航空电子系统的安全性诊断技术分析

随着计算机电子信息技术的不断发展和硬件性能的不断提高,电子信息的一些先进的技术被应用于航空业,而航空业是对设备的可靠性有着极高的规范,这又反向对信息技术应用于航空电子设备提出了新的要求。因此航空电子系统也变得越来越复杂,这就增加了航空电子系统维护和维修方面的难度系数。

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。

融合rPPG和人脸三维法向量的非接触情绪感知技术

近年来,基于深度学习的情绪识别技术取得了显著进展。然而,现有方法主要集中在面部图像或视频上,忽略了其他模态信息,导致鲁棒性和稳定性不足。为了解决这一问题,提出了一种融合多模态信息的面部表情识别方法。首先将输入的人脸视频进行远程光电容积脉搏波(Remote Photo plethysmography,rPPG)信号和人脸三维法向量的提取,其次将这两种模态的信息输入其相应的情绪特征提取子网络,提取出对应的情绪特征向量。然后,将这两种模态提取出的情绪特征向量进行融合,生成一个丰富的特征向量,最后将其输入分类器进行情绪分类任务。通过这种多模态信息融合的方式,提高了面部表情识别的准确性和稳定性。对所提方法在不同数据集上进行了验证,实验结果表明,该方法在多样化面部表情识别中的表现优于当前先进的情感识别方法,具有更高的鲁棒性和稳定性。

基于Lamb波和改进贝叶斯融合算法的CFRP边缘分层损伤分析

贝叶斯融合法在CFRP上的损伤定位分析结果比较好,但在传感器网络边缘区域会出现比较明显的定位误差。为解决原有算法对传感器网络边缘的分层损伤定位不精确的问题,分析了两种不同损伤因子构成的贝叶斯融合算法在CFRP上的损伤定位效果,验证了以ToF损伤因子形成的贝叶斯融合算法对CFRP损伤定位的可行性,以及贝叶斯融合算法对边缘分层损伤的定位精度;在以损伤因子DI所形成概率成像算法的基础上,以衰减更快的指数权重代替线性权重,将改进的概率成像算法重新代入以贝叶斯为框架的算法中形成一种新的贝叶斯融合算法。结果表明,与现有的融合重构算法相比,改进的融合重构算法至少将损伤定位精度误差减少了58%,定位误差不大于5 mm。

压气机叶片的磨削路径生成算法

针对当前航空发动机压气机叶片的打磨过程繁琐且路径生成算法普遍未适配压气机叶片的几何形貌和加工姿态等问题,提出一种基于压气机叶片的点云数据并自适应压气机叶片的加工姿态和形貌的磨削路径生成算法。以面结构光扫描获取叶片的3维点云信息,对叶片点云进行位姿矫正并在叶片待加工区域创建一系列间距适宜且相互平行的切平面进行切片处理,获取切片数据后计算切平面与叶片点云的交点,拟合所有切片所得交点并计算磨削抛光路径的路径点及刀具姿态。结果表明:通过计算对不同姿态下不同压气机叶片的路径信息进行了仿真,验证了所提出的算法具有自适应压气机叶片加工姿态和形貌的特性,避开了传统逆向工程中的曲面重构误差,证明了算法的可行性与有效性,可进一步应用于后续实际磨削抛光加工作业。

基于改进YOLOv8的遥感图像飞机目标检测研究

为解决遥感图像飞机目标检测时易出现检测精度低与漏检误检等问题,提出了一种基于YOLOv8算法的遥感图像飞机目标检测改进算法。首先,将坐标注意力机制模块嵌入卷积模块中,使其能提取复杂背景下的飞机小目标;然后,优化了检测头,去除了大的目标检测头,在提升小目标检测能力的同时减少算法的计算量;最后,使用WIoU作为改进的损失函数,以提高检测精度。实验表明,改进的YOLOv8算法能够有效提高飞机检测精度,可适用于遥感图像的飞机目标检测。

基于对比学习的改进SSD目标检测算法

现有基于深度学习的目标检测算法在图像的目标检测过程中存在物体视角的多样性、目标本身形变、检测物体受遮挡、光照性以及小目标检测等问题。为了解决这些问题,本文将对比学习思想引入到SSD(Single Shot MutiBox Detectior)目标检测网络中,对原有的SSD算法进行改进。首先,通过采用图像截块的方式随机截取样本图片中的目标图片与背景图片,将目标图像块与背景图像块输入到对比学习网络中提取图片特征进行对比损失计算。随后,使用监督学习的方法对SSD网络进行训练,将对比损失传入到SSD网络中与SSD损失值加权求和反馈给SSD网络,进行网络参数的优化。由于在目标检测网络中加入了对比学习的思想,提高了背景和目标在特征空间中的区分度。因此所提出的算法能显著提高SSD网络对于目标检测的精度,并在可见光和热红外图像中均取得了令人满意的检测效果。在PASCAL VOC2012数据集实验中,AP50值提升了0.3%,在LLVIP数据集实验中,AP50值提升了0.2%。

课程思政视域下民航维修工程人才培养路径探索

近几年,学校坚持提高学生综合素质,以加强学生思想政治素质教育为核心,逐步完善德育工作运行机制,实现学校主导的全方位育人、院系主导的全过程育人和教师主导的全员育人。阐述“三全育人”内涵与新时代民航院校开展育人工作的内在联系,从加强顶层设计、创新教学模式、强化师德师风建设及营造良好环境等方面,积极探索新形势下大学生育人工作新途径、新方法。不断提升人才培养的针对性和实效性,形成了具有民航院校特色的“三全育人”德育模式,切实把育人贯穿于教育教学各环节,全面推进了中国民用航空飞行学院学生思想政治教育工作。

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.

基于YOLOv5s的轻量化红外图像行人目标检测研究

基于红外图像的行人识别是现代安防系统的重要组成部分。在计算资源受限场景,由于红外行人检测算法中模型尺寸的影响,检测精度与部署难度往往难以平衡。针对此问题,本文提出了一种基于YOLOv5s的轻量化目标检测算法:首先引入MobileNetv3轻量化特征提取网络,并使用深度可分离卷积减小模型尺寸,使其更易部署至CPU设备;其次,将最近邻插值上采样方式替换为CARAFE(Content-Aware ReAssembly of FEatures),明显提升了图像重建效果;最后使用EIOU Loss作为边界框损失函数改善模型回归性能。本文在采样后的LLVIP红外行人图像数据集上进行了测试:对于红外图像下的行人目标,本文在保持高检测精度(AP=95.4%)的同时,模型大小减少80.6%,参数量减少82.8%;在使用CPU平台进行推理时,推理速度提升43.3%,且检测多尺度目标的性能有所提升。以上两方面结果验证了算法的有效性。

基于SSA-LSTM的高高原民航飞机空调系统故障预测

在民航高高原航线的复杂气候环境下,机载设备整体性能要求更高。在低温、低压、强紫外线等条件下,飞机关键部件会加速老化。国内航空公司通常采用事后维修的方式对飞机进行维护,针对传统事后维修方法响应时间长、成本高以及存在潜在的安全风险,难以人为精准把控维修周期和维修深度的问题,提出一种大数据驱动的飞机空调系统故障预测方法。引入融合麻雀算法的长短期记忆网络(Sparrow Search Algorithm-Long Short-Term Memory,SSA-LSTM),利用无线快速访问记录器(Wireless Quick Access Recorder,WQAR)收集的数据,与其余两种预测方法进行对比研究,结果表明SSA-LSTM具有明显优势。通过预测和早期潜在故障识别,为航空公司从事后维修向预防性维修的转变提供了支持。

释惑低空经济

今年以来“低空经济”引发持续关注,什么是低空经济?为什么当前要大力发展低空经济?“低空高飞”需要哪些专业人才?对此,我们邀请了中国民航大学、中国民航飞行学院知名专家答疑释惑。曹允春中国民航大学教授、临空经济研究中心主任。什么是低空经济?作为以低空飞行活动为牵引,带动相关领域融合发展的综合性经济业态,低空经济历经概念提出期、初步发展期,进入快速发展期。

基于一种互联网+喷粉加工设备的研制

喷粉机采用三菱PLC、触摸屏、无线服务器CMT-SVR-200等组成上下位机控制,通过手机或触屏控制喷粉炉温、喷粉量、流化气量、雾化气量、喷枪清洗气量、高压电流电压的大小等7种加工参数来进行喷粉调试加工。根据不同材质的金属制品喷涂需求,最多可预设编辑30种不同产品的组合加工参数,通过触屏或手机输入PLC寄存器中。喷粉加工时,只需选择对应的加工产品参数程序,便可由PLC程序将预设的7种加工参数调出来,提高产品喷涂的工作效率。

基于人工势场算法和RRT算法的多无人机路径规划

为了解决在城市和山区复杂环境中的多无人机任务分配及路径规划问题,提出了一种基于人工势场算法和RRT融合算法的多无人机协同路径规划方法。基于人工势场算法基础优化斥力函数,加入机间斥力因子,实现了协同避撞。引入RRT算法进行拓展搜索,解决了无人机陷入局部极值点时单一人工势场算法目标不可达的问题。通过三维路径规划仿真实验和算法对比实验验证该方法的可行性,结果表明,融合路径规划算法可以在约束条件下找到全局最优路径。

无人机本科专业学生教学及就业去向跟踪分析研究

本文以调查问卷方式研究无人驾驶航空器系统工程专业方向本科生对教学、学科竞赛、毕业意向及最终的毕业去向进行分析,并将相关结果以图形的方式呈现。分析无人机学生对学科知识、竞赛以及毕业后从事工作的需求,为无人机专业以后毕业生提供参考,更好地服务于无人机专业建设。

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。

基于多代理模仿学习的普适边缘计算资源分配

普适边缘计算允许对等设备之间建立独立通信连接,能帮助用户以较低的时延处理海量的计算任务.然而,分散的设备中不能实时获取到网络的全局系统状态,无法保证设备资源利用的公平性.针对该问题,提出了一种基于生成对抗网络(Generative Adversarial Network, GAN)的普适边缘计算资源分配方案.首先基于最小化时延与能耗建立多目标优化问题,然后根据随机博弈理论将优化问题转化为最大奖励问题,接着提出一种基于多代理模仿学习的计算卸载算法,该算法将多代理生成对抗模仿学习(GAIL)和马尔可夫策略(Markov Decision Process, MDP)相结合以逼近专家性能,实现了算法的在线执行,最后结合非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)对时延和能耗进行了联合优化.仿真结果表明,所提出的解决方案与其他边缘计算资源分配方案相比,时延缩短了30.8%,能耗降低了34.3%.

基于CMPSO算法的无人机复杂三维路径规划

为了增强粒子群优化(PSO)算法跳出局部最优的能力,以及提高PSO算法在解决复杂实际工程问题的寻优性能,提升PSO算法在路径规划问题中的优化效果,提出了一种融合压缩策略和变异策略的粒子群(CMPSO)算法。在压缩策略基础上,设计了全新变异策略,二者的融合有效实现了粒子的自适应调节、增强了种群的多样性,提高了算法跳出局部最优的概率。经过CEC2017部分测试函数的验证,证明了CMPSO算法优秀的寻优能力。最后综合考虑多种约束条件,将CMPSO算法应用于无人机复杂路径规划,与其他改进PSO算法比较,CMPSO算法能够获得更短的路径航程,且耗时更少,代价更小。表明该算法能为无人机复杂路径规划提供有力技术支撑。

融合三维人脸动态信息和光流信息的人脸表情识别

人脸表情识别在静态图像上取得了卓越的成效,但这些方法应用于视频或图像序列时,准确度和鲁棒性往往会受到影响。传统的方法通常无法基于空间信息和光流信息进行人脸表情的识别,然而这些辅助识别信息都是二维信息,没有考虑到人脸的表情变化是一种三维的变化过程。为充分挖掘人脸表情识别的深层语义信息,提出了一种基于三维人脸动态信息和光流信息相结合的融合表情识别方法。该方法构建基于人脸深度图像、光流图像和RGB图像的多流卷积神经网络,通过融合3种模态的信息进行人脸表情识别。所提方法在CAER,RAVDESS数据集上进行了充分验证,实验结果表明,其在表情识别性能上优于目前的主流方法,证明了其有效性。

基于生成对抗学习的标准rPPG信号生成

为了提高生成远程光电容积脉搏波描记法(remote Photoplethysmography,rPPG)信号的波形规律性,降低心率计算难度,提出了一种标准化rPPG的信号生成方法。将人脸视频输入到生成对抗网络的生成器中,生成器通过有标签数据进行监督训练,预测得到人脸视频中蕴含的rPPG信号。为了进一步优化生成器的预测结果,使用数学建模方法生成标准的rPPG信号,并将其与生成器预测的信号同时输入至判别器中进行对抗学习,不断优化生成器参数,使得生成器能够学习标准信号的波形分布。这样,生成器预测的信号波形在形态上更接近于真实rPPG信号的波形分布,从而有利于后续心率计算。在不同数据集上进行的实验结果表明,该方法可以显著提高预测的准确性,且拥有更高的信噪比。