基于虚拟样本生成的铺丝表面缺陷检测

自动铺丝构件在实际生产过程中会受到环境和工艺等因素的影响,从而导致缺陷的产生并对铺丝构件以及装配整体带来严重危害。由于自动铺丝成型技术的保密性以及制造工艺昂贵和耗时等因素,有关缺陷图像的样本数据集难以获取,造成了小样本学习的问题。提出通过虚拟样本生成的方法来扩容数据集并将其作为目标检测网络的输入训练样本。针对铺丝缺陷特点,在YOLOv5s中添加坐标注意力机制来优化设计,得到最终的目标检测网络模型并命名为Place-YOLO,其精度值为0.941,平均精度均值mAP为0.833,与原始YOLOv5s相比提升了1.8%。     

宽速域超燃冲压发动机流动燃烧过程研究进展

随着对未来高超声速飞行器机动飞行需求的不断提升,发展宽速域超燃冲压发动机技术显得尤为重要,而宽范围来流条件将使得燃烧室内的流动、混合及燃烧等过程产生显著变化。尤其是超声速燃烧主要由混合过程所主导,呈现为典型的扩散火焰,来流条件的变化对燃料输运及混合过程影响极大,混合状态的改变进而会引起燃烧不稳定等一系列非稳态燃烧现象。本文对宽速域超燃冲压发动机流动燃烧过程进行了综述分析。首先,对超燃冲压发动机基本工作过程及应用进行了简要介绍;然后,分别论述了国内外关于低马赫数来流、高马赫数来流以及宽速域来流典型条件下超声速流动燃烧过程中亟待解决的关键问题和研究进展;最后,进行了总结并对后续研究提出了建议。     

基于等效热力过程的宽域冲压全流道性能设计方法

为了开展宽域冲压发动机的全流道设计工作,将双模态冲压发动机等效热力过程分析方法拓展到全流道设计,建立了基于等效热力过程的宽域冲压全流道性能设计方法。将该方法应用于带几何可调进气道的宽域冲压发动机全流道方案设计,分析了进气道调节、燃烧室尺寸对发动机性能潜力的影响。研究结果表明：马赫数2.0～3.5范围,在比冲和流量2个因素之间,流量对发动机推力性能影响更大,所以在低速段应尽力增大进气道流量;与第2级转折角相比,第2级折转角对比冲和推力的影响权重更大,采用较小的2级折转角有利于提高性能;获得最优推力和比冲性能需要不同的进气道方案。在所研究的马赫数范围,燃烧室需用面积相差很大,飞行马赫数越低、需用面积越大。若以低马赫数的高推力要求为设计依据,需要付出横向尺寸的代价,意味着阻力和重量的增大;若以高马赫数的高推力要求为选择依据,需要在低马赫数时付出推力性能的代价,意味着加速时间和耗油量的增大。本文发展的方法可以快速筛选获得最优推力性能或比冲性能的全流道方案,为宽域高性能冲压发动机的全流道性能初步设计提供有力支撑。     

基于渐进式注意力和分块遮挡的跨域行人重识别

针对跨域行人重识别中遮挡造成特征匹配缺失及细粒度辨识性特征被忽略的问题，提出了基于渐进式注意力和分块遮挡的跨域行人重识别方法。该方法通过学习行人未遮挡区域的多粒度辨别性特征，实现空间不对齐下的特征匹配。渐进式注意力模块将特征逐步分割为多个局部块，依次学习每块的辨别性特征，由粗到细地感知前景信息，从而解决目前网络不能提取多层次辨识性特征的问题，增强了特征的匹配能力；渐进式分块遮挡模块很好地适应模型逐步变强的学习能力特性，通过由易到难地生成遮挡数据，有效提取了未遮挡区域的辨识性特征，进而解决模型错误识别遮挡样本的问题，使得所提模型在遮挡情况下的鲁棒性得到有效提高。实验结果表明：所提方法在首位命中率和平均精确度2个指标上与当前主流方法相比具有显著的优越性；与2020年CVPR会议中QAConv行人重识别方法相比，在DukeMTMC-reID数据集(MSMT17→DukeMTMCreID)上的2个指标分别高出2.3%和6.2%，能够更加有效地实现跨域行人重识别，在OccludedDuke数据集(DukeMTMC-reID→Occluded-Duke)上的2个指标分别达到49.5%和39.0%，...     

多尺度特征和注意力融合的生成对抗壁画修复

针对现有深度学习图像修复算法修复壁画时，存在特征提取不足及细节重构丢失等问题，提出了一种多尺度特征和注意力融合的生成对抗壁画修复深度学习模型。设计多尺度特征金字塔网络提取壁画中不同尺度的特征信息，增强特征关联性；采用自注意力机制及特征融合模块构建多尺度特征生成器，以获取丰富的上下文信息，提升网络的修复能力；引入最小化对抗损失与均方误差促进判别器的残差反馈，从而结合不同尺度的特征信息完成壁画修复。通过对真实敦煌壁画数字化修复的实验结果表明，所提算法能够有效保护壁画图像的边缘和纹理等重要特征信息，并且主观视觉效果及客观评价指标均优于比较算法。     

条件生成对抗网络的翼型反设计方法

针对变体飞行器实时控制翼型形状的需求，提出了基于深度学习的翼型反设计方法，利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征，习得特征到翼型的映射关系；判别器则将生成器产生的翼型或真实翼型与前述气动参数混合作为输入，输出该翼型为符合指定气动条件的真实翼型的概率。为了优化网络模型，研究并分析了噪声尺寸、超参数及网络结构对模型收敛性能的影响。训练好的网络模型即可根据给定的期望气动参数，快速生成配套的翼型。测试结果表明预测翼型与真实翼型的均方根误差的平均值为0.17%,耗时仅为23 ms,大大提高了设计精度与效率；并且在有噪声干扰情况下依旧保持良好的设计性能，增强了翼型设计模型的鲁棒性。研究成果可以应用于变体飞行器自适应在线最优气动构型控制。     

可压缩流动模拟的多重网格-扰动域推进方法

针对可压缩流动数值模拟的加速需求，在作者前期提出的扰动域推进计算框架下，融入多重网格加速技术，提出了多重网格-扰动域推进方法。建立了粗、细网格上动态计算域的更新逻辑与高效算法，并针对多重网格方法的特点，对粗网格初始化、增大对流动态域等步骤进行了改进。设计了新型粗网格生成策略，可消除结构网格粗网格生成对单元数目的限制。典型算例验证表明，多重网格-扰动域推进方法可同时降低粗、细网格上的计算量并减少总迭代步数；通过在粗、细网格上同时采用随数值扰动传播而增大、随求解收敛而缩小的动态计算域，多重网格-扰动域推进方法可在传统多重网格方法加速的基础上再将计算效率提升57.9%。     

基于Zukauskas关系式的预冷发动机进气道流动特性研究

为了研究预冷发动机进气道流动特性，以二维变几何轴对称进气道为研究对象，利用Zukauskas横掠管束绕流关系式，对进气道流场展开了数值仿真研究，探究预冷器的冷却效应及换热管直径对进气道流场、性能的影响。结果表明：Zukauskas关系式能较好地预测气流在预冷器管束间的流动损失；经过预冷后，涡轮通道总温大幅下降，但总温分布不均匀，温度梯度明显，对流换热对上游流体总温产生的影响很小；在Ma∞=2～5飞行工况下，换热功率随着飞行马赫数的增加而增大，涡轮通道的出口总温较预冷前降低了22%～60%，出口马赫数降低了17%～51%，反压比增加了10%～26%，总压恢复系数增加了3%～8%；当预冷器的管径从1 mm增大至2.5 mm时，涡轮通道出口速度降低了16.5%，反压比降低了1%，总压恢复系数呈现先下降后上升的趋势。将虚拟预冷器管束排布方式改为顺排，预冷器的换热功率下降，出口总温上升，涡轮通道的出口速度上升了11%～30%。     

改进深度卷积生成式对抗网络的文本生成图像

针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题，提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码，得到文本的特征向量表示。引入条件增强（CA）模型，通过文本特征向量的均值和协方差矩阵产生附加的条件变量，代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入，并在生成器的损失中额外加入KL损失正则化项，避免模型训练过拟合，使模型可以更好的收敛，在判别器中使用谱约束（SN）层，防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明：所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本，初始得分值最低分别提高了10.9%和5.6%，最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%，最高分别降低了43....