叶片边缘破损曲面再生修复技术研究

发动机叶片长期在高温、高压和高速下工作，工作过程中有异物进入，不可避免地会发生损坏。对于弯扭叶片边缘破损曲面的修复，本文采用基于邻近破损域未破损区域的完整叶片截面线与破损域叶片截面线的完好部分配准，获得边缘破损处的叶片截面线点云特征，实现破损曲面再生重构。同时，采用迭代最近点（（Iterative closest point,ICP））配准算法，克服了搜索最近点集耗时较长的缺点。本文提出的基于建立辅助圆邻域的最近点集对搜索方法，大大降低了配准时间成本。最后对破损域再生曲面进行了光顺性分析，验证本文所提出的边缘破损曲面再生修复方法的可行性。     

基于光纤光栅的风机叶片应变与振动监测技术

为满足某型塔架式风电机组叶片的监测需求，提出了一种基于光纤布拉格光栅（Fiber Bragg grating,FBG）传感网络的结构监测方法。建立叶片三维模型并进行有限元仿真，获得其工作状态下的应变分布。设计FBG封装及布局方案，实时监测各传感点应变数值及变化规律。通过快速傅里叶变换分析其振动特性，探究温度、风速等环境因素对该监测系统可靠性的影响。结果表明，基于FBG的应变-振动测试方法能有效监测叶片对风压的载荷响应及振动频率，误差范围在0.04 Hz以内，满足实际工程需求。     

基于多尺度CNN模型的多时相PolSAR图像作物分类

农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一。由于单时相PolSAR数据获取的信息有限，因此，采用多时相PolSAR数据，其含有农作物生长周期更丰富的特征信息。针对多时相PolSAR数据在极化特征分解时造成的“维数灾难”问题，提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法，用于对分解后的特征数据进行压缩，以获得分类所需的有效特征。此外，构建了一种多尺度特征分类网络(MSFCN)，该网络可以提高农作物的分类性能，且优于目前传统的卷积神经网络和支持向量机方法。通过使用欧空局提供的数据进行仿真实验，对分类结果进行性能评估，并与传统方法比较。实验结果表明:所提的方法具有很好的农业应用前景。     

馈源杯圆度误差对螺旋天线电性能的影响分析

馈源阵作为星载天线的核心部件，其馈源辐射杯圆度误差显著影响天线的馈电性能，因此，探究馈源单元电性能与圆度误差的关联性极为重要。以某卫星天线馈源阵三维单馈源为例，基于几何绕射理论，将圆度误差引入方向图函数，建立了电磁耦合模型；基于FEKO电磁软件，分析了圆度误差对馈源单体最大增益、波束宽度等主要馈电性能指标的影响规律。研究结果表明，频率越大，增益与波束宽度对圆度误差越敏感。当馈源杯直径存在尺寸误差时，圆度误差导致的电性能变化与尺寸误差之间为振荡关系。文章研究工作可为探求天线制造误差与电性能的关联性提供一定的借鉴与指引。     

基于齿顶结构设计的面齿轮接触性能优化

针对面齿轮传动系统存在边缘接触的问题，通过对面齿轮齿顶进行倒圆和削顶优化设计，改善面齿轮传动系统的接触 性能。利用有限元软件建立了含齿顶倒圆和削顶的面齿轮仿真分析模型，对传动系统进行准静态接触分析，研究了齿顶倒圆和削 顶对面齿轮传动系统啮合力、接触区域以及齿面最大接触应力的影响规律。结果表明：齿顶倒圆可以明显地改善面齿轮系统的边 缘接触并降低接触应力，但倒圆半径的增大会降低面齿轮的重合度，降低系统的承载能力，研究对象中面齿轮齿顶进行0.20倍模 数的倒圆较为合适。齿顶削顶可以降低面齿轮系统质量，但较大的削顶角度会恶化面齿轮接触性能，使齿轮副产生应力集中，从 而使齿轮接触应力增大，研究对象中面齿轮削顶角度为97.5°时较为合适。     

基于萤火一号技术的自主火星探测器方案

提出了基于萤火一号（YH-1）火星探测器技术的自主火星探测器方案,可携带多种有效载荷在准太阳同步圆轨道上对火星进行科学探测。该方案具有可实现性强、成本低、研制周期短等特点,并能满足火星探测后续工程中的环绕器设计要求,利于我国火星探测的长远发展。利用长征三号乙运载火箭,在西昌卫星发射中心就可实现2013/2016年的我国自主火星探测。     

基于AE-BN的发电机滚动轴承故障诊断

为解决风力发电机在复杂工况及耦合性、不确定性条件下故障识别的准确性问题，提出了一种基于自动编码器(AE)与贝叶斯网络(BN)的AE-BN故障诊断方法。采用AE对电流信号进行特征提取，得到能够高度表征信号的特征分量；基于故障与特征之间的因果关系，建立由故障位置、故障状态和故障特征搭建的三层BN；将AE的特征分量与BN的拓扑结构相结合建立风力发电机故障诊断模型，解决故障诊断中的不确定性问题，提高多故障诊断的准确性。实验结果表明：所提方法能够对故障特征信号进行分析及诊断，精确辨识不同故障类型，相比K近邻算法等具有明显优势。     

基于行人姿态的轨迹预测方法

在自动驾驶领域，行人轨迹预测一直是研究热点之一，行人行为的不确定性给轨迹预测带来很大的挑战。目前大部分轨迹预测方法只专注于行人之间的信息交互，忽略了行人意图和场景中其他语义信息对行人轨迹的影响。为此，提出一种基于行人姿态的卷积编码器-解码器网络(PKCEDN)来预测目标行人轨迹的方法，所提方法包含基于卷积、长短时记忆(LSTM)网络的编码器-解码器模型和能够学习当前时刻与过去时刻轨迹相关性的注意力机制。所提方法在MOT16、MOT17和MOT20公开数据集上进行了相关测试，与Linear、LSTM、Social-LSTM、Social-生成对抗网络(GAN)、SR-LSTM和M_sgtv等主流方法相比，在保证预测速度不降低的前提下，平均误差降低约36%。     

未知纬度条件下基于空间圆拟合的SINS初始对准方法

传统的捷联惯导系统(SINS)晃动基座初始对准算法,如积分双矢量方法和多矢量Wahba方法等均需要精确的纬度信息,粗对准偏航角误差较大.针对此特点,提出了一种未知纬度条件下基于空间圆拟合的SINS初始对准方法.根据重力矢量在惯性系中绕地轴旋转包含北向信息的特征,以初始时刻凝固载体坐标系作为惯性系,首先对重力矢量在凝固载体系内进行投影并滤波,对其矢量端点进行空间圆拟合,然后通过三角几何关系得到导航坐标系,从而完成对准过程.通过仿真验证,证实了该对准方法不需要已知对准点的精确位置信息,相比于积分双矢量方法与多矢量Wahba方法,偏航角对准精度分别提高了12.37'与5.10'.