基于时间序列的民用运输航空器碳排放预测研究

随着中国民航业的高速发展,运输航空器的碳排放问题逐渐引起关注。采用时间序列的方法建立了传统的差分整合移动平均自回归(ARIMA)模型以及优化的长短期记忆网络(LSTM)模型,对航空器碳排放量、碳排放强度以及吨公里碳排放量进行了预测,通过鲸鱼优化算法(WOA)对LSTM中的学习率和隐藏节点数进行优化,避免了人为选择参数的主观性和盲目性,有利于提高模型预测的准确性。通过对比两种模型的均方根误差(RMSE)和平均绝对误差(MAE),ARIMA模型在航空器碳排放预测中有较好表现,WOA⁃LSTM模型在碳排放强度、吨公里碳排放的预测中有较好表现。

基于多层次特征融合的Transformer人脸识别方法

卷积神经网络中的卷积操作只能捕获局部信息,而Transformer能保留更多的空间信息且能建立图像的长距离连接.在视觉领域的应用中,Transformer缺乏灵活的图像尺寸及特征尺度适应能力,通过利用层级式网络增强不同尺度建模的灵活性,且引入多尺度特征融合模块丰富特征信息.本文提出了一种基于改进的Swin Transformer人脸模型——Swin Face模型.Swin Face以Swin Transformer为骨干网络,引入多层次特征融合模块,增强了模型对人脸的特征表达能力,并使用联合损失函数优化策略设计人脸识别分类器,实现人脸识别.实验结果表明,与多种人脸识别方法相比,Swin Face模型通过使用分级特征融合网络,在LFW、CALFW、AgeDB-30、CFP数据集上均取得最优的效果,验证了此模型具有良好的泛化性和鲁棒性.

视觉图神经网络的人脸识别方法

目前,大部分人脸识别方法依赖CNN,通过级联融合局部特征实现特征提取,却忽视全局语义空间信息且训练代价巨大。基于Transformer的方法相较于CNN,参数更少且能有效表征全局特征信息,但对全局各特征区域相对空间依赖关系表征不足。针对以上问题,提出了一种视觉图神经网络的人脸识别方法,引入GCN作为特征提取网络,捕获邻近特征关系并建立全局特征区域的依赖性;结合ECA模块,提高模型对人脸特征感知能力。此外,基于Triplet Loss与Center Loss,构建联合损失函数作为目标函数,约束类内特征,提高模型泛化能力。本方法在LFW、CFP和AgeDB⁃30基准测试集上取得较好的效果,且模型参数量与计算复杂度更少。

基于EACN模型的高精度测温误差修正算法

针对红外热像仪测温精度不足以及速度较慢的问题,提出了一种融合通道注意力机制的温度修正模型EACN(Efficient Attention Compression Networks Module)。该模型首先通过1×1卷积实现特征降维压缩,以此减少模型参数。其次引入通道注意力机制ECA,在特征映射模块阶段增强通道间特征显著性表达,以此弥补降维压缩所损失的特征信息,且进一步提高模型特征表征能力。最后,通过跳跃连接,在特征重建阶段结合浅层特征信息与语义空间信息,从而提高温度修正精度。本实验采用两种数据策略在自建数据集上进行实验。实验结果表明,与SRCNN和VDSR模型相比,EACN模型无论在修正精度方面,还是速度方面表现均最优。

飞行仿真中的TCAS建模方法

介绍了飞行仿真系统中空中交通警戒与防撞系统(TCAS)的一种仿真实现方法。对闯入飞机进行了运动方程建模,介绍了TCAS基本参数计算方法,分析了TCAS系统逻辑,利用全局处理模式设计了实时仿真中的完备的逻辑处理流程,完成了实时仿真系统中的TCAS仿真,该建模方法已在某项目中成功投入使用。

FTP动态测量航空发动机叶片三维型面

针对高速旋转状态下航空发动机叶片每个时刻形变量的研究,提出一种利用主动结构光,基于动态傅里叶变换轮廓术对不同速度下每个时刻三维型面及形变量的测量方法。利用对射激光传感器与AVR单片机设计同步控制装置,结合千兆网相机完成对高速旋转中航空发动机同一叶片的瞬态图像采集,再利用傅里叶变换轮廓术计算出每个时刻下该叶片的三维型面,通过分析,计算出每个时刻下旋转航空发动机叶片的形变量。实验结果表明该方法可行且满足准确度要求,相对于传统的叶片形变测量方法,具有实时、快速的优势。

旋转状态下的航空发动机叶片形变测量

针对工况下航空发动机叶片形变问题,实现航空发动机叶片动态检测系统,并开展形变分析研究。利用发动机叶片模拟工况实验平台,基于光电检测和结构光面型测量技术,开发高速三维测量系统,通过激光对射传感器和单片机同步触发控制高速相机进行测量,并结合傅里叶变换轮廓术,完成不同转速下,真实发动机叶片的形变图像采集与三维型面重建。型面重构数据表明:叶片处于加速和减速状态时,型面变化趋近一致并呈现非线性,但加速时形变量更大且随着转速增加而增加。论文结果对研究发动机性能和发动机叶片设计制造有一定参考意义。

某在役航空发动机涡轮叶片性能研究

真实工况下,涡轮叶片的型面测量、变化分析及其对性能的影响,是需要研究解决的问题。针对目前研究普遍采用仿真叶片模型,且涡轮叶片研究薄弱问题,开展了涡轮叶片型面测量、建模、模型比对以及性能分析完整系统分析。结合自动开发的三维扫描系统,完成了真实工况下的叶片型面测量及差异量化评估,在叶片建模基础之上,采用有限元分析技术,对叶片在离心负荷作用下的形变、等效弹性应变以及等效应力进行分析,总结其变化规律,得出叶片型面的微小变化对性能的影响趋势。验证数据研究可进一步推动构建涡轮叶片性能模型,并指导我国发动机设计与维修。

基于Unity3D的塞斯纳172绕机检查仿真

目前飞行前绕机检查训练主要以现场人员依照检查单在真机上进行,但真机检查耗时且占用机位资源,导致训练十分消耗飞行资源,因此有必要采用飞行仿真系统来辅助真实场景的飞行前绕机检查训练。针对上述问题,首次提出一种基于Unity3D技术实现绕机检查仿真,结合塞斯纳172飞机模型及HoloLens2混合现实眼镜构建三维场景,实现可视化飞行前绕机检查仿真系统。三维仿真绕机检查过程中,通过混合现实眼镜用手部点击等操作控制完成飞行前绕机检查。上述系统通用性广、可扩展性较好、仿真度高,优于传统的人机交互。仿真结果表明:提出的系统可适用于飞行前绕机检查,具有良好的可操纵性和逼真度,对缓解飞行及机场资源紧张具有重要意义。

基于双尺度时间特征的步态识别方法

当前,多数步态识别方法关注于步态序列单一时间尺度建模,忽略了不同时间尺度的信息交互。基于此,提出了一种双尺度时间特征表示网络。该方法聚合两个时间尺度特征来获取步态的运动表示,并将两个时间尺度上特征进行融合,实现信息交互。通过多视角识别实验验证,该方法在数据集CASIA-B上的性能超越了主流的步态识别方法,在NM、BG和CL条件下Rank-1准确率分别达到97.8%、93.1%以及80.6%。

基于联动空间拓扑关系的步态识别研究

目前,大多数基于骨骼的步态识别方法通过改善时空关系表征来提高步态识别的准确率,但却忽略了人体物理结构节点之间的联动性。基于上述问题,探究步态识别的空间拓扑联动关系。提出一种基于局部分区的新策略方法,划分人体非结构化区域并构建区域之间的邻接关系表示人体姿态的相对变化。其次,设计多尺度时间模块以时间为轴关联局部分区的节点变化提取多尺度时间特征。通过实验验证,该方法在步态数据集CASIA-B上超越了主流的步态识别方法,在不同行走条件下Rank-1准确率分别达到87.6%、77.6%以及72.8%。

基于改进Event模型的航路飞行过程垂直碰撞风险研究

随着民航空域运行的日益繁忙,如何从量化分析的角度构建有效合理的数学模型对航路飞行碰撞风险进行量化评估,提高航路规划与管理的科学性是业界面临的重要问题。提出基于改进Event模型的航路飞行过程垂直碰撞风险评估方法,用符合航空器在空间上速度矢量分布的几何体即两个拼接的椭圆锥体碰撞盒代替原Event模型中的长方体碰撞盒计算航空器穿越相邻高度层的概率;并利用改进前后碰撞盒的面积大小比值推导改进后航路中航空器的垂直碰撞风险公式,将碰撞风险参数带入改进后的碰撞风险公式进行计算验证。结果表明:改进方法计算的航空器在航路中垂直碰撞风险是原长方体Event模型碰撞风险模型的13%左右,是原椭球体Event模型碰撞风险模型的67%左右,使用该方法进行量化评估是可行的。

基于光电检测的高速状态下航空叶片图像采集

针对航空发动机叶片因转速快而导致无法获取清晰叶片形面的问题,提出一种基于光电检测的航空发动机叶片图像采集系统,通过光电检测技术实现在采集过程中相机与高转速下发动机叶片保持相对静止,进而通过千兆网线在线获取叶片表面高清图像。该系统采用激光传感器与AVR单片机确定不同转速下同一叶片的触发信号并向外触发模式下的工业相机传送驱动信号,实现叶片图像采集与图像处理。实验结果表明,该系统性能稳定,采集图像品质高,完全满足动态测量航空发动机叶片的高精度要求,可应用于动态三维测量航空叶片轮廓与形变研究。

基于Geomagic Studio的航空发动机叶片曲面建模

航空发动机涡轮叶片对建模精度有很高的要求,传统的通过软件绘制的方法不能满足航空发动机叶片的异构曲面的特性。采用逆向建模技术,通过光学测量系统获得涡轮叶片的点云文件,利用Geomagic Studio软件得到叶片的精确模型。偏差分析结果表明:所得叶片模型具有良好的平滑性和完整性,且相较于同类方法具有更高精度。

飞机蒙皮激光除漆的路径规划算法

针对传统路径规划算法不适应复杂曲率变化及实现复杂等问题,提出一种可适用于飞机蒙皮表面加工的路径规划算法,通过3D扫描仪测量获取飞机蒙皮的三维点云数据,设置多个平面截取点云数据,采用对三次样条曲线拟合与多项式曲线拟合结合改进的曲线拟合算法,获取路径点坐标及姿态信息,进而完成蒙皮除漆的路径规划。实验结果表明,所提算法拟合的路径与点云偏离的标准偏差值为0.027 mm,相较于单独的三次样条曲线拟合与多项式曲线拟合,其误差最小,且可规避非加工区域,算法具有可行性及有效性,可应用于后续除漆任务。

基于改进Mask R-CNN算法的孔探缺陷自动检测研究

针对发动机孔探缺陷自动识别存在识别缺陷类型单一、小目标缺陷识别效果较差的问题,将深度残差网络引入到发动机孔探检测中,提出一种改进Mask R-CNN算法的发动机孔探缺陷检测算法。通过引入SENet模块及改进传统的NMS算法,有效提高了模型对四种缺陷的检测精度;同时提出keras自定义优化器,加快模型的收敛速度。在孔探缺陷数据集上对改进模型进行评估,测试结果表明,改进的Mask R-CNN算法对四种缺陷类型的检测正确率均高达90%以上,对于小目标缺陷的识别效果有了明显提高,性能优于原始模型。

基于关键点的边界增强改进点云配准算法

针对点云配准出现的误匹配、耗时长、精度不高等问题,提出一种基于关键点E-ISS(edge based intrinsic shape signatures)的边界增强点云配准算法。首先对源点云和目标点云进行采样、主方向变换、关键点提取、网格边界点云提取,并将特征点和边界点云融合为一个新的特征点集E-ISS。对其建立快速直方图统计特征,利用算法进行配准。最后与几何采样后的配准结果、提取关键点的配准结果对比表明,所提出的改进方法在相同配准效果下,配准时间稳定在4.83 s,欧拉适应度得分为0.29,配准的均方根误差在0.093 mm内,解决了配准发动机叶片的过程中出现局部最优而导致配准失败的现象,为后续的叶片损伤定位奠定了基础。

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.

人群异常识别技术研究进展

人群行为分析是计算机视觉领域最活跃的研究方向之一.有许多针对人群异常行为及检测的算法如人群密度估计、人群中运动检测、人群跟踪和群体行为识别.在对目前人群异常行为进行总结分析,并概括出人群异常的三大关键特征.并在次基础上,分别针对人群特征提取、异常识别技术、异常分类技术以及人群异常识别数据库方面,对人群异常识别技术现状进行总结概括,并并对存在的问题,以及未来发展方向提出了研究的建议和意见.文章对相关领域的研究具有一定的参考价值.

基于证据源和组合规则双修正的证据合成

针对冲突证据合成时传统证据合成和单一修正改进方法存在的问题,提出了新的证据源预处理和组合规则双修正的证据合成方法。利用夹角余弦理论,计算证据向量距离后转化得到权重系数,依据权重系数对证据进行重新概率分配,完成证据源修正;之后用修正的动态合成规则,进行修正证据的合成;同时提出了算法分析模型。实例结果验证了算法在证据合成时具有最优结果、较强通用性和稳定性,可应用于信息融合、不确定信息决策等领域。