基于Faster RCNN的屏幕防手机拍摄算法的研究

智能手机强大的拍摄功能使得通过手机拍摄屏幕来获取敏感信息的代价越来越低,存在较大风险。在分析现有屏幕防拍摄方法存在的局限性基础上,针对屏幕防手机拍摄的特定环境,提出了一种基于Faster RCNN的识别手机拍照的新方法。首先,分析使用手机拍照的特点,建立了动静结合的Pascal VOC训练集;其次,在TensorFlow的框架下实现手机识别算法;最后,根据不同的影响因素建立训练集,分析各因素在不同的阈值下对识别精准率、准确率和召回率的影响。通过对算法的详细分析和与其他屏幕防窃拍方法进行对比,验证了算法的有效性。     

基于ABC-BP神经网络的航空发动机滑油金属含量预测

为有效监测发动机滑油状态,本文建立基于ABC-BP神经网络的滑油金属含量预测模型。在参数的初始化阶段,人工蜂群的适应度为BP神经网络的误差函数,神经网络的阈值和权值选定为适应度最优的一组参数。通过实验仿真对民航实际数据进行研究,实验表明模型预测效果理想,为实现健康管理和故障预测奠定基础。     

变循环压缩系统涵道流动计算模型及模式转换倒流判据研究

为了研究双外涵变循环压缩系统的涵道流动匹配规律，发展了涵道流动的计算模型，对压缩系统模式转换过程中外涵道倒流问题的发生机理和影响因素进行了深入分析，总结了压缩系统的倒流判断准则，并基于简化计算模型和全三维计算结果对倒流判据进行了验证。研究结果表明，对于一定的压缩系统匹配状态，存在一个决定涵道匹配状态的临界核心机驱动风扇级(Core Driven Fan Stage, CDFS)总压比，当CDFS的实际工作压比高于临界压比时，压缩系统第二外涵道将发生倒流，反之则系统不倒流。复杂涵道系统内的流动损失和堵塞等特性对临界CDFS总压比有显著影响，为了准确判断压缩系统的匹配状态，需要对其进行精确模化。基于简化模型得到的压缩系统倒流临界线可以推广至全三维状态，本文提出的倒流判别准则具有较高的可靠性和可行性。     

不确定航迹自适应预测模型

针对现有航迹预测技术中，存在无模技术缺乏理论分析支持、能力有限、适用范围窄、有模技术先验假设过多、前提条件严苛、通用性差等问题，通过理论推导，利用循环和多层神经网络结构，研究提出了具有理论严谨、先验假设少、适用范围广、通用性强等优点的不确定航迹自适应预测模型，同时给出了典型的实现方法。该模型克服了现有航迹预测方法的缺点与不足，并具有无模与有模两类技术的优点与长处，仿真和实测实验验证表明：该模型能很好地提取识别出数据中存在的模式，并基于模式，进行正确有效地预测，能有效解决不同实际环境中的航迹预测问题，效果明显。     

基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题，其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法，使用反向传播（BP）神经网络自适应调整人工势场函数系数，并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题，基于遗传算法仿真生成样本数据用于神经网络训练，并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性，利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划，比经典人工势场法有明显性能提升，且计算开销可接受，计算复杂度分析表明该方法可以较好扩展到多机对抗场景。     

眩晕

热带气旋是发生在热带、亚热带地区海面上的气旋性环流，由水蒸气冷却凝固时放出潜热发展而出的暖心结构。在北半球，热带气旋沿逆时针方向旋转，在南半球则以顺时针方向旋转。热带气旋是大气循环的一个组成部分，能够将热能由赤道地区带往较高纬度。     

机载蒸发循环系统动态仿真

从部件的数学模型出发,根据闭环系统各部件的耦合关系,建立了机载蒸发循环系统的动态数学模型。对充注R142b的机载蒸发循环系统进行了动态仿真,仿真数据与试验数据基本吻合,仿真方法可靠,可以作为机载蒸发循环系统优化及系统控制的依据。     

飞机液压系统地面清洗装置的研究

飞机在外场飞行训练中经常发生液压系统污染问题,在处理此类问题时通常采用的方法是更换液压油,这种方法工作周期长,浪费较大,影响飞行训练。本文介绍了地面清洗装置的工作原理和设计方法,采用此装置对飞机液压系统进行清洗,对解决飞机液压系统污染问题有重要作用。     

基于态势认知的无人机集群围捕方法

无人机集群围捕是智能无人机“蜂群”作战的一种重要任务方式。现有集群围捕方法大多建立在环境已知的基础上，面对未知的任务环境时围捕策略经常性失效。针对此问题，提出了基于态势认知的发育模型，探索一种对环境适应性较佳的围捕方法。首先，对集群围捕行为分解，将围捕离散化；然后，基于深度Q神经网络（DQN），设计一种围捕策略的生成方法；最后，建立状态-策略知识库，并通过大量有效数据的训练，针对不同环境获得不同的策略，对知识库进行发育。仿真结果表明:提出的基于态势认知的发育模型，能够有效适应不同环境，完成不同环境下的围捕。      

基于神经网络的两种质量诊断理论的研究

在传统的两种质量诊断理论中,工序质量模型一般是通过回归、理论推导或者是经验方法来建立的,从而实现分质量从总质量中的分离,但是在一些复杂的条件下用这些方法建立工序质量模型比较困难,因此,本文提出了基于神经网络的两种质量诊断方法。为了验证新方法的可行性,本文利用某生产过程中过滤与脱色两道工序的数据进行诊断,诊断结果表明:新方法可行有效。