基于小波变换的遥感图像边缘检测方法研究

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像的特点,提出了一种基于小波变换的图像边缘检测方法,同时还对小波变换在图像处理中的适用性进行了详细分析。由实验结果表明,本文方法可以获得非常细致有效的边缘信息,在有效抑制噪声的同时,提高了边缘定位精度。     

非相干Rice杂波中的恒虚警检测

 地杂波的统计特性常常可以用Rice模型来描述,其物理基础是认为地杂波由一些大的固定散射体引起的稳定分量和大量小的随机分布的运动散射体引起的瑞利起伏分量所合成。文献[2]研究了稳定分量不相干时Rice杂波中离散时间最佳检测的估值器——相关器结构,但无显式解,实现有困难。文献[3]导出了Rice杂波中SwerlingⅡ目标的离散时间检测的似然比检测器结构。在此基础上,本文给出了一种修正平方律结构的似然比检测器,并和通常的平方律检测器作了性能比较。     

液体火箭发动机健康监控──故障检测与诊断

以大型液体火箭发动机故障诊断系统框架为基础，按照发动机不同工作阶段的特点建立了相应的故障检测与诊断算法。利用发动机的高队数学模型，对基于推广的卡尔曼滤波器技术的新息检测算法进行了研究。根据发动机系统工作过程的特点，建立了降阶故障模式响应模型，并发展了相应的故障模式检验方法。为了适应在线实时检测的需要，利用发动机的试验数据，分别研究了基于人工神经元网络辨识模型的发动机启动过程检测算法和基于时间序列分析方法的发动机主机工作过程检测算法。通过试验数据的检测验证，证明了这些实时算法的快速性、准确性和鲁律性。     

鲁棒故障诊断中特征结构配置的有关问题

讨论了用于故障检测的特征结构配置方法，给出了特征结构设计的必要条件。此外，还讨论对加权矩阵与增益矩阵的最优鲁棒设计问题，提出了一种直接的、降秩逼近的设计方案，指出了Ｐａｔｔｏｎ的设计方案有可能实现不了的原因，并举例给予验证。     

基于卷积神经网络的航天复合材料缺陷智能检测

针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。     

绝对同相支路输出的GNSS欺骗检测

针对功率随时间变化,载波同步欺骗场景下,传统检测算法的欺骗检测性能不理想的问题,提出了一种基于绝对同相支路输出求和(SAIBO)的欺骗检测算法,为改善欺骗检测性能,进一步提出了SAIBO滑动平均(SAIBO-MA)算法。SAIBO-MA算法的构建过程使用接收机跟踪环的同相支路的输出结果取绝对值后求和形成SAIBO检测量,再做滑动平均处理后得到SAIBO-MA检测量。实验使用德克萨斯大学奥斯汀分校的德州欺骗测试电池(TEXBAT)的场景7(DS7)为数据集,比较并分析所提算法与传统算法的检测概率、欺骗判决数目和稳健性等欺骗检测性能。实验结果表明,SAIBO-MA具有更高的检测概率和检测精度、更好的即时性和稳健性以及更宽的检测范围。提出的SAIBO-MA算法克服了传统算法的缺点,具有更优的欺骗检测性能。     

优选小波神经网络在周跳探测与修复中的应用

北斗导航定位过程中,传统的周跳探测与修复方法缺乏检验环节,无法保证修复结果的可靠性。为此,提出了一种级联式小波变换结合NARX神经网络多步循环预测修复的方法处理周跳问题。该方法通过构造载波相位双差模型检验量,探测周跳发生历元,采用NARX神经网络预测方法修复周跳,利用优选小波基函数进行周跳修复效果检验。实验证明,相较于经验模态分解和变分模态分解等模态分解法,优选小波神经网络周跳探测与修复方法可用于小周跳探测并判断出周跳正负性;构造的NARX神经网络周跳修复模型,解决了普通神经网络模型和传统多项式拟合法容易造成的二次奇异值问题。相较于长短期记忆(LSTM)和门控循环单元(GRU)深度学习神经网络模型,周跳预测精度分别提高了45.2%和55.9%。     

小卫星真空检漏设备研制

文章介绍了用于小卫星真空检漏而研制的一套真空检漏设备。包括真空容器的设计、真空系统的设计、真空测量的配置、以及真空捡漏系统和四极质谱计的应用。通过设备的调试和对两颗卫星的推进系统的测试,表明设备满足设计要求。     

基于双激光传感器的金属料锭定位方法

为了解决铸造工艺过程中人工运送料锭效率低下的问题,提出一种基于双激光传感器的料锭定位方法.通过双激光传感器扫描料锭堆并计算和存储料锭的位置与偏角,实现了料锭的定位.实验表明,该定位算法的平均误差可以达到0.33mm,上料速度提高近一倍,符合工业自动化上料的要求,可以应用于工业生产中.