融合注意力机制的航天器重建信号异常检测

针对航天器遥测数据异常检测时先验知识缺失、难以进行有监督条件下机器学习的问题,提出一种融合注意力机制的航天器信号智能异常检测算法。首先,通过注意力机制捕捉航天器遥测数据长距离特征,分析注意力关系矩阵为异常溯源提供指导。其次,采用堆叠自动编码器压缩数据维度并基于此重建输入信号,利用输入信号与重建信号间的残差获取误差重构序列。然后,基于窗口阈值法标记误差重构序列异常索引,实现航天器遥测信号异常检测。最后,通过多通道航天器遥测信号算例验证算法在提高航天器遥测信号异常检测性能与可解释能力的有效性。     

基于波段选择的RX改进算法

针对高光谱检测亚像元飞机的问题,提出基于大气吸收谱段的改进RX异常检测算法,实现亚像元检测能力和检测效率的提升.阐述了改进算法的基本原理,对比了10 km高度和地面大气吸收系数的曲线差异,建立了改进算法的检测模型,采用仿真的客用飞机可见-短波高光谱数据和海水背景高光谱数据,获得了信噪比10 dB的高光谱仿真图像.采用经...     

基于剪枝和去噪的航空发动机故障图像识别与预测

航空发动机叶片作为航空器重要的零件,其健康状况直接关系到航班的运行安全。叶片由于工作环境恶劣很容易产生裂纹、掉块、烧灼等损伤,目前基于孔探技术的叶片损伤检测以人工为主,检测结果在很大程度上受到人为因素的影响。因此,实现叶片损伤的自动识别及测量对于减轻劳动强度和提高检测精度都有实际的应用价值。首先选择PRIDnet图像去噪算法对原始孔探图像进行预处理,按照训练精度和训练速度两个指标对传统目标检测模型进行通道剪枝和微调。数据集采用国内某航空公司获取到CFM56型发动机在实际运营后机务人员所拍摄的孔探图像,实验结果表明,相比于原始目标检测YOLOv5算法和未经图像预处理的目标检测模型,本方法对航空发动机孔探图像内损伤的检测精度提高4%～10%,在检测效率上提高6%～20%。     

飞机电缆智能绝缘检测系统

针对飞机大修过程中传统的线缆绝缘检测需要大量的人工重复工作、测试人员用工多、测试项目无法自动执行的问题,提出了一种基于自动线路切换的智能电缆绝缘检测系统。系统硬件部分主要包括绝缘检测模块、高压输出切换矩阵、嵌入式控制主机等。控制主机通过GPIO与线路切换矩阵相连,线路切换矩阵按照要求将测试高压送给指定的线缆,控制主机接收来自绝缘电阻检测模块的检测结果。软件部分具有待测线缆选择、检测参数调整、检测执行以及检测结果记录分析等功能。实测结果表明该检测系统检测结果满足检测误差要求,可自动执行系统的自动化检测流程,检测过程更加简单高效。     

连续纤维增强钛基复合材料整体叶环的超声检测试验研究

本文结合连续纤维增强钛基复合材料（TMCs）整体叶环的制备工艺和结构特点,重点分析了TMCs整体叶环内部质量的超声检测难点,并通过对特定尺寸TMCs整体叶环的超声检测试验及解剖对应分析,确定了纤维碎断、纤维束开裂、纤维屈曲、纤维挤出及焊缝处开裂（未焊合）等可能存在的主要缺陷类型及超声回波信号特征。试验结果表明,基于适当的超声检测工艺参数对TMCs整体叶环的内部质量进行检测,检测灵敏度可达Φ0.8 mm当量平底孔。     

基于深度学习的自冲铆接偏铆缺陷检测算法研究

自冲铆接技术适合铝钢等异种材料连接,接头性能可靠,在航空工业中有着广阔的应用场景,但目前针对自冲铆接缺陷无损检测的相关研究较少。提出了基于深度学习的自冲铆接偏铆缺陷检测算法,首先通过剪切力学性能试验得出偏铆自冲铆接件相较于正常铆接件力学性能下降了5.6%;然后通过自冲铆接偏铆件外部形貌特征将偏铆程度由外部特征定义在0～10的区间;最后探究了单步检测同双步检测间的检测效果差异,提出了YOLOv5s(You Only Look Once v5s)加ResNet18的检测方案,并通过Grad-CAM(Gradient-Weighted Class Activation Mapping)对不同检测方案的效果差异进行了可视化的解释。测试表明,提出的YOLOv5s加ResNet18的检测方案在所采集的数据测试集中可以达到100%正确率,高于仅用YOLOv5s取得的95.18%正确率,远高于仅用ResNet18取得的84.1%正确率。     

一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息,会导致电磁信息泄漏,从而威胁设备的信息安全。现有的电磁信息泄漏检测方法,在复杂现场环境下,难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题,开展了电磁信息泄漏检测研究,提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络,并结合改进的梯度加权类激活映射方法,在未知电磁信息泄漏特征的前提下,通过深度学习实现电磁信息泄漏特征的智能标定和自动提取,从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验,验证了所提方法的有效性。      

航发叶片机器人磨削颤振检测方法

针对机器人磨削航发叶片过程中末端执行器颤振检测不及时的问题,提出一种基于排列熵的磨削颤振检测方法。利用滑动窗口算法计算颤振原始信号的连续排列熵值,通过排列熵经验阈值0.95判断机器人末端是否发生颤振。其中,采用基于序数模式的排列熵算法,很大程度上提高了排列熵特征的提取效率。当信号长度为10000时,所提出算法的排列熵的计算时间减小到约0.25 s,比传统排列熵算法的计算时间减小了一个数量级。数值模拟及试验结果表明,所提出的方法可以在颤振爆发前约0.48s检测出颤振,为采取颤振抑制措施争取了更多的反应时间。     

基于曲率的指尖检测方法

指尖检测是基于视觉的徒手人机交互系统的关键环节,由于背景的复杂性和系统的实时性要求,导致指尖的精确定位在处理速度和准确性方面存在很大问题。本文针对这一问题,提出了一种简单高效的基于曲率的指尖检测方法。该方法首先将输入视频流基于肤色空间进行二值化,并将二值化后的视频序列作为输入数据;然后采用边缘检测算法提取出肤色区域的边缘(肤色区域的轮廓),在肤色区域的轮廓上根据曲率来对类指尖的点进行检测,并且根据类指尖点的位置关系来判定一个肤色区域是不是手;最后通过过滤算法过滤掉误判手臂点。实验结果表明,该方法在不同的应用背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时检测的效果。