基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤,有限二维投影下的三维粒子重构是一个欠定的反问题,其精确解往往很难得到.一般情况下,可以通过优化方法得到近似解.为了获取质量更高的粒子场并用于层析粒子图像测速,提出了一种基于卷积神经网络(Convolutional Neural Networks,CNN)...     

一种改进的声反卷积相关声源定位方法

基于传声器阵列的声源定位算法的性能优劣决定了气动噪声试验检测中气动噪声源定位成像的准确性。为了提高相关声源定位方法的稳健性和准确性，提出一种改进的声反卷积相关声源定位方法——D-MACS（Developed-Mapping of Acoustic Correlated Sources）方法。该方法的特点是：在传统MACS方法的基础上，将声反卷积模型进行改进，使模型体现出声场空间扫描点声压互谱矩阵与互谱波束形成输出矩阵之间的数学关系，其最终获得的声源定位结果，能够提高MACS方法声源定位辨识的稳健性和准确性。通过仿真信号研究和声学风洞环境中的声源定位试验研究，比较了DAS（Delay And Sum beamformming）、DAMAS-C（Deconvolution Approach for the Mapping of Acoustic Correlated Sources）、MACS和D-MACS这4种方法的声源定位性能，验证了D-MACS方法在声源定位性能上的优势。     

基于改进YOLOv4的航空发动机小目标损伤检测研究

智能化的航空发动机损伤检测是飞机故障诊断重要的研究方向,针对现有目标检测模型对航空发动机的小目标损伤检测效果差的问题,提出了一种改进的基于You Only Look Once version 4(YOLOv4)的多尺度目标检测方法。在路径聚合网络（PANet）中构建低层次的特征融合层,将更浅层的特征与深层特征融合,提高网络对小目标损伤的检测性能。为减少网络中的冗余参数,在颈部结构中引入了深度可分离卷积,将标准卷积重构为深度可分离卷积的形式。实验表明：改进后的YOLOv4对小目标损伤的检测精度提升了3.43%,模型大小降低了54.06 MB,同时检测速度提高了31.03%。研究结果表明改进的YOLOv4模型对小目标损伤具有更好的检测性能。     

多源数据融合与改进注意力机制的轴承智能故障诊断

单一传感器信号不能全面表达机械设备的运行特征且容易受到自身品质、性能的影响,为此本文提出了一种多源数据融合与改进注意力机制相结合的滚动轴承智能诊断方法。采集不同位置的传感器振动信号作为模型的输入向量,每一个传感器信号作为一个通道,将多通道信号同时送入模型特征输入层;引入改进注意力机制建立各通道和空间动态权重参数,随着模型训练,不断增强故障特征、弱化无用特征;运用深度卷积神经网络模型的卷积、池化等操作将多传感器信号进一步融合并提取故障特征,输出诊断结果。在进行滚动轴承故障诊断实验时,该方法诊断准确率达到100%,高于准确率最佳值为97.42%的单传感器。与其他方法相比,本文方法可以自适应融合多传感器数据以满足诊断任务的要求,具有良好的自适应性和鲁棒性,为滚动轴承的故障诊断提供了一种可行的方法。     

基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测

为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用 神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码（SAE）网络从高维传感器数据中提取健康因子（HI）,采用1维卷积神 经网络-双向门控循环单元（1D-CNN-BGRU）方法捕捉HI序列中的空间和时间特征,并引入自注意（SA）机制对捕捉的特征分配 权重,使用全连接层输出涡扇发动机剩余使用寿命（RUL）,以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结 果表明：利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评 分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机 维修保障及健康管理提供有效决策支撑。     

基于改进Yolov3 算法的舰船目标检测识别系统

针对复杂战场环境下对海目标检测识别的需求,设计了一种基于改进Yolov3 算法的海面舰船目标实 时检测识别系统。使用微调分类网络、增加训练尺度、聚类目标边框维度、二级特征分类等方法对Yolov3 检 测识别网络模型进行了优化,在提高识别精度的同时有效降低了漏检率和虚警率。实验结果表明,优化后的网 络模型在自建的舰船图像数据库中将检测识别平均准确率提高到了79.3%,对真实海上航拍视频中舰船目标识 别的平均准确率达到了81% 以上。     

一种基于小波的快速景象预处理算法

由于景象匹配中基准图与实时图的差异，景象的预处理被证明是提高匹配概率的重要途径。在小波算法的基础上，提出了一种与小波预处理算法等价的预处理卷积核。这一卷积核保留了小波预处理算法在匹配概率和匹配精度方面的优点，同时降低了运算的时间复杂度。卷积核对每个像元的操作只需要完成4次加法运算，无需浮点数和乘法运算，便于DSP和FPGA的实现。     

基于残缺图像样本的生成对抗网络图像修复方法

针对大面积图像修复缺失严重时，需要完整且高质量训练样本的问题，提出了一种将残缺或含噪图像样本作为训练集的双生成器深度卷积生成对抗网络（DGDCGAN）模型。构建两个生成器和一个鉴别器以解决单一生成器收敛慢的问题，用残缺图像样本作为训练集，通过交叉计算、搜索损失区域类似的图像信息作为训练生成模型的样本，收敛速度更快。鉴别器损失函数改进为输出的Wasserstein距离，使用自适应估计算法优化生成器损失函数和鉴别器损失函数的模型参数，最小化两两图像之间的总距离差，使用鉴别模型和修复图像总距离变化均方差最小化两个指标优化修复结果。在4个公开数据集上进行主客观实验，结果表明:所提方法能使用残缺图像样本作为训练集，有效实现大面积失真图像的修复，且收敛速度和修复效果优于现有图像修复方法。      

聚束式SAR中卷积反投影算法的快速实现

对应用于聚束式合成孔径雷达 (SAR) 成像中的卷积反投影 (CBP) 算法进行了详细研究,提出了一种基于傅里叶变换的快速实现方法,使得CBP算法的计算量得到明显降低.在传统的CBP算法中,反投影过程中的重采样通过插值实现,因而所需的插值数量巨大,导致运算效率低下.研究了图像像素之间隐含的相对位置关系之后,本文采用一系列快速傅里叶变换 (FFT)来实现反投影过程中的重采样,避免了运算量巨大的插值过程,故提高了运算效率.仿真结果证明了新算法的可行性和有效性.相比于传统的CBP算法,新算法可以提高大约85%的运算效率.由于FFT适用于并行处理,新方法在实时处理SAR系统中有一定的应用价值.     

基于Faster RCNN的屏幕防手机拍摄算法的研究

智能手机强大的拍摄功能使得通过手机拍摄屏幕来获取敏感信息的代价越来越低,存在较大风险。在分析现有屏幕防拍摄方法存在的局限性基础上,针对屏幕防手机拍摄的特定环境,提出了一种基于Faster RCNN的识别手机拍照的新方法。首先,分析使用手机拍照的特点,建立了动静结合的Pascal VOC训练集;其次,在TensorFlow的框架下实现手机识别算法;最后,根据不同的影响因素建立训练集,分析各因素在不同的阈值下对识别精准率、准确率和召回率的影响。通过对算法的详细分析和与其他屏幕防窃拍方法进行对比,验证了算法的有效性。