一种月面采样量的在轨自主测量方法

月面采样量的在轨自主测量是实现月面自主采样的必要环节。本文设计了一种月面采样装置,根据图像信息实现对月面采样量的在轨自主测量。针对图像中目标与背景灰度差较小、背景区域噪声较多的特点,采用了改进型最大类间方差法与连通标记自适应去噪方法,实现了采样区域较为准确的分割。针对单目相机无法直接获取采样区域尺寸的特点,利用已知物体尺寸进行在轨自主标定,结合图像中提取出的采样区域,完成了采样区域尺寸的计算,实现了采样量的在轨自主测量。试验结果表明,在轨自主测量结果与实际结果吻合,本文提出的在轨自主测量方法有效。     

改进暗通道遥感影像去雾方法及效果分析

遥感影像的预处理工作是遥感数据应用的基础。去除云雾是影像预处理工作的重要组成部分。针对遥感影像雾霾浓度分布不均匀的问题,提出一种改进的暗通道遥感影像去雾方法。以"高分一号"(GF-1)卫星为例,根据影像灰度图中的灰度值对影像雾霾浓度区域进行划分,对每个区域中暗原色值的获取方式进行改进,使用导向滤波优化大气传输率,以归一化植被指数(NDVI)为基础,设计用于评价影像去雾质量的定量指标。结果表明:所提出的方法能明显去除雾霾干扰,有效改善卫星影像数据的视觉效果,增强影像细节。该方法去雾处理后的遥感数据能应用于定量遥感,提高遥感影像的可用性及有效性。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

陆海激光卫星高程测量的思考

为满足新形势下陆海激光卫星高程测量的需求,分析了高精度高程控制点数据获取、森林生物量估算、浅海及海岛礁地形测绘、"三极"区域高程变化监测等方面的需求,提出了发展多波束激光卫星测高的初步设想,并就高精度激光指向测量技术、距离门宽度动态适应调整技术等关键技术问题进行了探讨。     

高超声速飞行器脆性透波材料大热流冲击下断裂性能试验

高超声速飞行器在俯冲段、高机动变轨或瞬间外露定位探测设备时,快速变化的高热流密度气动热会对天线窗、天线罩等部件产生强烈的热冲击。判断脆性材料透波部件在大热流密度冲击下是否出现断裂破坏及确定断裂时间点,对于高超声速飞行器能否最终锁定并击中目标具有极为重要的意义。本文建立石英灯红外辐射式大热流冲击试验系统,最大冲击热流密度可达1.5 MW/m²,并对SiO₂和Al₂O₃2种脆性材料进行了高速热冲击试验。热流冲击模拟准确,控制结果与预设热流的相对误差小于1.0%。同时,采用数字图像相关方法实时采集热冲击过程中脆性材料表面散斑图像的动态变化,成功捕捉并获得了断裂时间点这一重要关键参数。通过对散斑图像的分析计算,得到了脆性试验件断裂前的表面应变的变化。试验结果为高超声速飞行器透波天线窗等信号探测定位部件在高速大热流热冲击下的安全可靠性设计提供了重要依据。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。      

Effect of drag reducing riblet surface on coherent structure in turbulent boundary layer

The characteristics of turbulent boundary layer over streamwise aligned drag reducing riblet surface under zero-pressure gradient are investigated using particle image velocimetry. The formation and distribution of large-scale coherent structures and their effect on momentum partition are analyzed using two-point correlation and probability density function. Compared with smooth surface, the streamwise riblets reduce the friction velocity and Reynolds stress in the turbulent boundary layer, indicating the drag reduction effect. Strong correlation has been found between the occurrence of hairpin vortices and the momentum distribution. The number and streamwise length scale of hairpin vortices decrease over streamwise riblet surface. The correlation between number of uniform momentum zones and Reynolds number remains the same as smooth surface.     

利用上游槽道对角区马蹄涡的控制

在平板上放置圆柱形成角区流动,利用布置在圆柱上游平板上的二维和三维槽道来控制或削弱角区马蹄涡,采用风洞试验和数值模拟开展研究。结果表明,二维和三维槽道均能推迟边界层的分离,使圆柱根部马蹄涡的强度减弱、尺度减小;同时槽道上游压力和逆压梯度均有所下降,槽道下游压力显著升高而逆压梯度总体降低。二维槽道对马蹄涡强度的削弱为61.15%~66.51%,而三维槽道对其削弱为66.65%~80.93%。讨论了三维槽道参数(包括槽道宽度、深度以及其中心线与圆柱中心距离)对控制效果的影响。槽道与圆柱的距离在对马蹄涡的控制中起主导作用。槽道控制的机理是,由于槽道的抽吸效应使得其上游靠近壁面的边界层中涡量较高的流体被卷吸入槽道形成槽道涡,槽道涡由三维槽道输运到下游。同时,随着槽道与圆柱的距离减小,更多的边界层流体流入槽道内。正是上述"槽道效应"使得槽道下游的逆压梯度降低,马蹄涡强度减弱,分离区范围减小。     

基于相位相关的部分可辨编队精细起始算法

针对部分可辨条件下编队目标的精细起始难题,提出了一种基于相位相关的部分可辨编队精细起始算法。首先,采用基于坐标映射距离差分的快速群分割与基于编队中心点的预互联对雷达量测进行预处理;然后,利用图像匹配中相位相关特性,将相邻时刻编队结构进行补偿对准,解决了低目标发现概率情况下的编队结构对准问题;最后,采用增加虚拟量测并后验判决的方式,结合最近邻法做编队航迹精细互联,在填补航迹缺失、增加正确航迹的同时抑制虚假航迹的产生。经仿真验证,与修正的逻辑法、基于相对位置矢量的灰色编队精细起始算法相比,本文所提算法在提高航迹正确起始率、抑制虚假航迹方面性能优势显著,且对环境杂波与雷达精度具有较好的鲁棒性,对目标发现概率具有较好的适应性。     

基于变分分割模型的结冰冰形测量方法

结冰冰形是结冰风洞试验中关注的要素之一,针对其冰形测量问题,提出了一种基于变分图像分割技术的非接触测量方法。基本思路是对翼型结冰俯视图像进行图像分割,将获得的曲线标定后与翼型数模结合,得到最终结冰冰形。为了排除结冰图像中不相干物体和因素的干扰,更精确获取结冰冰形,提出了选择分割的思想,构造了区域特征函数,建立了新的能量函数。采用所提基于变分分割模型的测量方法,对结冰风洞试验冰形进行了测量,并定量分析了方法的误差,测试了方法的抗噪声能力。结果表明该方法对结冰冰形的测量是准确可行的,且具有较高的精度,另外,其对噪声具有鲁棒性。所提方法可推广至其他与物体形状相关的测量中。