基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。     

超声相控阵在飞机RTM复合材料结构中的应用

在役飞机RTM复合材料结构的缺陷检测是保障飞机安全的必要工作,本文介绍了飞机RTM复合材料结构,并采用超声相控阵方法对RTM试验件结构和冲击损伤进行了检测。试验结果表明:超声相控阵技术能够对RTM结构和缺陷进行有效检测。     

航空发动机涡轮叶片的失效分析与检测技术

通过分析航空发动机涡轮叶片的失效机理与寿命预测模型,从理论上阐述了导致叶片失效的关键因素。并针对影响叶片寿命的关键参数系统地阐述了目前的检测技术和发展趋势,主要包括叶片制造过程中叶片轮廓、进出气边轮廓、气膜孔、表面质量的检测,以及叶片服役后涂层质量、蠕变伸长量的离线和在线检测。检测技术既是叶片制造一致性的保障,同时也为失效机理和寿命预测提供实验测量数据,使预测模型更精准。     

基于HHT的航空直流串行电弧特征提取方法

由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题,导致检测困难。本文基于航空270 V高压直流（HVDC）系统开展直流串行电弧故障特征提取方法研究,采用希尔伯特黄变换（HHT）提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征,与原始信号中提取的时域特征量对比,正常和电弧特征量的区分度更大;选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换（FFT）方法相比,HHT三维时频谱能够反映信号的局部特征,HHT方法计算得到的正常和电弧特征量之间的区分度更大,电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况,有助于提高电弧故障的检测率,降低虚警率,具有重要的工程应用价值。     

热障涂层表面裂纹水浸超声检测

为有效检测热障涂层(TBCs)表面裂纹,进行了热障涂层表面裂纹水浸超声检测技术的应用研究。以常用的大气等离子喷涂(APS)热障涂层作为试验材料,采用水浸超声检测回波声程差和C扫描图像对不同深度、宽度和长度的热障涂层表面裂纹进行了表征。结果表明:热障涂层基体材料对热障涂层表面裂纹的检测效果无明显影响;通过优化检测参数和合理选用仪器探头,利用水浸超声方法可实现对热障涂层表面深度为0.1 mm、长度为2 mm裂纹的有效检测;水浸超声检测技术可以获得裂纹的长度、深度参数,是解决热障涂层表面裂纹检测问题的有效方法。      

基于小波分析的涡扇发动机起动过程压力脉动研究

利用小波分析所具有的时频特性特点,针对涡扇发动机起动过程存在的压力脉动异常现象,获取信号随转速变化的频谱图。重点介绍了发动机脉动频率分析方法,并结合试验测点布局,根据不同脉动的频率特点,对其脉动成分进行分解,分析出脉动频率产生的原因,为发动机起动问题的解决提供支持。研究结果表明:利用小波分析进行发动机起动过程的脉动异常研究,形象、直观,具有一定的工程应用价值。     

SF6分解气的近红外在线检测技术研究

为满足SF6绝缘电气设备故障监测与预警的实际需求,分析了国内分解气检测研究现状.对比近红外与中红外吸收光谱检测技术,提出近红外吸收光谱技术在线检测的技术方案.计算分析待测气体特征谱线的吸收系数、吸收光程和电路信噪比对精度的影响,完成系统参数设计.提出SF6分解气在线检测系统方案,实现对H2S、HF和CO这3种气体测量.数据分析表明,系统检测精度优于5×10-7,表明该系统满足电力行业在线测量的需求.     

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

基于区域的卷积神经网络在空对地车辆检测中的应用

针对传统空对地车辆检测算法在光照变换、场景变化时检测效果不佳的问题,提出了基于区域卷积神经网络Faster RCNN模型的空对地车辆检测方法,介绍了Faster RCNN模型以及模型训练过程.实验结果表明,基于Faster RCNN的空对地车辆检测方法是可行的,对不同光照和场景下的车辆检测可以取得较好的效果.