用形态图方法绘制圆柱与圆球相贯图谱

基于形态图的计算理论和方法 ,提出了绘制圆柱体和圆球相贯图谱的方法。建立了圆柱体和圆球相贯的几何模型和数学模型 ,分析并确定了投影空间的维数为 4维 ,给出了投影空间的表示。分析并确定了圆柱体和圆球相贯的三面投影图中所产生的视觉事件类型 ,得到了圆柱体和圆球的相贯图谱     

基于图谱指标的滚动轴承故障特征提取方法

为了更准确地提取滚动轴承振动信号的非线性故障特征,将图信号处理(GSP)引入机械故障诊断领域,提出了基于图谱指标的滚动轴承故障特征提取方法。该方法将滚动轴承的振动信号转化为路图信号后,提取多个图谱指标;用Fisher得分(FS)算法对图谱指标的敏感度进行排序,并选取若干个最敏感的图谱指标作为滚动轴承的故障特征参数;用K-均值聚类算法识别滚动轴承的不同故障。应用实例表明:当分别选取1~5个最优的图谱指标、时域指标和频域指标对不同轴承故障进行识别时,图谱指标均没有出现错误,而时域指标和频域指标都出现了不同数量的错误,因此,图谱指标对轴承故障的区分能力优于时域指标和频域指标。     

事理图谱赋能的航空数据智能技术研究

大数据、人工智能等新一代信息技术对航空制造业数字化转型具有重要推动作用。针对航空制造业数据多源异构、样本少、强关联等特征,利用知识图谱等新一代知识工程技术对数据的结构化描述、高效管理的能力,提出基于事理图谱的航空数据智能技术体系和分析流程,重点研究面向航空领域数据的本体建模、事件关系识别、事件抽取、事件消歧等技术方法,并选择某单位航空产品开展质量问题原因分类、质量事理图谱构建、事理知识推送等应用及原型系统建设,辅助进行质量问题审理,推动质量问题快速反应。结果表明：利用数据和知识开展数据智能化质量管理的技术体系和路径可行,基于事理图谱的质量知识抽取算法具有较强的实用性,为推进航空制造业全生命周期全过程数据智能化应用提供支撑。     

畸变图谱的绘制

本文介绍了一种用绘图仪绘制畸变图谱的技术,並讨论了数值逼近方法及边界条件对图谱的影响。文中建议用二元三次样条逼近压力分布来求得密网格节点上的压力值。文中的绘图技术也可用来绘制温度畸变图谱和其他类型的等值图。     

作战目标知识图谱构建与应用

针对高技术条件下的作战目标信息保障需求,根据知识图谱技术基本概念,分析了作战目标知识图谱的重要性,提出了作战目标知识图谱构建的基本架构,并对实体抽取、关系抽取、属性抽取、实体消歧、指代消解等主要环节的技术路线进行了详细阐述,提出了作战目标信息智能检索和信息推荐、作战目标多维知识表示、作战指挥辅助决策等作战目标知识图谱典型应用,对知识图谱技术在作战服务保障中的应用进行了展望,并提出了作战目标知识图谱在应用中面临的技术挑战。文章在作战目标信息保障中初步探索了知识图谱技术应用,对未来目标情报指挥认知能力形成具有一定指导意义。     

某型飞机/发动机模拟板设计与校准

为满足某型飞机/发动机相容性试验要求,提出了一种基于插板试验数据的半经验方法,用于模拟板的设计.在获得模拟板大致轮廓和阻力系数校验的基础上,通过模型的吹风校准试验和若干次环面基元畸变指数的调整,对比目标图谱的环面畸变强度和环面低压区大小,确定开孔的环面、孔的数量和孔的尺寸.结果表明,模拟的流场可满足某型飞机/发动机试验的要求.      

基于深度图推理的卫星背板部件检测方法

在轨加注是一种典型的在轨服务操作,它对于降低空间运输成本和任务风险起着重要的作用,视觉感知系统可以感知操作任务周围环境并提供给控制系统。目前在轨加注依赖于人,在人员监控下完成或通过遥操作完成,缺乏自主性。本文围绕未来高自主性的基于深度强化学习的在轨加注方法,对基于深度学习的视觉感知方法展开了研究,针对基于深度学习的方法对相似实例的检测存在精确率低、对光照变化敏感等缺点,提出了基于深度图推理的卫星背板部件检测方法。提出的方法可以有效地检测复杂形状的目标,不依赖于手工设计的特征;提高了复杂光照环境下部件的检测正确率;可以有效区分外形相似的不同部件;其有效性在数学仿真和物理仿真中均得到了验证。     

基于遥测数据动态特征的卫星异常检测方法

基于遥测参数分析异常是保证卫星正常在轨运行的基础,通常采用阈值法判断遥测参数是否超差来判断卫星工作状态,由于其无法检测在阈值范围内变化的卫星遥测数据异常,因而会导致故障漏报.本文利用遥测参数动态变化特性,提出一种基于遥测数据变化规律检测异常的方法.利用周期图谱法求解遥测参数周期,根据遥测数据各周期之间参数值的相似性,按照遥测参数周期对数据进行采样,得到平稳差分序列,对其建立自回归移动平均混合模型,通过精确的预测结果与实测遥测数据比较来发现异常.利用该方法对实际在轨运行的某卫星2012年5月太阳能帆板转动异常故障进行验证,结果表明其能够有效避免故障漏报.      

基于多源遥感的铁路外部环境隐患监测方法综述

随着中国铁路运营里程的不断增加,铁路外部环境日益复杂,以彩钢瓦房、防尘网、塑料大棚、地膜、塑料垃圾为主的铁路外部环境隐患层出不穷,频繁引发铁路交通重大事故,已经成为铁路安全运营的重要制约因素。铁路外部环境隐患的高效监测是实现治理的重要前提,而遥感技术是目前实现大范围、低成本铁路外部环境隐患监测的最佳手段。为此,文章对光学遥感、合成孔径雷达、激光雷达、地基视频监控等4类遥感监测技术的优势、局限及应用现状进行了梳理;分析了基于人工特征和基于深度学习这两类监测识别方法的特点及不足;最后,从铁路外部环境多源遥感数据多层次融合、铁路外部环境隐患精准识别模型构建、知识引导的铁路外部环境隐患智能动态监测等方面,对基于多源遥感数据融合的铁路外部环境隐患智能监测进行了展望。     

基于知识图谱的航天器健康管理技术研究

针对传统故障诊断专家系统知识深度不足的缺点,研究基于知识图谱的航天器健康管理技术,将供配电、信息流、硬件接口、功能、接地、物理布局、上下文动作、故障预案等多个维度的专家知识以知识图谱的方式关联固化,在检测到异常时,自动关联相关的背景专家知识,辅助故障排查,并结合知识信息进行因果推理分析,提供可能的故障点及因果关系、处置策略,提升航天器故障诊断效率、可解释性与处置能力。该技术用于航天器地面测试及在轨健康管理中,辅助专家快速发现异常线索,可作为国内航天器健康管理技术发展的参考。