复杂背景下机场道面细带状结构病害检测算法

机场道面裂缝、角隅断裂、接缝破碎、修补等病害宽度狭小、长短不一、图像中像素占比少,呈细带状结构,且与复杂背景对比度低,现有检测算法效果不佳。针对以上问题,提出了一种基于注意力机制与特征融合的深度神经网络模型DetMSPNet。首先,利用注意力机制模块CBAM,使得特征学习更加专注于细带状结构病害区域,抑制干扰信息;其次,构建残差空洞金字塔模块,提取不同尺度空间下的特征信息;然后,设计最大池化支路,便于之后浅、深层不同层次特征进行融合,加强模型对于病害的定位能力,并且将深层特征输入3种不同扩张率的扩张卷积和金字塔池化模块,使得病害特征包含更多全局上下文信息;最后,对所有层输出的病害特征信息进行融合,实现不同尺度、不同层次特征的信息互补。与目前3种经典的目标检测算法在机场道面病害图像数据集APD上做了对比实验,结果表明:所提算法的mAP达到78.51%,优于对比算法。所提DetMSPNet模型,提高了算法对机场道面细带状结构病害检测中宽度狭小、长短不一、图像中像素占比少、与复杂背景对比度低等情况的适应能力。      

航空电子全双工交换式以太网标准研究(续)

介绍AFDX的标准化文档ARINC664系列规范的构成与发展过程,以及国内外在交换式以太网的平台电子应用领域的研究和标准化的进展情况,重点阐述为了适用航空电子"(时间)确定性网络"的需求,相关的规范(主要是ARINC664第7部分)对网络流量控制与调度机制的实时性能保证机制的标准化规定,并展望经过实时性能改造的交换式以太网技术及其标准化工作在我国发展大中型飞机中的应用前景。     

基于对偶原理的二子样划船补偿算法

划船补偿算法一般以典型划船运动为基础,利用最优化理论来进行推导.圆锥补偿算法不仅可利用最优化理论,还可利用Goodman-Robinson理论进行推导.利用对偶原理,将Goodman-Robinson理论下得到的二子样修正圆锥补偿算法推广至划船补偿算法设计中,得到一种改进的二子样划船补偿算法.在典型划船运动条件下,对得到的划船补偿算法进行了数字仿真,并与二子样优化划船补偿算法进行了对比研究.仿真结果表明,此改进二子样划船补偿算法能提高速度更新精度.     

电阻应变传感器的补偿技术

电阻应变传感器在实际工程中应用很广,但由于元件材料本身和结构形式、工艺、应变计性能及粘贴等原因,还会由于温度变化而产生零点漂移而产生误差,本文对其补偿技术进行分析.     

航天器机械臂柔性力控辅助装配方法

文章从装配的实际需求出发,提出一种航天器机械臂柔性力控辅助装配方法:通过在机械臂末端法兰与负载之间安装的六维力传感器感知作用力与力矩信息,人手直接作用于机械臂末端的负载,系统通过负载的重力补偿算法获得人手作用的力与力矩信息,而后以力/力矩信息作为输入来控制机械臂进行移动或转动,使负载柔性跟随人手运动。文章给出了装配方法的详细设计方案与相关算法,并进行了初步试验验证。试验表明,该装配方法可以有效提高在航天器狭小空间内进行大重量工件安装的效率,且安全可靠。     

车载平板动卫通三轴稳定机理研究

针对车载平板动卫通系统中稳定隔离载体姿态变化问题,通过对三轴稳定机理的分析研究,提出了"方位、俯仰机械补偿,极化电子补偿"的三轴稳定结构,仿真结果表明"方位、俯仰陀螺安装在天线俯仰转台,极化陀螺安装在天线方位转盘或俯仰转台"两种自稳定结构能提供良好的陀螺工作环境并具有较为简洁的隔离载体姿态变化补偿表达式,具有一定的工程理论指导意义.     

新型仿生偏振测角传感器及角度误差补偿算法

沙漠蚂蚁神奇的导航本领为我们研制新型导航传感器提供了有价值的技术参考.分析了沙漠蚂蚁利用天空偏振光分布模式导航的机理,设计了一种新型的仿生偏振测角传感器.提出了一种新的航向角度求解方浇法,给出了一种基于最小二乘支持向量机航向角输出误差补偿算法.利用精密旋转测试台进行了室外航向角度输出测试,实验结果证明了角度解算方法是可行的,角度误差补偿算法是健壮有效的.     

角速率输入下圆锥补偿算法的一般形式

传统圆锥补偿算法直接应用于由速率陀螺组成的捷联惯导系统时,算法误差明显增大.为抑制算法误差,提出了一种以角速率为输入信号,任意子样数圆锥补偿算法(包括改进算法)的一般形式,并在典型圆锥运动条件下以算法漂移误差最小为优化准则,推导了相应的圆锥补偿系数方程和算法误差表达式.利用给出的公式,求解一个线性方程组即可得到圆锥补偿系数,可方便快捷的设计任意子样数的角速率圆锥补偿算法以及改进算法.仿真结果表明,所设计的改进算法比同子样数常规角速率圆锥补偿算法在精度上有明显提高.      

国家旅游局确定2009年为“中国生态旅游年”

11月7日．国家旅游局下发通知,决定将2009年全国主题旅游年确定为“中国生态旅游年”．主题口号为“走进绿色旅游,感受生态文明”。     

基于Swin Transformer和注意力机制的红外无人机检测算法

红外无人机目标检测在军民领域的应用前景广阔。由于无人机目标尺度较小,空中环境复杂多变,目前普遍存在检测率低和误报率高的现象。针对复杂场景下红外无人机目标检测不良等问题,本文提出ST-YOLOA目标检测模型。首先,使用Swin Transformer网络架构和协调注意力（CA）机制搭建STCNet骨干特征提取网络;其次,特征融合部分采用带残差结构的PANet路径聚合网络构建特征金字塔提升整体特征提取能力,同时改进了上下采样方式以增强检测能力;最后,使用解耦检测头预测无人机目标的位置。试验结果表明,本文提出的模型检测精度为92.8%,检测速度达到了22帧/s,这表明该模型与其他模型相比具有较好的检测效果,且基本满足实时性检测要求,对于多无人机目标场景下的检测具有现实意义。