应用经验模态分解的箱型结构裂纹诊断方法

为获得航天器结构的更多故障信息,文章提出了一种应用经验模态分解对一个两层箱型结构进行裂纹故障诊断的方法。先对该结构进行有限元建模和模态分析,发现结构有无故障均对模态的影响非常小;再对实际结构进行正弦振动试验,对振动响应信号进行经验模态分解,利用固有模态函数构造标识向量,提取用标识向量间的标识夹角作为诊断结构故障的指标。分析结果表明,结合施加给结构的主振方向,利用标识夹角能识别出裂纹的位置和方向。该方法为航天器结构故障的诊断提供了一种新的思路。     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。