A-100钢电子束熔丝成形件超声相控阵检测应用初探

初步研究了超声相控阵检测技术在A-100钢电子束熔丝成形制件中的应用.结果表明:超声相控阵检测技术在A-100钢电子束熔丝成形制件微裂纹检测和大厚度制件检测中有较好的应用效果;与成形路径等因素相关的微观组织结构对检测技术的应用有较大影响;超声波入射方向和角度选择对微裂纹的识别非常关键;制件内部微裂纹存在与平行于逐层生长方向的某端面呈现小倾角或近似平行的断续拐弯状的分布趋势.     

基于小波变换的多聚焦图像融合评述

概述了数据融合的基本概念和应用,简明分析了多聚焦图像的成像机理,从像素级层面上描述了基于小波多尺度变换的图像融合思想和过程.由于在基于小波变换的图像融合过程中,融合规则起很重要的作用,因此本文重点综述了适于多聚焦图像融合的三种融合规则：基于像素的融合规则、基于窗口的融合规则和基于区域的融合规则,并对这些规则进行了比较,最后给出了图像融合效果的客观评测方法.     

基于最小二乘聚焦矩阵的宽带信号DOA估计

提出基于最小二乘的聚焦矩阵构造方法,首先,对宽带信号的每个频率分量,在所有可能的角度上构造方向向量;其次,在聚焦的频率点上,构造这些方向上的方向向量;最后,根据构造的方向向量,采用最小二乘方法求解聚焦矩阵。该方法不需要对DOA进行预估计,具有较好的稳定性和较高的角度分辨率。经计算机仿真验证,该方法是正确的。     

环形射流喷口位置对激波聚焦起爆的影响分析

为了研究环形射流喷口位置对激波聚焦起爆爆震的影响,以氢气和空气混合物为例,对不同环形射流喷口位置条件下的激波聚焦起爆过程进行了数值模拟。结果表明,随着喷口距凹壁面距离L增大,直接聚焦起爆和凹壁面反射起爆所需的临界入射压力逐渐增大,相应的聚焦时刻会滞后,形成焦点的位置距凹壁面越远。     

环形爆震波聚焦起爆数值模拟

对三种带不同结构形式的环形预爆管的爆震发生器进行了数值模拟,来研究环形爆震波聚焦起爆现象及其气动特性.数值计算采用多组分理想气体详细的化学反应机理、二维轴对称非定常流动的NavierStokes方程来模拟化学动力学和流体动力学过程.研究发现用低的点火能量对环形预爆管中的燃料和氧化剂点火产生层流火焰,层流火焰在狭窄管壁的...     

环形爆震波聚焦起爆

本文对三种带不同结构形式的环形预爆管的爆震发生器进行了数值模拟,来研究环形爆震波聚焦起爆现象及其气动特性。数值计算采用多组分理想气体详细的化学反应机理、二维轴对称非定常流动的Navier-Stokes方程来模拟化学动力学和流体动力学过程。研究发现用低的点火能量对环形预爆管中的燃料和氧化剂点火产生层流火焰,层流火焰在狭窄管壁的作用下完成爆燃向爆震转捩,形成环形爆震波,环形爆震波在聚焦腔经过反射、汇聚,最终引爆主爆震室中的可燃混合物;并对稳定爆震的距离和强度进行了对比研究。通过分析对环形爆震波衍射、反射、聚焦的气体动力学特性及复杂波系发展规律有了更深的认识,为进一步试验提供参考。     

一种SAR原始数据压缩新算法

 由于合成孔径雷达（SAR）原始数据的相关性很低,直接压缩原始数据是比较困难的。因此提出一种新算法,先对SAR原始数据做距离聚焦处理,使其在方位向具有较强的相关性,再沿方位向做线性预测,并对预测差值系列做块自适应量化。实验表明,在相同比特率条件下,该算法得到的数据域信噪比和图像域信噪比均比块自适应量化(BAQ)算法高,计算量远小于有关文献给出的距离聚焦后的压缩方法,具有一定实用价值。     

“新舟”700聚焦市场和客户

国产“新舟”系列飞机是中航工业经过几十年的努力初步建立的涡桨支线飞机品牌。2013年年底，“新舟”系列飞机的最新型号“新舟”700项目正式启动。通过“新舟”700这一更新换代产品的研发，中航工业将会在民机项目的技术研发、项目管理、成本控制、适航取证、市场开拓、客户服务及全产业链融合等方面获得宝贵的经验。     

合成孔径雷达光学处理的新成果

本研究项目构建了一个SAR算法分析试验台，并验证了合成孔径数据获取期间对非线性运动目标的聚焦能力。试验台由连接到低端SGI工作站上的ImSyn光电处理机组成。为了支持动目标聚焦，并为成保处理提供必要的用户交互，开发了一套软件工具。用各种各样的模拟数据集和真实SAR数据研究并测试了动目标算法。文中详细描述了已成功应用于SAR与ISAR数据收集处理的方法、算法、有些方法，算法对目标辨别与非合作目标识别也具有意义。     

改进YOLOv4的表面缺陷检测算法

为解决航空发动机部件表面缺陷检测精度低、检测速度慢的问题,提出一种改进的YOLOv4算法进行智能检测。在路径聚合网络（PANet）结构中融合浅层特征与深层特征,增大特征检测尺度,同时去除自下而上的路径增强结构,提高小目标检测精度和整体检测速度;根据各类缺陷数量不同的情况,优化聚焦损失中的平衡参数,增加权重因子调节各类缺陷的损失权重,将改进后的聚焦损失代替分类误差中的交叉熵损失函数,降低样本不平衡和难易样本对检测精度的影响。实验表明：相比于原始YOLOv4算法,改进后的YOLOv4算法在测试集上的平均精度均值（mAP）为90.10%,提高了2.17%;检测速度为24.82 fps,提高了1.58 fps,检测精度也高于单发多框检测（SSD）算法、EfficientDet算法、YOLOv3算法和YOLOv4-Tiny算法。