新的技术特征给传统舵机维修带来的变化

伺服作动器(舵机)实现电气至机械运动之间的信号转换,驱动飞机执行机构舵面完成机械运动。新一代伺服作动器以其余度技术及综合组合式结构特点全面代替了传统舵机及助力器,全新的修理模式应运而生。本文梳理了三代机伺服作动器与传统舵机的典型差异,并对其进行了总结分析。     

送粉方式对等离子喷涂NiCrAlY/ Al2 O3涂层介电性能的影响

以内送粉和外送粉两种方式微弧等离子喷涂工艺制备了NiCrAlY/Al_2O_3复合涂层,分析了送粉方式对涂层相组成、微观结构和介电性能的影响。结果表明:与外送粉相比,内送粉方式沉积的涂层具有较高的沉积效率和较低的孔隙率。由于喷涂过程中α-Al_2O_3颗粒完全熔融,内送粉喷涂所得到涂层主要为γ/γ′和γ-Al_2O_3相,并且涂层结构致密,NiCrAlY颗粒分布均匀。介电性能测试表明,以外送粉方式制备的涂层复介电常数实部和虚部几乎不随频率发生变化。而以内送粉方式喷涂的涂层复介电常数实部和虚部随频率的增加而降低,呈现明显的频散现象。     

基于冷态叶型生成叶片加工坐标的方法

建立了基于冷态叶型生成叶片加工坐标的方法,包括排序、插值加密、叠加位移量、去倒圆及端区叶型拟合等步骤.以某多级轴流压气机为例,应用该方法生成的加工坐标叶片除端区外主流通道叶高内误差在0.01mm以下,叶片表面波纹度和前后缘曲率良好.通过进口级的数值模拟表明:该方法生成的加工坐标叶片与冷态叶型的误差对气动性能影响小,流量-总压比-等熵效率特性变化微小,叶片进出口气流速度、方向及流场细节等变化较小,满足工程应用的需求.      

国外小卫星最新发展研究

进入21世纪后,随着航天技术的发展,现代小卫星逐渐呈现轻量化、小型化、低成本以及高功能密度和性价比等优势,小卫星已成为空间系统的重要组成部分。各主要航天国家为在小卫星技术领域取得领先优势,均制定了大型计划和项目。在过去十几年中,小卫星技术迅猛发展,小卫星逐渐从探索、试验阶段转入业务化、装备化运营阶段,并在遥感、通信、导航、空间科学、新技术演示验证以及教育培训等诸多领域得到了广泛应用。国外通常把质量在500kg以下的卫星定义为小卫星。考虑到我国卫星技术发展现状,目前,我国把质量在1000kg以下的卫星定义为小卫星。     

基于约束优化的舰艇区域防空作战能力需求生成

作战能力需求生成是在满足多约束条件下完成的,寻求约束集是能力需求生成的重点;以舰空导弹区域防空为背景,通过对作战需求约束、能力需求约束、技术发展约束以及其他因素约束进行综合分析,提取制约能力指标生成的约束集,建立舰艇防空作战效能目标函数,采用基于罚函数法的快速粒子群算法进行能力指标的约束优化求解;以最大预警距离为变量,对其他作战能力指标优化前后的曲线图进行仿真验证,定量生成舰艇区域防空作战所需的能力指标值,验证了模型算法的可行性,为舰艇区域防空作战能力需求生成提供了定量化依据。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。      

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。