基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

贫燃熄火实验预测方法综述

贫燃熄火（Lean Blowout,LBO）属于一类特殊的不稳定燃烧现象,往往导致严重后果。因此,及时准确地预测出贫燃熄火现象是实现燃烧稳定性控制的一个重要前提。本文综述了2000年以来,基于化学发光信号、可见光谱颜色信号、温度信号、声压信号和离子电信号预测LBO的原理,以及其采集方式和各自特点。接着介绍了将这些信号进行分析处理得到控制参数的5类方法,分别为统计法、阈值-事件法、频谱法、符号法和非线性动力学法,将这些方法进行综合比较,评价了其预测效果。最后从实际应用的角度出发,对贫燃熄火检测技术的未来发展提出展望。     

用于BVI噪声试验的新型涡发生器设计与分析

针对直升机特有的旋翼桨/涡干扰(Blade vortex interaction,BVI)噪声计算精度低且试验数据缺乏问题,也为了开展旋翼气动噪声特性分离方法的验证试验研究,本文设计了一种能够用于BVI噪声试验的新型多段翼型组合式涡发生器。首先通过CATIA软件建立涡发生器出口端翼型段在不同迎角下的试验模型,再使用FLUENT软件建立涡发生器的流场仿真计算模型,比较分析了不同翼型段迎角下的涡流流场。随后用粒子图像测速法(Particle image velocimetry,PIV)技术系统测量了不同翼型段迎角、距离涡发生器出口端的长度及流速等参数变化下的涡流流场,对不同试验状态下的涡核、涡强等参数进行了对比分析。针对涡量偏弱的缺点,对传统单级涡发生器进行了改进,设计研发了双级涡发生段。试验证明其能产生更强且稳定的涡,为BVI噪声试验提供了模拟的桨尖涡,试验结果表明了涡发生器的有效性。     

基于射线追踪的快速雷达图像仿真方法

为了解决目标识别、隐身目标设计等研究领域对雷达图像需求日益增加的问题,提出了一种基于射线追踪的快速雷达图像仿真方法。该方法利用射线追踪计算每一个射线管的散射电场及其在雷达成像平面的投影坐标,通过将所有射线管的贡献在像域进行累加得到1幅二维雷达图像。通过对不同路径射线的聚类,可实现对散射贡献的分离,从而建立目标部件与强散射源的对应关系,并对复杂目标雷达图像进行解释。给出了Slicy目标的快速雷达图像仿真与算例分析,分析结果表明:基于射线追踪的快速雷达图像仿真方法可对复杂雷达图像进行有效预测,并能对强散射源进行成因分析。     

基于PIV速度场测量的压强梯度计算

介绍了基于PIV速度场测量结果计算压强梯度的基本原理和3种不同的计算方法,并通过对流高斯涡模型系统研究了离散格式选取、PIV参数设置和流场特征等对压强梯度计算的影响.结果表明:PIV速度测量的精度是压强梯度计算的关键性影响因素,1%噪声对结果的影响比其他过程高约2个数量级;时间分辨率和空间分辨率的设置并非越高越好,而是有个合适的中间值;拉格朗日方法在大多数情况下优于欧拉方法,但当流动结构较复杂时性能较差,应根据流动类型和流场特征合理选取压强梯度计算方法.      

航空涡轮发动机燃烧室内流场的PIV测量

设计了一种基于旋风分离原理的高压粒子发生器,并成功应用于高压状态下的航空涡轮发动机燃烧室内流场的PIV（粒子图像测速法）测量.在氢氧燃烧加热来流温度为813K、燃烧室压力为2.78MPa条件下,应用PIV技术开展了航空涡轮发动机单头部燃烧室复杂内流场测量研究,实现了高温高压条件下强旋流、强扰流、宽速域流场的PIV测量,获得了接近燃烧室工作压力工况下的流场速度和流场精细结构.结果表明:该型燃烧室内流场存在多处旋涡结构,形成回流区;流场旋流作用强,横截面流场存在顺时针大涡;主燃孔射流和掺混孔射流作用明显,射流穿透深度较大,对流场结构影响显著;高温高压状态下,流场结构与常温中压状态类似.      

预测飞机稳定尾旋的解析法和图像法

尾旋是飞机的极限飞行状态,此一状态极易造成机毁人亡。由于尾旋试飞有极大的风险性,所以在试飞前要进行足够的安全论证,包括理论分析和风洞试验,一般采用两者相结合的方式进行。介绍了解析法和图像法两类方法来研究飞机的稳定尾旋。     

一种高精度多路温度采集方法研究

惯性平台系统是一种框架系统,主要包括平台本体、电路箱和电源箱.平台系统精度主要靠安装在平台本体的三浮陀螺和加速度计来保证.通常惯性平台的工作环境比较严酷,惯性传感器对温度有很高的敏感度,在系统正常工作时,平台内部有二级温控来保证仪表有良好的工作环境,但内部空间温度梯度变化会影响惯性传感器的精度.在温度采集过程中,铂电阻存在非线性、自热效应及热电动势等电气干扰的精度影响.采用阻值比较法,通过引入恒定激励电流来抑制温度采集电路的自热效应,并基于FPGA设计并行多通道温度采集电路.给出了系统总体设计方案、测温电路参数设计、序列激励电流控制和数字滤波补偿的具体实现方式,测试结果表明该系统可实现64路温度采集,在一定范围内测温精度能达到±0.02℃,满足精度要求.     

含噪图像的处理方法与评价

接收机还原出来的显示器视频信号的电磁泄漏发射含有大量的噪声 ,导致图像模糊 ,视觉效果差。为了改善图像质量 ,提高图像的可识别度 ,需要进行图像处理 ,提取我们感兴趣的信息。介绍了几种针对含噪图像的数字信号处理方法 ,并且进行了对比分析和信噪比评价。     

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。