使用计算机视觉方法进行的发动机极性自动化测试是火箭地面测试中重要的测试环节,该环节存在进一步改进和提升的空间。将递归全对场变换(Recurrent All-pairs Field Transforms, RAFT)光流算法替代传统光流法检测技术用于发动机喷管实...使用计算机视觉方法进行的发动机极性自动化测试是火箭地面测试中重要的测试环节,该环节存在进一步改进和提升的空间。将递归全对场变换(Recurrent All-pairs Field Transforms, RAFT)光流算法替代传统光流法检测技术用于发动机喷管实时运动监测,并根据现场测试场景对光流算法进行了优化,提升了运动检测速度与测量精确度,使自动测试系统具备了摆角的估测能力;在软件系统设计层面,引入差异图像直方图法监听法辅助喷管动作识别,避免了光流法对于未处在监测流程中的摄像头的冗余监听资源消耗,降低了系统硬件设备的负载,同时实现了一种可视化在线判读软件的设计。提出的软件与算法方面的改进在当前已投入使用的极性自动化测试系统上实现了进一步的优化。展开更多
滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management,PHM)领域,滚动轴承寿命预测具有很高的研究价...滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management,PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator,HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network,ResNet)结合时空卷积网络(Temporal Convolutional Network,TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。展开更多
文摘使用计算机视觉方法进行的发动机极性自动化测试是火箭地面测试中重要的测试环节,该环节存在进一步改进和提升的空间。将递归全对场变换(Recurrent All-pairs Field Transforms, RAFT)光流算法替代传统光流法检测技术用于发动机喷管实时运动监测,并根据现场测试场景对光流算法进行了优化,提升了运动检测速度与测量精确度,使自动测试系统具备了摆角的估测能力;在软件系统设计层面,引入差异图像直方图法监听法辅助喷管动作识别,避免了光流法对于未处在监测流程中的摄像头的冗余监听资源消耗,降低了系统硬件设备的负载,同时实现了一种可视化在线判读软件的设计。提出的软件与算法方面的改进在当前已投入使用的极性自动化测试系统上实现了进一步的优化。