几种常用步态检测典型算法的设计比较

基于步态检测技术是影响行人导航定位系统精度的一项关键因素,在研究了相关行人导航文献后,对行人步行状态建立模型,并选取了三种常见的步态检测算法,峰值检测算法、自适应峰值检测算法和零点检测算法,介绍分析了这几种算法的基本原理和设计思路。随后,在相同的环境下,基于同样的设备和测试者,设置几组不同的步行状态,分别使用三种算法对行人的运动步数进行测试统计。最后,比较测试结果,分析说明了三种算法的精确度以及各自的优缺点。     

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。     

进口导叶形式对核心机驱动风扇级的影响

以某变循环发动机(VCE)所用核心机驱动风扇级(CDFS)为研究模型,数值模拟了CDFS在真实边界环境下的流动特性,分析了单/双涵道工作模式下,不同形式的可调进口导叶(IGV)对CDFS流动特性及性能的影响机理。结果表明:不同工作模式时,CDFS靠导叶角度的开闭实现大范围的流量调节。单涵道(SB)工作模式时,不同形式的可调进口导叶(VIGV)对CDFS性能的影响差异很小;双涵道(DB)工作模式时采用常规可调导叶(CIGV)会在其吸力面产生较大的流场分离,且流通能力和流量调节范围大大降低。可变弯度导叶通过可转动部分的开闭实现CDFS对流量调节的需求;通过固定部分保证CDFS导叶进口气流攻角基本不变,同时在固定部分和可转动部分连接处所形成的收缩通道的加速效应显著抑制了导叶吸力面的流动分离。可变弯度导叶是适用于CDFS在不同工作模式下性能参数及流量调节需求的可调导叶的形式。     

串联式TBCC发动机风车冲压模态性能模拟

建立了基于部件低转速特性匹配的串联式涡轮基组合循环（TBCC）发动机风车冲压模态性能计算模型,提出了压气机低转速大流量特性扩展方法,由换算扭矩代替等熵效率表示旋转部件特性,解决了低转速部件效率不连续相关问题。分析了冲压外涵面积变化和涡轮功率提取对风车冲压模态性能及部件匹配的影响规律,并基于推力、流量连续准则设计了涡轮模态至冲压模态转换过程（含风车冲压模态）的参数调节规律。计算结果表明:在风车冲压模态下,冲压外涵面积变化对风扇工作状态有显著影响,对压气机影响较小;涡轮可提取功率随着风车转速的减小先增加后降低,比冲随提取功率的增加基本呈线性降低趋势,功率提取位置（高、低压涡轮）对部件匹配有显著影响。      

基于深度学习的图像匹配方法综述

图像匹配是飞行器视觉导航中的一项关键技术。基于深度学习的图像匹配方法在近几年快速发展,其特征提取网络比传统方法具有明显优势与广阔的应用前景。基于深度学习的图像匹配方法可以按照网络结构的不同分为单环节网络模型匹配方法和端到端网络模型匹配方法。首先对单环节网络模型中的特征检测模型、描述符学习模型、相似度度量模型和误差剔除模型逐一进行了深度调研及分析,然后对端到端匹配网络模型中的单网络结构方法和多网络结构组合方法进行了针对性的综述,并对经典的端到端匹配网络模型算法进行了介绍和分析。最后,结合目前基于深度学习的图像匹配方法存在的问题,指出未来可能的发展趋势和方向,为后续研究者在深度学习图像匹配的研究提供一定参考。     

基于ARCN模型的轴承故障诊断

提出注意力循环机制与胶囊网络融合的注意力循环胶囊网络（ARCN）的诊断模型。提取时序特征信息构建初级胶囊;自适应融合路由机制、注意力循环机制构建数字胶囊特征;基于西储大学轴承实验数据,验证了ARCN模型的准确率、鲁棒性、稳定性、收敛误差,其准确率相比Caps模型识别准确率提高1.2%、收敛误差达到0.2。基于实验仿真平台,采集正常、内环故障、外环故障和滚动体故障的振动信号,并通过小波基变换获取的时频图构建ARCN模型的数据集。仿真实验结果表明:ARCN模型下,每类故障被误诊的概率不超过总样本的1%。