Breakthrough detection in electrochemical discharge drilling to enhance machining stability

Film cooling holes are widely used in aero-engine turbine blades. These blades feature large numbers of holes with complex angles and require a high level of surface integrity. Electrochemical discharge drilling(ECDD) combines the high efficiency of electrical discharge drilling(EDD) with high quality of electrochemical drilling(ECD). However, due to the existence of a variety of energy for material removal, accurate and timely detection of breakthroughs is fraught with difficulties. An insuffic...     

SRS-Net: Training object detectors from scratch for remote sensing images without pretraining

Most of the current object detection algorithms use pretrained models that are trained on ImageNet and then fine-tuned in the network, which can achieve good performance in terms of general object detectors. However, in the field of remote sensing image object detection, as pretrained models are significantly different from remote sensing data, it is meaningful to explore a train-from-scratch technique for remote sensing images. This paper proposes an object detection framework trained from scratch, SRS-Net, and describes the design of a densely connected backbone network to provide integrated hidden layer supervision for the convolution module. Then, two necessary improvement principles are proposed: studying the role of normalization in the network structure, and improving data augmentation methods for remote sensing images. To evaluate the proposed framework, we performed many ablation experiments on the DIOR, DOTA, and AS datasets. The results show that whether using the improved backbone network, the normalization method or training data enhancement strategy, the performance of the object detection network trained from scratch increased. These principles compensate for the lack of pretrained models. Furthermore, we found that SRS-Net could achieve similar to or slightly better performance than baseline methods, and surpassed most advanced general detectors.     

故障检测的集员辨识方法

为了处理数学模型不精确已知系统的故障检测问题,给出了一种故障检测的集员辨识方法。与以往基于模型的故障检测方法相比,该方法不要求模型参数真实值的先验信息。仿真结果验证了该方法的快速性和有效性。     

基于信息压缩的四层前向网络模型体系结构及其应用

提出了一种基于信息压缩原理的四层前向网络体系结构,用以为液体火箭发动机部分参数建立网络模型。利用所选参数的时间序列对这些参数实现平滑、滤波与预测等处理,提高了基于试车数据驱动的故障监控系统对量测噪声、传感器故障与系统过程噪声的鲁棒性。该四层结构大大缩小了网络权值规模,网络模型的训练采用演化策略。     

基于相位重合点检测技术的频标比对系统

相位重合点检测是一种高准确度测量周期性信号参数的技术,已实际应用于高准确度频率计中。介绍了相位重合点检测技术的原理及其在频标比对系统中的应用。实际工作情况证明,采用相位重合点检测技术的频标比对系统,具有电路简单,可靠性高的优点,测量分辨力达到了100 ps量级。     

基于MDP的诊断策略构建方法

针对传统方法忽略测试通过的不确定性因素,缺乏长周期寻优机制,难以在复杂测试系统中生成全局最优诊断策略的问题,提出了一种基于马尔可夫决策过程(MDP)的诊断策略构建方法。该方法将故障检测、隔离的过程表述为系统故障状态的马尔可夫过程,通过引入折扣因子与目标权重,构造了综合效用准则函数的无限折扣模型,并利用策略迭代算法求解出全局平稳最优诊断策略。实例表明,该方法充分考虑了测试通过的不确定性,可实现全局平稳策略寻优,能够有效地指导测试系统实现快速故障检测和隔离。      

粒子群优化粒子滤波的接收机自主完好性监测

接收机自主完好性监测（RAIM）是航空卫星导航接收机必不可少的功能,为保持全球卫星导航系统（GNSS）在卫星发生故障时系统性能不降级,需要对卫星故障进行检测和隔离。针对接收机观测噪声非高斯分布的特点,提出一种基于粒子群优化粒子滤波（PSO-PF）的故障检测和隔离算法。通过粒子群优化粒子滤波对状态估计进行一致性检验实现故障检测。采集实测数据验证算法的检测性能,并与基于基本粒子滤波的完好性监测算法进行比较,结果表明:本文所提算法在非高斯测量噪声下可检测并隔离全球定位系统（GPS）故障卫星,其性能优于基于基本粒子滤波的完好性监测算法性能,对研究北斗卫星导航系统（BDS）接收机自主完好性监测具有一定的意义。      

大功率同轴谐振器连接缝隙EML和PIM研究

在大功率工作环境中,射频电路经常发生电磁泄漏(ElectroMagneticLeak,EML)和无源互调(PassiveInter Modulation,PIM)等现象。而在同轴谐振器中,不稳定连接缝隙处成为增加电磁泄漏EML和PIM问题风险的隐患部位。文章通过对同轴谐振器等效电路建模和电磁场建模给出了缝隙位置与电磁场表面电流的关系,并分析了3种不同结构同轴谐振腔EML特性。结果表明通过微调连接缝隙,使其有效偏离同轴谐振器的电流波幅点位置,可以降低大功率同轴谐振器的连接泄漏,从而减小无源互调的风险。依据分析结果选取了3种同轴结构(单螺钉连接、法兰内连接、法兰外连接)中连接泄露最小的结构作为大功率器件的基本结构,小批量器件在大功率测试和试验中无EML和PIM现象。     

Moving object detection using color distribution motion enhancement and comparison

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法,采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域;提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标,算法不仅节约了计算量,还有效降低了误检和漏检的可能性．多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性。     

一种基于双通道微弱正弦信号幅值检测的新方法

针对传统的基于自相关法的弱正弦信号幅值测量中存在准确度不高的问题,本文提出了一种新的基于双通道的正弦信号幅值检测新方法。根据正弦信号和噪声的统计性质,采用双通道对原始信号进行同步采样,提取原始正弦信号的幅值信息,分析了各个因素对算法的影响,实验结果表明本文的算法较传统的自相关法准确度有大幅提高,具有一定的工程实用价值。