I-DEASPRO在飞机模型地面振动试验中的应用

介绍MTS I-deas pro软件系统的随机和步进正弦两种不同测试方法对GA-RTEUR飞机模型的振动模态测试，并利用I-deas pro软件系统和自行研制的纯模态软件相结合，成功地解决了GARTEUR飞机模型测试中存在的密集模态识别问题。该系统已成功应用于飞机型号试验中。     

挠性空间结构的密集模态特性及影响分析

挠性空间结构周期性构型引起的低频段模态密集问题给振动控制中的控制对象建模、传感器优化配置和控制方案设计等造成困难.本文推导密频结构模态不稳定特性的产生机理,随即证明模态不稳定特性引发模型不确知性,而后基于可控性Gram矩阵的奇异值分析了密集模态的低可控度,并通过分析剩余模态的作用机理,说明模态密集将加剧溢出问题.在分析密集模态特性及影响的同时,给出控制设计中应注意的问题及可能的解决途径,对密频挠性结构在轨振动控制设计具有重要参考价值.     

密集模态组间非线性相互作用的初步研究

基于平均 Lagrange函数与调制项关系的 ALFM法,研究了通过 2∶ 1内共振联系的密集模态组间复杂的非线性相互偶合作用,深入探讨了密频内共振与 2∶ 1内共振的关系,提出了密集模态组在低阶主共振条件下相互作用及整体表现的初步规律,对于具有密集模态的大型柔性航空航天结构的振动主动控制和模态分析研究具有重要的指导意义     

喉区极光的机器识别

喉区极光是一种发生在电离层对流喉区附近的极光现象,是极光卵向低纬侧延伸出的南北向分立结构,其可能对应由磁鞘高速流与磁层顶作用引发的磁层顶重联过程.喉区极光研究对深入理解太阳风-磁层-电离层耦合过程具有重要意义.从长期观测所积累的大量全天空极光观测数据中准确高效识别出喉区极光结构,是开展喉区极光统计研究的基础.本文利用北...     

基于无监督深度学习的红外与可见光图像融合

目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理信息不足的问题。使用的残差密集块有连续存储机制,最大程度地保留每层的特征信息,局部残差融合和全局残差融合的设计有利于学习图像中的结构纹理。此外,为了更好地保留可见光图像中的细节纹理,引入了生成对抗网络对数据集进行无监督学习。主客观实验表明,该算法不仅获得了良好的视觉融合效果,融合图像具有更多的边缘纹理信息,在客观评价指标上对比现有优秀的算法也较大的提升。     

考虑模态质量耦合的随机振动准静态载荷计算

针对目前模态质量参与法没有考虑模态质量耦合影响而导致模态密集时随机振动准静态载荷计算出现较大误差,从多自由度振动方程出发,利用模态理论和随机谱理论,分析推导出包含模态质量耦合作用的完全模态质量参与法,分析了耦合项的影响规律。此改进的模态质量参与法可用于计算包括密集模态在内的随机振动准静态载荷,并针对模态频率比大于0.95的密集模态给出简化计算公式。以一个算例验证了密集模态的准静态加速度载荷计算。     

信号失配对密集假目标干扰效果影响分析

雷达干扰作战中,目标雷达的各项参数是未知的,干扰机采集到的雷达信号往往难以做到与雷达信号相匹配,所以必然存在失配情况下的干扰效果问题。主要分析干扰机采样信号与雷达信号在载频、脉宽和调制带宽三个方面失配条件下的密集假目标干扰效果,并通过仿真与试验验证了信号失配对密集假目标干扰效果的具体影响。     

SiamADN:用于无人机目标跟踪的孪生注意密集网络

基于深度学习的单目标跟踪技术在诸多计算机视觉应用中取得了卓越的效果.然而,现有跟踪器在图像目标变形、遮挡、移动等场景下的应用具有局限性.本文提出一种融合注意力机制和密集网络的孪生网络离线跟踪方法(SiamADN),重点针对无人机等小目标的跟踪任务.首先,算法应用密集网络来减少消失梯度,从而加强特征转移;其次,在密集网络...     

民航管理局安全文化建设探讨

安全文化是个人和集体的价值观、态度、能力和行为方式的综合产物。从安全文化建设的主体、空间、范围来看,安全文化建设与其领域体系密切相关。民航这一行业具有科技     

FBG传感器在微尺度计量中应用的前景

基于作者先前的实验数据和目前用FBG进行动态应力测量研究的实验，提出了把FBG传感器应用于微尺度计量领域的新概念，并展示了FBG在微尺度计量中应用的前景；简述了温度和应力同时测量的技术应用于分离和消除温度漂移的干扰；总结了动态应力产生布拉格波长偏移的解调装置并提出用其实现微尺度计量所需要的高分辨力的布拉格波长解调方法。