基于改进组合机器学习的卫星遥测参数预测

对在轨卫星的运行状态进行监测、分析以及异常检测是卫星在轨运行管理的重要内容。预测卫星遥测参数序列的变化趋势，对卫星异常检测与处置、保障安全运行非常必要。针对目前对于周期性不明显且具有多种变化特征的遥测参数预测精确度不够的问题，本文引入对遥测参数的预测有辅助作用的因素作为协变量，提出了基于改进组合机器学习的预测模型。该模型使用全局模型和局部模型分别获取遥测参数序列的趋势特征和局部不规则波动特征，并采用改进的注意力机制捕获多维参数之间的关联关系，提高了预测精度。此模型可以提供点预测和区间预测的结果，为在轨卫星处置决策提供了更多输入。在科学卫星真实遥测数据集和时间序列公开数据集上验证了本文方法的有效性。     

基于注意力机制与特征相关性的人脸表情识别

针对自然条件下人脸表情识别面临遮挡、光照、姿势变化等挑战，存在识别准确率低的问题, 提出了一种新的深度学习网络模型用于人脸表情识别。以ResNet为基础网络，融合了瓶颈注意力机制及全局二阶池化层，其中瓶颈注意力机制专注于表情重要特征的提取，全局二阶池化层度量表情特征之间的相关性，在此基础上通过联合正则化策略，平衡和改善特征数据分布情况，提高表情识别准确率。所提方法在2个公开数据集FER2013和CK+ 进行了测试及验证，最高准确率分别达到了74.227%和95.8%，性能优于诸多现存的主流方法，表明所提模型具有较好的准确性和鲁棒性。      

双重模态文本引导的图像修复算法

为解决现有图像修复算法因缺乏足够的上下文信息导致修复大面积破损时效果差且修复结果不可控的缺陷，提出了双重模态文本引导的图像修复算法。引入文本标签作为修复的控制引导，确保修复结果的整体与区域一致，并增加修复的可控多样性。设计双重模态掩码注意力机制提取破损区域的语义信息；通过深度文本图像融合模块加深生成器中的文本图像融合过程，并应用图像文本匹配损失最大化生成图像与文本之间的语义相似度；采用投射鉴别器训练生成图像与真实图像增强修复图像的真实性。在2个带有文本标签的数据集上进行定量和定性实验，结果表明：生成的修复图像与引导文本描述一致，可根据不同的文字描述生成多样的结果。     

基于注意力YOLO-V3的合成孔径雷达舰船检测识别一体化方法

传统的合成孔径雷达舰船检测识别需要分两步实现，检测识别精度和效率难以满足实际应用需求。本文结合注意力机制和YOLO-V3网络提出了注意力YOLO-V3网络实现合成孔径雷达舰船检测识别一体化。同时，利用公开的AIR-SARShip-1.0数据集和OpenSARShip数据集构建了大场景舰船检测识别数据集，用于验证目标检测识别性能。实验结果表明，本文提出的注意力YOLO-V3网络可以获得较高的检测识别精度，证明了本文方法的有效性。     

气动加热表面内侧液氮冷却数值研究

以Fluent计算软件为平台,利用混合两相流模型和Lemmon提出的液氮物性表达式,通过编写用户自定义程序(UDFs)实现对液氮物性和气液相间传输项的模拟,从而对一侧表面模拟气动加热热流条件、另一侧表面为绝热条件的二维矩形狭缝通道内的液氮流动换热进行了数值模拟.结果表明,利用液氮狭缝通道强化换热可以实现对气动加热表面的有效冷却;冷却通道沿程换热效果随着质量流率的增大而提高;在单位表面积质量流率一致的情况下,通道长度的增长有利于改善气动加热表面的冷却效果.     

基于改进的SENet航空发动机振动预测

为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet（squeeze-and-excitation network）模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR（quick access recorder）数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明:针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。      

通道参数对超声速叶栅性能的影响

为了研究喉部面积比、喉部位置及稠度对超声速叶栅最小损失点性能的影响，基于直接控制通道的造型方法获得一系列设计马赫数为1.4且具有不同通道参数的平面叶栅。数值计算与流场分析结果表明：根据叶栅通道内激波系结构的不同可将其划分为启动态叶栅与过渡态叶栅。喉部参数主要通过改变激波系位置影响叶栅性能。启动态叶栅喉部面积比越小、喉部位置越靠前，其最小损失越小、静压比越高；过渡态叶栅则相反。稠度改变时叶栅通道中激波系结构发生变化，大稠度叶栅大多处于启动态，最小损失小且静压比高；小稠度叶栅大多处于过渡态，具有更大的裕度。     

基于工况聚类和残差自注意力的发动机剩余使用寿命预测

针对多工况的航空发动机剩余使用寿命（RUL）预测精度较低的问题，本文提出了一种基于工况聚类分析和残差自注意力的发动机剩余使用寿命预测方法。首先，通过聚类将不同的工况进行划分，并构建线性回归分析模型筛选出符合发动机性能变化的退化参数；其次，通过卷积神经网络，获取数据中隐含的发动机性能退化特征；再次，利用双向长短期记忆神经网络挖掘时序退化特性并对其进行记忆；最后，结合残差自注意力机制对退化特征分配不同的权重来实现发动机剩余使用寿命预测。在美国国家航空航天局（NASA）的C-MAPSS多工况数据集上进行了消融试验，验证了该方法的有效性。结果表明，该方法评分和均方根误差均最优，可为发动机剩余使用寿命预测提供一定的参考。     

战斗机追踪任务中听觉告警信息呈现对注意力的影响研究

合理的听觉告警信息呈现对飞行安全至关重要。本文聚焦于战斗机追踪任务下听觉通道告警信息对注意力表现的影响，并探讨信息呈现方式、注意力理论机制及其关系，基于认知特性、注意力分配转移理论以及现有的信息显示标准规范和编码进行了工效学试验。通过绩效分析和主观评价，获得了追踪任务执行精度、告警任务的反应速度以及用户负荷情况等研究结果。研究表明，在特定声音强度和预警间隔水平下，听觉信息对视觉任务的注意力有干扰作用；在300ms的预警间隔下，注意力反应较快；而在600ms的预警间隔下，追踪任务表现较优；此外，针对正确率和负荷体验结果，推荐采用60dB的听觉信息编码参数设置。本文为后续告警信息界面的开发提供了设计参考，可帮助优化听觉信息分配和战斗机告警信息编码设计。     

嵌入注意力机制的多尺度深度可分离表情识别

针对面部表情识别中，传统机器学习方法特征提取较为复杂，浅层卷积神经网络识别率不高，以及深度卷积神经网络易带来梯度爆炸或弥散的问题，构建了残差网络嵌入注意力机制的多尺度深度可分离表情识别网络。通过多层多尺度深度可分离残差单元的叠加进行不同尺度的表情特征提取，使用CBAM注意力机制进行表情特征的筛选，提升有效表情特征权重的表达，削弱训练数据的噪声影响。所提网络模型在Fer-2103和CK+表情数据集分别取得了73.89%和97.47%的准确度，表明所提网络具有较强的泛化性。