基于注意力机制和改进YOLOv3的红外弱小目标检测

红外弱小目标检测技术是红外探测系统的核心技术之一。针对远距离复杂场景下红外弱小目标对比度低、信噪比低和纹理特征稀疏分散导致目标检测率低的问题,提出一种融合注意力机制和改进YOLOv3的红外弱小目标检测算法。首先,在YOLOv3的基础上,用更大尺度的检测头替换最小尺度的检测头,在保证推理速度的基础上有效提升了红外图像中小目标的检测概率。然后,在检测头之前设计了Infrared Attention模块,通过通道间的信息交互,抽取出更加关键重要的信息供网络学习。最后,用完全交并比损失(Complete IoU Loss)替代交并比损失(Intersection over Union Loss)来衡量预测框的检测能力,通过梯度回传实现更好的模型训练。实验结果表明,提出的YOLOv3-DCA能完成多种场景下红外弱小目标的检测任务,且检测准确率、召回率、F1和平均准确率分别达到91.8%、88.8%、93.0%和88.8%,平均准确率比YOLOv3基线提升约7%,与主流的SSD、CenterNet和YOLOv4模型对比平均准确率也取得了目前最优。     

微小型直升机自抗扰飞行控制

针对微小型直升机建模困难,动态模型中不仅含有较多的未知动态,且飞行中内外扰动均比较大的问题,提出一种基于自抗扰控制的飞行控制方法。该方法不仅可以确保微小型直升机六自由度方向上的稳定准确跟踪控制,而且可实时估计并补偿未知动态影响。通过盘旋上升模态下飞行仿真验证了此控制方法的有效性和鲁棒性。     

基于探索区域扩张策略的Q-学习算法

针对Q-学习算法中探索与利用之间的平衡问题，在基于Metropolis准则的Q-学习的基础上，提出了基于探索区域扩张策略的Q-学习改进算法。消除了初始时刻在整个环境中加入探索的盲目性。提高了学习效率。通过加入算法的自主学习结束条件，避免了找到最优路径后的重复学习，节省了学习时间。仿真实验证明了该算法的有效性。     

基于数据关联性分析的飞轮异常检测

针对航天器早期故障在闭环系统下难以被检测、数学模型难以精确建立的问题,提出了一种基于数据关联性分析的归纳式系统异常监测(IMS)方法。该方法采用无监督学习的聚类算法,利用具有关联性的参数构建数据向量,通过聚类分析自动建立健康数据向量的族类阈值区间。关联关系的破坏将引起部分参数超出族类阈值区间,使系统的异常程度存在模糊性与随机性。引入云模型评价指标,将闭环系统异常程度的不确定性通过熵与超熵定量表示,从而更加准确地判断闭环系统的异常程度。仿真结果表明:该方法能够建立卫星飞轮闭环系统的族类知识库,并可以根据云模型提供的定性知识有效判断系统的异常程度。     

基于优化Kriging模型和重要抽样法的结构可靠度混合算法

 结构可靠度分析计算通常采用多项式响应面拟合隐式极限状态函数,但对于复杂航空航天机械结构产品极限状态方程往往表现出高度非线性,此时多项式响应面的模拟精度不够就会造成计算不收敛。为了提高结构可靠度计算的精度、效率和收敛性,提出了基于优化Kriging模型和重要抽样法的结构可靠度计算方法。首先,利用人工蜂群算法对Kriging模型的参数进行优化;再用优化后的模型模拟隐式极限状态函数,结合重要抽样法不断修正抽样重心,逐步提高模拟精度以达到给定要求;最后,结合一阶矩法(FORM)/二阶矩法(SORM)经典算法求解结构可靠度。该方法提高了高度非线性隐式极限状态方程可靠度计算的精度和收敛性,并且具有较高的计算效率。     

超燃冲压发动机主被动复合热防护系统方案设计思考

针对当前超燃冲压发动机热防护技术面临的困境,为了突破更高飞行马赫数下的热障限制,提出了一种采用冷却剂与被动材料共同承担热载荷的主被动复合热防护技术。分析了主被动复合热防护技术的设计内涵及总体设计原则,讨论了被动层承担的热载荷和被动复合材料的导热系数、厚度之间的关系,并以C/SiC作为被动复合材料,对比分析了主被动复合热防护方案的优势。研究表明,当C/SiC厚度为4mm时,大致可将马赫数为6.5,当量比0.5工况下的热流密度降低42%。      

刀具状态监控技术在数控铣削加工中的应用

在分析刀具状态监控系统关键技术的基础上,结合航空结构件数控铣削加工领域对刀具状态监控系统的研究,分析了ARTIS系统的组成、工作原理和应用方法,介绍了智能刀柄和视觉检测方法的研究进展,给出了各种加工过程刀具状态监控系统的研发建议和应用展望.     

基于深度学习驱动的L型定向热疏导机理

碳/碳（C/C）复合材料具有热导率大、比强度高、耐烧蚀和耐冲刷等优异特性,被广泛应用于飞行器的热防护系统中,其有效导热系数对于实际应用而言是重要的热物理性质,尽管可以通过有效介质理论、对热扩散方程直接求解和玻尔兹曼输运方程等传统方法计算C/C复合材料有效导热系数,但这些数值方法通常十分耗时。本文引入深度学习方法,将格子玻尔兹曼（LBM）的三维格子模型作为三维卷积神经网络（3D-CNN）微观结构,不仅解决了三维微观结构模型难以捕获的问题,还便于实现数值计算模型和CNN模型的同步简化,利用3D-CNN快速精准地预测三维三相C/C复合结构的有效导热系数,基于此对内置L型高导热碳纤维丝的定向热疏C/C复合结构的有效导热系数进行快速预测和研究。研究表明,CNN模型在LBM传热计算上表现出强大的学习能力,但在测试样本结构孔隙率过分超出训练集时预测误差将大幅增加,且当孔隙率变化范围从30%~35%变化到55%~60%时,CNN模型"内插"预测的相对误差较模型"外推"降低了0.93%~30.72%。在C/C复合结构中内置L型高导热碳纤维丝可以将高温区域的热量沿纤维方向定向疏导至低温区域。     

基于增量学习的非定常气动力参数化降阶模型

气动降阶模型（ROM）是预测非定常气动力的有效工具,具有高精度和低计算成本的优点,近年来许多研究证实了该方法的有效性。但是关于飞行参数变化时,ROM的鲁棒性还需要进一步提高。为了提高ROM对不同飞行参数下的气动力预测能力,提出了基于最小二乘支持向量回归（LS-SVR）和增量学习算法的参数化降阶模型。LS-SVR是一种具有良好泛化能力的回归方法,基于LS-SVR的增量学习算法的主要贡献是在增加新样本集时,不需要重新学习整个数据集。为说明该方法的有效性,基于两自由度NACA64A010翼型构建参数化非定常气动力降阶模型。为了训练气动力输入和相应输出之间的关系,将马赫数和迎角作为附加的模型输入。仿真结果表明,该降阶模型能够准确描述气动力和气动弹性系统在不同飞行参数下的动态特性。     

活性粒子对航空煤油着火特性影响机理分析

为了研究等离子体中的活性粒子(OH自由基)对航空煤油着火特性的影响,选择正癸烷骨架机理作为航空煤油替代燃料.用零维均质完全混合模型和零维完全预混模型对等离子体点火和燃烧过程进行计算分析,计算敏感度和各组分摩尔分数来揭示活性粒子的添加对正癸烷着火特性的影响,并采用敏感性分析方法对反应机理进行了适当修正.结果表明:修正后机...