度（PSD）和支持向量机（SVM）的个体脑力负荷评估方法。结果表明：随着实验设计脑力负荷水平增加,被试的主观脑力负荷得分显著提高（p<0.001）,这表明该实验任务设计较好地诱发了低负荷、中负荷和高负荷情境。在此基础上,通过网格搜索法确定个体脑力负荷评估模型的统一优化参数,惩罚系数取3 000,核函数参数取0.000 1,模型测试正确率达到0.966 5±0.029 8,宏平均的受试者工作特征曲线下的面积（Macro-AUC）达到0.991 0±0.011 4。本文为作业人员脑力负荷状态的客观和准确评估提供了一种新的办法,为后期作业人员脑力负荷状态的实时判别提供模型基础。     

涡轮导向器排气面积测量与分析

针对航空发动机涡轮导向器喉道面积科研生产的需求,研究发动机涡轮导向器喉道面积测量方法,解决发动机涡轮导向器喉道面积测量技术问题,满足发动机型号计量的需求,为航空发动机研制提供有力的保障.     

Multi-state autonomous drilling for lunar exploration

Due to the lack of information of subsurface lunar regolith stratification which varies along depth, the drilling device may encounter lunar soil and lunar rock randomly in the drilling process. To meet the load safety requirements of unmanned sampling mission under limited orbital resources, the control strategy of autonomous drilling should adapt to the indeterminable lunar environments. Based on the analysis of two types of typical drilling media (i.e., lunar soil and lunar rock), this paper proposes a multi-state control strategy for autonomous lunar drilling. To represent the working circumstances in the lunar subsurface and reduce the complexity of the control algo-rithm, lunar drilling process was categorized into three drilling states:the interface detection, initi-ation of drilling parameters for recognition and drilling medium recognition. Support vector machine (SVM) and continuous wavelet transform were employed for the online recognition of dril-ling media and interface, respectively. Finite state machine was utilized to control the transition among different drilling states. To verify the effectiveness of the multi-state control strategy, drilling experiments were implemented with multi-layered drilling media constructed by lunar soil simulant and lunar rock simulant. The results reveal that the multi-state control method is capable of detect-ing drilling state variation and adjusting drilling parameters timely under vibration interferences. The multi-state control method provides a feasible reference for the control of extraterrestrial autonomous drilling.