一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题,提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法.首先利用源域卫星的遥测数据对1dCNN进行预训练,使得模型的卷积层具有卫星状态特征的提取能力;然后将训练好的模型迁移到缺乏标签数据的目标域卫星中;利用目标域有标签样本对预训练模型进行微调,...     

基于深度监督的TransUNet可见光卫星图像分割

随着人造卫星技术的不断发展,给民用探测带来了诸多便利的同时,也带来了越来越多的挑战。精确定位卫星的重要部件,对故障卫星和太空垃圾的准确抓捕和维修至关重要。文章提出基于深度监督的TransUNet(Deep Supervised TransUNet:DSTransUNet)对卫星目标、星体和太阳翼进行像素级的识别与分割。通过对TransUNet解码过程中多层神经网络特征图进行深度监督,提高可见光卫星图像的分割精度,并进一步通过仿真方法构建卫星部件图像数据集,使用交叉验证的方法对DSTransUNet及7种现有神经网络深度学习方法的分割精度进行了评估。文章提出的方法对卫星星体的分割准确率达到90.51%±6.86%,对卫星太阳翼的分割准确率达到91.63%±13.07%,对宇宙背景的分割准确率达到97.43%±2.85%,对数据集的总体像素分割准确率达到了97.08%±3.37%,其分割性能优于其他神经网络模型。     

基于模型迁移学习的滚动轴承智能故障诊断方法

针对滚动轴承故障诊断中可用的故障数据较少,同时基于数据驱动的故障诊断模型在训练过程中需要耗费大量的时间和计算资源的问题,提出一种基于EfficientNet模型迁移学习的滚动轴承智能故障诊断方法。首先,利用信号转化图像的方法,将不同健康类别滚动轴承振动信号生成相应的训练集和测试集;然后,将经过预训练的EfficientNet模型,通过参数共享迁移到训练集上进行训练并微调,以达到模型最佳参数;最后,通过测试集验证模型的故障诊断能力。在双转子高速滚动轴承故障数据集上,对提出的故障诊断方法进行了验证。结果表明：在不同工况下,所提出故障诊断方法的准确率最高能达到99.48%,优于传统的数据驱动故障诊断方法,具有较好的应用前景。     

飞机跑道荷载响应深度变化规律

针对目前刚性道面未考虑道面结构参数、起落架机型及滑跑速度与响应深度之间关系的现状,借助ANSYS软件建立45m×15m×10m的有限元模型,计算了8种面层厚度、6种面层模量、5种基层厚度、5种基层模量和5种土基模量下B737-800动荷载的响应深度,并类比另4种机型的计算结果,分析了起落架构型对结果的影响;同时形成了B737-800起飞过程中响应深度的动态变化曲线.研究结果表明,响应深度随面层厚度、面层模量、基层厚度与基层模量的增大呈线性减小趋势,随土基模量的增大而增大,两者关系服从二次函数,且土基模量对响应深度最为敏感;同时起落架构型对响应深度也有较大贡献;飞机起飞过程中,响应深度呈先小幅增加而后迅速减小的非线性变化.研究结果为机场道面结构参数的选取和场道维护提供了理论依据和参考.      

一种用于分析MCS-51目标码堆栈深度的方法

在嵌入式软件中,针对目标码的堆栈分析是堆栈检查的常用手段．提出了一种用于MCS-51系列处理器目标码的堆栈深度分析方法,该方法可分析最坏情况下的堆栈深度,并考虑了不同优先级下中断服务程序对堆栈的影响．利用该方法可开发出分析MCS-51目标码的堆栈分析工具,其分析结果对堆栈安全检查和优化具有参考意义．     

甲烷-乙烷混合推进剂深度过冷技术的实验研究

针对甲烷采用液氮过冷可能发生甲烷冰堵风险,提出了在甲烷中添加乙烷,制备凝固温度更低的甲烷-乙烷混合推进剂的新方案,搭建实验系统测试了甲烷-乙烷凝固温度变化规律。研究发现,随着甲烷含量提高,混合推进剂凝固温度先降低后升高。当甲烷、乙烷比例为0.71∶0.29时,混合推进剂达到最低凝固温度,约73.0 K。当采用常压饱和液氮对混合推进剂过冷时,控制甲烷含量在0.52~0.81间可避免推进剂冻结。相较于常压饱和甲烷,防冻结区的混合推进剂密度提高了24.0%~38.4%,液相存在温区增大至35.7 K~40.5 K。此外,甲烷-乙烷混合推进剂具有理论比冲高、再生冷却性能佳、结焦与积碳小等优势。所提出的甲烷-乙烷混合推进剂在火星探测等任务中具有可观的应用前景。     

探针式光纤探头的有效检测深度

研究了探针式光纤探头的有效检测深度。采用扩散方程描述光在强散射生物组织中的传播规律,运用纽曼边界条件,使用灵敏度矩阵对有效检测深度进行了研究。灵敏度矩阵和光源与检测器的空间位置分布密切相关。光源与检测器对的灵敏度矩阵定义为：光源位置和检测器位置分别作为光源的光场分布的乘积。设计了6组针对不同参数的模型,参数主要包括光源、检测器光纤芯径、光源、检测器光纤中心距、光纤探头所处的深度、生物组织的吸收系数和散射系数。对探针式光纤探头在各组模型中的有效探测深度进行了仿真,重点研究了六种参数对检测深度的影响。所得结论可以推广到分析光纤检测器的空间分辨率和多光纤检测器的研究中。     

对抗黑盒攻击的混合对抗性训练防御策略研究

随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用,围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景,在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击,是现实场景中最常用的攻击方法。因此,分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法,在抵御黑盒攻击时性能十分有限;基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法,实验结果表明,所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击,性能优于传统的集成对抗性训练。     

基于轻量级卷积神经网络的人证比对

在证件审核场景中,常规的深度学习人脸识别方法人证比对精度低且在嵌入式设备运行效率差。为解决上述问题,本文提出了改进的轻量级卷积神经网络Lightnet,并采用了迁移学习方法。Lightnet是结合深度可分离卷积、线性瓶颈结构和注意力模块构成的轻量级卷积神经网络模块,引入附加角度裕量的损失函数AM-Softmax监督训练后,网络模型能够保持较高的验证精度,并有效解决标准卷积神经网络参数冗余、计算量大的问题。迁移学习通过冻结预训练模型的卷积层权重,并在自制的人证数据集微调,提高了网络模型的人证场景的识别性能。实验结果表明,所设计的轻量级人证比对算法在验证精度、参数量以及运行效率等方面取得了很好的效果,且对生活场景有较好的鲁棒性。     

考虑燃气引流的燃气弹射开盖载荷研究

建立一种带有导流槽装置的考虑燃气引流冲击开盖的新型燃气弹射系统模型,采用燃气弹射试验验证了数值计算方法的可靠性,在此基础上,计算得到弹射过程流场、筒盖载荷、弹体内弹道曲线变化规律,研究了改变导流槽深度对开盖载荷的影响。结果表明,发射筒与弹体间隙之间的压强呈现不断增加的趋势,且压强的扩散速率比温度更快;当导流槽深度为20 mm时,弹体加速度在低压室燃气动力作用、弹体运动和导流槽导流区域变化共同作用下呈现先上升、后下降、再急剧上升的变化规律,弹体速度和位移均呈现上升规律,筒盖最大压强达到0.24 MPa,满足发射开盖载荷设计要求。随着导流槽深度减小,导流槽封闭时间提前,筒盖最大压强不断降低,当导流槽深度不小于12.5 mm时,均可满足开盖载荷要求。