基于改进的卷积神经网络的步态识别

为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。     

Spatial transformation of general sampling-aliasing frequency region for rotating-blade parameter identification with emphasis on single-probe blade tip-timing measurement

Blade-health monitoring is intensely required for turbomachinery because of the high failure risk of rotating blades. Blade-Tip Timing (BTT) is considered as the most promising technique for operational blade-vibration monitoring, which obtains the parameters that characterize the blade condition from recorded signals. However, its application is hindered by severe undersampling and stringent probe layouts. An inappropriate probe layout can make most of the existing methods invalid or inaccurate. Additionally, a general conflict arises between the allowed and required layouts because of arrangement restrictions. For the sake of economy and safety, parameter identification based on fewer probes has been preferred by users. In this work, a spatial-transformation-based method for parameter identification is proposed based on a single-probe BTT measurement. To present the general Sampling-Aliasing Frequency (SAFE) map definition, the traditional time–frequency analysis methods are extended to a time-sampling frequency. Then, a SAFE map is projected onto a parameter space using spatial transformation to extract the slope and intercept parameters, which can be physically interpreted as an engine order and a natural frequency using coordinate transformation. Finally, the effectiveness and robustness of the proposed method are verified by simulations and experiments under uniformly and nonuniformly variable speed conditions.     

贝叶斯景象匹配技术

景象匹配技术以其极高的末制导精度在导航系统中起着关键性的作用。经典的景象匹配定位方法只能提供象素级的定位精度,为了获得更高的精度可采用ＦＦＴ匹配算法、最小二乘匹配算法等。该文首次提出了一种新的贝叶斯景象匹配算法。其基本思想在于：匹配定位位置可看作为随机量,先利用匹配图像间的信息求其条件概率分布,再利用图像中的大量样本来求解其贝叶斯估计值。同时研究了基于贝叶斯估计的景象匹配技术的原理及算法,并将其与     

人工神经网络在飞机总体外形智能CAD中的应用

将人工神经网络应用于飞机总体外形智能ＣＡＤ中,针对现有方法的局限性,研究了参数神经网络,提出了一种综合考虑影响神经网络学习３个主要因素（权值、激励函数和拓扑结构）的ＷＡＦＳ学习算法,并研究了隶属函数的神经网络表达和基于神经网络的并行推理,给出了有关应用实例。     

边缘检测技术在火箭发动机实验诊断中的应用

对高速运动分析仪拍摄的Ｕ型燃气发生器固体装药燃烧和双组元液体喷嘴雾化图像进行了边缘检测图像分析,根据被分析实物边缘层次性较强的特点,在简单边缘检测的基础上采用自动门限、二次门限和最佳滤波的方法,获得了固体燃气发生器在燃烧过程中的内部结构、推进剂瞬态燃速、绝热隔板烧蚀率等参数,获得了双组元液体喷嘴的雾化角、粒子分布等特性。     

基于表面再现 Marching cubes算法改进与实现

从医学体数据中得到对象的三维可视图像有广泛的应用领域,例如医学诊断、法医学、古人类学等.本文讨论并分析了一种基于表面再现的 Marching cubes算法的优点及存在的不足,给出了算法在时空开销、不确定性等方面的改进和解决方案,改进后的算法在实际系统中取得了良好的效果.     

飞机智慧座舱发展技术研究

未来飞机座舱智慧化转型是必然趋势,研究飞机智慧座舱发展技术能够为未来飞机智慧座舱的设计提供参考支撑。本文探讨了智能与智慧的区别,提出了飞机智慧座舱的概念与设计内涵,总结出深度感知与沉浸式交互、类人的认知及开放性与个性化定制服务的智慧座舱功能设计要素;梳理了发展飞机智慧座舱亟需解决的五项关键技术：多维度深度信息感知与融合技术、先进信息显示技术、沉浸式自然交互技术、智能态势认知技术、多智能体自主适应技术。通过关键技术的分析对未来飞机智慧座舱的发展提出了新的思考。     

机载红外搜索跟踪系统关键技术分析

概述了红外搜索跟踪系统的组成及主要技术特点,对红外成像系统中的红外望远光学系统、红外探测器组件等进行了分析;探讨了稳定与瞄准系统实现方案;对图像跟踪器中的跟踪算法及工程实现中采取的措施进行了论述。     

图像序列中机动目标三维运动和结构的计算

综合视觉运动分析中的2类处理方法,选取图像中的角点作为特征点,在理论上证明了图像序列的光流场可以近似地用角点的位移场代替。利用已有文献中的建模思想,详细推导出递归计算机动目标三维运动和结构的非线性计算模型,采用广义卡尔曼滤波(EKF)递归地计算图像序列中机动目标的三维运动和结构。合成图像序列和真实图像序列实验结果表明该算法能取得较好的效果。     

不同流速比超声速混合层气动光学效应研究

针对不同流速比混合层流场气动光学效应问题,首先采用大涡模拟数值方法进行了数值仿真,其次用光线追迹方法进行了气动光学效应仿真,最后对混合层的气动光学效应进行了评价。结果表明,混合层流场涡结构与光程差极小值存在一一对应关系,并且其流速比低的混合层气动光学效应更加严重。同时,研究了不同光学参数对斯特列尔比的影响,得到了相应的规律。