基于深度神经网络的像素级别可见光图像配准

现有图像配准算法中,借助图像采集设备参数的方法存在硬件内参难以获得或精度不够的问题,采用匹配图像特征计算图像单应性的方法存在对场景深度信息利用不全的问题。针对这一现象,提出了结合可见光图像与其深度信息来生成更具有真实性的配准图像对数据,用以训练得到一个可以进行像素级别图像配准的深度神经网络PIR-Net。建立了一个大规模、多视角、超仿真的图像配准数据集:多视角配准(MVR)数据集,该数据集包含7 240对含有深度信息的待配准图像及其像素级别的坐标对准真值;基于编码器-解码器的深度神经网络结构,训练得到一个能以全分辨率形式对2幅输入图像之间的坐标变化矩阵进行重建的PIR-Net。通过实验验证了PIR-Net能够在未知相机内参的情况下实现不同视角的可见光图像配准,并比传统算法具有更高的配准精度。在MVR数据集上,PIR-Net的配准误差仅为通用的特征匹配对准算法(SIFT+RANSAC)的18%,同时减少了30%的时间消耗。      

长期拟周期近直线晕轨道高效设计方法

面向未来近月空间站部署需求,提出了一种三级修正的长期拟周期近直线晕轨道（NRHO）设计方法。首先,设计了新的离散点选取策略,降低了对参数敏感区域的打靶需求,提高了多点打靶法计算多圈次拟周期NRHO的收敛性能。然后,基于NRHO的对称特性,给出了初始拟周期NRHO圈次延续方法和滚动时域长期拟周期NRHO生成方法,根据拟周期NRHO近月点半径设计了修正策略。使用不同的NRHO进行仿真实验,生成了维持500圈约10年的长期拟周期NRHO。仿真结果表明本方法提高了收敛效率,且能有效生成地月空间长期拟周期NRHO。     

航空发动机高速滚子轴承动态特性分析

 高速滚子轴承的动态特性对航空发动机转子系统的性能有重要的影响,为得到较准确的轴承动态性能,采用拟动力学法建立承受四自由度载荷的滚子轴承动力学分析模型,模型中各零件之间的力和力矩由建立的轴承零件相互作用模型计算得到,并使用较精确的弹流模型计算拖动力,给出了非圆滚道轴承动态性能的计算方法。通过算例分析了工况参数和结构参数对滚子轴承动态特性的影响规律,最后通过实验结果验证了程序的可靠性。滚子轴承动态特性的研究为研究航空发动机转子-轴承动态性能耦合分析奠定了基础。     

基于Logistic回归模型的航材外站配放策略

对航空公司外站航材存放数据进行汇总、整理,拟合Logistic回归曲线,通过ROC曲线选定最优阈值,建立航材外站配放模型。通过模型数据对航空公司外站航材配放提供决策数据支持。     

基于特征点互信息预配准的医学图像配准技术

基于最大互信息的医学图像配准算法近几年来成为医学图像处理领域的热点。由局部极值导致的寻优困难是困扰该算法的核心问题,混合优化算法成功地解决了互信息函数的寻优问题,但延长了配准时间。文中研究了互信息函数峰值周围的局部极值特征,提出安全区域的概念。利用特征点互信息理论,并结合多灰度级和多分辨率策略,提出一种基于混合优化算法寻优和特征点互信息预配准的改进型算法。经过模拟数据和实际数据配准实验证明,该算法在保证了配准精度的同时,提高了配准的速度,稳健性更强,具有临床推广价值。     

吸气式高超声速飞行器助推-巡航轨迹优化

针对吸气式高超声速巡航飞行器建立了纵向平面内的二维轨迹优化模型(包括火箭助推段和吸气式飞行段),其中大气模型、气动力模型和发动机模型均建立了比较详细的模型,能够比较全面、准确地描述吸气式高超声速巡航飞行器的特征;基于配点法建立了适用于高超声速巡航飞行器助推-巡航轨迹优化的方法,在求解非线性规划时引入了规范化处理、稀疏分析和偏导数计算方法等,以提高优化效率;对吸气式高超声速飞行器助推-巡航轨迹进行了优化研究,分析了典型设计参数变化对最优轨迹的影响。仿真结果表明:所建立的方法能够快速、高精度求解吸气式高超声速巡航飞行器轨迹优化问题,并且能够方便地分析设计参数变化对最优轨迹的影响,可用于吸气式高超声速飞行器飞行剖面设计与优化。     

基于方位去斜的SAR/GMTI方法研究

具有同时获取静止场景高分辨率图像和检测慢速运动目标能力,是多通道SAR/GMTI雷达优于传统单通道SAR和预警雷达的重要特征之一.文章采用基于方位去斜SAR成像技术的三通道SAR/GMTI方法对地面运动目标进行检测、定位和测速,着重研究了一种结合相位补偿、图像配准和多通道多像素自适应处理的杂波抑制方法.分别在有无配准误...     

GJB 599系列Ⅲ电连接器标准统型与验证研究

不同制造商生产的电连接器使用过程中出现的互配效果差、电连接器出入库、制造或现场维修的管理难度高等问题，不仅增加使用成本，还极大程度制约了主机厂的线束生产进度。通过对GJB 599系列Ⅲ电连接器外形结构和尺寸、互配性结构和尺寸、孔位排列型谱、接触件配合、壳体表面处理颜色等规范要求方面开展统型研究，同时开展互配性验证工作，初步形成符合GJB 599系列Ⅲ规范要求下的统型产品规范产品，为同类基础产品的统型工作提供了借鉴。     

基于深度强化学习与扩展卡尔曼滤波相结合的交通信号灯配时方法

深度Q学习网络(DQN)因具有强大的感知能力和决策能力而成为解决交通信号灯配时问题的有效方法，然而外部环境扰动和内部参数波动等原因导致的参数不确定性问题限制了其在交通信号灯配时系统领域的进一步发展。基于此，提出了一种DQN与扩展卡尔曼滤波(EKF)相结合(DQN-EKF)的交通信号灯配时方法。以估计网络的不确定性参数值作为状态变量，包含不确定性参数的目标网络值作为观测变量，结合过程噪声、包含不确定性参数的估计网络值和系统观测噪声构造EKF系统方程，通过EKF的迭代更新求解，得到DQN模型中的最优真实参数估计值，解决DQN模型中的参数不确定性问题。实验结果表明:DQN-EKF配时方法适用于不同的交通环境，并能够有效提高车辆的通行效率。