航空发动机叶片进排气边缘形状自动评价方法

针对目前对航空发动机叶片进排气边缘形状的评价主要依赖人工目测,主观性强、效率低等问题。提出一种叶片进排气边缘形状自动评价方法,通过非均匀有理B样条（NURBS）曲线拟合、最小二乘椭圆拟合、等半径法等算法拟合叶型并提取相关型面参数,针对5类叶片进排气边缘不合格形状给出了定性的定义,根据叶片进排气边缘在不同形状时的曲率特征以及偏差值变化特征对其形状做出评价。通过实例验证表明：该方法能够实现对尖头、钝头、歪头、缩颈及大小大/小大小（LSL/SLS）5类叶片进排气边缘形状的自动判读,对于不同叶片型号和验收标准的应用场景具有较好的通用性,有效提高了叶片进排气边缘形状评价的效率。     

多源数据融合与改进注意力机制的轴承智能故障诊断

单一传感器信号不能全面表达机械设备的运行特征且容易受到自身品质、性能的影响,为此本文提出了一种多源数据融合与改进注意力机制相结合的滚动轴承智能诊断方法。采集不同位置的传感器振动信号作为模型的输入向量,每一个传感器信号作为一个通道,将多通道信号同时送入模型特征输入层;引入改进注意力机制建立各通道和空间动态权重参数,随着模型训练,不断增强故障特征、弱化无用特征;运用深度卷积神经网络模型的卷积、池化等操作将多传感器信号进一步融合并提取故障特征,输出诊断结果。在进行滚动轴承故障诊断实验时,该方法诊断准确率达到100%,高于准确率最佳值为97.42%的单传感器。与其他方法相比,本文方法可以自适应融合多传感器数据以满足诊断任务的要求,具有良好的自适应性和鲁棒性,为滚动轴承的故障诊断提供了一种可行的方法。     

高分辨率SAR图像分割及目标特征提取

提出了一种非监督SAR图像快速分割算法,对分割得到的目标区域进行特征提取.分割方法利用固体热扩散模型与图像尺度空间的等价性,在SAR图像初始分割的基础上,引入最大后验概率矩阵的各向异性多尺度平滑,在保持图像结构信息的同时滤除斑点噪声对于分割的影响.然后提取目标区域6个特征以详细描述目标,实验结果表明：该方法计算速度快,能够从获得的目标区域得到大量有用的信息.     

一种鲁棒性增强的机载网络流量分类方法

针对机载网络高度动态、高度不稳定造成流量监测设备难以在有限的监测周期内完成完整数据流负载特征的提取，限制了基于深度学习的流量分类方法的应用问题，提出了一种鲁棒性增强的机载网络流量分类方法。通过数据预处理及缺失样本处理方法将数据流映射为灰度矢量集合，基于完整的数据流训练数据集实现鲁棒性增强的长时递归卷积神经网络（RE-LRCN）分类模型的训练，在线上分类阶段，通过分类模型实现样本缺失数据流负载空间特征及数据流时序特征的提取，并进行数据流分类。通过在数据包缺失的流量测试数据集上的实验结果表明，所提方法可以有效抑制数据包缺失对分类准确性能的恶化。      

液体火箭发动机振动故障特征信号提取方法

液体火箭发动机试验是一项高成本、高风险的工程,由于设计缺陷、零件加工误差、工作过程及机械连接结构的影响,导致试验过程发动机大振动现象的发生。基于发动机振动信号分析的状态监测与故障诊断方法是提高发动机可靠性和降低试验成本的重要手段。在给出液体火箭发动机振动故障诊断数学模型的基础上,详细介绍了发动机试验过程中7种特征信号提取方法,即:振幅特征提取、功率谱特征提取、频谱分析(谐频识别和边频识别)、突频特征提取、状态特征提取、小波特征提取和高阶谱特征提取,并结合发动机实际故障诊断方案,给出了发动机特征信号提取算法应用实例,通过发动机热试车验证了液体火箭发动机振动故障诊断的特征信号提取方法的正确性。     

基于运动特征和中心环绕模型的空对地车辆检测方法

平台的移动基于空基车辆检测以其视野广、速度快、适应性强等优点,近些年成为了智能交通和航空应急救援等领域内的一个热点课题。然而,在城市背景的交通环境下,由于复杂背景造成的干扰、车辆运动的不规律性以及光照等条件变化带来的噪声,有效地获取运动对象特征是空对地视觉监视方法面临的一个难题。为有效解决这一问题,提出了结合运动特征的中心环绕模型进行空对地车辆检测的算法。现有的空对地车辆检测算法,大多是针对固定的摄像头的情况下,基于运动特征进行检测,例如光流法、背景差法等。这些方法在对高速公路等背景相对较为简单的环境下获得了良好的检测结果,但当面对城市复杂背景条件或摄像头自身运动的状况时,难以有效地检测出运动目标。而在对颜色、强度等静态特征进行显著度分析的基础上,加入了对运动特征的分析,可以解决在复杂环境下准确提取车辆目标有效特征的问题。试验表明,相较于基于图像相减的检测算法和单一显著度算法,该算法可以获得更高的检测率与更低的误报率。     

用于人机耦合振荡探测的操纵振荡特征确定

为了实现人机耦合振荡的在线探测，提出了适于实时计算的滑动窗口Fourier变换递推算法和与人机耦合振荡相关的飞机操纵振荡特征，并通过人机耦合振荡试飞数据的计算，分析了操纵振荡特征的合理、有效性。最后指出拟进一步开展的研究工作及建议。     

非平稳信号特征提取在航空发动机故障诊断中的应用

在航空发动机早期故障诊断中,特征提取是早期诊断的重要过程之一.文中以航空发动机转子故障为研究对象,给出了基于经验模式分解、小波分析为核心的故障特征提取方法,并作了针对性的比较研究.在matlab7.0环境下开发了一个故障特征提取软件系统.研究结果表明:基于经验模式分解的时频分析方法可以很有效地提取到非平稳故障特征信号,是一种适合于非线性信号处理的方法.     

基于EMD-Hilbert包络谱分析的涡轮泵轴承故障特征识别

在火箭发动机涡轮泵高速轴承试验中,轴承的可靠性对保证试验的成功至关重要。针对涡轮泵轴承故障特征难以从原始信号中提取的问题,基于EMD-Hilbert包络解调分析方法,对涡轮泵高速轴承故障特征进行识别。采用EMD方法对原始信号进行自适应分解,获得若干个IMF分量;基于相关性指标最大原则筛选IMF分量进行信号重构;对重构信号进行Hilbert包络解调分析,提取出故障轴承的特征。以某型号涡轮泵低温高速轴承试验的真实故障数据验证本方法的有效性,数据记录了试验装置在阶梯式升速全过程中保持架故障的振动加速度信号。分析结果表明,基于EMD-Hilbert包络解调分析方法能够提高信噪比,最大程度保留保持架故障信息的周期性冲击成分,并能有效提取保持架故障频率、故障倍频及各种调制频率成分,实现对涡轮泵高速轴承故障的有效识别。为深度解析轴承保持架故障情况,结合系统11种运行状态,提出了一种轴承渐进劣化全过程的解析方法,确定出轴承故障早期人为干预的具体时刻。