RELIABILITY EVALUATION MODEL BASED ON DATA FUSION FOR AIRCRAFT ENGINES

Reliability evaluation for aircraft engines is difficult because of the scarcity of failure data. But aircraft engine data are available from a variety of sources. Data fusion has the function of maximizing the amount of valu- able information extracted from disparate data sources to obtain the comprehensive reliability knowledge. Consid- ering the degradation failure and the catastrophic failure simultaneously, which are competing risks and can affect the reliability, a reliability evaluation model based on data fusion for aircraft engines is developed, Above the characteristics of the proposed model, reliability evaluation is more feasible than that by only utilizing failure data alone, and is also more accurate than that by only considering single failure mode. Example shows the effective- ness of the proposed model.

Review on uncertainty analysis and information fusion diagnosis of aircraft control system

In the aircraft control system,sensor networks are used to sample the attitude and environmental data.As a result of the external and internal factors(e.g.,environmental and task complexity,inaccurate sensing and complex structure),the aircraft control system contains several uncertainties,such as imprecision,incompleteness,redundancy and randomness.The information fusion technology is usually used to solve the uncertainty issue,thus improving the sampled data reliability,which can further effectively increase the performance of the fault diagnosis decision-making in the aircraft control system.In this work,we first analyze the uncertainties in the aircraft control system,and also compare different uncertainty quantitative methods.Since the information fusion can eliminate the effects of the uncertainties,it is widely used in the fault diagnosis.Thus,this paper summarizes the recent work in this aera.Furthermore,we analyze the application of information fusion methods in the fault diagnosis of the aircraft control system.Finally,this work identifies existing problems in the use of information fusion for diagnosis and outlines future trends.

基于宽窄带综合的飞机机型识别方法

针对传统单模态雷达飞机目标细粒度识别能力不足的问题,提出一种基于宽窄带综合的飞机机型识别方法.通过卷积网络挖掘宽带一维距离像的局部散射特性,递归神经网络挖掘窄带微动回波不同时刻的上下文特性,达到信息互补的目的.同时,针对两种模态在决策融合时存在强弱不平衡问题,设计了一种自适应决策融合网络,实现了对飞机目标的机型识别.利用七种飞机机型的仿真宽窄带数据进行了实验验证.仿真结果表明,本文方法平均识别准确率为76.7%,较传统方法提升6.4%以上.

多源视频数据驱动的舰面保障作业三维重建

针对现有公开的航母舰面保障作业视频数据碎片化、相机角度多变、像素质量低下等问题,提出一种多源视频数据驱动的舰面保障作业三维重建方法.该方法首先对视频中对象轨迹方向进行预测,并采用联合外观和方向相似度的跟踪方法实现视频数据的多目标轨迹跟踪;然后基于跟踪结果,依次采用相似度关联、特征轨迹分割、轨迹聚类提取多源数据中的保障作业对象并进行关联与融合;最后对融合得到的轨迹进行逼真三维重建.在MOT20数据集和舰面保障作业公开视频数据上,实验和用户调研数据的t检验结果表明,采用所提方法有99.5%的把握得到可信的舰面保障作业三维重建效果.

基于注意力和自适应特征融合的SAR图像飞机目标检测

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中飞机目标尺度多样性及背景强散射干扰的问题,提出了一种基于坐标注意力和自适应特征融合的YOLOv4 SAR图像飞机目标检测算法。该方法首先在主干网络引入坐标注意力机制,以增强对于飞机散射点组合结构的聚焦能力以及抗背景干扰能力。其次,在特征增强网络中引入自适应特征融合机制,提高了对不同大小飞机的特征提取能力,同时改善了YOLOv4算法召回率和精确率不平衡的问题。最后,通过改进的K-Means聚类针对飞机目标调整先验框的尺寸,提高了模型的定位精度。实验结果表明,改进算法召回率达到91.01%,精确率达到90.09%,AP 0.5达到92.34%,分别较原YOLOv4算法提高2.49%,6.56%和3.62%。

基于多模态特征融合的飞机货舱火警探测技术

针对当前飞机货舱火警误报率高及人工特征提取适应性差的问题,使用一维卷积神经网络,建立了多模态融合火警预测模型,进行特征提取,开展模型的评估与验证,将特征提取与分类进行整合,实现了端到端的火警预测任务,提高了模型的可靠性与准确性。采用双波长烟雾探测技术,探测悬浮颗粒物的索特平均粒径、温度、红外光和蓝光的接收光与发射光功率比值。相较于传统火警探测算法将特征提取和分类分开处理策略,按照无火、阴燃、有火3种类别,进行火警信息的分类预测。结果表明,多模态融合的火警探测模型相对于单模态火警探测模型可以达到更高的探测精度,精度可达0.95以上。

基于多传感器融合的无人舰载机舰面定位研究

无人舰载机在航母舰面的自主定位是实现自主转运、提高驶入/驶出效率的重要前提.其中,如何依靠机载传感设备实现GPS拒止环境下的舰载机自主舰面定位是亟待解决的关键技术.为此,提出了一种基于视觉和激光雷达融合的无人舰载机舰面自主定位算法.该算法通过结合手眼标定和互信息标定方法进行多传感器在线标定,使无人舰载机在面对风浪及航母运行等情况下机身摇晃导致传感器外参标定结果变化后仍能保持稳定运行;引入因子图用于无人舰载机的多传感器位姿联合优化并基于自主转运过程中的运动模型建立了简单高效的传感器失效标准,从而有效地融合了激光雷达和视觉定位结果,使该算法在单个传感器失效的情况下依然可以进行精确的自主定位;最后建立了基于多传感器的舰载机舰面仿真系统对本文算法进行验证,实验结果表明,本文算法在单个传感器失效的情况下定位误差仍维持在0.2m以内,满足实际应用要求.

飞机蒙皮接缝特征的数据融合算法

利用计算机视觉技术对蒙皮接缝进行测量是该领域的主流发展方向,但单一的视觉测量方法具有自身的局限性。为进一步优化蒙皮接缝特征测量技术,提出了将线结构光视觉测量与面结构光视觉测量相结合的方法检测接缝特征,探索一种基于数据融合的蒙皮接缝特征测量算法,修正接缝的阶差值与间隙值以提高测量精度。依据两种结构光视觉测量技术的特点,利用分布式二级数据融合算法,通过数据对准、剔除异常值以及自适应加权融合相结合的方式,对两种结构光视觉测量数据进行融合处理,并应用于实际蒙皮接缝测量。试验结果表明,经过分布式二级数据融合处理后,阶差测量值最大均值误差为0.0319 mm,间隙测量值最大均值误差为0.0344 mm,阶差和间隙的平均误差分别降低了4%和30%。此融合算法均衡了两种结构光视觉测量技术的优势,降低了系统整体误差,为高效、准确测量蒙皮接缝提供了新思路。

考虑航母纵摇的舰载机弹射起飞安全性分析

在弹射起飞的过程中,舰载机的起飞的安全性与多种因素有直接的关系,如剩余甲板长度,前起落架的突伸能力,弹射的冲程等。为了研究多种因素对舰载机弹射起飞的影响,建立了考虑航母纵摇的舰载机弹射起飞动力学模型,分析计算了不同因素对舰载机离舰下沉量的影响,并论述了其运动学成因。研究结果表明:①弹射冲程增大,离舰末速度增大,下沉量减小,反之亦然;②在弹射滑跑转自由滑跑时,前起落架的突伸能力越好,迎角的增量越大,离舰后的下沉量越小,反之亦然;③剩余甲板的长度越长,舰载机离舰的速度和离舰迎角越大,下沉量越小,反之亦然。

计算机数据融合算法下植保机精准化作业研究

针对我国传统的植保机在精准化作业和自动化喷洒方面存在的不足,基于计算机数据融合算法对植保机精准化作业进行了设计试验。植保机的主要组成包括控制单元模块、信息采集模块、传感器模块、数据传输模块和变量执行器模块。为了实现植保机的精准化作业,对植保机的飞行姿态调整和变量喷药过程进行了算法设计。其中,飞行姿态控制采用双闭环位置式PID控制算法,喷药过程采用改进的遗传PID控制算法进行控制。为了验证植保机精准化作业的效果,对其进行姿态控制和变量喷药试验。结果表明:植保机姿态控制良好,能够完成精准化喷药。

Aircraft attitude estimation of MEMS sensor based on modified particle filter

The non-linearity problem of aircraft system could not be overcome by using the MEMS sensor only.In order to improve the accuracy of aerial vehicle attitude,an aircraft attitude estimation of the MEMS sensor based on modified particle filter is proposed.The aircraft attitude is optimized by the conjugate gradient method,and the drift error of gyroscope is reduced.Moreover,the particle weight is updated by the observed value to obtain an optimized state estimate.Finally,the conjugate gradient method and the modified particle filter are weightily combined to determine the optimal weighting factor.The attitude estimation is carried out with STM32 and MEMS sensor as the core to design system.The experimental results show that the static and dynamic attitude estimation performances of the aircraft are improved.The performances are well,the attitude data is relatively stable,and the tracking characteristics are better.Moreover,it has better robustness and stability.

基于多源数据融合的整机试验监控技术

飞机整机强度试验涉及系统繁多,为保证试验顺利完成需要采集并监控多个独立系统的数据如力载荷、气压载荷、应变、位移、视频监控、声发射、光栅光纤及压电等。传统的试验监测数据大多单独采集、分析,数据的相关性较弱,监控信息展示不全面且无法与试验业务数据关联。为高质量、低成本、全状态和准实时实现试验监控目标,提出一种基于多源数据实时融合的试验监控技术,建立以数据为导向的多源数据融合和监控模型,研制一套试验全状态监控系统,通过多源异构数据时域同步及结构化存储,实现试验业务多源数据统一实时显示。最后以某一飞机疲劳试验为平台进行系统测试,结果表明系统可实现试验监控视频、试验控制解析文件和应变、位移动态数据等多源数据的融合展示,初步具备试验全状态信息实时监控功能,可大幅提高全尺寸飞机疲劳试验运行信息展示能力,对于同类型问题具有极强参考意义。

基于融合神经网络的飞机蒙皮缺陷检测的研究

飞机蒙皮受大气环境侵蚀及飞鸟撞击等影响而出现各种缺陷,将严重威胁飞行安全.为解决飞机蒙皮人工检查耗时长及检测不充分等问题,提出基于融合神经网络的飞机蒙皮缺陷检测方法.在YOLOv5网络基础上,将Xception架构融入其中,同时在Backbone中加入全局通道注意力机制,在Neck和Output中加入通道空间注意力机制,形成新的融合神经网络.将采集到的飞机表面缺陷8503幅图像分为训练集和测试集.新融合神经网络经训练后,用测试集验证,铆钉腐蚀、铆钉脱落、蒙皮裂痕、蒙皮脱落及蒙皮撞击5种缺陷检测平均精确度分别为0.960、0.928、0.931、0.934、0.948.融合神经网络准确率为0.950,召回率为0.964,平均精确度为0.957,说明新融合神经网络对飞机蒙皮缺陷识别是有效的.

基于RCNN-ABiLSTM的机械设备剩余寿命预测方法

针对机械设备的关键退化信息易淹没在非线性、多维度、长时间、大规模监测数据中的问题,提出了一种基于残差卷积神经网络和注意力双向长短时记忆网络融合(residual convolutional neural network-attentional bidirectional long short-term memory network,RCNN-ABiLSTM)的机械设备剩余寿命预测方法。首先通过训练RCNN提取监测数据的深度空间特征;然后通过引入注意力机制,优化双向长短时记忆网络提取时间相关特征的权重参数,加强关键退化信息对剩余寿命预测的表达;最后通过航空发动机数据集验证了方法的有效性。分析结果表明,对于运行条件复杂和故障模式多变的多维监测数据,所提方法能够准确寻找退化时间点,有效提高长时间运行设备的剩余寿命预测准确度。

Real-Time Indoor Path Planning Using Object Detection for Autonomous Flying Robots

Unknown closed spaces are a big challenge for the navigation of robots since there are no global and pre-defined positioning options in the area.One of the simplest and most efficient algorithms,the artificial potential field algorithm(APF),may provide real-time navigation in those places but fall into local mini-mum in some cases.To overcome this problem and to present alternative escape routes for a robot,possible crossing points in buildings may be detected by using object detection and included in the path planning algorithm.This study utilized a proposed sensor fusion method and an improved object classification method for detecting windows,doors,and stairs in buildings and these objects were classified as valid or invalid for the path planning algorithm.The performance of the approach was evaluated in a simulated environment with a quadrotor that was equipped with camera and laser imaging detection and ranging(LIDAR)sensors to navigate through an unknown closed space and reach a desired goal point.Inclusion of crossing points allows the robot to escape from areas where it is con-gested.The navigation of the robot has been tested in different scenarios based on the proposed path planning algorithm and compared with other improved APF methods.The results showed that the improved APF methods and the methods rein-forced with other path planning algorithms were similar in performance with the proposed method for the same goals in the same room.For the goals outside the current room,traditional APF methods were quite unsuccessful in reaching the goals.Even though improved methods were able to reach some outside targets,the proposed method gave approximately 17%better results than the most success-ful example in achieving targets outside the current room.The proposed method can also work in real-time to discover a building and navigate between rooms.

通航无人机终端区融合运行纵向间隔研究

无人机与通航飞机未来发展存在空域共用问题,为了实现无人机与通航飞机终端区融合运行,针对无人机与通航飞机通信、导航、监视性能差异,采用一种基于高斯分布的CNS位置误差分布碰撞风险模型:将无人机视为质点,无人机碰撞保护区与通航飞机保护区相叠加,选取不同组合机型作为仿真对象,利用Matlab软件模拟仿真终端区融合运行时,不同组合机型终端区同航路运行在不同飞行间隔下的碰撞风险概率,考虑人、机、环、管多方面因素,优化碰撞风险模型。以ICAO所提出5×10-9安全目标水平为标准,选取CESSNA172R、SR20与TW312和TW328-A作为组合研究对象,研究满足ICAO碰撞风险目标水平所需的运行间隔。通过仿真结果发现终端区融合运行纵向间隔大于5.3海里时,以上组合均满足ICAO所提出的目标水平。结合CNS以及人、机、环、管等方面对终端区融合运行纵向碰撞风险进行研究的文献目前还较少,未来可以考虑包括CNS在内的更多因素利用该碰撞模型对融合空域容量等方面进行进一步研究。

基于概率分布特征和代理模型的试验数据扩充方法研究

针对外场试验数据样本数量较少的情况,提出了一种利用概率分配和代理模型进行数据扩充的方法。通过分析数据的基本概率特征确定区间划分和各个区间需要生成的样本点的个数,样本点则基于反向传播(Back Propagation,BP)神经网络方法构建半实物仿真系统代理模型生成,并采用直方图统计方法选取,从而使增补的样本点既保留了原始数据的概率特征,又具有物理内涵。扩充的外场试验数据完善了飞行器的落点坐标信息,提升了落点数据融合模型的精度。通过飞行器534A的外场和半实物仿真试验研究,验证了该方法的实用性和有效性。

面向小样本的SAR图像飞机目标分类方法

针对SAR图像中飞机目标的样本覆盖率低、类间差异度小、目标完整性差等问题,提出了一种基于传统特征与深度学习特征相融合的小样本SAR图像分类方法。首先,设计了针对小样本数据的分组卷积深度残差网络,使用分组卷积残差块替代传统残差块,并对激活函数进行优化,同时简化网络的参数结构,使网络适用于小样本数据的分类;然后,结合传统特征提取方法,针对飞机目标特性提取了几何特征、HOG特征和SIFT特征;最后,将传统特征和深度学习特征进行融合,再将融合后的特征通过全连接层和归一化指数函数,得到最终的分类结果。实验结果表明,该方法在每类训练目标样本数不超过22张的小样本SAR飞机数据集上达到了97.4%的准确率,Kappa系数为0.971。经对比,该方法相较于其他图像分类算法的识别准确率更高,在小样本SAR图像分类领域有一定的参考意义。

多传感器数据融合的四轴飞行器姿态角解算

针对四轴飞行器的姿态角解算方法存在周期长、精度低的问题,提出扩展卡尔曼滤波方法。首先,分析陀螺仪、加速度计、Mahony互补滤波3种姿态角的解算方法;然后,对扩展卡尔曼滤波方法进行公式推导,指出通过迭代可改变卡尔曼增益大小,提高解算精度;最后,通过实验得出,与Mahony互补滤波相比,扩展卡尔曼滤波更可靠。利用扩展卡尔曼滤波方法进行姿态角解算,可提高四轴飞行器的控制精度和稳定性,满足高精度工作场所的需求,具有一定的实践意义。

基于级联虚-实融合的飞机钣金零件识别方法

提出了一种级联虚实融合方法来识别具有显著相似性的各种飞机钣金零件(Sheet metal parts,SMPs)。SMP通过涉及“粗略”“精细”和“首选”阶段的级联过程进行识别和编号。该方法将虚拟工作台建模与物理工作台识别相结合。最初,通过捕获物理工作台上钣金件的主方向图像并从图像中提取8D形状描述向量来识别SMP的“粗糙”集,这导致候选SMP集的发现。随后,利用图像的灰度信息对候选SMP集进行模板匹配,以实现“精细”匹配。提出了识别可靠性的定量测量,在增强现实3D投影的帮助下启动后续的“首选”识别过程。通过实际实验验证了该方法的有效性和优越性,在测试件中达到了最高准确率96.9%。借助3D投影,人机结合准确率100%。