一种星-箭连接动态界面力的深度学习反演方法

针对于星-箭连接动态界面力无法通过力传感器直接测量,且典型时域动载反演方法难以准确计算界面力的时域变化等难点,提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据,以卫星主体结构的加速度测量数据为输入层,以星-箭界面力测量数据为输出层,利用LSTM神经网络建立输入和输出间的反演映射关系模型,实现卫星在发射过程中较高精度的界面力反演。进而,设计并开展了某典型卫星结构的正弦扫频和随机振动实验,测试LSTM界面力反演方法的可行性。结果分析可知,所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据,两项性能指标均优于目前典型的载荷反演方法。     

改进PointNetLK的点云智能配准与位姿图优化方法

针对空间在轨服务任务中的非合作目标相对位姿测量问题,提出一种目标可测部位点云的智能配准方法。首先,通过Straight Through滤波算法对半物理仿真平台采集得到的点云进行目标提取,以消除背景数据等杂乱信息;其次,改进PointNetLK神经网络点云配准算法,将提取后的点云数据作为输入,从而获得初步配准结果,解决非合作目标先验信息缺失导致的无法配准问题;最后,建立基于位姿图的优化模型,以降低配准误差,提高配准精度。实验结果表明,与传统迭代最近点(ICP)算法相比,配准综合误差从6.3598降低到1.7291,精度提高约 72.81% 单次耗时从33.16 s降低到4.2 s,效率提升约87.33%,与当前SM ICP等其他算法相比,也具有一定的优势。     

MBD环境下计算机辅助零件分类技术

针对MBD环境下的零件分类问题，研究MBD信息提取、零件编码转换和深度学习分类算法技术，并创建MBD-计算机辅助零件分类系统（MBD-CAPC），实现从输入MBD模型到输出零件分类结果的自动化。     

涉水 你的车还行吗

去年7月21日,大雨让北京所有有车的人都为之震惊了一次,而这个震惊还没有缓过劲,7月26日天津也开始了"看海"。而在这一系列的暴雨背后,我们又看到了什么?首先是被困车内无法逃生,其次是各大媒体都开展的砸玻璃运动,再然后就是各种测试车辆涉水深度的话题。那么车辆究竟能涉多深的水,下雨去你能不能安全的开车回家?     

激光表面热处理中工艺控制的研究

激光表面热处理包括退火、相变硬化、合金化、上光、包覆、细晶化、冲击淬火等,目前最实用的是相变硬化工艺。相变硬化工艺在应用上有其独特优点,其工艺控制技术包括聚焦方式、光束形状控制、重叠系数及温度控制问题,已有应用实例。     

基于PLIF技术的航空煤油横向射流穿透深度研究

为了研究动量比、韦伯数对射流穿透深度的影响,利用激光诱导荧光(PLIF)技术对航空煤油的穿透特性进行了试验。液态航空煤油通过直径为0.5mm的直射式喷嘴喷射入横向气流,Nd:YAG激光器产生266nm激光用于激发煤油诱导荧光。试验空气压力范围为0.3~0.6MPa,温度358K,动量比范围为10~40,韦伯数范围为170~340。试验结果表明:不同压力下,穿透深度随动量比增加而增加;在本文的工况范围下,韦伯数对射流穿透深度无显著影响。通过对试验数据的分析处理,获得了射流穿透深度关于动量比、韦伯数和轴向距离的经验关系式。     

TC4钛合金材料采用金刚石砂轮磨削时的工艺参数优化

钛合金材料在航空器和发动机中的应用极为广泛,涡扇发动机中低压压气机静子叶片基本由钛合金材料制成,由于钛合金的磨削性能较差,对选用金刚石砂轮进行钛合金材料磨削时的主要工艺影响因素（如进给速度、磨抛深度等）进行了试验分析,优选出更适用于金刚石砂轮磨削钛合金的工艺参数,该参数不仅能够用于自研的双面仿形抛修设备,还可以对其他型号磨床磨削钛合金材料时的工艺参数选择提供指导。     

消除加工硬化的再结晶快速退火法

加工硬化在工业生产中是一种重要的强化手段,同时,也能给生产过程中的金属继续塑性变形造成困难。因此,常采用“中间退火”工序以消除其不利影响。经研究试验,用适当提高加热温度并减少零件保温时间的快速退火法,代替原来的保温时间长、随炉冷却速度慢的普通热处理方法,对于民品板金件的大批量生产是经济、有效的。处理后的零件表面仅有一层氧化色,无较厚的氧化层,此亦优于传统工艺。     

基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数