Human factors quantification via boundary identification of flight performance margin

A systematic methodology including a computational pilot model and a pattern recognition method is presented to identify the boundary of the flight performance margin for quantifying the human factors. The pilot model is proposed to correlate a set of quantitative human factors which represent the attributes and characteristics of a group of pilots. Three information processing components which are influenced by human factors are modeled： information perception, decision making, and action execution. By treating the human factors as stochastic variables that follow appropriate probability density functions, the effects of human factors on flight performance can be investigated through Monte Carlo（MC） simulation. Kernel density estimation algorithm is selected to find and rank the influential human factors. Subsequently, human factors are quantified through identifying the boundary of the flight performance margin by the k-nearest neighbor（k-NN） classifier. Simulation-based analysis shows that flight performance can be dramatically improved with the quantitative human factors.     

偏心对双级旋流器出口流场影响试验

为了研究双级旋流器在不同偏心量下的冷态流场变化,设计了4种偏心量(分别为0,0.5,1.0,1.7mm偏心)的双级旋流器试验件,并采用粒子图像测速仪(PIV),测量了不同偏心量下流场.试验结果表明:0.5mm偏心下的流场较无偏心下变化较小,但当偏心量大于0.5mm时,双级旋流器出口下游规则的双涡结构变得不对称,并且中心回流区变窄,流场与无偏心下相比差别较大;偏心对双级旋流器出口下游径向速度分布影响较大,在双级旋流器出口X/D=0.5轴向位置附近,当偏心量大于0.5mm时气流径向速度分量变为正向峰值.      

流体微团作用与流动结构变化试验分析

为了分析湍流流动中流体微团所受作用与流动结构变化之间的关系,在槽道湍流边界层中通过粒子图像测速(PIV)技术,拍摄流向-展向平面流场,采用本征正交分解方法提取湍流流动中不同尺度的含能结构。采用矢量象限组合分析方法,将流场中流体微团所受作用分为肿胀作用、弯曲作用和旋转作用。结果表明:流动结构变化机理与这3种作用相关;肿胀型条带间流体微团受到的主要作用是弯曲作用,在弯曲作用下直条带会弯曲,弯曲条带在肿胀作用下汇聚成肿胀型条带;随着流动结构尺度减小,旋转作用逐渐增大。     

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。     

一种新的广义Gamma分布下的SAR图像目标检测算法

针对合成孔径雷达(SAR)图像舰船目标检测中全局广义Gamma分布虚警数量较多的问题,文章采用了一种新的基于核密度估计(KDE)的广义Gamma分布下的SAR图像舰船目标检测算法。新的算法结合了SAR图像的强度分布和空间散布分布,形成新的组合分布。在组合分布的基础上,完成SAR图像目标检测。首先,介绍了广义Gamma的分布模型;然后,通过核密度估计的方法估计各像素点的散布分布,结合散布分布和强度分布形成组合分布,对组合分布采用SISE方程的方法估计广义Gamma分布的参数,根据确定的广义Gamma分布的表达式,求出阈值T的解析式。通过求解逆不完全Gamma函数得到检测阈值,进而完成舰船目标的检测。通过实测SAR图像检测实验,对比文章算法与双参数检测算法和基于广义Gamma分布检测算法,验证了该算法的适用性。     

双级旋流器偏心对出口流场影响

采用试验研究方法,以同一旋流器搭配不同尺寸出口限制域为对象,研究了双级旋流器偏心后,出口流场的变化规律。研究表明:当限制域边界尺寸(L)与旋流器特征尺寸(D)比值小于某个特定值时(L/D=33),旋流器出口射流与壁面存在附着点,出口流场由收缩型变为扩张型;对收缩型流场,旋流器偏心对出口流场影响较大,尤其是径向速度场分布,由无偏心时的负值(小于-4 m/s)增大至正值(大于1 m/s);对扩张型出口流场,旋流器偏心几乎不影响出口轴向、径向速度的分布及大小,如中心线的轴线速度最小值均在-44 m/s附近,径向速度最小值均-1 m/s;进行旋流器设计时,通过减小出口限制域与旋流器特征尺寸比值的方式,使出口流场呈扩张型,可有效抑制旋流器偏心对出口流场的影响。     

海陆交界非平稳场景星载ScanSAR扇贝效应抑制方法

扫描式合成孔径雷达(ScanSAR)因不受光线、天气影响,能够提供宽测绘带图像而被广泛应用在海洋监测领域。但ScanSAR图像的扇贝效应(Scalloping)和子带拼接效应(Inter-Scan Banding,ISB)严重地降低图像质量,尤其在海陆相接一类的非平稳场景下,干扰更为严重,影响图像的应用效能。针对上述问题,文章给出了一种基于图像分层和卡尔曼滤波的ScanSAR图像扇贝效应和子带拼接效应的抑制方法。针对非平稳场景,先进行图像分层处理使其满足线性卡尔曼滤波需求;然后,利用加性二维周期函数对子图层的扇贝效应和子带拼接效应进行建模;再将卡尔曼滤波器应用于条纹抑制;最后,对真实ScanSAR图像数据的有效处理结果验证了算法的有效性。     

基于路面分割的高精度地图创建优化方法研究

高精度地图主要利用已采集图像的地面信息生成,但是在真实环境中图像的地面信息容易受动态障碍物遮挡,同时GPS难免会有抖动误差,导致地图拼接效果并不理想。针对上述问题提出了一种基于路面分割的动态障碍物去除与图像配准方法。使用深度学习对全景图像进行语义分割并提取路面信息,在去除动态障碍物干扰后,利用路面特征进行图像配准。融合GPS与里程计信息进行定位优化,利用多帧图像叠加填补空缺形成地图。最终,实验验证了该方法在去除动态障碍物的同时也提高了地图的精度。     

基于图像化变差函数的性能数据异常判别

为提升发动机性能监控的智能化水平,实现性能数据的高效利用,提出了基于图像化变差函数的发动机性能数据异常判别方法。通过研究发动机性能数据的标准化修正方法和图像转化方法,将数值型表示的发动机性能数据转化为发动机性能图像。通过引入变差函数理论,采用4方向的变差函数值表示性能特征值,融合不同时刻不同参数的性能数据。在提取发动机性能图像关键特征点的基础上,定义性能图像间的差异距离,实现基于变差函数的发动机性能图像异常判别方法,从而实现对发动机性能状态的判别。选用若干组实际发动机性能数据对方法进行验证。验证结果表明:该方法运算高效,实现了高维性能数据的降维和对性能图像运行状态的分类,从而判别发动机性能数据的运行状态。     

短波段内多重信号分类算法的窄带假设分析

经典空间谱估计算法的两个适用假设是远场平面波和窄带信号。文章利用7单元均匀线列阵仿真分析了短波波段内多重信号分类（MUSIC）算法的窄带假设上限带宽。可以发现：对于短波信号,50kHz的带宽所带来的测向误差不超过O．08°。这就意味着,对于短波通信信号的侦察测向完全可以采用经典空间谱估计算法,比如MUSIC算法,而不需要为窄带假设来付出代价,这便为设计高精度的短波通信实时测向系统提供了条件。