摘要:材料裂纹故障是飞机维修检查中常见故障之一,该故障的发生会影响飞机的正常运行,降低航空公司运行的效率。针对材料裂纹故障中发生难以通过目击直接检查,目前采用的手工检查方式耗时长,准确率低等问题,对A、D两种类型的裂纹故障提出ES-RF(专家系统-决策树)模型,对材料裂纹故障进行分析研究。分析过程中首先使用专家系统验证材料裂纹故障发生与多个检测参数的相关性,随后使用决策树算法对材料裂纹故障进行分析。分析结果表明使用ES-RF模型对材料裂纹故障评估的训练准确率98.98%,测试准确率97.93%.

摘要:在燃烧室环境中,传感器易出现漂移和失效,导致测量结果出现偏差,为此展开基于多传感器的液体火箭发动机参数测量系统设计研究。在硬件方面,通过优化传感器选型与配置、设计高精度信号调理电路、选用高速数据采集设备和嵌入式处理器,构建了可靠的硬件采集平台；在软件层面,开发了包含数据采集处理、动态校正和参数计算三大模块的算法体系,采用自适应滤波和实时补偿技术提升测量精度。通过硬件单元与软件模块的协同运作,实现了液体火箭发动机参数的精准测量与应用。实验结果显示:设计系统处理后的传感器信号信噪比较高,并且整体平滑度较好,传感器数据丢包率最小值达到了0.5%,参数(燃气温度)测量误差最小值达到了0.2%,充分证实了设计系统参数测量效果较佳。

摘要:随着航空系统智能化水平的提升，飞行器对飞控系统的实时响应与自主诊断能力提出更高要求；电控舵面作为关键执行部件，其故障将直接影响飞行稳定与安全；为提升识别精度与响应效率，研究构建融合多尺度卷积与长短期记忆网络的故障检测模型，并引入多阶段信号降噪机制以优化特征提取；模型基于多源飞行数据训练，精准捕捉电压、电流与偏转角等关键序列特征的演化模式；实验表明，模型在完全训练后准确率达96.7%，漏报率低于1.08%，可在异常发生前2.2 s实现高置信度预警，具备出色的时效性与稳定性；同时在典型巡航工况下识别出微弱间歇性迟滞故障，分类置信度为0.974，体现了良好的早期检测能力；研究验证了该模型在复杂非线性场景中的鲁棒性与实用性，为飞控系统故障诊断由被动响应向智能预测转变提供了技术支撑。

摘要:针对车载和船载测控设备在校相过程中面临的远场条件限制问题,提出了一种基于馈源的校相新思路。通过分析校相与馈源和天线的关系,设计并实施了天线和馈源的远近场实验,验证了两种馈源校相方法：馈源位置比对法和馈源校相修正法。数据分析表明,采用馈源校相方法能够实现简单、快速且稳定的校相,有效解决了车载和船载测控设备在校相上遇到的问题。

摘要:安全帽佩戴检测是工厂安全重要组成部分，其采用模式识别的方法对监控中工人的安全帽佩戴情况进行检测，进而实现智能监控；针对工地工厂环境下由于工人在监控中的尺度不同，场景复杂特征提取较难等问题，对YOLOv10n进行研究提出了Helmet-YOLO算法；在主干网络设计了SimC2f模块，加强了算法在复杂场景下对安全帽特征的提取和表达；在颈部采用动态选择性注意力机制，使特征融合过程中充分利用长距离语义信息；在上采样部分引入轻量化动态上采样算子，提高了上采样的质量；实验结果表明该算法在复杂场景SHWD数据集mAP50和mAP50-95分别取得了91.5%和58.2%的检测效果，在仅升高0.3GFLOPS的情况下，与YOLOv10n相比分别提高了2.2%和1.3%，检测效果取得了提升。

摘要:依据YOLO系列网络在目标检测领域的出色表现，提出了一种基于FPGA的高能效YOLO目标检测系统，通过对YOLOv5n网络进行层融合优化模型，并采用量化感知训练对网络模型进行再训练和量化，将特征图和权重数据量化为8位，降低了硬件资源的消耗；设计了一种混合流可配置的硬件加速器架构，通过配置模型参数实现网络层的前向推理，在硬件模块中对网络层进行优化设计，并采用乒乓双缓存与层间流水线协同设计；整个硬件加速系统通过软硬件协同设计实现，合理调度硬件模块，实现了软核处理器与硬件加速器高效并行工作；经实际测试在Xilinx VC707 FPGA开发板上，系统以100 MHz的工作频率实现了27.15 GOPS的吞吐量，功耗仅为2.88 W，实现了9.43 GOPS/W的高能效，兼顾了检测速度和功耗，满足目标检测的需求。

摘要:针对地铁系统，设计了一种创新的道岔位移检测方法，该方法融合了优化的YOLOv5目标检测算法与二维码位置识别技术；通过精准识别道岔上的二维码位置变化，实现位移的实时检测与预警；通过在轨道叉尖上粘贴二维码标靶，利用视觉传感器实时检测叉尖位移；系统使用YOLOv5s模型进行目标检测，并引入CBAM注意力机制和DIoU损失函数，提高检测精度和效率；为了提高道岔位移检测的实时性，在异常情况突发下及时报警，在网络中添加了ShuffleNet V2模块；实验结果表明，改进后的YOLOv5模型在不同光照条件下对二维码标靶的检测性能优异，实时性满足使用需求，为地铁轨道的健康检测提供了可靠的数据支持；此方案旨在克服传统检测方法中的局限性，确保列车运行的更加平稳与安全；

摘要:为解决现有的水下生物目标检测模型参数过多,难以部署到资源有限的移动端的问题,提出了一种基于GS-YOLOv8的轻量化水下生物目标检测模型；该模型基于YOLOv8s模型进行改进,设计一种轻量化的RepHGNetV2网络作为YOLOv8s的主干网络,以降低模型的计算复杂度和参数量；使用轻量化卷积GSConv替换颈部网络中所有的标准卷积,进一步减少模型参数,提高检测性能；引入设计的C2fAK模块,使模型能够更好地适应不同形状和大小的水下生物目标, 从而提高检测精度；实验结果显示,在URPC2020数据集上,与原模型YOLOv8s相比,改进后的GS-YOLOv8网络模型的参数量降低了37.7%,计算量降低了27.8%, mAP@0.5提高了0.9%；此外,与目前较为先进的YOLOv10模型相比,改进后的GS-YOLOv8模型在检测精度和轻量化方面更有优势。

摘要:人体姿态检测的核心是准确检测人体关键点，由于高分辨率网络存在着一定局限性，对此，提出一种自适应跨维加权高分辨率网络；针对网络跨维信息交互不足的问题，采用跨维分离卷积方法提取信息，实现了在空间和通道之间有效的信息交换；针对关键点定位不精确的问题，采用自适应上下文建模方法，通过自适应变换和输入特征的空间加权，增强了网络捕捉复杂空间关系的能力，使得网络能够提取多尺度上下文信息并建立跨维度依赖关系，从而在不增加计算复杂度的情况下提高了准确性；此外，还引入了坐标注意力机制融合来自不同分支和规模的特征，使检测准确性得到进一步提升；经COCO和MPII数据集实验测试，与主流轻量型网络相比，自适应跨维加权高分辨率网络性能更好，兼顾了效率与精度。

摘要:为了克服摄像头模组现有检测方法的局限性，提出了一种基于改进YOLOv5s和DeepLabV3+的摄像头模组瑕疵检测方法，以满足摄像头模组工业生产过程中外观与功能检测的需求；针对摄像头模组表面瑕疵检测中存在难度大、目标小、种类多的问题，采用了基于改进YOLOv5s的外观定性检测方法；该方法引入多维协作注意力机制，并结合基于NWD的损失函数优化，有效提高了模型对小目标的检测能力；测试结果表明，改进后YOLOv5s的平均精度mAP达95.7%，相比原始模型提升了8.5%，同时，每秒帧率FPS为38.5，基本满足工业实时检测的要求；此外，针对需要进行定量检测的组件（如脖子胶区域），进一步研究了一种基于DeepLabV3+语义分割的脖子胶定量分析方法；通过提取区域边界，并计算其面积与长宽比特征，有效评估模组的组装质量并识别潜在功能瑕疵；相比传统方法，该方法能够同时实现摄像头模组的外观与功能检测，同时保障检测的精度与速度，并为其他工业领域的质量控制和瑕疵检测提供了有益借鉴与参考，具有较高的应用价值。

摘要:针对LED芯片下底部填充胶贴合情况焊盘检测，研究了一种利用直方图曲线极小值点作为分割阈值的灰度图像多阈值分割方法；通过对X-ray检测机采集的LED芯片下底部填充胶贴合情况图像直方图曲线的平滑处理和条件判断，寻找满足预期的波峰波谷，将对应的极小值点作为分割阈值，实现图像的多阈值快速分割方法；相比OTSU方法多阈值分割和区域生长算法，该方法计算复杂度较低，在LED芯片下底部填充胶贴合情况焊盘的识别和分割过程中，分割耗时不到OTSU方法和区域生长算法的百分之一，分割效果相比OTSU方法更好，而且针对图像整体灰度的差异，具有较强的自适应性，满足工业生产线对高UPH的要求；表明该方法在处理直方图曲线具有明显波峰波谷的图像分割时具有显著的速度优势。

摘要:针对无人机进行电力巡检时对于输电线路缺陷的检测精度较低的问题，提出了一种基于YOLOv10n的改进缺陷检测算法。其具体结构为在Backbone中添加轻量级卷积神经网络注意力模块CBAM，使得改进后的网络模型在通道和空间两个方面更加关注输电线路导线缺陷的特征，降低漏检、错检率。将YOLOv10n中原来的特征融合框架替换为双向特征金字塔网络BiFPN，该网络在原始的FPN模块中添加了上下文信息的边，并对每个边乘以一个相应的权重，通过不同的权重映射不同的学习特征，因此增加对贡献较大的特征映射。在空间金字塔池化模块通过结合ELAN，使模型能更有效地识别小目标特征。经过一系列的实验证明，改进后的模型准确率达到85.8%，召回率达到80.8%，mAP达到87%，各种指标在一定程度上都得到了提升。由此可见改进的算法提高了检测精度，在输电线路巡检中具有较广泛的应用前景。

摘要:针对利用多维度、多模态的遥测参量实现快速定位检测故障需求的问题,在分析和归纳飞行器遥测参量特点及故障检测方法的基础上,研究了基于误差序列的离线数据无监督快速异常检测方法。该方法改变了传统的主要依靠人工分析进行故障判定模式,结合历史数据的使用,通过无监督自适应阈值的设定,实现自动适配并检测遥测参量异常记录状态的功能,降低了需要大量人员分析的时间成本,减少了遂行处理工作中快速定位故障的压力,解决了故障定位通用性不强的问题。经过实际应用,效果良好,满足数据处理要求,具有较好的自适应性,易于实现。

摘要:随着工业设备安全要求的提高，压力容器的监测和异常检测日渐重要；针对这个问题，采用基于卷积神经网络和长短期记忆网络的深度学习方法对压力容器声发射信号进行了监测和异常检测分析，解决传统方法在复杂信号处理中的不足；通过CNN提取信号的局部空间特征，结合LSTM捕捉时间序列的短期和长期依赖性，实现对原始时域信号的重建；通过计算重建信号与输入信号之间的误差判断异常信号的存在；实验测试表明，该方法能够显著提高异常检测的精度和鲁棒性，在检测压力容器泄漏时准确率达到93.58%；与现有的AE、VAE及其他基于深度学习的自编码器方法相比，提出的方法在捕捉复杂时间序列信号的特征上更具优势；此外，该方法显著减少了误报和漏报现象；为压力容器的安全监控提供了可靠保障；满足了工业工程应用中的实际需求；具有重要的工程应用价值。

摘要:针对传统毫米波Ka频段卫星通信接收发射多天线带来的高功耗,大体积问题,提出了一种新型的磁电偶极子天线单元；首先采用两个不同高度L型馈电结构在时间维度对偶极子进行交替馈电,并且将电偶极子与磁偶极子进行垂直摆放设计,通过矢量叠加可以计算此方式后瓣辐射低,增益高且方向性好；最后在传统矩形偶极子贴片的情况下优化了电偶极子贴片的形式,提出了叶子型贴片结构,并且中间打孔,从而使得天线带宽能够从17.14GHz到32.9GHz；在驻波比SWR≤2的情况下,相对带宽达到63%；天线的最大增益为7.23dBi；不仅几乎实现了二倍频,且后向辐射低,后向增益≤-20dBi；由于此天线单元带宽包含Ka频段卫星通讯上下行两个频段,从而可以根据此天线单元制作收发一体天线,从而减少了天线数量,简化了天线系统结构,降低了天线功耗；

摘要:无人机反制系统中，无人机目标具有显著的多尺度特征，特别是在小目标检测方面，往往检测精度较低。针对此问题提出一种基于动态样本注意力尺度序列的YOLOv8n优化改进算法YOLOv8-C2f-RFCBAMConv。分析了目标无人机在多尺度和小目标识别中的挑战，提出通过改进主干网络和融合C2f-RFCBAMConv模块来优化特征提取能力，提升多尺度特征处理能力。采用RFCBAM机制，并引入残差融合和上下文注意力机制，提升了特征表达能力并减少计算复杂度。此外，使用WIoU损失函数改善了小目标低质量数据对梯度的影响，加快了网络收敛速度。实验结果显示，改进模型在自采无人机数据集上的mAP@0.5和mAP@0.5:0.95分别提升了3.1%和1.7%，GFLOPs提升了0.7，表现出更高的检测精度和更低的计算复杂度。

摘要:钢材在制造业中应用广泛,其表面缺陷严重影响其质量。缺陷形态的多样性以及检测背景的干扰给现有检测模型带来挑战,为此本文提出钢材表面缺陷检测算法AGD-YOLO。首先设计了自适应多尺度下采样AMSD模块,该模块利用膨胀卷积与多池化操作捕捉并融合多尺度特征信息,并集成到主干网络中以提升缺陷识别能力；其次结合膨胀卷积和空间金字塔池化提出了增强型全局语义空间池化金字塔EGC-SPP模块以整合全局背景与边缘特征；最后设计了双流融合网络DSFN增强特征表示,提升算法上下文互补性和细节特征的识别能力。实验结果表明,改进后的算法在NEU-DET数据集上的检测精度提升了7.1% mAP,有效解决了钢表面缺陷检测的难点。

摘要:针对传统时频分析方法在复杂工况下电机故障信号处理中存在的抗噪能力弱、特征区分度低等问题，提出一种基于改进对称点模式特征融合图像的电机故障诊断方法。采用变分模态分解对故障信号进行自适应分解，结合粒子群优化算法动态调整SDP镜像对称平面旋转角θ、时间间隔参数l、角度放大因子ξ等关键参数，生成多模态信号融合的SDP图像；并构建轻量化卷积神经网络模型对电机故障诊断进行了研究。以变频三相异步电机为实验对象，对正常、匝间短路、气隙偏心、转子断条四类工况采集1200组振动信号样本进行验证；结果表明，所提方法在故障诊断中实现了100%的准确率，优于支持向量机的97.85%、随机森林95.24%，在-6dB强噪声环境下仍保持98.76%的准确率，验证了其鲁棒性。该方法通过参数优化与特征融合提升了噪声环境下的诊断可靠性，为电机实时监测与智能诊断提供了有效解决方案。

摘要:色域水平过于集中会导致主机元件错误取样图像信息,从而造成图像信息的错误传输问题。为避免上述情况的发生,设计PNG图像编解码器低码率传输差错控制系统。对PNG图像传输差错控制系统的硬件模块进行设计,并考虑到在低带宽或高传输时延的网络环境下,源图像的码率可能不适合被传输模块处理和传输。因此在编解码器架构体系中,利用已生成图像信息编解码训练集中的数据参量,定义码率重构函数,实现对图像编解码器的码率重构处理。并在此基础上,通过PNG图像块拼接以及图像信息的平均绝对误差损失计算,确定传输差错控制参量的取值范围,由此完成PNG图像编解码器低码率传输差错控制系统的设计。实验结果表明,本文所设计系统可使PNG图像的色域分散程度最大值达到95.5%,不会因色域水平过于集中而导致主机元件错误取样图像信息的问题,能够实现对图像信息传输差错的有效控制。

摘要:随着航空运输业的快速发展,航空系统的安全性与精确性变得愈加重要；研究对航空导航系统中复杂电磁环境下DVOR信号的抗干扰问题,提出了一种基于空间调制信号与智能干扰补偿的DVOR监控系统；采用多通道ADC+FPGA+DSP架构,集成高精度采集与CPLD控制模块,实现关键参数实时监测；通过STFT与孪生神经网络融合算法,结合多时频特征提取与归一化增强策略,有效识别并补偿同频、邻频、带外及互调干扰；实验结果显示,在同频干扰条件下,信号的SNR从补偿前的5.23 dB提升至11.54 dB,误码率从0.15降低至0.05,频率误差减少到了0.31 Hz；此外,在干扰识别准确率方面,互调干扰条件下的识别准确率最高,为97.76%；结果表明,研究所提方法能满足航空导航系统在复杂干扰环境下的性能要求,为航空导航系统提供了可靠的干扰抑制解决方案。

摘要:由于无人船在航行过程会受到来自风浪的干扰,对无人船的航行状态产生影响,导致难以根据无人船的实时状态和环境变化,自动调整控制指令,实现自适应控制。因此,为了保证无人船能够按照既定规划路线航行,提高无人船的航行安全,利用速变视线导航法优化设计无人船航行轨迹自适应跟踪控制方法。根据无人船的航行目标,规划无人船航行轨迹,将其作为无人船的控制目标轨迹。利用无人船中内置的传感器,获取无人船初始位姿数据,通过航行位置的预测与调整,得出无人船实时航行轨迹位置的自适应跟踪结果。基于无人船的控制目标轨迹,考虑环境干扰,在速变视线导航法支持下,根据无人船的速度和环境条件动态调整视线角度,生成并调整无人船航行轨迹控制指令,通过控制指令的执行,实现无人船航行轨迹的自适应控制。通过性能测试实验得出结论:与两种对比方法相比,优化设计方法的跟踪误差明显降低,控制误差减小4.7km,且在抗干扰性能方面具有明显优势。

摘要:导弹发射车起竖过程中,导弹可能因携带不同任务载荷导致重量增加,或者起竖角度出现意外偏差,此时齿轮所承受的负载就会偏离优化设计时的预期。齿轮的啮合力和传动特性会随之改变,单一控制方式难以全面应对这些复杂的激励因素,导致起竖装置动频率不稳定,削弱导弹发射车的快速反应能力。因此,提出导弹发射车起竖装置弧齿锥齿轮动频率控制方法。将压电式加速度传感器安装在齿轮箱体上,捕捉弧齿锥齿轮在运转过程中产生的微小振动信号。对微小振动信号进行盲源分离和快速傅里叶变换,通过频谱分析确定弧齿锥齿轮动频率。由此,通过海鸥算法优化压力角、螺旋角、轴向与径向间隙四个参数的优化。从静态控制层面在一定程度上补偿制造和安装误差导致的动频率波动。而在动态控制层面,利用压电式加速度传感器实时监测齿轮振动信号,通过盲源分离和快速傅里叶变换确定动频率,及时捕捉到因导弹重量和起竖角度变化引起的动频率波动。同时以监测到的动频率实时值与预期设定值之间的差值作为分数阶内模PID控制器的输入,通过自适应调整确保齿轮系统在全工况下稳定运行,实时响应复杂激励因素带来的变化,实现弧齿锥齿轮动频率动态控制。实验结果表明:静态控制后弧齿锥齿轮的振动加速度RMS值可以降低至16以下,且面对转速突变、负载突变两种工况,分数阶内模PID控制方法的超调量均在1.0%以下,说明所研究方法通过动态、静态结合的控制方法可以使导弹发射车起竖装置具有更好的动态响应性能和适应性。

摘要:在复杂环境连续域内因特征稀疏容易丢失无人机目标定位,出现多无人机目标协同搜索路径重合现象,导致冲突风险系数增加,为此对基于动态贝叶斯网络的多无人机目标协同搜索控制方法进行了研究。在无人机上安装高分辨率图像传感器设备获取目标图像,通过Lucy-Richardson算法对于目标图像进行运动模糊补偿后,利用动态贝叶斯网络提取目标形状、移动特征,采用特征匹配方法进行多无人机目标定位。根据目标位置与环境的图像信息构建栅格地图,在栅格地图中通过计算搜索优先级分配搜索目标,将分配目标作为搜索路线中的关键路径点,从而进行多无人机目标协同搜索控制路径规划,通过控制器不断调整飞行轨迹以实现对多无人机目标协同搜索控制。实验测试结果表明,设计方法的目标漏搜率比较低,碰撞冲突风险系数低,多无人机目标协同搜索控制成功率较高,由此证明该方法在多无人机目标协同搜索控制方面具有明显优势。

摘要:动力稳定车能够有效改善有砟轨道道床质量状态，然而其现有作业模式将导致轨道水平产生劣化。为解决此问题，结合有砟轨道道床累积下沉理论，采用试验方式研究了轨道下沉量与动力稳定车速度、左右侧下压力和频率之间的函数关系，进而建立了轨道水平变化量与稳定装置左右侧下压力差之间的传递函数模型。针对稳定车的轨道水平检测方式，引入前馈-反馈控制与Smith预估补偿，进行预先调节并保证检测滞后系统的闭环稳定性，同时采用灰狼混合粒子群算法（GWO-PSO）进行PID参数寻优。在Simulink仿真环境下，搭建了轨道水平防劣化控制系统，仿真结果表明，采用前馈反馈-Smith预估控制策略，利用GWO-PSO算法进行PID参数寻优，可以使系统的ITAE指标改善19.66%，动态性能得到提升。在模拟线路仿真中，该控制系统使得轨道水平不平顺幅值降低了52.1%，有效的改善动力稳定车作用下的轨道水平劣化问题。

摘要:引信弹道安全性与弹丸外弹道运动密切相关,而弹丸外弹道运动受弹丸结构特征数影响较大。为了准确获取弹丸结构特征数极限值,进而给引信安全性设计和理论分析提供技术基础,提出利用大口径火炮榴弹结构特征数实测数据研究其分布规律和相关性的方法。以155 mm口径火炮M107榴弹、底凹弹、底排弹和复合增程弹为例,利用其结构特征数实测值拟合其分布规律,得到不同累积概率下的极限值,并进一步分析各结构特征数间的相关性。这4种155 mm口径火炮弹丸大多数结构特征数的最佳拟合结果不为正态分布,其中3种的多数结构特征数服从三参数Weibull分布。大口径火炮榴弹的赤道转动惯量和动不平衡角分别与轴向质心位置和偏心距密切相关,可由其进行预估。

摘要:针对组学数据挖掘中遇到的数据样本量少,数据高维度和特征泛化性问题,本研究提出了结合残差网络与软阈值化方法的生成模型RS-CGAN。该模型通过一维卷积层和残差网络结构提升高维数据的特征学习能力,并引入残差软阈值化的生成器和残差注意力的判别器以降低噪声影响并防止过拟合；采用距离相似度惩罚项指导生成器学习,增强训练质量；提出基于结构因果模型的特征选择模块,通过构建因果结构图,实现群体平均因果治疗效应估计值的计算,识别具有泛化性和因果关系的生物标志物。实验结果表明,该方法在数据生成质量方面具有优势,且特征选择后的数据集在预测模型中的准确率提升了30.58%,最终识别10个乳腺癌生物标志物,其中4个已经过临床医学验证为风险位点,证明了该标志物选择方法的有效性。

摘要:针对探月返回跳跃式再入飞行器再入峰值过载大的问题,本文通过将再入轨迹划分为等倾侧角飞行段、等高飞行段、终端再入段,设计了一种基于分段制导的小过载再入方案。首先,获取了基于分段飞行的再入走廊,考虑再入走廊约束及待飞航程,迭代获得等高飞行段终止条件,并进一步迭代得到等倾侧角飞行段的倾侧角幅值。其次,利用反馈线性化的方法实现对等高飞行段参考轨迹的跟踪,并引入航迹倾角反馈加速算法收敛。最后,等高飞行结束后,通过预测校正制导实现对剩余航程的导引,并通过引入反馈修正项调整倾侧角指令,使得再入制导段结束时飞行器高度达到期望高度。仿真表明,该算法能够降低峰值过载,对于不同再入航程具有良好的适应性,具有制导精度高、高度控制能力好、鲁棒性强的特点。

摘要:本文针对共轴双旋翼无人机抓取应用中的目标位姿估计方法展开研究，提出基于CDPN的无人机目标位姿估计模型EPRO-CDPN，其前置目标检测器采用改进的YOLO网络算法，提高其目标检测能力；引入注意力机制，使模型关注关键特征信息，加强网络训练过程中通道间的特征融合；引入EPRO-PnP替换原来的传统PnP方法，将传统求解转化为对位姿概率分布的预测。整个位姿估计网络实现为一个端到端的网络。位姿估计网络模型在在公开数据集LineMod、自制数据集上进行了算法性能测试，并以共轴双旋翼无人机为物体目标进行抓取实验，验证姿态估计算法的可行性和有效性。检测精度在95%以上，检测速度快，FPS达到35.2帧/秒，实现了实时目标姿态估计，为视觉引导的机械臂自动抓取回收共轴无人机奠定了研究和实验方案。

摘要:当信号功率在较大范围内变化时,无人机上的射频前端设备在处理信号时存在非线性特性,在进行功率校准时,如果按照线性模型进行校准,会产生较大的误差。对此,研究非对称成对载波接入无人机5G通信网终端链路功率校准系统。在系统硬件部分,改装链路功率计、载波/通信信号分析仪、频谱仪、衰减器与放大器等硬件元件。在硬件系统支持下,模拟通信网终端链路中非对称成对载波接入过程建立终端链路,根据链路特性,分配无人机5G通信网终端链路功率,并将其作为功率校准目标,通过观测通信网终端链路实时功率,校准目标与功率观测值以确定功率校准量,实现系统的通信网终端链路功率校准功能。通过系统测试得出结论:与传统系统相比,优化设计系统的功率校准偏差量明显降低,同时降低通信网络的误码率与丢包率,由此提升无人机5G通信网的通信质量。

摘要:物联网中的联邦边缘学习系统被认为是一种有前景的技术，可以在保证客户端隐私的同时减少计算负担。在联邦边缘学习系统中，联邦边缘的数据队列是有限的，且联邦边缘与客户端之间的信道是时变的。因此，选择合适数量的客户端上传数据以保持数据队列的稳定，同时最大化学习精确度，是一项挑战。为了解决这一问题，通过结合联邦边缘学习系统和信息瓶颈理论，对如何高效使用数据队列进行了研究，提出了一种基于申威服务器的数据队列优化方法。具体来说，采用Lyapunov优化理论确定最优选择客户端数，在学习精确度和队列稳定性之间实现平衡。进一步使用信息瓶颈理论在保持数据队列大小不变的情况下，最大化数据的压缩和存储效率。通过仿真实验对该方法的性能进行了评估，结果表明，所提出的方法优于已知的基准方法，提升了数据的存储和处理能力，为物联网系统的设计与优化提供了新的思路。

摘要:金属表面缺陷检测是工业制造中质量控制的关键环节；传统的人工检测方法由于成本高、效率低，难以满足现代制造业对高精度与高效率的需求；提出了一种基于MobileNetV2的改进网络模型，用于提高金属表面缺陷检测的精度与效率；在MobileNetV2网络基础上，引入坐标注意力机制以增强特征学习能力，采用深度可分离思想改进Inception模块，在增强网络对多尺度特征的提取能力的同时保持模型参数量；通过图像增强技术处理数据集，以提升网络的鲁棒性；实验在NEU-DET金属缺陷数据集上进行，验证了模型的有效性；IC_MobileNetV2模型在验证集上取得了92.8%的准确率，与原始的MobileNetV2、AlexNet、GoogleNet、DenseNet、ResNet34和ResNet50相比，准确率分别提高了5.6、2.8、0.9、1.7和1.7个百分点；实验结果表明，该方法在金属表面缺陷分类任务中具有较好的应用潜力。

摘要:针对传统的机器学习算法对脉冲描述字表征的雷达工作模式进行学习与识别时，存在对脉冲描述字捕获的准确率具有较高的依赖性以及识别准确率有限的问题。提出了一种基于圆周积分样本的Resnet1D模型的雷达工作模式识别方法。该方法采用积分双谱提取雷达工作模式的原始电磁信号高维表征样本特征，在保留电磁信号相位和幅度信息的同时，也实现了数据维度从二维降至一维的降低。降低计算复杂度的同时不会丢失雷达工作模式携带的电磁信号特征信息。通过对比积分双谱特征，计算机仿真表明圆周积分特征具有较好的识别准确率，在信噪比0dB条件下识别准确率超过95%。

摘要:针对短波超视距定位中因电离层虚高测量误差导致定位精度下降的问题，开展了基于电离层虚高先验信息的直接定位算法研究。该算法基于直接定位模型，利用短波单站测向定位确定目标的初始网格范围，并结合国际参考电离层模型与电离层测高仪数据获取电离层虚高先验信息，通过将虚高信息嵌入电离层单层镜面反射模型，建立更精确的信号传播路径模型，避免不同传输路径虚高差异引起的定位偏差，实现高精度定位。实验结果表明，与传统固定虚高假设下的直接定位算法相比，所提方法在典型场景下将定位误差降低了5~25 km，提升了短波超视距定位系统的稳定性和精度水平。

摘要:针对野生菌种类繁多，传统的人工识别准确率低、效率低下的难题，提出了一种基于YOLOv8的野生菌分类新方法；引入C2f-MSBlock卷积，更好地获取野生菌的多尺度特征，减少了计算成本；引入多头自注意力机制模块，避免模型陷入局部最优从而提升分类模型的精度；针对传统检测头难以有效捕捉野生菌在菌伞和斑点等细节上差异的问题，提出了一种不对称双检测头的方案；针对边界框回归中出现的损失问题，引入了Inner-CIoU损失函数，使得模型可以灵活调整边界框的尺度大小，减少了边界框损失。实验结果表明，在野生菌分类任务中，相较于野生菌领域最优的3DRe-YOLO算法，改进后方法使mAP@0.5提升了0.3%，精确率提升了1.2%，召回率提升了0.3%，验证了改进的有效性。

摘要:试飞噪声是飞行试验过程中舱内外的噪声集合。在新型号试验试飞转场频繁、构性差异大且重大改装密集的情况下,试验过程中的噪声需要在飞行后对数据解析才能对其成因和机理进行分析,分析周期较长,对试飞噪声的定位较为困难,也增加了排故试飞架次数。本研究提出基于DNT(Data dimensionality enhancement—neural network technology)数据升维神经网络的试飞噪声识别系统,对已做分析的噪声数据与分析结果构建映射关系,设计数据升维模块并设计神经网络进行拟合训练,形成对噪声数据敏感的网络模型,实现对噪声信号的快速识别及分类。对5类噪声进行了多次识别,结果表明DNT网络模型识别平均精度为83.2%,查全率为95%,具有较好的识别效果。同时构建网络模型优化评估策略,根据不同外场试飞任务输入不同网络模型参数并获得网络性能评估结果,获取更好的适配网络和更准确的识别结果。

摘要:对于大型存储基地,因其存储的物资的种类多样、数量庞大,为了有效管理,需要按照设备的类别进行分类存放,如重设备存储空间、轻设备存储空间、电子设备存储空间等,并对上述空间按照要求进行不同形式的保障,如清扫、检修等。因为空间的容量、类别及其内部存储物资的不同,保障需求在时间周期、保障事件等方面差异较大。该保障过程以保障任务序列为基础,在保证序列中每项任务的保障资源得到满足的前提下,力求资源配置调整最小化。首先对保障资源调度问题进行详细描述,并建立相应的模型。其次,针对现有资源流网络模型在复杂多元物资存储空间保障任务关系表示方面存在的不足,对该模型进行改进,并将保障资源重调度问题转换为完备资源流网络生成问题。再次,利用并扩展图表示学习、强化学习和生成对抗网络,提出基于图卷积策略网络(GCPN)的完备资源流网络生成方法。最后,开展仿真实验,对保障资源调度模型进行仿真验证。

摘要:机载数字阵列接收系统由于机载平台位置及载体姿态角的实时变化，同时天线系统受高空环境因素影响较大，在实际波束调度过程中不可避免地产生波束指向角误差，从而影响所探测目标的跟踪测量。传统采用加装隔离平台的方法来减少姿态角带来的影响，但由于隔离平台较为笨重且价格昂贵不适用大部分机载平台，一般通过建立指向角变换模型和设计相控阵扫描移相码来解决动平台波束指向精度问题。但对于以测量为目的空基平台来讲，需要对多个目标进行搜索、跟踪，并完成测量任务，任务中对目标的位置参数、分辨率等指标的精度要求较高。因此，除了关注坐标转换模型和移相码设计外，需通过GNSS/INS组合定位测姿融合处理建立高精度时空基准，采用系统级联合标定及误差分离、宽带空间相位补偿等手段保证目标稳定连续跟踪。经过动态飞行测试验证，该补偿算法实现了高动态、复杂运动条件下目标的高精度跟踪测量，指向精度测试结果满足技术指标要求。

摘要:针对新的调制识别信号在通信场景中动态出现的问题，提出了一种基于Foster的增量学习调制识别算法，该算法采用基于通道共享阈值机制的深度残差收缩网络，通过自适应软阈值化机制实现噪声抑制并提取有效特征；结合一种两阶段学习范式动态扩展新模块来适应新类别，通过残差拟合模块动态扩展网络容量以适应新调制类型，为解决训练过程中参数不断增多导致参数爆炸的问题，通过一种知识蒸馏策略减少特征维度和冗余参数，保持模型的主干部分；实验结果表明该方法性能明显优于其他增量学习算法，能够有效解决动态环境下的自动调制识别，展现出良好的应用价值。

摘要:针对移动机器人在复杂多动态障碍物环境中导航效率低的问题，提出了一种基于碰撞概率和速度障碍的深度强化学习导航算法；为了保证导航策略的安全性，基于控制障碍函数设计了一个安全屏障用来调整动作；定义碰撞概率估计函数，用来评估障碍物发生碰撞的风险，将高风险的关键障碍物信息纳入深度强化学习算法的状态空间，减少特征提取时间；引入速度障碍理论设计了一种引导机器人针对关键障碍物进行主动避障的奖励函数，降低了机器人寻找最优航向角的时间；训练所得策略在不同环境下的测试结果验证该算法实现了安全快速导航。

摘要:目前基于深度学习的全色锐化方法往往追求性能而忽略效率,导致模型复杂且计算量大。为此,本文提出一种高效的全色锐化网络,其核心是增强型注意力残差模块(EARM)。该模块通过门控融合机制与双重注意力,有效整合多光谱与全色图像特征,在保持高效率的同时提升重建质量。在多个公开数据集上的实验表明,本方法在客观指标与视觉质量上均优于主流方法,为高效全色锐化提供了新思路。

摘要:针对动车组运营过程中产生的多源异构数据（包括结构化、非结构化及半结构化数据）存在处理复杂、验证冗余及报告格式不统一等问题，传统方法需针对不同数据类型独立开发验证逻辑，导致重复工作，且人工整理报告效率低下，增加了人力成本与验证周期。为此，提出一种基于Java语言与Docker技术相结合的方法，构建统一的数据处理框架与标准化模型验证流程。该方法通过数据规则引擎实现原始数据的规范化解析，利用Docker技术部署实现可复用的验证环境，并以走行部数据为例进行系统验证。结果表明，该方案能有效解决多源数据适配与验证流程标准化问题，显著提升效率，具有较高的实际应用价值。