Radiation measured during ISS-Expedition 13 with different dosimeters

Radiation in low Earth orbit (LEO) is mainly composed of galactic cosmic rays (GCR), solar energetic particles and particles in SAA (South Atlantic Anomaly). The biological impact of space radiation to astronauts depends strongly on the particles’ linear energy transfer (LET) and is dominated by high LET radiation. It is important to measure the LET spectrum for the space radiation field and to investigate the influence of radiation on astronauts. At present, the preferred active dosimeters sensitive to all LET are the tissue equivalent proportional counter (TEPC) and the silicon detectors in various configurations; the preferred passive dosimeters are CR-39 plastic nuclear track detectors (PNTDs) sensitive to high LET and thermoluminescence dosimeters (TLDs) as well as optically stimulated luminescence dosimeters (OSLDs) sensitive to low LET. The TEPC, CR-39 PNTDs, TLDs and OSLDs were used to investigate the radiation field for the ISS mission Expedition 13 (ISS-12S) in LEO. LET spectra and radiation quantities (fluence, absorbed dose, dose equivalent and quality factor) were measured for the space mission with different dosimeters. This paper introduces the role of high LET radiation in radiobiology, the operational principles for the different dosimeters, the LET spectrum method using CR-39 detectors, the method to combine the results measured with TLDs/OSLDs and CR-39 PNTDs, and presents the LET spectra and the radiation quantities measured and combined.     

基于Kriging算法的手术导航三维形变技术

针对计算机辅助手术三维导航技术中无法利用术前CT重建模型进行病人个体化手术的问题,提出一种基于克里金(Kriging)算法的三维骨骼形变(bone morphing)技术.利用术中采集和医学图像模型的两片点云进行配准,在CT重建模型上选取4个合适的控制点,通过求解Kriging算法建立的方程组,获得CT重建模型上所有点相对于实际病例变形后的位置,实现医学图像模型向个体化的变形.最后,以人体股骨CT模型和塑料模型为对象进行了形变的精度分析和关节手术导航评估实验.结果表明:这种形变方法简单可靠,可以用于前交叉韧带(ACL,Anterior Cruciate Ligament)重建手术的导航评估.     

空中交通管制员疲劳检测与管理综述

我国民航事业的发展需要依靠大型运输客机的自主研发和高效的空中交通管理体系两大软硬实力的支撑。空中交通管制员作为空中交通管理的核心要素,其疲劳状态的检测与管理对于航空安全具有重要作用。本文首先从传统主观量表评定和客观评定方法两个方面详细阐述了国内外疲劳检测的研究成果,分析其优缺点;然后介绍了基于语音分析的管制员疲劳特征提取与检测算法,并且着重介绍了基于深度学习模型的语音疲劳状态识别算法;最后阐述了管制员疲劳检测成果对管制运行安全和效率提升的应用前景。研究成果可为从事管制员疲劳检测与管理的研究人员提供参考和借鉴。     

基于注意力模型的视觉/惯性组合里程计算法研究

由于外界环境的干扰和传感器精度的限制,视觉/惯性组合里程计的输入数据存在一定的噪声,这会增加里程计的解算误差,而且误差会随着时间积累。针对以上问题,设计了一种基于注意力模型的视觉/惯性组合里程计算法。该算法使用卷积神经网络和长短时记忆网络分别构建了视觉特征提取器与惯导信息特征提取器,同时引入了两种注意力模型:加权组合网络以及开关组合网络,对视觉特征信息和惯导特征信息的融合噪声进行降噪处理。通过在组合里程计算法中添加闭环校正环节,有效地抑制了里程计误差随时间的积累。对比实验结果表明,设计的组合里程计算法与其他算法相比,无论在性能上还是在精度上都有明显的提升。     

结合离线知识的时变结构模态参数在线辨识

飞行器的结构模态参数在线获取对其高效、可靠运行具有重要意义。传统时变结构模态参数辨识方法存在辨识虚假结果较多,抵抗测量数据中的极端异常值能力差等问题,难以有效应用于在线过程。建立一种基于长短时记忆网络的时变结构模态参数在线辨识网络模型,通过数据集构建过程离线地引入先验信息,同时结合模型自身特性,有效提升制约在线辨识应用的可靠性。实验结果表明：在不同时变规律下,与传统辨识方法相比,在线辨识模型能有效缓解虚假结果问题,同时保证辨识结果的连续性;采用α稳定分布模型对脉冲噪声进行建模,验证了其在测量数据包含由于偶发因素产生的极端异常值时在线辨识鲁棒性。     

激光选区熔化增材制造缺陷智能监测与过程控制综述

激光选区熔化（SLM）技术被认为是最有应用前景的增材制造技术之一,已应用于航空航天、医疗器械等领域。然而,如何确保构件质量的可靠性和制造的可重复性是SLM面临的最大挑战,已被认为是限制SLM及其他金属增材制造技术发展和工业应用的最大壁垒。其中,主要原因是SLM过程中会产生难以控制的缺陷。因此,对SLM进行过程监测和实时反馈控制是解决这一挑战的重要研究方向,也已成为学术界和工业界的研究热点之一。通过对近十年该领域的文献调研,综述了金属激光增材制造中常见的冶金缺陷及其产生机理,对金属增材制造过程产生的信号及其监测手段,如声信号、光信号及热信号等进行了详细描述;总结了信号数据的处理方法,包括传统的统计处理方法和新兴的基于机器学习的智能监测方法;随后,综述了金属增材制造过程的质量控制方法,包括非闭环控制和闭环控制,并对全文进行了总结,展望了未来SLM智能监测和控制领域值得深入的研究方向。     

叶片通道内涡流发生器变工况适应性

横向二次流是制约叶轮机气动负荷进一步提升的主要因素。在叶片通道内施加涡流发生器有抑制通道横向二次流的潜力,但涡流发生器的最优施加方案很难确定。基于涡流发生器经验统计模型(BAYC模型)和响应面方法建立了一种端壁涡流发生器的高效设计方法。基于这一方法,实施于NACA 65直列叶栅,得到了三种涡流发生器优化方案,并在设计工况下和非设计工况下讨论了涡流发生器对端壁横向二次流的控制机理,发现具有更大的涡流发生器高度和更多的涡流发生器数量的方案在面对大攻角下的强横向二次流情况时能够有更强的余力对横向二次流加以控制,大大扩展了叶栅的攻角适用范围。      

使用深度残差网络的乘波体气动性能预测

本文探究深度学习人工智能技术在飞行器气动外形预测中的应用。以激波装配法乘波体设计为背景,建立气动数据快速生成工具,使用拉丁超立方采样得到海量样本数据。使用深度残差神经网络构建气动外形参数到气动性能数据的代理模型,并与随机森林和双隐层神经网络等普通机器学习模型对比;同时将数据转换为图片,研究基于图片识别的深度学习模型搭建,省略飞行器外形的参数化表达。测试结果说明,深度残差网络作为数据代理模型的精度是随机森林和双隐层神经网络的3倍以上,而基于图片识别的代理模型精度提高有限。研究表明,深度残差网络在乘波体等易于生成大量数据的气动外形的性能预测中效果明显,为深度学习技术在气动外形设计中的应用奠定了基础。     

以培养适用型人才为宗旨建立新型的校外学习中心管理体系

校外学习中心是远程教学和远程学习的活动基地.校外学习中心必须能适应市场经济形势需求,以培养适用型人才为宗旨,不断完善自身机制,实行规范化管理,不断提高教学管理工作水平,建立起新型的管理体系.     

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本、高效率、高精度的故障快速定位。