宽频谱表面轮廓形貌干涉检测技术进展

中国先进制造业发展很快.其中,光学元件制造向尺度愈来愈大(单体直径达数米)和愈来愈小(尺度在微纳米量级)极端方向发展,对非接触式光学检测技术带来新的挑战,本文以光学表面宽频谱轮廓形貌的检测技术及仪器为例,分析国内外的发展概貌与趋势,展现了中国自主研发的系列光学干涉检测仪器成果,对于解决卡脖子问题,具有科学意义.     

含滑行时间约束的真空段弹道设计研究

由于动力系统及测控资源的约束,工程中存在着末级两次点火但滑行时间受限的运载火箭真空段弹道设计问题。基于线性引力场的假设,引入含滑行时间约束的切换条件,从而将含固定滑行时长的弹道优化问题转换成对两点边值问题的迭代求解和对运动方程的积分,并通过多个算例仿真验证了该方法的正确性和有效性。同时,研究了迭代过程中滑行段不同弹道预报方法对弹道设计的影响,结果显示较高的预报精度可以获得更优的弹道设计结果。该方法提供了一种新的弹道设计思路,在总体方案论证或初步设计阶段可以替代传统设计方法,以有效提升弹道设计效率,优化火箭方案。     

火箭发动机涡轮泵故障检测及预测算法研究

涡轮泵作为液体火箭发动机的核心部件,恶劣的工作环境和极高的转速使其易发生组件断裂、烧蚀等问题。为了对液体火箭发动机的涡轮泵进行健康管理,提出针对某型液体火箭发动机涡轮泵的数据驱动故障检测、故障预测及健康状态评估方法。在某型液体火箭发动机试车数据集上,通过对涡轮泵轴、径、切向振动数据进行对应的时域、频域特征处理后,送入训练好的ResNet网络、自主设计的图像特征识别算法以及退化模式线性回归模型,分别实现了对该型液体火箭发动机涡轮泵的故障检测、预测及健康状态评估,具有较高的准确性。     

基于系统聚类k次平均算法的航班燃油告警研究

为确保航空公司航班安全正常运行,准确快速提示燃油告警,为航空公司运控人员处置航班提供可靠依据,减少航班运行低油量事件的发生,本文根据公司航班运行的实际燃油数据,采用系统聚类k次平均算法的方法,结合公司运行实际,识别出实际运行中燃油偏差大于额外燃油量以及预计着陆油量小于60min的航班,产生燃油告警,为运控人员及时干预航班,给出航班处置方案。结果表明,及时的航班燃油告警可以大幅降低航班低燃油量事件量和航班备降率。     

红外光电系统TOD与MRTD测试方法的比较研究

对比了MRTD(最小可分辨温差)和TOD(三角形方向辨别)法在测试图样、观察任务、测试规程、结果处理、判断准则上的不同。通过对采样作用、动态响应、客观测量3个方面的分析,得出了TOD法在测试性能上的优势,引用国外相关单位的试验结果,说明了TOD测试的适用性。     

多通道时间间隔实时分析仪设计与实现

针对现代时间间隔测量领域对测量仪器大量程、多通道、实时分析的要求,设计并实现了一台时间间隔实时分析仪原理样机.采用脉冲计数法对时间间隔进行大量程粗测,结合时间-数字转换芯片构建插值模块进行精密细测,整个仪器实现了8通道时间间隔的并行精密测量.同时使用低成本小型化的微控制器对时间间隔测量结果进行图形显示、实时分析和存储....     

火卫一周期准卫星轨道及入轨分析

围绕火卫一的准卫星轨道（QSOs）因其具有良好的稳定性,是火卫一探测任务最为实用的轨道。在平面圆型限制性三体问题模型下,利用庞加莱截面和KAM环迭代方法探究了准卫星轨道的周期轨道族,并给出不同能量准卫星周期轨道的初始条件。针对火卫一周期准卫星轨道入轨,提出一种转移轨道设计方法:对准卫星周期轨道调整速度后进行反向积分,直至离开火卫一邻近区域,从而得到由火星环绕轨道向火卫一周期准卫星轨道的转移轨道,并调整转移轨道参数对燃料与时间消耗进行优化。研究结果表明,当周期准卫星轨道能量处于特定区间时,存在特定速度脉冲区间,可利用火卫一引力实现较少燃料消耗的轨道转移;在该速度脉冲区间中,通过选取较小的速度脉冲,可缩短转移时间。      

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

液体火箭发动机健康监控技术研究现状

液体火箭发动机健康监控技术是改进和提高运载火箭、航天器可靠性与安全性的核心技术之一,对其进行研究具有重要的学术价值和工程应用价值。液体火箭发动机健康监控技术的研究主要包括液体火箭发动机故障检测与诊断理论方法、液体火箭发动机健康监控系统两方面。该文介绍了基于模型驱动的方法、基于数据驱动的方法和基于人工智能的方法,阐明了液体火箭发动机故障检测与诊断理论方法的研究现状,通过对美国液体火箭发动机典型健康监控系统的介绍,阐明了液体火箭发动机健康监控系统研究的若干进展及现状,并对液体火箭推进系统健康监控技术的演变趋势作了简要评述。