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。     

基于循环谱的隐蔽通信性能分析

研究了基于扩频技术的隐蔽通信波形设计,采用大信号掩盖技术和跳码扩频技术,其中大信号和隐蔽信号分别以直接序列扩频(Direct Sequence Spread Spectrum, DSSS)和随机跳码扩频方式产生。对DSSS信号和随机跳码扩频信号的二阶循环平稳特性进行了理论分析,并通过仿真证明了循环平稳特性可用于隐蔽通信波形循环谱分析。首先,理论分析揭示DSSS信号的循环谱在与数据符号速率和码片速率相关的循环频率上,具有由信号的循环平稳性所产生的一系列特征峰值;然而,在随机跳码直扩信号中,扩频码带来的循环平稳性被破坏,导致其循环谱仅在与码片速率相关的循环频率上存在特征峰值;最后,利用循环平稳特性,结合判决门限进行隐蔽信号检测的仿真和分析。     

低温推进剂加注液位信号智能处理技术研究

低温加注系统是运载火箭发射场地面支持设备的重要组成部分,包括低温介质的储存、运输、供给、控制以及安全等内容。由于低温推进剂本身存在低温沸腾、易挥发的特性,其加注过程十分复杂,为满足新一代运载火箭推进剂精准的加注要求,需要实时准确监测加注过程中贮箱内的液位高度。本文针对火箭地面加注过程的液位信号数据,对其三角波电压和线性波电压的特征进行分析、提取,基于BP（Back Propagation,反向传播）神经网络算法完成对不同加注状态的识别检测,并应用于传感器节数判别,优化了液位计算算法,降低了节数人为干预需求,提高了液位测量准确性。经实验测试验证,该方法可有效识别低温加注状态,识别准确率达到90%以上,用于液位信号处理中可显著提升液位高度计算的准确性。     

基于双时相遥感影像差异信息的深度学习滑坡检测

目前利用高分辨率卫星影像进行滑坡等地质灾害识别逐渐成为研究热点,滑坡目视解译依赖于解译人员的经验,耗时费力且提取精度低,而传统的滑坡自动识别方法易将滑坡和道路、裸地、建筑等多种具有相似光谱信息的地物混淆。针对以上问题,文章使用一种双时相高分辨率卫星影像差异信息的深度学习滑坡检测算法,获取时序影像各个波段和归一化植被指数（Normalized Difference Vegetation Index,NDVI）的差异影像作为深度学习的输入特征。为充分挖掘滑坡前后影像多种信息差异特征,采用了U-net网络模型耦合空洞空间金字塔池化和嵌入注意力机制模块相结合进行滑坡特征提取的方法,该方法增强了滑坡边界信息的保存,能够有效地提取滑坡边界信息和发生剧烈变化的区域。利用上述方法对恩施市和九寨沟进行了滑坡检测,实验结果显示,所取得的综合评价指标值（F1-Score）分别为88.4%和90.53%,误差较小、精度较高。表明该方法能够准确检测出高分卫星数据的滑坡边界,且能保持滑坡的完整性。     

地空甚高频遥控通信系统远端设备的复位

哈尔滨VHF地空甚高频遥控通信系统担负着黑龙江省区域航路的指挥调度作用。其区域共设有齐齐哈尔、牡丹江、黑河、北安、海青、佳木斯六个遥控台。保障着包括极地Ⅳ航路和北美航线在内的航线上飞机的飞行安全。因此，VHF地空甚高频遥控通信系统的稳定性和可靠性是哈尔滨区域航路飞机飞行安全的保证，也是我们维护工作的重点。     

基于NADCAP技术降低荧光渗透检测过程中的人为差错研究

通过在荧光渗透检测领域导入NADCAP技术应用来降低该过程中的人为差错研究,探讨推进的重点和难点,提出运行步骤及持续改进方向,将荧光渗透检测过程中存在的易错点从技术层面进行防人为差错设计,并从顶层策划和过程控制方面有针对性地制定缓解方案。通过应用,可以学习和掌握先进的管理理念,为有效改进质量控制手段提供参考。     

基于合成卷积层网络结构的焊缝X射线图片缺陷筛选技术

焊接技术应用于多个领域,近些年焊缝缺陷自动检测技术成为了重要的研究方向。本文基于VGG-16卷积神经网络的良好分类性能,提出一种SC-VGG网络结构,利用合成卷积层替换了单个卷积层,同时改进了训练过程中的损失函数,使网络结构更为关注焊缝缺陷类型预测的结果。经过实验测试,SC-VGG网络结构在训练过程中损失函数曲线可以很好的收敛,与其他网络结构相比对焊缝缺陷特征的提取性能更好,平均准确率和召回率达到了95.86%和98.33%,为焊缝缺陷自动化识别提供了算法支撑。