超高压比民用发动机部件技术水平初步研究

提高总增压比是下一代民用发动机的重要发展趋势之一,有必要对于这一特征的涡扇发动机进行循环参数的研究。利用已有基于Gasturb平台开发的0维变比热部件级性能计算模型,在发动机安装尺寸给定的前提下,总增压比由40提高至60,分析比较不同构型的直驱风扇方案与齿轮传动方案对部件效率,冷却水平对循环参数优选过程的影响。结果表明:为实现更低耗油率,采用更高设计循环增压比,需要部件效率平均提高1%,冷却水平提高20%,此时性能均优于现有的大涵道比涡扇发动机GTF-11。因此,若技术水平未能达到预期目标,则需匹配合适的增压比才能达到更低的耗油率。     

美国自适应发动机研究的进展与启示

为借鉴和参考美国自适应循环发动机的研究与研制经验,综述了美国变循环发动机演变至自适应发动机的3个发展阶段,重点介绍了其在多用途经济可承受的先进涡轮发动机(VAATE)研究计划下的自适应通用发动机技术(ADVENT)分计划、自适应发动机技术验证(AETD)分计划、自适应发动机过渡(AETP)分计划和空中优势自适应推进技术(ADAPT)分计划的开发与验证情况。分析总结出美国自适应发动机具有以下特点:技术先进且应用前景广泛,代表未来发展方向;变循环与自适应循环技术均不成熟,还需深入验证;技术研究采用竞争策略实施。     

白天激光漫反射测距中微弱信号检测的单开门多触发方法

白天激光漫反射测距因存在强背景噪声,导致微弱回波信号的检测十分困难,严重限制了激光漫反射测距的广泛应用。因此,提出了采用单开门多触发方法解决白天激光漫反射测距的微弱信号检测难题。首先,介绍了一种GM-APD (Geiger-ModeAvalanchePhotoDiode,盖革模式雪崩光电二极管)多触发概率分布函数的快速求解方法。接着,取激光漫反射测距系统典型参数,理论分析了多触发情况下的回波信号检测概率,分析结果表明单开门多触发方法可提高激光漫反射测距在白天情况下的回波信号检测概率。同时,通过对触发次数限制的优选,可以增加有效检测比,减少白天观测条件下回波信号的提取代价。最终,通过系统仿真验证了理论分析结果的正确性。因此,单开门多触发方法是解决白天激光漫反射测距微弱信号检测的可行途径之一。     

RGB-D SLAM综述

RGB-D SLAM是指使用RGB-D相机作为视觉传感器,进行同时定位与地图构建(SLAM)的技术。RGB-D相机是近几年推出的能够同时采集环境RGB图像和深度图像的视觉传感器。首先对主流RGB-D相机,RGB-D SLAM算法框架流程做了介绍,然后对RGB-D SLAM算法的国内外主要标志性成果,以及RGB-D SLAM的研究现状进行介绍,并对RGB-D SLAM方法前端视觉里程计中特征检测与匹配、后端位姿图优化、回环检测等关键技术进行介绍总结。最后,对RGB-D SLAM算法的优缺点进行了分析,并对RGB-D SLAM算法的研究热点及发展趋势进行了讨论。     

基于视觉测振和卷积神经网络的螺栓松动检测方法

螺栓松动故障的准确检测对于确保机械产品可靠性具有重要意义。为了解决现有的基于卷积神经网络（CNN）的检测方法所需的大量高质量数据难以在实际工程中获取的问题,本文提出了一种基于视觉测振和CNN的螺栓松动检测方法。通过视觉测振技术,从视频中的每一个像素点提取出振动信号,有效解决了CNN模型训练数据难以获取的问题,通过少量实测视频样本即可对CNN模型进行训练,并实现对螺栓连接状态的准确预测。本文通过一个对悬臂梁结构的敲击实验验证了所提方法的有效性。     

QGH-1型激光全自动铁路货车轮对几何参数检测装置

“QHJ-1型激光全自动铁路货车轮对几何参数检测装置”可对铁路货车轮对进行几何尺寸自动检测,从而实现了外观状况确认的自动化、智能化、信息化,它采用全自动非接触测量法,取代了铁路系统多年来一直采用的手工检测和感官确认的方法,彻底提高了测量的可靠性、准确度。主要特点：具有高精度、高抗干扰能力,采用了先进的多线程技术,可自动进行修程判断,同时可联接各种HMIS信息化管理系统。     

目标检测中特征不匹配问题研究进展

近年来基于深度卷积神经网络的目标检测器取得了跨越式进展,远远超过传统目标检测算法.但最新的研究表明特征不匹配问题已经成为深度目标检测器性能提升的一个瓶颈.目前在该问题的研究尚未有清晰的总结,因此本文首先对特征不匹配问题进行分析,提出特征不匹配问题的本质是由于目标检测的分类和回归任务优化目标的不一致造成,同时分析了特征不...     

应用于电机轴承和不对中复合故障的RNN诊断方法

提出一种基于伺服电机转速信号的轴承和不对中复合故障的故障诊断方法。首先,探讨了复合故障励磁引起的电机转速变化,分析了通过转速法实现复合故障诊断的理论可行性。实验表明,复合故障中轴承等微弱故障信号的检测容易受到不匹配安装故障的干扰,这将使传统的诊断算法失效。将预处理后的速度信号和通过FFT得到的信号分别通过循环神经网络（Recurrent neural network,RNN）,将输入的时域特征和频域特征融合在一起,作为故障分类的基础。这种时频域特征复合RNN模型（Time-frequency feature compound-RNN,TFFC-RNN）对不对中故障干扰下的轴承故障和正常信号的分类准确率可达90%以上。最后,研究了各RNN变体对于模型准确率的影响。实验结果表明利用门控循环单元进行频域部分的特征提取,模型的诊断正确率最高。     

融合热特征的机场航站楼热成像显著人体检测模型（英文）

弱光背景下的目标检测是航站楼夜间巡检机器人的主要任务之一。然而,那些能够在计算资源有限的机器人平台运行的算法往往难以确保航站楼中人体目标的检测精度。为此,本文提出了一种融合热特征的显著人体检测模型。该模型仍然以U-Net神经网络作为基本架构,但是在解码器模块结构和模型轻量化方面重新进行了设计。一方面,在模型的解码器部分增加了由热特征分支和显著特征分支构成的融合模块,进而设计对图像高温区域更为敏感的预测损失函数,以提升算法在复杂场景下的检测精度;另一方面,通过精简编码器网络结构和控制解码器通道数的方式对模型进行了轻量化改进,以降低算法对计算资源的需求。4个数据集上的实验结果表明,本文方法既能确保较高的检测精度和很好的算法鲁棒性,又能以40 f/s以上的检测速度满足巡检机器人实时检测的需要。     

运动信息引导的目标检测算法

在室外监控视频的场景下,由于场景的复杂性及目标的多样性,监控视频中的目标存在难以检测的情况,如目标被遮挡、目标尺寸变化等,目标检测任务仍然存在挑战。基于此,提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进,使得到的运动前景图中能够保持静止目标前景的存在;利用运动前景图中的前景可以指示目标空间位置的特点,在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合,提高特征图可能存在目标区域的响应值;在目标检测算法的检测器中,引入一个定位分支,利用视频帧的运动前景图,学习候选目标的定位置信度,并与目标的分类置信度加权求和,作为目标最终的置信度,再通过非极大值抑制方法得到检测结果。实验证明,在固定摄像机下采集的数据集中,所提算法能够提升目标检测的准确率。